Sosyal medya istatistikleri toplumu mu ölçüyor, ölçüleni toplum sanma yanılgısı mı yaratıyor?

Bugün neredeyse her tartışmada sosyal medya istatistikleri destek kuvveti olarak kullanılıyor. Kaç beğeni, kaç paylaşım, kaç izlenme? Hızını alamayan, bu sayılar üzerinden “toplum ne düşünüyor” sorusuna bile cevap vermeye kalkıyor. Burada basit bir ölçüm hatasından değil, daha derin bir kavram kaymasından söz etmek gerek. Sosyal medya verileri yanlış yorumlanmıyor; daha ziyade yanlış bir gerçeklik düzeyine yerleştiriliyor. Sorun, bu sayıların ne söylediği değil, neyi temsil ettiğinin sanılıyor olması.

Sosyal medya kullanıcıları bir örneklem teşkil edemez. Ne demografik olarak dengelidirler ne davranış bakımından ortalamayı yansıtırlar ne de sessiz kalanları kapsarlar. Konuşan, paylaşan, tepki verenlerin oluşturduğu görünen kitle, toplumun tamamını temsil etmekten uzaktır. Çünkü genellikle çoğunluğu görünmeyenler oluşturur. Toplumun haritası görünmeyenler de dahil edilmeden tamamlanmış sayılmaz! Oysa sosyal medya istatistikleri, sanki toplumun tamamından toplanmış veriyi yansıtıyormuş gibi değerlendirilmekte.

Hal böyle olunca “kalabalık” ile “çoğunluk” birbirine karıştırılmış oluyor. Bu durum bir meydanda toplanan bin kişiye bakarak bir şehrin düşünce haritasını çıkarmaya benziyor. Meydanda olmayanlar yok sayılıyor; hiç gelmeyenler hesaba katılmıyor. Bir örneklem dengeli bir temsili içermese de tatminkar bir sayı büyüklüğüne sahipse kendisine meşruiyet kazandırıyor. Oysa bu gibi durumlarda sayının artması ancak temsil yanılgısını derinleştirmiş olur, temsili dengelemez!

Yapay zeka ile bu temsil sorununa bir katman daha ekleniyor: Algoritmik seçilim. Malum sosyal medyada görülen içerikler, kullanıcının karşısına rastgele ya da doğal biçimde çıkarılmıyor. Platformlar, hangi içeriğin görünür olup hangisinin olmayacağına anlık olarak sürekli karar vermekte. Bu kararlar ise bireysel ya da toplumsal öneme göre değil, platformun kurumsal hedeflerine göre alınır: Etkileşim, süre, reklam uyumu vb.

Böylece algoritma yalnızca ilgiyi ölçmüyor, aslında ilgiyi üretiyor. Bu da kullanıcı davranışının, ölçülen bir sonuç olmaktan çıkmasına ve yönlendirilen bir tepkiye dönüşmesine neden oluyor. Böyle bir süreçle ilgili üretilecek istatistik de davranışın kaydı değil, davranışın mimarisi anlamına geliyor. Eskiden gözleyen gözleneni etkilerdi (kuantum). Şimdi ölçüm aracı, ölçtüğü şeyi şekillendiriyor.

Asıl kırılma noktası da burada oluşuyor: Temsil etmeyen bir örneklem, algoritmik olarak seçilip büyütülebiliyor ve ardından da “Bakın işte; toplum böyle düşünüyor” denilebiliyor. Sosyal medya istatistikleri bu aşamada bilgi üretmekten acizdir; daha ziyade istenilen kanaati üretir. Sayılar artık gerçeği açıklayan temsilciler değil, belirli bir yorumu doğal göstermenin paryalarıdır! Sorun elbette sosyal medya değil. Sosyal medya sayılarının kamusal aklın yerine geçirilmeye çalışılmasında. Algoritmik olarak seçilmiş bir görünürlüğün, toplumsal gerçeklikmiş gibi pazarlanmasında-algılanmasında.

