Veri toplama ve analizi, insanlar\u0131n sosyal medyadaki hareketlerinin takibiyle daha da geni\u015fledi ve derinle\u015fti. Yeni sosyal medya servisleri ve yeni cihazlarla internette harcanan zaman ve bunun sonucunda geride b\u0131rak\u0131lan ayak izleri artt\u0131. A\u015fa\u011f\u0131daki grafikte \u00fclkelere g\u00f6re i\u015f d\u0131\u015f\u0131nda internette ge\u00e7irilen zaman g\u00f6steriliyor (“How the world was trolled”, 2017):<\/p>\n
Facebook, Instagram ve WhatsApp kullanan yeti\u015fkin Amerikal\u0131lar, ayda yakla\u015f\u0131k 20 saatlerini bu uygulamalarda harcamaktad\u0131r. Telefonlar\u0131na g\u00fcnde ortalama 2600 kereden fazla dokunuyorlar ve Facebook’ta dakikada 4 milyondan fazla \u015feyi be\u011feniyorlar. B\u00f6ylece Facebook ve Google, d\u00fcnyadaki dijital reklam piyasas\u0131n\u0131n yar\u0131s\u0131n\u0131 kontrol edebiliyor. Facebook ve Google, enformasyon sat\u0131\u015f\u0131ndan de\u011fil kullan\u0131c\u0131lar\u0131n dikkatinin reklam vermek isteyen \u015firketlere sat\u0131\u015f\u0131ndan kazan\u00e7 elde etmektedir. Kullan\u0131c\u0131lardan ayn\u0131 miktarda dikkati elde ettikten sonra enformasyonun do\u011fas\u0131n\u0131n veya anlam\u0131n\u0131n bir \u00f6nemi de kalmamaktad\u0131r. Ba\u015fkalar\u0131n\u0131n dikkatini \u00e7ekme iste\u011fi sosyal medya kullan\u0131c\u0131lar\u0131 i\u00e7in de ge\u00e7erlidir. Kullan\u0131c\u0131lar payla\u015f\u0131mlar\u0131yla, duyulmak, g\u00f6r\u00fclmek ve sayg\u0131 duyulmak isterler. \u0130letilerinin be\u011fenilmesinden ve yeniden payla\u015f\u0131lmas\u0131ndan mutlu olurlar. Bu g\u00f6r\u00fclerek var olma arzusu, mahremiyeti de ikinci plana d\u00fc\u015f\u00fcrm\u00fc\u015ft\u00fcr.<\/p>\n Al\u0131\u015fveri\u015f yapt\u0131\u011f\u0131m\u0131z marketlerin verdi\u011fi kartlar m\u00fc\u015fteriler i\u00e7in belirli \u00fcr\u00fcnlerde indirim anlam\u0131na gelmektedir. \u00c7o\u011fu insan bu kartlarla al\u0131\u015fveri\u015f davran\u0131\u015flar\u0131n\u0131n izlendi\u011finin fark\u0131ndad\u0131r. Ama bu takibin bedeli en fazla belirli \u00fcr\u00fcnlerde biraz daha fazla reklam bombard\u0131man\u0131 olacakt\u0131r ve \u00e7o\u011fu zaman g\u00f6rmezden gelinebilece\u011finden umursanmayacakt\u0131r. Sosyal medyada ise mahremiyet denilince ilk akla gelen payla\u015f\u0131lan bir bilginin ba\u015fkalar\u0131nca (ebeveyn, \u00f6\u011fretmen, amir, patron veya h\u00fck\u00fcmet yetkilileri taraf\u0131ndan) ki\u015finin aleyhine kullan\u0131labilece\u011fidir. \u00d6\u011frenciler i\u00e7in sosyal medyada mahremiyet, payla\u015ft\u0131klar\u0131n\u0131n \u00f6\u011fretmenleri veya ebeveynleri taraf\u0131ndan fark edilememesidir. Bir \u00e7al\u0131\u015fan i\u00e7in mahremiyet amirinin veya patronunun sosyal medyada yazd\u0131klar\u0131n\u0131 g\u00f6rememesidir. Sosyal medya ayarlar\u0131 de\u011fi\u015ftirilerek mahremiyet seviyesi art\u0131r\u0131ld\u0131\u011f\u0131nda mahremiyet sorununun \u00e7\u00f6z\u00fcld\u00fc\u011f\u00fc d\u00fc\u015f\u00fcn\u00fclmektedir.<\/p>\n Ancak sorun payla\u015f\u0131lan herhangi bir verinin veya dijital ayak izlerimizin do\u011frudan aleyhimize kullan\u0131labilecek olmas\u0131 de\u011fildir. Birbiriyle ili\u015fkili iki temel sorun var. Birincisi, marketlere, telekom \u015firketlerine, bankalara ve web sitelerine g\u00f6n\u00fcl rahatl\u0131\u011f\u0131yla teslim etti\u011fimiz veriler toplumsal ili\u015fkilerin yeniden yap\u0131land\u0131r\u0131lmas\u0131nda belirleyici olmaya ba\u015flam\u0131\u015ft\u0131r. 2010 sonras\u0131nda matematik modeller hi\u00e7 olmad\u0131\u011f\u0131 kadar insan ili\u015fkilerine dald\u0131lar ve kamuoyu bunu sorgulamaks\u0131z\u0131n kabullendi. \u0130nsanlar\u0131n arzular\u0131, hareketleri ve harcama g\u00fc\u00e7leri \u00fczerine modeller kuruluyor; \u00f6\u011frenciler, i\u015f\u00e7iler, sevgililer, su\u00e7lular olarak potansiyelimiz ve g\u00fcvenilirli\u011fimiz \u00f6l\u00e7\u00fclmeye \u00e7al\u0131\u015f\u0131l\u0131yor (O’Neil, 2016). Yaz\u0131n\u0131n devam\u0131ndaki \u00f6rneklerden de anla\u015f\u0131labilece\u011fi gibi kimi zaman iyi niyetle ba\u015flayan bu giri\u015fimler insanlar\u0131 bir girdab\u0131n i\u00e7ine s\u00fcr\u00fckl\u00fcyor: Yoksullar, yoksulluklar\u0131ndan kurtulmak isterlerken daha \u00e7ok fakirle\u015fiyor, i\u015f bulmakta zorlan\u0131yor ve su\u00e7a itiliyor. O’Neil’in (2016) M\u0130S (Weapons of Math Destruction – Matematik \u0130mha Silahlar\u0131) ad\u0131n\u0131 verdi\u011fi matematiksel modeller belirli bir sorunu \u00e7\u00f6zmeye \u00e7al\u0131\u015f\u0131rken sorunun k\u00f6kenine inemedi\u011finden (veya inmek istemedi\u011finden) insanlar aras\u0131ndaki e\u015fitsizlikleri daha da art\u0131r\u0131yorlar; toplumsal ili\u015fkileri ve baz\u0131 de\u011ferleri \u00e2deta imha ediyorlar. \u0130kinci sorun ise sosyal medya \u015firketlerinin giderek daha etkili hale gelmesi ve kontrol\u00fcn\u00fcn g\u00fc\u00e7le\u015fmesidir. Birka\u00e7 y\u0131l \u00f6nce sosyal medya ara\u00e7lar\u0131n\u0131 do\u011frudan demokrasinin ara\u00e7lar\u0131 olarak selamlarken, 4 Kas\u0131m 2017 tarihili The Economist dergisinin kapa\u011f\u0131ndan da g\u00f6r\u00fclebilece\u011fi gibi sosyal medya temsili demokrasi i\u00e7in bile (!) bir tehdit haline gelmi\u015ftir:<\/p>\n 4. End\u00fcstri Devrimi’nin par\u0131lt\u0131l\u0131 vaatlerinin alt\u0131nda da veri ve bunun \u00fczerine kurulan\/kurulacak modeller var. Fakat son 10 y\u0131ldaki uygulamalar\u0131 ve veriye yakla\u015f\u0131m\u0131 inceledi\u011fimizde b\u00fcy\u00fck risklerle kar\u015f\u0131 kar\u015f\u0131ya oldu\u011fumuzu g\u00f6r\u00fcyoruz.<\/p>\n Bir bilgisayar program\u0131 binlerce \u00f6zge\u00e7mi\u015fi veya kredi ba\u015fvurusunu birka\u00e7 saniye i\u00e7inde taray\u0131p de\u011ferlendirebilir ve uygun adaylar\u0131 \u00fcst s\u0131ralara ta\u015f\u0131yabilir. B\u00f6ylece hem de\u011ferlendirmenin h\u0131zlanaca\u011f\u0131 hem de \u00f6nyarg\u0131lardan uzakla\u015f\u0131laca\u011f\u0131 d\u00fc\u015f\u00fcn\u00fcl\u00fcr. De\u011ferlendirmeyi yapan matematiksel modeller adildir ve daha \u00f6nceden belirlenmi\u015f nesnel kriterlere g\u00f6re \u00e7al\u0131\u015fmaktad\u0131r. Bir\u00e7ok insan bu y\u00f6ntemi keyfi ve yanl\u0131 de\u011ferlendirmelere tercih edecektir. \u00d6zge\u00e7mi\u015flerin otomatik olarak de\u011ferlendirilmesinin hen\u00fcz yayg\u0131nla\u015fmad\u0131\u011f\u0131 2001 ve 2002 y\u0131llar\u0131nda Chicago \u00dcniversitesi ve MIT’deki ara\u015ft\u0131rmac\u0131lar Boston Globe and the Chicago Tribun’de yay\u0131mlanan i\u015f ilanlar\u0131na 5000 sahte \u00f6zge\u00e7mi\u015f g\u00f6ndererek bir deney yaparlar. \u00d6zge\u00e7mi\u015fler \u0131rka g\u00f6re tasarlanm\u0131\u015ft\u0131r. Ba\u015fvurularda do\u011frudan “ben siyah\u0131m veya beyaz\u0131m” denilmese de isimler belirli bir \u0131rk\u0131 \u00e7a\u011fr\u0131\u015ft\u0131racak \u015fekilde se\u00e7ilmi\u015ftir. Beyazlar i\u00e7in Emily Walsh ve Brendan Baker gibi isimler, siyahlar i\u00e7inse Lakisha Washington ve Jamaal Jone gibi isimler kullan\u0131l\u0131r. Bunun d\u0131\u015f\u0131nda adaylar\u0131n nitelikleri ayn\u0131d\u0131r. Ara\u015ft\u0131rma sonucuna g\u00f6re beyazlar siyahlara g\u00f6re %50 daha fazla geri aranm\u0131\u015ft\u0131r. Daha ilgin\u00e7 bir sonu\u00e7 ise \u00f6zge\u00e7mi\u015fi daha g\u00fc\u00e7l\u00fc olan beyaz adaylar\u0131n di\u011fer beyaz adaylardan daha \u00e7ok dikkat \u00e7ekmesi ama \u00f6zge\u00e7mi\u015f fark\u0131n\u0131n siyahlar aras\u0131nda etkili olmamas\u0131d\u0131r (O’Neil, 2016).