Kazanimlar:
- Araştırma sorusundan anahtar kelime, eş anlamlı terim ve Boolean arama dizesi üreterek tarama kapsamını yapay zeka desteğiyle planlayabilme
- Yapay zekayı kaynak bulma değil strateji üretme aracı olarak konumlandırıp bulunan her kaynağı gerçek veritabanlarında (Google Scholar, Scopus, Web of Science, PubMed) doğrulayabilme
- Literatür boşluğu (gap) belirlerken yapay zekanın uydurma kaynak ve sahte istatistik verme riskini kavrayıp her atfı doğrulama refleksi edinebilme
Her araştırma bir literatür taramasıyla başlar: konunuzda daha önce ne yapıldığını, hangi soruların yanıtlandığını ve nerede boşluk kaldığını görmeden özgün bir katkı yapamazsınız. Ama literatür devasadır; yılda milyonlarca makale yayımlanır. İşte bu noktada YZ büyük bir hızlandırıcıdır — ama çok belirgin bir sınır çizgisiyle. Bu ünitenin en önemli cümlesi şudur: YZ literatür taramasında bir arama stratejisti gibi kullanılır, bir kaynak veritabanı gibi değil. Çünkü YZ size gerçek makale bulmaz; olası görünen makale künyeleri üretir ve bunların bir kısmı uydurmadır.
Bu ünitede araştırma sorunuzdan sistematik bir arama planı çıkarmayı, YZ'yi bu planı zenginleştirmek için kullanmayı ve bulduğunuz her kaynağı gerçek veritabanlarında doğrulamayı öğreneceğiz.
Literatür taramasının iskeleti
İyi bir tarama üç aşamalıdır. Önce kavramları ayrıştırırsınız: araştırma sorunuzu ana bileşenlerine bölersiniz. Örneğin "Uzaktan eğitimde geri bildirimin öğrenci motivasyonuna etkisi" sorusunda üç kavram vardır: uzaktan eğitim, geri bildirim, motivasyon. Sonra her kavram için terim havuzu oluşturursunuz: eş anlamlılar, alan jargonu, İngilizce karşılıklar (uzaktan eğitim → distance education, online learning, e-learning, remote learning). En sonda bu terimleri Boolean operatörleriyle birleştirirsiniz.
Boolean operatörleri, arama motorlarına terimleri nasıl birleştireceğini söyleyen mantıksal bağlaçlardır. Üç temel operatör vardır: AND (iki terimin de geçtiği sonuçlar — kapsamı daraltır), OR (terimlerden herhangi biri — kapsamı genişletir, eş anlamlıları toplar) ve NOT (bir terimi dışlar). Ayrıca tırnak "..." tam öbek arar, yıldız * kök daraltmadır (motivat* → motivation, motivational). Bir arama dizesi genellikle şöyle görünür:
("distance education" OR "online learning" OR e-learning)AND (feedback OR "formative assessment")AND (motivation OR engagement OR "self-efficacy")
YZ bu dizeleri üretmede, eş anlamlıları tamamlamada ve farklı veritabanlarının sözdizimine (Scopus, PubMed, Web of Science farklı yazımlar ister) uyarlamada mükemmeldir. Ama dizeyi çalıştıracağınız yer YZ değil; gerçek veritabanlarıdır: Google Scholar (geniş, ücretsiz), Scopus ve Web of Science (küratörlü, atıf indeksli), PubMed (tıp/yaşam bilimleri), alan veritabanları (ERIC eğitim, PsycINFO psikoloji, IEEE Xplore mühendislik).
Dikkat: Bir YZ sohbet aracına "bu konuda 20 makale listele" derseniz, size gerçek görünen ama bir kısmı uydurma künyeler döner. Bu, tarama değil tehlikedir. YZ'yi dize üretmek için kullanın, makaleyi veritabanında bulun.
Kapsam, dahil etme ve boşluk analizi
İyi tarama sınırlarını bilir. Dahil etme/dışlama ölçütleri (inclusion/exclusion criteria) taramanızın kapsamını belirler: hangi yıl aralığı, hangi diller, hangi çalışma türleri (deneysel, derleme), hangi bağlam. YZ bu ölçütleri taslak halinde önerebilir, siz alanınıza göre keskinleştirirsiniz. Sistematik derleme yapıyorsanız PRISMA (sistematik derlemeler için raporlama standardı) akışını YZ'ye hatırlatıp bir tarama günlüğü şablonu ürettirebilirsiniz.