Sorulması gereken soru şu: Görülen şey gerçekten çoğunluk mu, yoksa çoğunluk olduğu söylenen mi görünebiliyor? Bu tür ikilemler dijital toplum ile ilgili çok daha genel bir dilemmanın alt temsilcileri gibi: İstatistikler çoğaldıkça, düşünme ihtiyacı azalıyor mu? Yoksa tam tersine, insan çok daha dikkatli mi düşünmek zorunda? Eskiden şehre inen köylüler köprüde Sülün Osmanların tuzağına düşmemek için “şehirdeki her şeyden” şüphelenirdi. Onların torunları şimdi dijitaldeki her şeyden şüpheleniyorlar (mı?)

Herkese Bilim Teknoloji Dergisi; “Dijital Kültür” Köşesi (Sayı 508 06.02.2026)

Yapay zeka pragmatik mi olmalı, idealist mi?

Dijitalin bir özelliği de yanlış yakınsamaları zaman içinde doğru hale getirmesi. İlk yıllarında internet eşittir web idi. Şimdi neredeyse öyle. Sonra web eşittir sosyal medya oldu. Şimdi e-ticaret siteleri bile sosyalleş(tiril)meye başladı. Bugün de pek çok kişi makine öğrenmesi modelini yapay zeka olarak biliyor. Makine öğrenmesinin ne adını duymuş ne de nasıl çalıştığını belki. Ama olsun. Onun için yapay zeka trenine atlamış olmanın bir göstergesi ona soru sorup cevap alabilmek değil mi? Sor bakalım menemene soğan konur mu, konmaz mı?

Başarı oranları, ölçeklenebilirlik ve pratik fayda bu eşitliği ikna edici kılıyor. Ancak bu yaygın kabul, yapay zekanın ne olduğu sorusunu yanıtlamaz; yalnızca ne işe yaradığına işaret eder. Asıl sorun da tam burada başlıyor. Çünkü “çalışan” bir sistem ile “bilen” bir sistem arasındaki fark, teknik bir ayrıntı değil, epistemolojik bir tercihtir. Makine öğrenmesi eşittir yapay zeka denklemi, bu tercihi görünmez hale getiriyor. Bu da örneğin bazı sorunlara çözüm bulma yollarını hatalı bir şekilde tek tipleştiriyor. Dünyanın her yerinde insanların giderek daha tutucu hale gelmeleri sadece siyasetle açıklanamaz! Artık gizli bir özne de var: Teknoloji!

Makine öğrenmesi, özü itibarıyla tümevarımsaldır. Geçmiş verilerden örüntüler çıkarır, bu örüntülerin gelecekte de işe yarayacağı varsayımına göre sonuçlar üretir. Doğruluk, burada hakikate değil performansa bağlıdır. Model doğruyu temsil ettiği için değil, tutarlı olduğu için doğru varsayılan sonuç ürettiği sürece “doğru” kabul edilir. Bu yaklaşım, felsefi olarak pragmatizme yakındır: Bilgi, işe yaradığı ölçüde anlamlıdır. Yapay zekada önyargı tartışmalarının bu çerçevede “kaçınılmaz” görülmesi tesadüf değil. Yapay yanlılık, ahlaki bir sapmadan çok, kullanılan veri ve hedef fonksiyonun doğal sonucudur. Sorun sistemde değil, bağlamda. Eldeki verinin büyük çoğunluğu menemeni soğansız yapmışsa; “menemene soğan konmaz!”

Sembolik yapay zeka ya da klasik adıyla GOFAI, bugün çoğunlukla başarısız bir teknik deneme olarak anılır. O da hala onu anımsayan uzman çevrelerde. Oysa bu yaklaşımın asıl önemi, taşıdığı bilgi iddiasında. GOFAI, öğrenmekten çok bilmek ister. Tümdengelimsel yapısı, tekil örneklerden değil, genel kurallardan hareket eder. Bu kurallar, ampirik verinin istatistiksel özeti değil; ideal formlara, yani Platoncu anlamda idealara yakındır. Bir şeyin ne olduğu, tek tek örneklerden değil, onu tanımlayan kavramsal yapıdan türetilir. Bu nedenle sembolik yapay zeka, temsilsiz çalışamaz; dünya, kurallar ve kavramlar aracılığıyla modellenir.