<\/p>\n Ancak hayat\u0131n her alan\u0131nda kar\u015f\u0131m\u0131za \u00e7\u0131kmaya ba\u015flayan bu matematiksel modellerin tarafs\u0131zl\u0131k ve verimlilik iddialar\u0131na kar\u015f\u0131 temkinli olmak gerekiyor. O’Neil (2016), eldeki veri ile hedeflenen enformasyon aras\u0131nda \u00e7e\u015fitli ili\u015fkilerin kuruldu\u011fu matematiksel modellerin i\u00e7erdi\u011fi tehlikeler hakk\u0131nda insanlar\u0131 uyarmakta ve bu matematiksel modelleri s\u0131radan insanlar\u0131n eri\u015femedi\u011fi ve anlayamad\u0131\u011f\u0131 tanr\u0131lara benzetmektedir. Onlar\u0131 sadece en tepedeki rahipler olan matematik\u00e7iler ve bilgisayar bilimcileri anlayabilmektedir. Bu rahiplerin verdi\u011fi kararlar\u0131n yanl\u0131\u015fl\u0131\u011f\u0131 ve zararlar\u0131 ortaya \u00e7\u0131kt\u0131\u011f\u0131nda bile tanr\u0131lar tart\u0131\u015f\u0131lmazl\u0131klar\u0131n\u0131 devam ettirmektedirler. Mortage krizi ve b\u00fcy\u00fck finans kurulu\u015flar\u0131n\u0131n \u00e7\u00f6k\u00fc\u015f\u00fcn\u00fcn arkas\u0131nda matematiksel modeller vard\u0131r. Bilgisayarlar \u00f6yle s\u00f6yledi diye insanlar i\u015flerinden olmu\u015flard\u0131r. Bu olumsuzluklara ra\u011fmen, \u00f6zellikle 2010 y\u0131l\u0131ndan sonra, matematiksel modeller akla gelen her end\u00fcstride h\u0131zla yayg\u0131nla\u015f\u0131r.<\/p>\n Cathy O’Neil de 2008 krizine kadar bu rahiplerden (daha do\u011frusu az say\u0131daki rahibeden) biriyken \u015fimdilerde s\u0131radan insanlar\u0131n aras\u0131na kar\u0131\u015farak onlar\u0131 kar\u015f\u0131 kar\u015f\u0131ya olduklar\u0131 tehlike hakk\u0131nda bilgilendiriyor (web sitesi: https:\/\/mathbabe.org\/<\/a>) . O’Neil’in (2016) M\u0130S (Matematik \u0130mha Silahlar\u0131) ad\u0131n\u0131 verdi\u011fi bu matematiksel modeller zenginleri daha da zenginle\u015ftirirken fakirlerin ve ezilenlerin durumunu daha da k\u00f6t\u00fcle\u015ftirmeye e\u011filimliler. Saydam de\u011filler, sorgulanam\u0131yorlar ve yapt\u0131klar\u0131ndan sorumlu tutulam\u0131yorlar. O’Neil’in (2016) vurgulad\u0131\u011f\u0131 gibi M\u0130S’ler \u00e7o\u011fu zaman takdir edilen bir hedefle ortaya \u00e7\u0131k\u0131yor. 2007’de Washington’un yeni belediye ba\u015fkan\u0131, Adrian Fenty’nin e\u011fitim reformunda oldu\u011fu gibi.<\/p>\n Fenty, okullardaki performans d\u00fc\u015f\u00fckl\u00fc\u011f\u00fcn\u00fcn \u00fcstesinden gelebilmek i\u00e7in bir e\u011fitim reformu haz\u0131rlamak ister ve bu i\u015fte Michelle Rhee’yi g\u00f6revlendirir. Rhee’nin ba\u015flang\u0131\u00e7 noktas\u0131 ise \u00f6\u011frencilerin ba\u015far\u0131s\u0131zl\u0131\u011f\u0131ndan \u00f6\u011fretmenleri sorumlu tutmak olur. 2009’da \u00f6\u011fretmenleri de\u011ferlendiren ve “k\u00f6t\u00fc” \u00f6\u011fretmenleri ay\u0131klayan IMPACT adl\u0131 sistemi geli\u015ftirir. IMPACT’\u0131n de\u011ferlendirmeleri do\u011frultusunda 2009-2010 \u00f6\u011fretim y\u0131l\u0131 sonunda, en alttaki %2’lik kesimde yer alan \u00f6\u011fretmenler i\u015ften \u00e7\u0131kart\u0131l\u0131r. Sonraki y\u0131l bu oran %5 olur.<\/p>\n Be\u015finci s\u0131n\u0131f \u00f6\u011fretmeni, Sarah Wysocki kendinden emindir. MacFarland Ortaokulu’nda hen\u00fcz ikinci y\u0131l\u0131 olmas\u0131na ra\u011fmen okul m\u00fcd\u00fcr\u00fcnden ve velilerden \u00f6vg\u00fcler almaktad\u0131r. Veliler \u00f6\u011frencilere kar\u015f\u0131 yakla\u015f\u0131m\u0131ndan memnundur. Ama y\u0131l sonunda IMPACT’ten tats\u0131z bir rapor al\u0131r. Raporda, IMPACT’\u0131n puanlamas\u0131na g\u00f6re Wysocki’nin matematik ve dil e\u011fitiminde yetersiz oldu\u011fu yazmaktad\u0131r. Okul y\u00f6netiminin ve velilerin g\u00f6r\u00fc\u015fleri de genel de\u011ferlendirmede yer almas\u0131na kar\u015f\u0131n IMPACT’\u0131n puanlamas\u0131 daha a\u011f\u0131rl\u0131kl\u0131d\u0131r. B\u00f6lge y\u00f6netimi isteksizce Wysocki’nin i\u015fine son vermek zorunda kal\u0131r.<\/p>\n O’Neil (2016) bunun bir cad\u0131 av\u0131 olmad\u0131\u011f\u0131n\u0131 belirtmektedir. Okul m\u00fcd\u00fcr\u00fc, k\u00f6t\u00fc bir \u00f6\u011fretmenle yak\u0131n oldu\u011fu i\u00e7in onun ba\u015far\u0131s\u0131zl\u0131\u011f\u0131n\u0131 g\u00f6rmezden gelebilir. Ya da iyi bir \u00f6\u011fretmen hakk\u0131nda farkl\u0131 gerek\u00e7elerle olumsuz rapor verebilir. Belki de \u00f6\u011fretmen ger\u00e7ekten k\u00f6t\u00fcd\u00fcr ama kendini iyi g\u00f6stermeyi bilmektedir. Bu tip yanl\u0131 de\u011ferlendirmelere kar\u015f\u0131n IMPACT, \u00f6\u011fretmenlerin matematik ve okuma e\u011fitimi hakk\u0131ndaki yeteneklerini matematiksel olarak de\u011ferlendirme iddias\u0131ndad\u0131r. Bir\u00e7ok M\u0130S’te oldu\u011fu gibi model ilk ba\u015fta insanlar\u0131n yapt\u0131\u011f\u0131 de\u011ferlendirmelerle kar\u015f\u0131la\u015ft\u0131r\u0131ld\u0131\u011f\u0131nda daha adil ve tarafs\u0131z g\u00f6r\u00fcnmektedir.<\/p>\n Ama Wysocki bu de\u011ferlendirmenin haks\u0131zl\u0131k oldu\u011funu d\u00fc\u015f\u00fcnmektedir ve i\u015fin pe\u015fini b\u0131rakmaz. Okulun ba\u011fl\u0131 bulundu\u011fu b\u00f6lgenin Princeton merkezli Mathematica Policy Research’ten dan\u0131\u015fmanl\u0131k hizmeti ald\u0131\u011f\u0131n\u0131 ve b\u00f6lgedeki \u00f6\u011frencilerin ilerlemelerini de\u011ferlendirerek bunun ne kadar\u0131n\u0131n \u00f6\u011fretmenle ili\u015fkili olabilece\u011fini hesaplamaya \u00e7al\u0131\u015ft\u0131klar\u0131n\u0131 \u00f6\u011frenir. Kullan\u0131lan algoritmalar olduk\u00e7a karma\u015f\u0131kt\u0131r; \u00f6\u011frencilerin sosyoekonomik ge\u00e7mi\u015flerinden \u00f6\u011frenme g\u00fc\u00e7l\u00fcklerine kadar bir\u00e7ok etken hesaplamalarda yer almaktad\u0131r. Fakat \u00f6\u011frencilerin durumu de\u011ferlendirilirken ilerleme veya gerileme hangi oranda \u00f6\u011fretmene ba\u011fl\u0131d\u0131r? \u00d6\u011frencilerin notlar\u0131 fazla de\u011fi\u015fmezse veya y\u00fckselirse \u00f6\u011fretmen hakk\u0131nda yorum yapmak g\u00fc\u00e7le\u015fir. Peki ya notlar \u00e7ak\u0131l\u0131rsa? \u0130\u015fte o zaman \u00f6\u011fretmen i\u00e7in tehlike \u00e7anlar\u0131 \u00e7alacakt\u0131r.