Literatür boşluğu (gap), henüz yeterince araştırılmamış soru veya bağlamdır; özgün katkınız çoğu zaman bir boşluğu doldurur. YZ okuduğunuz özetlerden yola çıkarak olası boşlukları adlandırmanıza yardım eder — ama bunu bir hipotez olarak değil, doğrulanacak bir sav olarak alın. YZ "bu alanda X çalışılmamış" diyebilir; oysa çalışılmış olabilir, sadece YZ bilmiyordur. Boşluğu ancak gerçek taramanızla doğrularsınız.
Kartopu yöntemi ve gri literatür
Anahtar kelime araması tek başına yeterli değildir; iyi bir tarama kartopu (snowballing) ile derinleşir. Geriye doğru kartopu, bulduğunuz anahtar bir makalenin kaynakçasını tarayıp ondan öncekilere ulaşmaktır; ileriye doğru kartopu ise o makaleye kimlerin atıf yaptığını (Google Scholar'da "Alıntılayan" bağlantısı) izleyip sonraki çalışmalara varmaktır. Bu yöntem, anahtar kelimelerinizle yakalayamadığınız ama alanda merkezi olan çalışmaları bulmanızı sağlar. YZ, bir makalenin kaynakçasını verdiğinizde hangi referansların sizin sorunuza en yakın olduğunu önceliklendirmenize yardım edebilir; ama yine makaleyi bulup okumak size düşer.
Ayrıca akademik veritabanları her şeyi kapsamaz. Gri literatür (grey literature) — tezler, kurum raporları, konferans bildirileri, ön baskılar (preprint) — bazı alanlarda kritik önemdedir ve yayın yanlılığını (yalnızca olumlu sonuçların yayımlanması eğilimi) dengeler. YZ, hangi gri literatür kaynaklarını (ProQuest tezler, kurumsal arşivler, arXiv/SSRN gibi ön baskı sunucuları) taramanız gerektiğini önerebilir; kapsamınızı yalnızca dergi makaleleriyle sınırlamamak, sistematik derlemelerde çoğu zaman zorunludur.
Üç mini vaka
Vaka 1 — Dize genişletme. Bir eğitim araştırmacısı Scopus'ta "flipped classroom" arayınca 300 sonuç aldı ama eş anlamlıları kaçırdığını hissetti. YZ'ye terim havuzu ürettirdi; "inverted classroom", "flipped learning" gibi karşılıkları ekledi. Yeni dizeyle sonuç 300'den 470'e çıktı; 40 ilgili makale ilk aramada gözden kaçmıştı. YZ makaleleri bulmadı, ama onları bulunur hale getiren dizeyi kurdu.
Vaka 2 — Uydurma listeden dönüş. Bir yüksek lisans öğrencisi tarama için doğrudan YZ'den "en önemli 15 kaynak" istedi ve listeyi tezine yapıştırdı. Danışman kontrolünde 4 künye Web of Science'ta bulunamadı, 2 DOI hatalıydı. Öğrenci baştan başladı: bu kez YZ'den dize aldı, Scopus'ta 60 gerçek sonuç buldu, başlık-özet eleyerek 18'ini seçti. Bu 18'in hepsi gerçekti.
Vaka 3 — Kapsam netleştirme. Bir sağlık araştırmacısı taramasının çok geniş olduğunu, 2.000 sonuçta boğulduğunu fark etti. YZ'ye dahil/dışlama ölçütü taslağı ürettirdi: son 10 yıl, İngilizce, yetişkin örneklem, randomize kontrollü çalışmalar. Kendi bilgisiyle "yalnızca hastane ortamı" filtresini ekledi. Sonuç 2.000'den 180'e indi; taranabilir bir küme oluştu.
Kopyalanabilir şablonlar
1) Kavram ayrıştırma ve terim havuzu:
Rolün: bir bilgi uzmanı (research librarian). Araştırma sorum:"[sorunu yaz]". Bu soruyu ana kavramlarına ayır. Her kavram içinİngilizce eş anlamlılar, alan jargonu ve alternatif yazımlardanoluşan bir terim havuzu üret. Tablo halinde ver. Makale UYDURMA.