Makine öğrenmesi ile sembolik yapay zeka arasındaki ayrım, hız ya da hesaplama gücü meselesi değil, bilginin kaynağına dair bir ayrım. Biri deneyimden türetilen uyumu, diğeri kavramsal tutarlılığı merkeze alır. Biri veriye dayanır, diğeri ideaya. Ancak makine öğrenmesindeki önyargıya benzer bir sorun burada da var: Sistem hangi idealarla tanımlanacak ve bunların eksiksiz olmasından nasıl emin olunacak?

Makine akletmesi de denilen hibrit yapay zeka yaklaşımları bu iki modelin iyi yanlarını bir araya getirmeyi amaçlıyor. Soru şu: Hangi bilgi anlayışı merkeze alınmalı? Yapay zekanın geleceği, daha fazla (doğruluğundan emin olunmayan) veriyle mi yoksa daha sağlam (tamlığından emin olunmayan) kavramlarla mı şekillenecek?

Herkese Bilim Teknoloji Dergisi; “Dijital Kültür” Köşesi (Sayı 507 30.01.2026)

Çince bilmeden Çince diyalog kurulabilir mi?

Çin Odası deneyi, yapay zekâ alanında Turing Testi kadar önemlidir. İlk kez 1980’de John Searle tarafından önerilen bu düşünce deneyi temelde “makine”nin insan gibi bir zekaya ya da bilince sahip olamayacağını göstermeye çalışır.

Bir oda düşünün. Bir yanındaki küçük pencereden içeriye üstünde Çince metin yazılı olan bir kâğıt parçası veriliyor. Odanın içindeki “kişi” bu metni alıyor. Buna uygun bir başka Çince metin hazırlıyor ve onu odanın diğer yanındaki küçük pencereden dışarıya iletiyor. Örneğin girdi metninde bir soru varsa, çıktı metninde o soruya verilecek mantıklı bir cevap yer alıyor.

İçeriye kâğıtlar verip, gelen cevapları inceleyen gözlemci şöyle bir sonuca varabilir: Odadaki kişi Çince biliyor! Searle ise şunu öneriyor: Bunu hiçbir zaman bilemeyiz. Şöyle bir senaryo mesela: İçerideki kişi Çince bilmiyor ancak odanın içi Çince kitaplarla dolu. Odadaki kişiye, pencereden gelecek kâğıtta yer alan şekilleri bu kitaplarda bulması isteniyor. Kitaplardaki her girdi metnine karşılık bir de (yine Çince) çıktı metni bulunduğu söyleniyor. Odadaki kişinin yapacağı, girdi metnini bulduğunda, karşısında yazan cevap metnini bir kâğıda yazıp, çıktı penceresinden dışarıya göndermek. Böylece odadaki kişi Çince bilmeden, Çince “diyalog kurabilir”.

İnsan beyni ile kıyaslandığında sorulara mantıklı cevaplar veren yapay zekalar da Çin Odası’ndaki kişiye benzetilmekte. Çince bilmeden Çince cevap verebilmekte. Bir başka deyişle yapay zekâ kendisine sorulan bir sorunun doğru cevabını bulurken, onu sorana sunarken, insanda olduğu gibi semantik-anlamsal bir anlayış ya da öğrenme deneyimi geçirmiş olmuyor. Daha ziyade mekanik bir düzenek!