<\/p>\n O’Neil (2016) bunun yeterli bir \u00f6l\u00e7\u00fcm olamayaca\u011f\u0131n\u0131 savunmaktad\u0131r. \u00d6rne\u011fin, Google, Facebook vb \u015firketler bir reklam\u0131n en iyi sunumu i\u00e7in binlerce parametreyi de\u011ferlendirebilmektedir. Milyonlarca kullan\u0131c\u0131dan ald\u0131klar\u0131 geribildirimlerle algoritmalar\u0131n\u0131 optimumla\u015ft\u0131rabilmektedir. \u00d6\u011fretim ve \u00f6\u011frenmede ise \u00e7ok say\u0131da parametre olmas\u0131na kar\u015f\u0131n bunlar\u0131n pek az\u0131 de\u011ferlendirmeye kat\u0131labilmektedir. Ayr\u0131ca O’Neil’e (2016) g\u00f6re bir \u00f6\u011fretmenin yararl\u0131l\u0131\u011f\u0131n\u0131 25-30 \u00f6\u011frenci \u00fczerinden \u00f6l\u00e7mek istatistiksel a\u00e7\u0131dan kabul edilemez bir durumdur. Bu kadar az ki\u015fiyle istatistiksel olarak anomalileri ve istisnalar\u0131 dengelemek olanakl\u0131 de\u011fildir. Bunun yan\u0131nda, Google \u00f6rne\u011finde oldu\u011fu gibi bir geribildirim mekanizmas\u0131 olmad\u0131\u011f\u0131ndan modelin eksiklikleri ve yanl\u0131\u015fl\u0131klar\u0131 bilinip d\u00fczeltilememektedir. Sonu\u00e7ta Wysocki’nin de i\u00e7inde yer ald\u0131\u011f\u0131 205 \u00f6\u011fretmen ba\u015far\u0131s\u0131z olarak de\u011ferlendirilerek i\u015ften at\u0131l\u0131rlar [1].<\/p>\n Ku\u015fkulu bir durum da vard\u0131r. \u00d6\u011fretmenlerin de\u011ferlendirmesinin tam olarak nas\u0131l yap\u0131ld\u0131\u011f\u0131 bilinemese de Wysocki \u00f6\u011frencilerin s\u0131nav notlar\u0131n\u0131n etkili oldu\u011funu tahmin etmektedir. \u00c7\u00fcnk\u00fc \u00f6\u011fretmenin performans\u0131n\u0131 say\u0131salla\u015ft\u0131rabilmek i\u00e7in en net veri budur ve Wysocki daha \u00f6nce al\u0131\u015f\u0131lmad\u0131k bir durumla kar\u015f\u0131la\u015fm\u0131\u015ft\u0131r. Wysocki, g\u00f6reve ba\u015flad\u0131ktan bir s\u00fcre sonra \u00f6\u011frencilerinin ge\u00e7en y\u0131lki akademik ba\u015far\u0131lar\u0131 olduk\u00e7a y\u00fcksek olmas\u0131na ra\u011fmen en basit c\u00fcmleleri bile okumakta zorland\u0131klar\u0131n\u0131 fark etmi\u015ftir. Ayr\u0131ca Washington Post’ta ve USA Today’de \u00e7\u0131kan haberlerde s\u0131nav sonu\u00e7lar\u0131n\u0131n sa\u011fl\u0131kl\u0131 olmad\u0131\u011f\u0131, standart testlerde \u00e7ok fazla d\u00fczeltme i\u015fleminin tespit edildi\u011fi ve s\u0131n\u0131flar\u0131n neredeyse %70’inde kopya \u015f\u00fcphesi oldu\u011fu yazmaktad\u0131r. Bir\u00e7ok M\u0130S gibi IMPACT da insanlar\u0131n davran\u0131\u015flar\u0131n\u0131 de\u011fi\u015ftirmek i\u00e7in uygulanmaktad\u0131r. Ba\u015far\u0131 puan\u0131 y\u00fcksek olan \u00f6\u011fretmenler \u00f6d\u00fcllendirilmekte, d\u00fc\u015f\u00fck olanlar ise Wysocki gibi i\u015ften at\u0131lmaktad\u0131r. Wysocki, \u00f6\u011frencilerinin notlar\u0131n\u0131n daha \u00f6ncesinde \u015fi\u015firildi\u011finden ve kendi d\u00f6neminde notlar ger\u00e7ek seviyesine inince de k\u00f6t\u00fc \u00f6\u011fretmen damgas\u0131 yedi\u011fini d\u00fc\u015f\u00fcnmektedir. Bu d\u00fc\u015f\u00fcncesini yetkililere anlatmaya \u00e7al\u0131\u015f\u0131r, ama itiraz\u0131 dikkate al\u0131nmaz. Yetkililer Wysocki’nin adil olarak de\u011ferlendirildi\u011finde \u0131srar ederler.<\/p>\n IMPACT, insanlar\u0131n ya\u015fam\u0131n\u0131 alt\u00fcst eden basit M\u0130S \u00f6rneklerinden biridir ama M\u0130S’lerin temel sorunlar\u0131 hakk\u0131nda \u00f6nemli ipu\u00e7lar\u0131 i\u00e7ermektedir. Birincisi, M\u0130S’leri tasarlayanlar\u0131n ve \u00f6zellikle de onlar\u0131 pazarlayanlar\u0131n temel tezi tarafs\u0131zl\u0131k ve nesnelliktir. O’Neil (2016), de\u011ferlerimizin ve arzular\u0131m\u0131z\u0131n toplamay\u0131 tercih etti\u011fimiz verilerin t\u00fcr\u00fcn\u00fc ve kapsam\u0131n\u0131 belirledi\u011fi gibi M\u0130S’i olu\u015fturan matemati\u011fin i\u00e7inde de g\u00f6m\u00fcl\u00fc oldu\u011funu belirtmektedir. Dolay\u0131s\u0131yla e\u011fitimdeki sorunun \u00e7\u00f6z\u00fcm\u00fc, \u00f6\u011fretmenin performans\u0131n\u0131n de\u011ferlendirilmesine indirgendi\u011finde ortaya \u00e7\u0131kan model de buna g\u00f6re olacakt\u0131r. \u0130kincisi, IMPACT \u00f6rne\u011finde oldu\u011fu gibi bir\u00e7ok model hedefine (as\u0131l veri olmad\u0131\u011f\u0131ndan veya baz\u0131 \u015feyler say\u0131salla\u015ft\u0131r\u0131lamad\u0131\u011f\u0131ndan) vekil verileri kullanarak ula\u015fmaya \u00e7al\u0131\u015fmaktad\u0131r. \u00d6rne\u011fin \u00f6\u011frencilerin test sonu\u00e7lar\u0131ndaki de\u011fi\u015fimler, \u00f6\u011fretmenlerin performans\u0131n\u0131 \u00f6l\u00e7mek i\u00e7in bir vekil veridir. Vekil verilerin ger\u00e7ekli\u011fin yerine konulmas\u0131 son zamanlarda \u00e7ok s\u0131k rastlan\u0131lan bir durumdur. Kredi kart\u0131n\u0131 sadece al\u0131\u015fveri\u015f i\u00e7in kulland\u0131\u011f\u0131m\u0131z\u0131 d\u00fc\u015f\u00fcn\u00fcr\u00fcz ve iyi bir vatanda\u015f oldu\u011fumuzdan i\u015flemlerimizin takip edilmesinden rahats\u0131z olmay\u0131z. Yeni bir kredi kart\u0131na veya krediye ba\u015fvuruldu\u011funda kredi kart\u0131 bor\u00e7lar\u0131n\u0131n zaman\u0131nda \u00f6denip \u00f6denmedi\u011fi bilgisi yerinde bir kriterdir. Fakat ayn\u0131 kriterin bir i\u015f ba\u015fvurusunda, aday\u0131n gelecekteki i\u015f disiplinini de\u011ferlendirmek i\u00e7in de kullan\u0131lmas\u0131; kredi kart\u0131 bor\u00e7lar\u0131n\u0131 vaktinde \u00f6demeyenlerin i\u015f disiplininin zay\u0131f olaca\u011f\u0131 yarg\u0131s\u0131n\u0131n olu\u015fmas\u0131 tehlikeli bir durumdur. Bu de\u011ferlendirmeler, keyfi yap\u0131lmamakta, korelasyon analizine dayanmaktad\u0131r. Muhtemelen i\u015f disiplini ve kredi kart\u0131 borcu aras\u0131nda do\u011frusal bir ili\u015fki ke\u015ffedilmi\u015ftir. Ama bunun sonucu ki\u015finin kredi kart\u0131 borcunu \u00f6deyemedi\u011fi i\u00e7in i\u015f bulamamas\u0131; i\u015fsiz kald\u0131\u011f\u0131 i\u00e7in kredi kart\u0131 borcunu \u00f6deyememesi ve yoksulluk girdab\u0131na s\u00fcr\u00fcklenmesi olacakt\u0131r.