2) Boolean arama dizesi üretimi:
Aşağıdaki terim havuzunu kullanarak Scopus için bir Boolean aramadizesi kur: kavram içi terimleri OR, kavramlar arasını AND ile bağla,öbekleri tırnakla, uygun yerde * kullan. Aynı dizeyi Web of Scienceve PubMed sözdizimine de uyarla. Havuz: [yapıştır]
3) Dahil/dışlama ölçütü taslağı:
"[konu]" üzerine bir literatür taraması yapıyorum. Bana birdahil etme/dışlama ölçütleri taslağı öner: yıl aralığı, dil,çalışma türü, örneklem, bağlam başlıkları altında. Bunlar öneri;alanıma göre değiştireceğim. Gerekçeleri kısa yaz.
4) Boşluk adaylarını sorgulama (doğrulanacak):
Aşağıda taradığım 10 makalenin özetleri var. Bunların ortaktemalarını çıkar ve HANGİ SORULARIN AZ ele alındığına dairboşluk ADAYLARI öner. Bunları kesin gerçek değil, benimdoğrulayacağım hipotezler olarak sun. Özetler: [yapıştır]
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Yapay zeka ve eğitim hakkında bana kaynak listesi ver.
YZ uydurma künyeler döker; konu da fazla geniştir.
Güçlü prompt:
Rolün: bilgi uzmanı. Konum: "ilkokulda oyunlaştırmanın matematikkaygısına etkisi". Bana KAYNAK LİSTESİ VERME. Bunun yerine:(1) 3 kavramı ayrıştır, (2) her kavrama İngilizce eş anlamlı havuzu,(3) Scopus için Boolean dize, (4) uygulanabilir dahil/dışlamaölçütü taslağı üret. Makale künyesi uydurma.
Amaç
YZ'yi kullan
Doğrulama yeri
Terim havuzu genişletme
Evet, güçlü
Alan bilgisiyle gözden geçir
Boolean dize kurma
Evet, güçlü
Veritabanında test et
Kapsam/ölçüt taslağı
Evet
Alanına göre keskinleştir
Makale bulma
Hayır
Scholar/Scopus/WoS/PubMed
Boşluk kesinleştirme
Kısmen
Gerçek tarama şart
Sık yapılan hatalar
- YZ'yi veritabanı sanmak. Makale künyesi istemek uydurma atıf üretir; en sık ve en tehlikeli hata budur.
- Eş anlamlıları atlamak. Tek terimle arama, literatürün büyük kısmını kaçırır.
- Kapsamı belirsiz bırakmak. Yıl, dil ve tür filtresi olmadan binlerce sonuçta boğulursunuz.
- Boşluğu doğrulamadan iddia etmek. "Kimse çalışmamış" demek, gerçek tarama olmadan risklidir.
- Tek veritabanına güvenmek. Farklı indeksler farklı kapsar; birkaçını birlikte kullanın.
İpucu: Aramanızı tekrarlanabilir kılmak için kullandığınız dizeyi, veritabanını, tarihi ve sonuç sayısını bir tabloya kaydedin. Sistematik derlemede bu günlük zorunludur; her araştırmada iyi alışkanlıktır.
Özetle
Literatür taraması sistematik bir iştir: kavram ayrıştırma, terim havuzu, Boolean dize, kapsam ölçütü. YZ bu stratejik adımlarda güçlü bir asistandır; eş anlamlı üretir, dize kurar, ölçüt taslağı verir. Ama makaleleri YZ'den değil, gerçek veritabanlarından bulur ve her künyeyi doğrularsınız. En kısa kural: strateji YZ'den, kaynak veritabanından, doğrulama sizden.
Uygulama görevi
Kendi araştırma sorunuzu alın. YZ ile kavramları ayrıştırıp terim havuzu ve bir Boolean dize üretin. Bu dizeyi gerçek bir veritabanında (Scholar veya erişiminiz olan bir indeks) çalıştırın. İlk 10 sonucu not edin ve YZ'nin daha önce doğrudan sorulduğunda önerdiği (varsa) künyelerle karşılaştırın; kaçının gerçekten var olduğunu işaretleyin.
Kontrol listesi
- [ ] Araştırma sorumu kavramlarına ayırdım mı?
- [ ] Her kavram için eş anlamlı/İngilizce terim havuzu oluşturdum mu?
- [ ] Boolean dizeyi gerçek veritabanında test ettim mi?
- [ ] Dahil/dışlama ölçütlerimi netleştirdim mi?
- [ ] Bulduğum her kaynağın gerçekten var olduğunu doğruladım mı?