Yapay zekaya getirilen eleştiri de burada yer alıyor. “Bir anlayış, idrak ya da bilinci olmadıktan sonra ne yapayım ben böyle zekayı!”. Haklı bir eleştiri. Ancak bu eleştiriye getirilecek en az iki karşı eleştiri var. Birincisi “zekâ” ya da “bilinç” denilen şeyin evrensel tanımının insandaki versiyon olduğunu hangi evrensel otorite teyit etti? Bu kâinat güzellik yarışmalarına benziyor. Kâinatta (yani evrende) dünya dışında başka hangi gezegenlerden yarışmacı geldi de birinci seçilene “kâinat” güzeli denilebiliyor? İnsandan başka hangi gezegenlerdeki canlı türlerindeki hangi zekalar incelendi de insan ile aynı modelde çalıştığı tespit edildi de makinenin zekâsı eleştiriye tabi tutuluyor. İnsanın elinde dişe dokunur sadece bir tane zekâ modeli varken bunu genelleyip, ikinci olası zekâ modelini norm dışı olarak değerlendirmek aşırı kibir örneği olsa gerek.

Getirilecek ikinci eleştiri ise insan zekasının, bilincinin nasıl çalıştığı ile ilgili. İnsandaki anlayış ya da özbilinç denilen şeyin ne olduğu tam olarak biliniyor mu? İnsan beyniyle ilgili çalışmalar özellikle son yüzyıldır önemli ilerlemeler kaydetti. Artık müstakil ada şeklinde çalışan yapılardan ziyade ağ modelleri üzerinde duruluyor (bkz. Prof. Dr. Türker Kılıç hocanın çalışmaları). İnsan bugün robota bakıp, “işte kendisine uzaktan verilen komutları yerine getiren bir makine” saptamasını yaparken ya bir gün kendisinin de aynı şekilde “çalışmakta” olduğu ortaya çıkarsa? Anlaşılan yeni bir korku türü giderek varlığını hissettiriyor. İnsanlık için. Ya gün gelir de makine insana bakıp “Kral çıplak!” derse?

Herkese Bilim Teknoloji Dergisi; “Dijital Kültür” Köşesi (Sayı 369 27.04.2023)

Ethereum ve DEFI için yazılım geliştirmek en popüler web3 kodlama alanları.

Z kuşağı (farkında olma gereği duymasa da) iki boyutta gelişiyor. Fiziksel mekândan soyutlanma (metaverse) bir yanda. Bir merkez arayışından giderek soyutlanma (web3, blokzinciri) diğer yanda. Bunun bireysel ve toplumsal etkileri olasılıkla beş-on sene sonra görülecek. Sosyologlar lütfedip akademik araştırma yaparlarsa elbette. Yoksa daha çok satmak üzere “müthiş potansiyel” tespiti yapma amaçlı özel sektör araştırmaları tek kaynak olmaya devam edecek.

Geçtiğimiz günlerde böyle bir rapor yayınlandı. Web3 blokzinciri dünyasının “temel üreticisi” konumundaki kod geliştiricileri konu alan bir rapor. Dünyada bugün yaklaşık 27 milyon kod geliştirici var. Trilyon dolar piyasa değeri düzeyine ulaşmış web3 dünyası için kod geliştirenlerin adedi ise sadece 18 bin 416. Bu sayıya “açık kaynak kod” tabanlı projelerde aktif olarak görev alan ve yeni kod yazan geliştiriciler dahil. Kapalı sistemlerde, global kurumlara özel blokzincirleri için kod geliştirenler bu sayıya dahil değil. Kıyaslama yapmak için: Sadece Amazon’da çalışan kod geliştiricilerin sayısı 36 bin. İşin ilginç yanı şu ki 2018-2020 döneminde 9-10 bin düzeylerinde yerinde sayan bu figür 2021’de yaklaşık %80 artmış.

Electric-Capital (electriccapital.com) şirketinin yaptığı araştırmaya göre kod geliştiricilerin en favori blokzinciri Ethereum. Ethereum için kod yazan aktif yazılımcıların adedi dört binin üstünde. Bitcoin için kod yazanlar ise yedi yüz civarında. Aktif kod yazan yazılımcılar açısından bakıldığında en popüler blokzincirleri şöyle: Ethereum, Polkadot, Cosmos, Solana, Bitcoin. İkinci dalgayı oluşturan üç yüz ile bin aktif yazılımcının katkı sağladığı blokzincirleri ise şöyle sıralanıyor: NEAR, Cardano, Binance Smart Chain, Polygon, Kusama. Burada anılan tüm blokzincirleri bir sene öncesine göre katkı veren yazılımcı sayısını en az iki katına çıkarmış. Bazılarındaki artış oranı ise dört-beş misli.