<\/p>\n Girdap olgusuna bir \u00e7ok M\u0130S’te rastlanmakta, M\u0130S’ler yoksulu daha da yoksulla\u015ft\u0131rmakta, ezilenlerin daha \u00e7ok ezilmesine neden olmaktad\u0131r. O’Neil (2016), insanlar\u0131n yeniden su\u00e7 i\u015fleme e\u011filiminin belirlenebilmesi i\u00e7in kullan\u0131lan M\u0130S \u00f6rne\u011fini vermektedir. \u00c7o\u011fu M\u0130S’te bu olanakl\u0131 de\u011filse de yeniden su\u00e7 i\u015fleme e\u011filiminin belirlenmesi i\u00e7in kullan\u0131lan modellerdeki baz\u0131 girdiler bilinmektedir: Ki\u015finin tan\u0131d\u0131\u011f\u0131 insanlar, mesle\u011fi, kredi notu. \u0130nsanlar\u0131n, tan\u0131d\u0131\u011f\u0131 insanlarla beraber de\u011ferlendirilmesi pe\u015fin h\u00fck\u00fcml\u00fc bir de\u011ferlendirmedir. \u0130nsan\u0131n sadece yoksul bir mahallede ya\u015fad\u0131\u011f\u0131 ve \u00e7evresinde su\u00e7lular bulundu\u011fu i\u00e7in yeniden su\u00e7 i\u015fleme ihtimalinin tespitinde varl\u0131kl\u0131 bir mahallede ya\u015fayan ve buna g\u00f6re bir \u00e7evresi olan ki\u015fiyle e\u015fit olmamas\u0131 adil de\u011fildir. Hakimlerin \u00f6nyarg\u0131lar\u0131 olsa da a\u00e7\u0131k a\u00e7\u0131k \u201csiyahlar ve yoksullar su\u00e7a e\u011filimlidir\u201d diyemezler. Irk\u0131 modellere dahil etmek yasal da de\u011fildir. Ama \u015fehirlerde belirli b\u00f6lgelerde belirli kesimler ya\u015fad\u0131\u011f\u0131 i\u00e7in bu girdi \u00f6rt\u00fck olarak analizlere dahil edilmektedir. Yine bir iyi niyet s\u00f6z konusudur. Su\u00e7 i\u015fleme e\u011filimini olas\u0131l\u0131ksal olarak \u00f6l\u00e7erek, toplumun korunmas\u0131 sa\u011flanacakt\u0131r. Fakat bir insan\u0131n ya\u015fad\u0131\u011f\u0131 yerden kaynakl\u0131 olarak kom\u015fular\u0131n\u0131n sab\u0131kas\u0131n\u0131n olmas\u0131 ve bu nedenle \u015fartl\u0131 sal\u0131vermede daha dezavantajl\u0131 olmas\u0131 ne kadar adildir? Sonu\u00e7ta, yoksul mahallelerin daha \u00e7ok g\u00f6zetim alt\u0131nda oldu\u011fu, insanlar\u0131n durdurulup arand\u0131\u011f\u0131 ve bunun sonucunda istatistiksel olarak su\u00e7 te\u015fkil edebilecek unsurlara daha s\u0131k rastland\u0131\u011f\u0131 bilinen bir ger\u00e7ektir. Polisin zengin mahallelerde b\u00f6yle bir \u015fey yapabilmesi s\u00f6z konusu olmad\u0131\u011f\u0131ndan tespit edilen yasad\u0131\u015f\u0131 durumlar da \u00e7ok daha az olacak, buralardaki insanlar\u0131n sab\u0131ka kayd\u0131 daha az kabaracak bu da zengin mahallede oturan birin yeniden su\u00e7 i\u015fleme ihtimalinin daha d\u00fc\u015f\u00fck \u00e7\u0131kmas\u0131na ve \u015fartl\u0131 sal\u0131vermede daha avantajl\u0131 olmalar\u0131na neden olacakt\u0131r. Ba\u015ftan dezavantajl\u0131 durumda olanlar hapishanede daha fazla tutulacak ve \u00e7\u0131kt\u0131\u011f\u0131nda bu adaletsizlikten dolay\u0131 sorunlar ya\u015fayacakt\u0131r.<\/p>\n M\u0130S’ler hakimlerin kararlar\u0131n\u0131n daha verimli olmas\u0131n\u0131 sa\u011flayabilir, ama bunun bedeli insanlar\u0131n kanun \u00f6n\u00fcnde e\u015fitli\u011finden vazge\u00e7mek olacakt\u0131r. O’Neil’a g\u00f6re (2015) M\u0130S’leri bir fabrika olarak d\u00fc\u015f\u00fcn\u00fcrsek adaletsizlik bunlardan yay\u0131lan kara dumanlard\u0131r. Beyaz olmayan yoksullar daha y\u00fcksek oranda su\u00e7 i\u015flemektedir. \u0130statistiksel olarak bu do\u011frudur. \u00c7\u00fcnk\u00fc daha \u00e7o\u011fu i\u015fsizdir, lise diplomas\u0131na sahip olmayanlar\u0131n oran\u0131 y\u00fcksektir, ge\u00e7mi\u015fte polisle ufak tefek de olsa s\u00fcrt\u00fc\u015fmeler ya\u015fam\u0131\u015f (ve bu nedenle g\u00f6zalt\u0131na al\u0131nm\u0131\u015f) olma oranlar\u0131 y\u00fcksektir. M\u0130S’ler s\u00f6z konusu olumsuz ko\u015fullar\u0131 de\u011fil iyile\u015ftirmek daha da a\u011f\u0131rla\u015ft\u0131rarak daha \u00e7ok su\u00e7lu yaratmaktad\u0131r.<\/p>\n O’Neil (2016) toplumsal ya\u015fam\u0131 bi\u00e7imlendiren matematiksel modellerin her zaman k\u00f6t\u00fc ve zararl\u0131 oldu\u011funu iddia etmemektedir. Modellemede kullan\u0131lan veriler ve algoritmalar \u015feffaf olsa, insanlar haklar\u0131nda toplanan verilerin hangi hesaplamalarda nas\u0131l kullan\u0131labildi\u011fini bilseler ve yanl\u0131\u015fl\u0131klara itiraz edebilseler her \u015fey bamba\u015fka olacakt\u0131r. Fakat bu \u015feffafl\u0131k olmadan M\u0130S’ler kendi ger\u00e7ekliklerini dayatmaktad\u0131r. M\u0130S’e dayal\u0131 e\u011fitim reformu, onu uygulayanlar\u0131n bak\u0131\u015f a\u00e7\u0131s\u0131ndan politik olarak ba\u015far\u0131l\u0131d\u0131r. \u00c7\u00fcnk\u00fc toplumda sorunlar\u0131n \u00e7\u00f6z\u00fcld\u00fc\u011f\u00fc hissi uyand\u0131ran politik bir kar\u015f\u0131l\u0131\u011f\u0131 vard\u0131r. Yeniden su\u00e7 i\u015fleme e\u011filiminin tespiti i\u00e7in kullan\u0131lan modeller de ba\u015far\u0131l\u0131d\u0131r. Belirli b\u00f6lgeler daha \u00e7ok ayr\u0131mc\u0131l\u0131\u011fa u\u011fray\u0131p, buralardaki insanlar daha \u00e7ok su\u00e7a itildiklerinde bu modelleri haz\u0131rlayanlar\u0131 modelleri de daha \u00e7ok insan\u0131 hapse att\u0131\u011f\u0131nda model do\u011frulanm\u0131\u015f olacakt\u0131r. Bankac\u0131l\u0131kta veya reklamc\u0131l\u0131kta kullan\u0131lan bir\u00e7ok M\u0130S’in amac\u0131 k\u00e2r\u0131 art\u0131rmakt\u0131r ve bunu ba\u015fard\u0131\u011f\u0131nda ger\u00e7ekli\u011fi do\u011fru alg\u0131lad\u0131\u011f\u0131n\u0131 d\u00fc\u015f\u00fcnmektedir. Bu nedenle, O’Neil’in (2016) de vurgulad\u0131\u011f\u0131 gibi herhangi bir modeli tart\u0131\u015f\u0131rken onu kimin tasarlad\u0131\u011f\u0131n\u0131n yan\u0131nda neyi hedefledi\u011fini de sorgulamak gerekmektedir. \u0130nsanlar hakk\u0131nda toplanan veriler ve toplumu yeniden yap\u0131land\u0131rmak i\u00e7in kullan\u0131lan matematiksel modeller artarken bu sorgulama daha da kritikle\u015fmektedir.<\/p>\n O’Neil’in okul reformu veya yeniden su\u00e7 i\u015fleme ihtimalinin belirlenmesi gibi \u00f6rnekler sosyal medya platformlar\u0131ndaki uygulamalarla kar\u015f\u0131la\u015ft\u0131r\u0131ld\u0131\u011f\u0131nda daha s\u0131n\u0131rl\u0131 yeteneklere sahiptir. Ancak sorun artarak devam etmektedir. Belirli bir alandaki, \u00f6zellikle hedefli reklamc\u0131l\u0131ktaki, say\u0131salla\u015ft\u0131rma y\u00f6ntemlerinin ba\u015far\u0131s\u0131 benzer y\u00f6ntemlerin di\u011fer alanlarda da kullan\u0131labilece\u011fi yan\u0131lg\u0131s\u0131na yol a\u00e7maktad\u0131r. Fakat bu teknolojik \u00e7\u00f6z\u00fcmc\u00fcl\u00fck insanl\u0131\u011f\u0131 say\u0131sal bir modele indirgeyerek sorunu yaratan ko\u015fullar\u0131 derinle\u015ftirmeye devam etmektedir. Toplanan veriler, kurulan modeller ve bilgi elde etmek i\u00e7in \u00e7al\u0131\u015ft\u0131r\u0131lan algoritmalar \u015feffaf de\u011fildir ve \u00e7o\u011fu zaman ticari s\u0131r olarak saklanmaktad\u0131r. Bu da, bir ba\u015far\u0131 olarak g\u00f6r\u00fclen ve taklit edilmek istenen hedefli reklamc\u0131l\u0131\u011f\u0131n bile y\u0131k\u0131c\u0131 bir hale gelmesine neden olmaktad\u0131r.