Blokzinciri kodlaması içinde çekirdek protokolden ziyade uygulama geliştirmeye yönelik kod geliştirme faaliyetinin daha yaygın olduğu gözleniyor. Toplam web3 yazılımcılarının (18,416) yüzde 10’undan fazlası (2,571) sadece merkezsiz finans (DEFI) projelerine yönelik kod geliştiriyor. DEFI’ye yönelik geliştirme yapan şirket ya da oluşumlar oldukça dinamik. Örneğin 2021 içinde kurulan Olympos DAO’daki geliştirici sayısı altmış. Bunların tümü 2021 içinde sisteme dahil olmuş. Vega Protocol bir yıl içinde kod geliştirici ekibini dörde katlamış; Balancer, Synthetix, Uniswap ise ikiye.

Bu istatistiklerden iki temel sonuç üretilebilir. Birincisi web3 devrimi daha hala emekleme aşamasında. Bu alanda kod geliştirmek isteyenler için müthiş bir potansiyel var! İkincisi Ethereum blokzinciri ile DEFI uygulamaları bu konudaki en popüler alanlar. Blokzincirindeki layer-1 ve layer-2 kademelerinde (bkz. bir önceki yazı) enine ve boyuna doğru yapılacak geliştirmeler saniyede gerçekleşen işlem hacmini artırdıkça web3 (blokzinciri) mimarisi giderek yaygın yazılım altyapısı olarak dijital dünyada yerini alacak. Özellikle de akçalı işlemlerle ilgili alanlarda (e-ticaret, bankacılık, sigortacılık, vd.).

Bir kapı kapanırken (yapay zekâ pek çok alanda insan emeğini gereksiz hale getiriyor) yeni bir kapı açılıyor (web3 için yazılım geliştirme). Bellidir ki bunlar farklı beceri seti gerektiren “kapı”lar. Yüzüne kapı kapanan herkes yeni açılan kapıdan içeri giremeyecek! Yeniden anımsatmakta fayda var: Teknoloji (bu nedenle) yıkıcıdır!

Herkese Bilim Teknoloji Dergisi; “Dijital Kültür” Köşesi (Sayı 307 10.02.2022)

Girdabına kapılmış olunan anafor insanın aynı anda hem sonlu hem de bunun idrakinde olmasıdır.

Üç kuşaktır Tahtakale’de ithalat/ihracat ile uğraşan bir dostumun önemli bir tespiti vardır. Doktor, mühendis, mimar, yazılımcı vb. bir meslek sahibi olmak için üniversite eğitimine dek bir süreçten geçme konusunda herkes hem fikirdir de konu iş insanı olmaya geldiğinde cebine biraz sermaye koymak tek kritermiş gibi algılanır!

Tarihi nasıl ki kazananlar yazıyorsa, mesleklerle ilgili istatistikler de sadece “kazananlar”dan oluşuyor. Örneğin üniversite sınavına giren şu kadar öğrenciden bu kadarının şu mesleği seçtiğini biliyoruz. Ama sınavı kazanamayan öğrencilerin sonra ne yaptığını bilmiyoruz. Sınavı kazanıp da bir bölüme yerleşenlerin adedini biliyoruz da dört, beş ya da kaç sene sonra kaç tanesinin mezun olduğunu, kaç tanesinin yarı yolda fikir değiştirdiğini bilmiyoruz! Zincir uzayıp gidiyor: Mezun olup o alanda iş hayatına atılanları biliyoruz da diğerlerini bilmiyoruz… (Aslında belki de dolaylı yoldan biliyoruz: Bazı iş-uğraş alanları var ki onlar öteki tüm olasılıklarda başarılı olamamışlar tarafından işgal edilmiş durumda!)

90lı yılların ortasındaki dot.com çılgınlığı sırasında K. Amerika’da ve Avrupa’da yola çıkan düzinelerce yeni teşebbüsün başına neler geldiğini de bilmiyoruz. İpi göğüsleyen birkaç tanesinden haberimiz var (eBay, Amazon, Google, Youtube vd). Sadece kazananlardan oluşan istatistikler ister istemez yanlış yönlendiriyor bizi. Sanki o yola çıkmış herkes kazanmış. Hal böyle olunca başarı hikayeleri aşırı-yorum örnekleri haline geliyor. Dün internet ile ilgili bir şeyler yapanlar (Andreessen, Brin, Dorsey, Zuckerberg vb.) milyarder oldu. Bugün de sıra kriptopara teknolojisiyle uğraşanlarda (Vitalik, Zhao, vb.). Gibi.

Uzun yıllar Google’da başkanlık yapmış Eric Schmidt’in teknoloji ile ilgili tespiti (“Teknoloji özünde yıkıcıdır”) belki de gerçek yıkıcıyı gölgelemek için icat edilmiş bir perdedir: Kapitalizm özünde yıkıcıdır! Vahşidir! Geride kalan ya da kadrajdan çıkan öteki herkes, ipi göğüslemiş olanların “başarı”larının altında ezilip yok oluyor. Her ne kadar başarılı olanların amacı o olmasa da. Yoksa değil mi? (örn. “rekabet” nedir?). Girdabına kapılmış olunan anafor insanın aynı anda hem sonlu hem de bunun idrakinde olmasıdır. Bill Gates de bir gün ölecek!

Kapitalizm, büyük başarı elde etmenin kriterini kendi ideolojisine uygun olarak belirlemiş; maddi zenginlik! Bir meslek sahibi olup da kariyer yapamayanlar için geriye kalan tek seçenek bu. İster iş insanı ol ister başka bir şey. Yeter ki sonunda maddi zenginliğe ulaş. Ne kadar çok o kadar iyi. O zaman toplum seni kabul eder, defolarını görmezden gelir.

Maddi zenginliğe hak ederek ulaşanlar olsa da göz önünde olanlar, açlıkları bir türlü geçmeyen ötekiler olduğundan, kamunun zihninde hatalı bir imaj oluşur. O nedenle pek çok kişi için maddi zenginlik belli bir raddeden sonra “aşırı” olarak değerlendirilir. Ya aşırı ya da hak edilmemiş! Oysa kimse Mimar Sinan’ı ne kadar çok yapı inşa ettiği için eleştirmez. Ya da bir sanatçıyı, romancıyı verdiği eser adedinden dolayı benzer şekilde ayıplamaz-suçlamaz! Zamanında kapitali tekelinde tutan soylular(ın bugünkü aile temsilcileri) belki de kara kara düşünmeli: O ilk öküzü vermeyeceklermiş! Para (çoğu) insanı zehirliyor!

Herkese Bilim Teknoloji Dergisi; “Dijital Kültür” Köşesi (Sayı 280 05.08.2021)

Türkiye’de her dört kişiden üçü internet kullanıyor. Her üç kişiden birisi e-ticaret yapıyor. Cep telefonu olmayan ev neredeyse yok. Internet en çok mesajlaşmak için kullanılıyor.

TÜİK’in hanehalkı internet kullanımına yönelik yeni araştırmasının sonuçları Ağustos sonunda yayınlandı. Buna göre 16-74 yaş grubundaki bireyler içinde internet kullananların oranı %75,3. Bu oran bir önceki sene %72,9 idi. Erkeklerde bu oran %81,8 iken kadınlarda %68,9. Bireysel internet kullanımında en yüksek yer %86,6 ile İstanbul. En düşük bölge ise %58,4 ile Güneydoğu Anadolu. TÜİK raporundaki diğer tespitler şu şekilde:

Evde internet erişimi olan hane oranı : %88,3. Bu oran 2009 yılında %30, geçen sene ise %83,8 düzeyinde. İstanbul’da bu oran %95,6. En düşük orana sahip bölge %79,7 ile Batı Marmara. Internet erişiminin neredeyse tamamı genişbant: %87,9. Hanelerin %49,1 sabit genişbant bağlantıya (ADSL, fiber vb) %86,9’u ise mobil bağlantıya sahip. Genişbant erişim oranı İstanbul’da %95,5 düzeyinde. En düşük bölge ise %80,2 ile Batı Karadeniz.