<\/p>\n T\u00fcfek\u00e7i’ye (2014) g\u00f6re i\u00e7 i\u00e7e ge\u00e7mi\u015f alt\u0131 alandaki geli\u015fme sosyal medya platformlar\u0131na toplum m\u00fchendisli\u011fine giri\u015febilme cesareti vermektedir: B\u00fcy\u00fck verinin ortaya \u00e7\u0131k\u0131\u015f\u0131, geli\u015fen bilgisay\u0131msal (computational) y\u00f6ntemler, modelleme, davran\u0131\u015f bilimi, ger\u00e7ek zamanl\u0131 ortamlardaki deneysel bilim, platformlar\u0131n g\u00fcc\u00fc ve algoritmik y\u00f6neti\u015fim. Bu geli\u015fmelerle beraber, veriyi elinde bulunduran g\u00fc\u00e7l\u00fc, veri zengini ve teknolojik olanaklara sahip olanlar (yani \u00fcretim ara\u00e7lar\u0131na sahip olanlar), politikada, kent y\u00f6netiminde ve ticarette ikna ve toplum m\u00fchendisli\u011fi kampanyalar\u0131 d\u00fczenleyebilme potansiyeline de sahip olmaya ba\u015flam\u0131\u015ft\u0131r.<\/p>\n B\u00fcy\u00fck veri, bili\u015fim teknolojilerindeki ilerlemeler sonucunda veri saklama kapasitesinin ve analiz etme h\u0131z\u0131n\u0131n artmas\u0131yla ortaya \u00e7\u0131kan 3V (volume, velocity, variety) ile tan\u0131mlanmaktad\u0131r:<\/p>\n Veri miktar\u0131 ve \u00e7e\u015fitlili\u011findeki art\u0131\u015f beraberinde nitel bir de\u011fi\u015fimi de getirmi\u015ftir. B\u00fcy\u00fck veri, mikroskop gibi daha \u00f6nce g\u00f6r\u00fclemeyeni g\u00f6r\u00fcn\u00fcr yapm\u0131\u015f, teleskop gibi olgulara daha geni\u015f ve b\u00fct\u00fcnsel bakabilme olana\u011f\u0131n\u0131 getirmi\u015ftir. \u00d6nceden, ki\u015filerin anketlere verdikleri yan\u0131tlar\u0131n \u00f6rt\u00fck verilerle (ki\u015finin para hareketleri, dergi abonelikleri, kredi kart\u0131 al\u0131\u015fveri\u015fleri) birle\u015ftirilmesiyle ki\u015filer hakk\u0131nda daha ayr\u0131nt\u0131l\u0131 (ama kesinli\u011fi d\u00fc\u015f\u00fck) tahminler yap\u0131labilmekte ancak \u00f6rt\u00fck veriler, as\u0131l istenen bilgi i\u00e7in yine vekil yerine ge\u00e7mektedir. \u00d6rne\u011fin, X dergisine abonelik, herhangi bir siyasi kampanya \u00f6rg\u00fctlenmek istendi\u011finde ki\u015finin nerede konumlanabilece\u011fi hakk\u0131nda bir fikir sunabilir. Ama yine de bu ili\u015fki zay\u0131f bir veridir. \u015eimdi ise sosyal medya uygulamalar\u0131 ve insanlar\u0131n internette b\u0131rakt\u0131klar\u0131 izlerde sakl\u0131 \u00f6rt\u00fck veriler ger\u00e7e\u011fe daha yak\u0131n ili\u015fkiler ortaya \u00e7\u0131karmaktad\u0131r. Veri acentelerinden sat\u0131n al\u0131nan \u00e7evrimi\u00e7i ve \u00e7evrimd\u0131\u015f\u0131 verilerin bir araya getirilmesiyle bir ki\u015finin d\u00fc\u015f\u00fcnceleri, e\u011filimleri ve davran\u0131\u015flar\u0131 hakk\u0131nda daha derin bilgiye sahip olunabilmektedir. ABD Ticaret Komisyonu’nun 2014 y\u0131l\u0131ndaki raporuna g\u00f6re baz\u0131 veri simsarlar\u0131 her bir ki\u015fi hakk\u0131nda 3000 bireysel veri noktas\u0131na sahiptir ve miktar h\u0131zla artmaktad\u0131r.<\/p>\n T\u00fcfek\u00e7i (2014), bilgisay\u0131msal y\u00f6ntemlerin d\u00f6rt \u00f6nemli geli\u015fmenin sonucu oldu\u011funu belirtmektedir. Bu geli\u015fmelerden ilki, b\u00fcy\u00fck veriyi saklamay\u0131 ve kontrol edebilmeyi sa\u011flayan depolama ve veritaban\u0131 sistemlerinin geli\u015ftirilmesidir. \u0130kincisi, yap\u0131land\u0131r\u0131lmam\u0131\u015f enformasyonun i\u015flenebilmesini ve anlamland\u0131r\u0131lmas\u0131n\u0131 sa\u011flayan y\u00f6ntemlerin geli\u015ftirilmesidir. Daha \u00f6nce \u00fczerinde \u00e7al\u0131\u015f\u0131lan verinin kapsam\u0131 ve s\u0131n\u0131rlar\u0131 toplama i\u015flemi ba\u015flamadan \u00f6nce belirlenmekte ve veri buna g\u00f6re toplanmaktad\u0131r. \u015eimdi ise sohbetler ve durum payla\u015f\u0131mlar\u0131 gibi do\u011fal dilden gelen veri de analiz edilebilmektedir. \u00dc\u00e7\u00fcnc\u00fcs\u00fc, sosyal a\u011f analizi gibi y\u00f6ntemlerle insanlar aras\u0131ndaki etkile\u015fimin yeni ara\u00e7larla mercek alt\u0131na al\u0131nabilmesidir. D\u00f6rd\u00fcnc\u00fc ise verinin \u00f6l\u00e7e\u011finin daha \u00f6nce fark edebilmenin neredeyse olanaks\u0131z oldu\u011fu korelasyon analizlerini olanakl\u0131 hale getirmesidir.<\/p>\n Modelleme, insanlar\u0131n belirli profillere (50 ya\u015f \u00fcst\u00fc erkekler, okul \u00e7a\u011f\u0131nda \u00e7ocu\u011fu olan anneler, evinden uzak \u00fcniversite \u00f6\u011frencileri gibi) g\u00f6re grupland\u0131\u011f\u0131 analizlerden farkl\u0131d\u0131r. T\u00fcfek\u00e7i (2014) insanlar\u0131n sosyal a\u011flardaki etkile\u015fimlerinin, konu\u015fmalar\u0131n\u0131n, arkada\u015f a\u011flar\u0131n\u0131n, \u00e7e\u015fitli platformlardaki okuma, yorumlama ve be\u011fenme etkinliklerinin analiziyle se\u00e7men tercihlerinin ve niteliklerinin y\u00fcksek bir kesinlikle modellenebilece\u011fine dikkat \u00e7ekmektedir. \u00dcstelik bunu insanlara do\u011frudan sorular sormadan yapabilmek m\u00fcmk\u00fcnd\u00fcr.<\/p>\n Kosinski, Stillwell ve Graepel (2013), sadece Facebook’taki ‘be\u011fen’ler \u00fczerine yapt\u0131klar\u0131 \u00e7al\u0131\u015fmada bu bilginin bile cinsel y\u00f6nelim, etnik k\u00f6ken, din ve politik g\u00f6r\u00fc\u015fler, ki\u015filik \u00f6zellikleri, zeka, mutluluk, uyu\u015fturucu madde kullan\u0131m\u0131, ebeveynlerin bo\u015fanmas\u0131, ya\u015f ve cinsiyet hakk\u0131nda bile do\u011fruluk pay\u0131 y\u00fcksek tahminler yapabilmeyi sa\u011flad\u0131\u011f\u0131n\u0131 iddia etmektedir. \u00c7al\u0131\u015fma, 58000’den fazla g\u00f6n\u00fcll\u00fcn\u00fcn be\u011fenilerinin analizi, ayr\u0131nt\u0131l\u0131 demografik profiller ve \u00e7ok say\u0131da psikometrik testin sonucu \u00fczerine kuruludur. Model, homoseks\u00fcel ve heteroseks\u00fcel erkekleri ay\u0131rmada %88, siyah ve beyaz Amerikal\u0131lar’\u0131 ay\u0131rmada %95, Demokrat ve Cumhuriyet\u00e7i ayr\u0131m\u0131nda ise %85 ba\u015far\u0131l\u0131 olmu\u015ftur. Ki\u015filik tahminlerinde de yine ba\u015far\u0131l\u0131 sonu\u00e7lar elde edilmi\u015ftir. T\u00fcfek\u00e7i’nin (2014) vurgulad\u0131\u011f\u0131 gibi bu analiz sadece s\u0131n\u0131rl\u0131 say\u0131daki Facebook kullan\u0131c\u0131s\u0131n\u0131n Facebook’taki s\u0131n\u0131rl\u0131 veri k\u00fcmesi ile yap\u0131labilmi\u015ftir. Di\u011fer veritabanlar\u0131ndan (finansal hareketler, \u00fcye olunan kurulu\u015flar, se\u00e7men kay\u0131tlar\u0131 gibi) yararlan\u0131ld\u0131\u011f\u0131nda kesinlik seviyesi daha da y\u00fckselecektir.<\/p>\n Bu tip bilgiler, 2012 ve sonras\u0131ndaki se\u00e7imlerde hem Demokratlar’\u0131n hem de Cumhuriyet\u00e7iler’in se\u00e7im stratejilerini belirlemede etkili olmu\u015ftur.