Bireylerin internet üzerinden e-ticaret yapma oranı da %34,1. Bir önceki dönemde bu oran %29,3. Alışveriş yapan erkekler %38,3, kadınlar %29,9 (bir önceki dönem oranları sırasıyla %33,6 ve %25). e-Ticarette en çok alınan hizmet giyim ve spor malzemeleri satın almak (%67,2). Bu sırasıyla şu hizmetler izliyor: Seyahat (%31,7), gıda maddeleri veya günlük gereksinimler (%27,4), elektronik hariç ev eşyası (%26,9), elektronik araçlar (%20,3), kitap-dergi-gazete (%20,2).

Lüzumsuz gibi görünse de önemli bir veri de kamu web siteleri kullanımı. 2019’da %51,2 düzeyinde bu oran. Yani her iki internet kullanıcısından biri kamu sitelerinden en az birine erişim sağlamış. Kullanım amacı ise çoğunlukla (%45,8) bilgi almak.

Interneti düzenli kullananların oranı %98,3. %90,8’i ise hemen her gün. Düzenli kullanan erkekler %98,4 kadınlar ise %98,2. Hemen her gün kullanıyorum diyen erkekler %91,3 iken kadınlar %90,3.

Gelelim cihazlara. Hanelerde bulunan en popüler elektronik cihaz cep telefonu (%98,7). Bunu %37,9 ile taşınabilir bilgisayarlar, %37,7 ile akıllı televizyonlar, %26,7 ile tablet bilgisayarlar izliyor. 2004’te %81,6 olan sabit telefon hatları ise 2017’de %20,2 düzeyine inmiş. 2018 ve 2019’da veri yok.

Ayrıca raporda kullanıcılar meslek gruplarına göre de değerlendirilmiş. Şöyle: Teknisyenler, teknikerler, yardımcı profesyonel meslek mensupları: %99,7. Profesyonel meslek sahipleri: %99,6. Büro hizmetlerinde çalışan elemanlar: %98,6. Yöneticiler: %97,8. Tesis ve makine operatörleri, montajcılar: %96,7. Sanatkarlar ve ilgili işlerde çalışanlar: %94,3. Hizmet ve satış elemanları: %91,4. Nitelik gerektirmeyen işlerde çalışanlar: %80. Nitelikli tarım, ormancılık ve su ürünlerinde çalışanlar: %53,1.

Tüm bu nicel değerlerden sonra gelelim niteliğe. Kullanım amaçları şöyle sıralanıyor: Mesajlaşma (%93,9), telefon-video görüşme (%82,7), sosyal medya (%81,4), müzik dinlemek (%71,5), haber okuma (%69,8), sağlıkla ilgili arama yapma (%69,3), mal ve hizmet hakkında bilgi alma (%65), internet bankacılığı (%47,1), eposta (%46,2), web sitesine içerik yükleme (%42,5), web sitesi üzerinden görüş paylaşma (%23,6), mal ve hizmet satışı (%21,8), iş arama (%10,6), toplumsal-siyasi konularda oylamaya katılma (%9,1).

Herkese Bilim Teknoloji Dergisi; “Dijital Kültür” Köşesi (Sayı 184– 04.10.2019)

Arama motoru istatistikleri topluma yönelik bilimsel araştırmalarda kullanılabilir mi? Yoksa internete giren milyonlarca insan araştırmacıları şaşırtmak için internette gereksinim duyduklarından farklı şeyler mi arıyor?

Teknoloji, internet, sosyal medya sağolsun; dünya açık bir laboratuvara dönüştü. İşin ilginci bunu ilk fark etmesi gereken sosyal bilimcilerin konudan bihaber oluşu. Medya ya da ekonomi ile ilgilenenler bile sosyal bilimcilerden daha atik çıktı. Konuyu kendi açılarından irdeliyorlar.