<\/p>\n Sosyal medyadaki as\u0131l tehlike, platformlar\u0131n insanlar\u0131 ikna etmek, etkilemek ve belirli eylemlere y\u00f6neltmek i\u00e7in kullan\u0131ld\u0131\u011f\u0131nda ortaya \u00e7\u0131kmaktad\u0131r. Hedefli reklamlarla insanlar belirli \u00fcr\u00fcnleri almaya ikna edilmektedir. Fakat ne her zaman kendi \u00e7\u0131karlar\u0131n\u0131n bilincinde hareket eden rasyonel t\u00fcketici vard\u0131r ne de se\u00e7men. Nas\u0131l ki t\u00fcketicilere ihtiya\u00e7lar\u0131 olmayan \u00fcr\u00fcnler sat\u0131labiliyorsa demokrasi adaylar\u0131n pazarlanmas\u0131na d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fcnde de se\u00e7menlerin belirli adaylar\u0131 sat\u0131n almas\u0131 sa\u011flanabilir.<\/p>\n Davran\u0131\u015f bilimindeki geli\u015fmelerle beraber b\u00fcy\u00fck anlat\u0131lardan se\u00e7menlerin bireysel tercihlerini de\u011fi\u015ftirmeye odaklanan bir m\u00fccadele vard\u0131r. T\u00fcfek\u00e7i’nin (2014) belirtti\u011fi gibi davran\u0131\u015f bilimi mucizeler yaratamaz; k\u00f6t\u00fc ekonomiyi iyi veya \u00e7ekici olmayan bir aday\u0131 \u00e7ekici yapamaz. Ama ABD’de oldu\u011fu gibi \u00f6nceden var olan kutupla\u015fma, kazanan\u0131n her \u015feyi ald\u0131\u011f\u0131 bir sistem ve se\u00e7imlere d\u00fc\u015f\u00fck kat\u0131l\u0131m seviyesi dikkate al\u0131nd\u0131\u011f\u0131nda se\u00e7menlerin tercihlerini de\u011fi\u015ftiren ufak farklar bile sonu\u00e7ta belirleyici olabilmektedir. B\u00fcy\u00fck veriye dayal\u0131 modelleme bu nedenle taraflar\u0131n se\u00e7im stratejilerinde de\u011fi\u015fikliklere neden olmu\u015ftur. Bir siyasi parti\/lider, herkese mavi boncuk da\u011f\u0131tarak herkesin oyunu almak ister. Fakat belirli bir kesim \u00fczerinde etkili vaatler, di\u011fer kesimlerin deste\u011finin kaybedilmesi ile sonu\u00e7lanabilir. Yeni stratejide, genel bir anlat\u0131yla oy istemek yerine birbirinden haberi olmayan insanlara farkl\u0131 reklamlar g\u00f6sterilir ve her biriyle farkl\u0131 se\u00e7im pazarl\u0131klar\u0131 yap\u0131labilir.<\/p>\n O’Neil’in (2016) tart\u0131\u015ft\u0131\u011f\u0131 modellerdeki sorunlardan biri de geribildirim mekanizmas\u0131n\u0131n yoklu\u011fudur. \u00d6rne\u011fin, sistem bir \u00f6\u011fretmeni ba\u015far\u0131s\u0131z olarak nitelendirmi\u015fse, uygulamadaki parametrelerde bir de\u011fi\u015fiklik yaparak bunu test etmek m\u00fcmk\u00fcn olmamaktad\u0131r. Al\u0131\u015fveri\u015f sitelerinin ve sosyal medya platformlar\u0131n\u0131n en b\u00fcy\u00fck avantaj\u0131 budur. Herhangi bir sorun veya ku\u015fkuda en etkili sonucu alana kadar parametrelerle oynayarak test yapma imkan\u0131 vard\u0131r.<\/p>\n \u00d6rne\u011fin Obama’n\u0131n 2007 y\u0131l\u0131ndaki se\u00e7im kampanyas\u0131nda web sitesi a\u00e7\u0131l\u0131rken ilk olarak nas\u0131l bir tasar\u0131m\u0131n daha etkili olaca\u011f\u0131na karar verebilmek i\u00e7in farkl\u0131 d\u00fc\u011fme ve medya kombinasyonlar\u0131ndan olu\u015fan 24 farkl\u0131 tasar\u0131m denenmi\u015f, her biri 13000 ki\u015fi taraf\u0131ndan g\u00f6r\u00fcnt\u00fclenmi\u015f ve en etkili tasar\u0131ma \u00e7ok k\u0131sa s\u00fcrede ve az maliyetle karar verilebilmi\u015ftir (T\u00fcfek\u00e7i, 2014).<\/p>\n Benzer deneyleri Facebook’un da yapt\u0131\u011f\u0131 bilinmektedir. 2012 y\u0131l\u0131nda, 680000 Facebook kullan\u0131c\u0131s\u0131 \u00fczerinde duygular\u0131n bula\u015f\u0131c\u0131 olup olmad\u0131\u011f\u0131 \u00fczerine bir deney yap\u0131lm\u0131\u015ft\u0131r. Laboratuvar deneyleri duygular\u0131n \u00e7evrimd\u0131\u015f\u0131 ortamda bula\u015f\u0131c\u0131 oldu\u011funu g\u00f6stermektedir. Peki ya \u00e7evrimi\u00e7i ortamda? Facebook, dilsel bir yaz\u0131l\u0131m kullanarak bunu test etmeye \u00e7al\u0131\u015f\u0131r. Olumlu ve olumsuz g\u00fcncellemeleri ay\u0131r\u0131r. Daha sonra deneklerin (bundan habersiz kullan\u0131c\u0131lar\u0131n) yar\u0131s\u0131na a\u011f\u0131rl\u0131kl\u0131 olarak olumlu, di\u011fer yar\u0131s\u0131na da olumsuz haberleri g\u00f6sterir. Bir s\u00fcre sonra kullan\u0131c\u0131lar\u0131n mesajlar\u0131 incelendi\u011finde olumsuz haberlere maruz kalanlar\u0131n daha \u00e7ok olumsuz mesaj att\u0131\u011f\u0131 g\u00f6zlenir. Olumlu haberleri okuyanlarda da olumlu mesajlar fazlala\u015f\u0131r. B\u00f6ylece Facebook, \u00e7evrimi\u00e7i ortamda da duygusal durumlar\u0131n aktar\u0131labildi\u011fini do\u011frulam\u0131\u015f olur. O’Neil (2016) se\u00e7im g\u00fcn\u00fc insanlar\u0131n duygular\u0131yla oynand\u0131\u011f\u0131 zaman ne olaca\u011f\u0131n\u0131 sorgulamaktad\u0131r. O’Neil (2016) Facebook’taki bilimcilerin se\u00e7im sistemi \u00fczerinde s\u00fcrekli testler yapan insanlar oldu\u011funu d\u00fc\u015f\u00fcnmemektedir. Fakat Facebook’un insanlar\u0131n ne \u00f6\u011frendi\u011fini, nas\u0131l hissetti\u011fini ve oy kullanma e\u011filimini etkileyecek bir g\u00fcce sahip olmas\u0131 endi\u015fe vericidir. Facebook’un platformu \u015feffaf de\u011fildir, \u00e7ok b\u00fcy\u00fckt\u00fcr ve g\u00fc\u00e7l\u00fcd\u00fcr. Ne yaz\u0131k ki ara\u015ft\u0131rmalar hakk\u0131ndaki bilgimiz ara\u015ft\u0131rmac\u0131lar\u0131n yay\u0131mlad\u0131klar\u0131 deney sonu\u00e7lar\u0131 kadard\u0131r.<\/p>\n Sosyal medya platformlar\u0131nda g\u00f6sterilen iletiler veya haberlerin s\u0131ralamas\u0131 \u00e7o\u011fu zaman \u015feffaf de\u011fildir ve yaln\u0131zca bu platformlarda \u00e7al\u0131\u015fan s\u0131n\u0131rl\u0131 say\u0131da ki\u015fi bunun bilgisine sahiptir. Ayr\u0131ca platform sahipleri, bu algoritmalarla oynayarak platformdaki kullan\u0131c\u0131lar\u0131n g\u00f6r\u00fcn\u00fcrl\u00fc\u011f\u00fcn\u00fc ayarlayabilir, paras\u0131 olanlar\u0131n i\u00e7eri\u011fini \u00fcste ta\u015f\u0131yarak mesajlar\u0131n\u0131 daha g\u00f6r\u00fcn\u00fcr yapabilir. Ama belki de daha tehlikelisi i\u00e7eri\u011fin kullan\u0131c\u0131lara bireysel olarak g\u00f6sterilebilmesidir. Bir di\u011fer deyi\u015fle, televizyondan veya g\u00fcnl\u00fck gazetelerden geni\u015f kitlelere iletilen ve onlar\u0131 ortakla\u015ft\u0131ran mesajlar yerini bireyi hedefleyen mesajlara b\u0131rakmaktad\u0131r.<\/p>\n Bir politikac\u0131, televizyonda bir vaatte bulundu\u011funda bundan sorumlu tutulabilir. Fakat ki\u015fiye \u00f6zel propaganda sayesinde birbirinden habersiz se\u00e7menlerle farkl\u0131 farkl\u0131 pazarl\u0131klar y\u00fcr\u00fctt\u00fc\u011f\u00fcnde her \u015fey karanl\u0131kta ger\u00e7ekle\u015fir. \u0130nsanlar\u0131n farkl\u0131 duyarl\u0131l\u0131klar\u0131 hedef al\u0131nabilir ve insanlar kom\u015fular\u0131ndan farkl\u0131 mesajlar alabilir. \u00d6rne\u011fin, baz\u0131 se\u00e7menlere az\u0131nl\u0131klar\u0131 hedef alan baz\u0131lar\u0131na da daha \u0131l\u0131ml\u0131 mesajlar g\u00f6nderilebilir. Bunun yan\u0131nda ki\u015fiye \u00f6zel propaganda yalan haberlerin yay\u0131lmas\u0131nda \u00e7ok etkilidir. \u00d6rne\u011fin daha \u00f6nce Obama’n\u0131n M\u00fcsl\u00fcman oldu\u011fu, ABD d\u0131\u015f\u0131nda do\u011fdu\u011fu ve dolay\u0131s\u0131yla me\u015fru bir ba\u015fkan olmad\u0131\u011f\u0131 s\u00f6ylentisi yay\u0131lm\u0131\u015ft\u0131r. Demokratlar bunun do\u011fru olmad\u0131\u011f\u0131n\u0131 anlatmaya \u00e7al\u0131\u015fsalar da karanl\u0131kta \u00e7al\u0131\u015fan, hi\u00e7bir sorumluluk almadan yalan mesajlar\u0131 yayanlar bu yalan\u0131 devam ettirirler (O’Neil, 2016).<\/p>\n Bond vd. (2012), Facebook’taki \u201cOy Kullan\u201d mesajlar\u0131n\u0131n Amerikanlar’\u0131n 2010’daki kongre se\u00e7imine kat\u0131l\u0131m\u0131n\u0131 etkiledi\u011fini belirtmektedir. Yap\u0131lan deneyde kullan\u0131c\u0131lara g\u00f6sterilen \u201cOy Kullan\u201d mesaj\u0131n\u0131n, a\u011f\u0131ndaki insanlar\u0131n profil foto\u011fraflar\u0131yla beraber g\u00f6sterildi\u011finde daha etkili oldu\u011fu g\u00f6r\u00fclm\u00fc\u015ft\u00fcr. Bu g\u00fc\u00e7, bir taraftaki insanlar\u0131n oy kullanma iste\u011fini azaltmak, di\u011fer taraftakilerinkini art\u0131rmak i\u00e7in de kullan\u0131labilir. Bu deneyden iki y\u0131l sonra Facebook’tan Solomon Messin de ba\u015fka bir deney yapm\u0131\u015ft\u0131r. Kullan\u0131c\u0131lar\u0131n haber ak\u0131\u015f\u0131ndaki arkada\u015f mesajlar\u0131 se\u00e7ime kat\u0131l\u0131m\u0131 etkileyebilmektedir. Tabi haber ak\u0131\u015f\u0131ndaki mesaj g\u00f6r\u00fcn\u00fcrl\u00fc\u011f\u00fcn\u00fc belirleyen de Facebook’tur.<\/p>\n Ayn\u0131 sorun Google’da da vard\u0131r. \u00c7o\u011fu zaman aramalarda sadece ilk sayfadaki sonu\u00e7lara bak\u0131l\u0131r. Bu nedenle, arama sonu\u00e7lar\u0131n\u0131n s\u0131ralamas\u0131ndaki de\u011fi\u015fiklikler ki\u015finin bir konuda bilgi sahibi olmas\u0131n\u0131 da etkileyebilmektedir. Yalan haberler ilk sayfada g\u00f6sterilip, do\u011frular sonraki sayfalara at\u0131ld\u0131\u011f\u0131nda yalan haberlerin yay\u0131lmas\u0131na da katk\u0131da bulunulmu\u015f olur. \u0130\u015fin k\u00f6t\u00fc yan\u0131, Pew Research’in raporuna g\u00f6re Amerikal\u0131lar’\u0131n %73’\u00fc Google’\u0131n arama sonu\u00e7lar\u0131n\u0131 do\u011fru ve tarafs\u0131z olarak g\u00f6rmektedir (O’Neil, 2016).<\/p>\n Sosyal medya platformlar\u0131n\u0131n siyasete m\u00fcdahalesi (en az\u0131ndan \u015fimdilik) do\u011frudan de\u011fildir ve daha \u00e7ok bir yan etkiden s\u00f6z edilebilir. Platformlardaki algoritmalar\u0131n amac\u0131 insanlar\u0131n sitede daha \u00e7ok zaman ge\u00e7irmesini sa\u011flamak ve daha \u00e7ok dikkati reklam vermek isteyenlere satabilmektir. \u00d6rne\u011fin T\u00fcfek\u00e7i’nin (2017) anlatt\u0131\u011f\u0131 gibi vejeteryanl\u0131kla ilgili bir video izledikten sonra youtube’un \u00f6nerisi veganl\u0131kla ilgili videolar olmaktad\u0131r. Muhtemelen algoritma insanlara seyretti\u011finden daha c\u00fcretk\u00e2r videolar \u00f6nererek onlar\u0131 sitede daha fazla zaman ge\u00e7irtmek \u00fczerine kurulu. \u0130nsanlar\u0131n hangi i\u00e7eri\u011fe ne tepki verebilece\u011fi s\u00fcrekli izleniyor ve geribildirimlerle modeller yenileniyor. Son tahlilde, ba\u015fkan adaylar\u0131 da di\u011fer platform m\u00fc\u015fterileri gibi bir \u015fey satabilmek i\u00e7in bu platformlara \u00f6deme yapmakta, belirli e\u011filimleri tespit etme yetene\u011fi olan bu platformlar\u0131 kendi se\u00e7im kampanyalar\u0131 i\u00e7in kullanmaktad\u0131r.<\/p>\n Obama’n\u0131n 2012’deki zaferinde teknolojinin \u00f6nemli bir rol\u00fc vard\u0131r. Kampanya s\u00fcresince Amazon’un bulut bili\u015fim servisinden ve b\u00fcy\u00fck veri analizinden yararlan\u0131lm\u0131\u015ft\u0131r. Mosco’ya (2014) g\u00f6re bu zaferin demokrasiyle veya yurtta\u015f kat\u0131l\u0131m\u0131yla pek ilgisi yoktur. Veri y\u00f6netimini iyi yapan taraf ba\u015far\u0131ya ula\u015fm\u0131\u015ft\u0131r. Trump’\u0131n ba\u015fkan oldu\u011fu son se\u00e7im de benzer bir zaferdir. Trump’\u0131n sosyal medya yetkilisinin itiraf etti\u011fi gibi Facebook’u insanlar\u0131 kendilerine oy vermeleri i\u00e7in de\u011fil, Demokrat se\u00e7menleri oy kullanmamaya ikna etmek i\u00e7in kullanm\u0131\u015flard\u0131r (T\u00fcfek\u00e7i, 2017).<\/p>\n Trump’un demokrat se\u00e7menlere nas\u0131l mesajlar iletti\u011fi bilinmiyor. Asl\u0131nda Facebook payla\u015f\u0131mlar\u0131m\u0131z\u0131n arkada\u015flar\u0131m\u0131z taraf\u0131ndan g\u00f6r\u00fcl\u00fcp g\u00f6r\u00fclmedi\u011fini de bilemiyoruz. \u015eimdi ise,<\/p>\n Hem halk hem de vatanda\u015f olarak, art\u0131k ayn\u0131 bilgileri g\u00f6r\u00fcp g\u00f6rmedi\u011fimizi ve ba\u015fkalar\u0131n\u0131n ne g\u00f6rd\u00fc\u011f\u00fcn\u00fc bilmiyoruz ve ortak bir bilgi taban\u0131 olmadan, ad\u0131m ad\u0131m, toplumsal tart\u0131\u015fma imkans\u0131z hale geliyor, biz bunun sadece ba\u015flang\u0131\u00e7 a\u015famas\u0131nday\u0131z.<\/p><\/blockquote>\n Sosyal medya platformlar\u0131n\u0131n gelir kayna\u011f\u0131 reklamlard\u0131r. Belki hen\u00fcz siyasete fazla kar\u0131\u015fmak istemiyor olabilirler ama demokrasinin adaylar\u0131n pazarlanmas\u0131na d\u00f6n\u00fc\u015ft\u00fc\u011f\u00fc bir \u00e7a\u011fda internetten sat\u0131lan \u015feyin ne oldu\u011fu \u00e7ok fark etmiyor; bu, ba\u015fkan aday\u0131 da olabilir. ABD’de tart\u0131\u015f\u0131lan yalan haberlerin arkas\u0131nda sadece Trump olsayd\u0131 belki o kadar sorun olmayacakt\u0131 ama Rusya’ya yak\u0131n olu\u015fumlar\u0131n reklam sat\u0131n alarak 126 milyon Amerikal\u0131’ya ula\u015fabildi\u011fi hakk\u0131nda raporlar var (“How the world was trolled”, 2017). Amerikal\u0131lar’\u0131 da en \u00e7ok k\u0131zd\u0131ran ve ge\u00e7en ay Google, Facebook ve Twitter temsilcilerinin senatoda ifade vermesine neden olan da Ruslar’\u0131n ABD se\u00e7im sistemini trollemi\u015f olma ihtimali (https:\/\/www.theguardian.com\/technology\/live\/2017\/oct\/31\/facebook-google-twitter-congress-russian-election-meddling-live<\/a>, https:\/\/www.technologyreview.com\/the-download\/609280\/tech-titans-admit-to-new-levels-of-russian-election-meddling\/<\/a>).<\/p>\n Hem Google hem de Facebook temsilcileri platformlar\u0131ndaki istenmeyen durumlardan algoritmalar\u0131 sorumlu tutuyorlar. \u201cBu algoritmay\u0131 geli\u015ftiren siz de\u011fil misiniz?