Şimdi sosyal bilimleri dönüştürecek, belki de onların “bilimler alemindeki statüsü”nü güçlendirecek yeni bir teknolojik gelişme var. Büyük veri! Herhangi bir konuda güncel toplumsal eğilim ya da tepkileri kolayca tespit edebilecek, bundan anlamlı sonuçlar çıkaracak büyük bir veri kümesi.

Google, tahmin edileceği üzere, bu kümenin en büyük kısmını oluşturuyor. Google’da yapılan aramalar bireylerin, o bireylerin oluşturduğu topluluk ve toplumların güncel sosyal dinamiklerini bünyelerinde barındırıyor. Birilerinin onları oradan çekip çıkarması, eksik halka!

Bu eksikliğe dikkat çeken bir kitap Koç Üniversitesi Yayınları’ndan geçen Nisan ayında çıktı. “Bana Yalan Söylediler” adlı kitap kendini bu türden araştırmalara vakfetmiş gazeteci yazar Seth Stephens-Davidowitz’in büyük veri ile giriştiği maceraların bir kısmını anlatıyor. Örneğin Obama’nın başkanlığı sırasında yaptığı iki halka sesleniş konuşmasının analizlerini Google’da yapılan aramalara bakarak değerlendiriyor. Bu iki konuşmanın ortak teması terör ile islamın irtibatlandırılmasının, islamın terörist bir din olduğunu varsaymanın yanlışlığı ile ilgili. İlk konuşmanın ardından tüm Amerikan medyası başkana tam puan vermişken yazarın Google analizleri farklı şeyler söylüyor. Çünkü başkanın o konuşması ve hemen sonrasındaki ilgili nefret söylemi içerikli aramaların oranı öncesine göre artış gösteriyor. Bundan ders aldığı görünen Obama ikinci konuşmasının içeriğini ve mizansenini değiştiriyor. Sonuç? Google aramalarında ilgili nefret söylemi içeren aramalarda azalma oluyor.

Sadece kişilerin arama motoru istatistiklerini inceleyerek toplumsal sonuçlar üretmenin ne derece “bilimsel” olacağı tartışılabilir. O sırada “bilimsel” diye sosyal bilimcilerin laboratuvar ortamında yirmi otuz kişiyle yaptıkları deneylerin sonuçlarını kabul ettiğimizi unutmadan! Internete giren milyonlarca kişinin sırf veri analizcilerini yanıltmak için gereksinim duyduklarından farklı şeyleri aradıklarını kabul edecek değiliz! İnsanların fikri neyse Google arama çubuğu karşısındaki zikirleri de o oluyor.

İşte size bir başka örnek. Bugün tespit edilmiş ki pankreas kanserinin habercisi niteliğindeki iki semptom sırt ağrısı ve deride sararmadır. Bu iki hususta yoğun olarak Google araması yapan bir bölge varsa, örneğin orada pankreas kanseri ile ilgili bir tarama yapmak erken teşhis açısından çok büyük önem taşıyabilir. Kitapta bu türden pek çok örnek var.

Toplumu inceleme, irdeleme paradigması artık değişiyor. Büyük veri bugüne dek bir bölü bilmemkaç ölçekli bir harita (örneklem) üzerinden incelenen toplumsal gerçeklerin bire bir ölçekte ve gerçek zamanlı olarak değerlendirilmesini olanaklı kılıyor. Artık örneklemden tümevarmaya gerek yok; toplum tümüyle erişilebilir halde.

O zaman gözler sosyal bilimlerin vereceği tepkiye çevriliyor. Bu yeni paradigmayı benimseyerek bilimsel çalışma modellerini dönüştürecekler mi yoksa mevcut paradigmaya sıkı sıkıya sarılarak onunla birlikte derin sulara gömülecekler mi? Malum bağnazlık ya da dogmatik düşünce belli bir eğitim ya da kültür düzeyindeki bireylere özgü bir özellik değildir!

Herkese Bilim Teknoloji Dergisi; “Dijital Kültür” Köşesi (Sayı 129 – 14.09.2018)