\u201d diye sorulabilir. Ama \u00f6yle de\u011fil; T\u00fcfek\u00e7i’nin (2017) belirtti\u011fi gibi b\u00fcy\u00fck verinin analizinde yapay \u00f6\u011frenme (machine learnining) algoritmalar\u0131 kullan\u0131l\u0131yor ve kendi kendine \u00f6\u011frenen bu algoritmalar var olan verilerden insanlar\u0131n \u00f6zelliklerini \u00f6\u011frenip bunu sonraki \u00f6\u011frenme s\u00fcre\u00e7lerinde kullan\u0131yorlar:<\/p>\n As\u0131l sorun \u015fu ki biz bu karma\u015f\u0131k algoritmalar\u0131n nas\u0131l \u00e7al\u0131\u015ft\u0131\u011f\u0131n\u0131 art\u0131k anlam\u0131yoruz. Bu s\u0131n\u0131fland\u0131rmay\u0131 nas\u0131l yapt\u0131klar\u0131n\u0131 art\u0131k anlam\u0131yoruz. Dev matematik matrisleri, binlerce s\u0131ra ve s\u00fctun, belki de milyonlarcas\u0131… Ve t\u00fcm verilere sahip olsalar bile, ne programc\u0131lar, ne bunlar\u0131 inceleyen herhangi biri bunun tam olarak nas\u0131l i\u015fledi\u011fini anlayabiliyor. T\u0131pk\u0131 size beynimden bir kesit g\u00f6stersem ne d\u00fc\u015f\u00fcnd\u00fc\u011f\u00fcm\u00fc anlayamayaca\u011f\u0131n\u0131z gibi. Sanki art\u0131k programlama yapm\u0131yoruz, tam olarak anlayamad\u0131\u011f\u0131m\u0131z bir bilin\u00e7 geli\u015ftiriyoruz (age).<\/p><\/blockquote>\n Zeynep T\u00fcfek\u00e7i’nin \u201c\u0130nsanlar\u0131n reklamlara t\u0131klamas\u0131 i\u00e7in bir distopya yarat\u0131yoruz.\u201d ba\u015fl\u0131kl\u0131 TED konu\u015fmas\u0131n\u0131 mutlaka izlemenizi tavsiye ederim (http:\/\/tiny.cc\/u7duoy). Konu\u015fmas\u0131ndaki en \u00e7arp\u0131c\u0131 \u00f6rneklerinden biri bipolar ki\u015filik bozuklu\u011funda mani halinin \u00f6n belirtilerinin klinik semptomlardan \u00f6nce sosyal medya payla\u015f\u0131mlar\u0131ndan anla\u015f\u0131labilece\u011fi ve bunun hedefli reklamc\u0131l\u0131k i\u00e7in kullan\u0131labilece\u011fi. T\u00fcfek\u00e7i (2017) yapay \u00f6\u011frenmenin daha do\u011fru sonu\u00e7lara eri\u015febilmesi i\u00e7in daha \u00e7ok veriye ihtiyac\u0131n\u0131n oldu\u011funu, bu nedenle platformlar\u0131n di\u011fer veri acentelerinden veri sat\u0131n ald\u0131\u011f\u0131n\u0131 s\u00f6yl\u00fcyor; \u00e7evrimd\u0131\u015f\u0131 verilerin yard\u0131m\u0131yla algoritmalar g\u00fc\u00e7leniyor.<\/p>\n Bu nedenle, 4. End\u00fcstri Devrimi olarak adland\u0131r\u0131lan s\u00fcre\u00e7 g\u00f6sterildi\u011fi gibi toz pembe de\u011fil. \u0130nsanlara daha \u00e7ok \u015fey satabilmek ad\u0131na daha \u00e7ok veri toplanacak ve veri zenginleri insanl\u0131\u011f\u0131n kar\u015f\u0131s\u0131na daha b\u00fcy\u00fck bir g\u00fc\u00e7 olarak ortaya \u00e7\u0131kacak. Buna kar\u015f\u0131 ne yap\u0131labilir?<\/p>\n Sosyal medya platformlar\u0131, insanlara \u015feffafl\u0131\u011f\u0131n erdemleri \u00fczerine konu\u015fmay\u0131 sevseler de kendileri bundan \u00e7ok uzaklar. \u015eirketler i\u00e7 i\u015fleyi\u015flerini gizliyorlar ve \u015feffafl\u0131k konusunda hi\u00e7 yard\u0131msever de\u011filler. Ayr\u0131ca buna kar\u015f\u0131 lobi faaliyetleri y\u00fcr\u00fct\u00fcyorlar. Sosyal medya \u015firketleri i\u00e7in kullan\u0131c\u0131lar\u0131n dikkatinin hedeflendi\u011fi i\u015f modellerini de\u011fi\u015ftirmeye zorlanmalar\u0131 veya kamula\u015ft\u0131r\u0131lmalar\u0131 belki bir \u00e7\u00f6z\u00fcm olabilir (\u201cHow the world was trolled\u201d, 2017). Fakat \u00f6nce as\u0131l tehlikenin insanl\u0131\u011f\u0131 yok edecek ak\u0131ll\u0131 robotlar de\u011fil yak\u0131t\u0131 ki\u015fisel verilerimiz olan, \u015feffaf olmayan ve sorgulanamayan algoritmalar\u0131n sahibi \u015firketler oldu\u011funu g\u00f6rebilmemiz gerekiyor. 4. End\u00fcstri Devrimi ad\u0131yla geli\u015fen s\u00fcre\u00e7te bir veri patlamas\u0131 ya\u015fanacak ve bu algoritmalar sosyal medya platformlar\u0131ndan ta\u015farak, O’Neil’in (2016) tart\u0131\u015ft\u0131\u011f\u0131 M\u0130S’lerden daha c\u00fcretk\u00e2r bi\u00e7imde ama ayn\u0131 i\u00e7sel sorunlarla toplumsal ya\u015fam\u0131 bi\u00e7imlendirmeye \u00e7al\u0131\u015facak…<\/p>\n Kaynaklar<\/b><\/p>\n Bond, R. M., Fariss, C. J., Jones, J. J., Kramer, A. D., Marlow, C., Settle, J. E., & Fowler, J. H. (2012). A 61-million-person experiment in social influence and political mobilization. Nature, 489(7415), 295-298.<\/span><\/p>\n How the world was trolled. (2017, November 4). The Economist, 19-22.<\/span><\/p>\n Kosinski, M., Stillwell, D., & Graepel, T. (2013). Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences, 110(15), 5802-5805.<\/span><\/p>\n Larose, D. T. (2005). Discovering knowledge in data: an introduction to data mining. John Wiley & Sons.<\/span><\/p>\n Mosco, V. (2014). To the cloud: Big data in a turbulent world. Paradigm Publishers.<\/span><\/p>\n O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. New York: Crown Publishers.<\/span><\/p>\n Tufekci, Z. (2014). Engineering the public: Big data, surveillance and computational politics. First Monday, 19(7).<\/span><\/p>\n T\u00fcfek\u00e7i, Z. (2017, Eyl\u00fcl). Zeynep T\u00fcfek\u00e7i: We’re building a dystopia just to make people click on ads [Video]. https:\/\/www.ted.com\/talks\/zeynep_tufekci_we_re_building_a_dystopia_just_to_make_people_click_on_ads?language=tr<\/span><\/p>\n <\/p>\n [1] Wysocki daha sonra, at\u0131ld\u0131\u011f\u0131 okulun m\u00fcd\u00fcr\u00fc dahil olmak \u00fczere bir\u00e7ok ki\u015finin referans\u0131yla, \u00f6\u011fretmenlerin istatistiksel modellerle de\u011ferlendirilmedi\u011fi zengin bir b\u00f6lgede \u00e7al\u0131\u015fmaya ba\u015flar. O’Neil’in vurgulad\u0131\u011f\u0131 gibi bir\u00e7ok M\u0130S’ler daha \u00e7ok yoksullar\u0131n ya\u015fam\u0131n\u0131 \u015fekillendirmeye \u00e7al\u0131\u015fmaktad\u0131r.<\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" 11 Eyl\u00fcl 2001, veri toplama ve analizinde bir d\u00f6n\u00fcm noktas\u0131yd\u0131. \u0130stihbarat servisleri daha \u00f6nce de veri topluyordu ve kamuoyuna yans\u0131yan, ABD’nin y\u00f6netiminde y\u00fcr\u00fct\u00fclen ECHELON gibi<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[28,70,25,163,124,19,14,22,30,116],"tags":[243,241,138,59,65,242,244],"class_list":["post-548","post","type-post","status-publish","format-standard","hentry","category-bilgisayar-bilimi","category-emek","category-gozetim","category-guvenlik","category-haktivizm","category-ifade-ozgurlugu","category-mahremiyet","category-sansur","category-sosyal-aglar","category-teknoloji-tarihi","tag-2016-abd-secimleri","tag-algoritmalar","tag-algoritmik-duzenleme","tag-buyuk-veri","tag-facebook","tag-istatistik","tag-trump"],"_links":{"self":[{"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/posts\/548","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=548"}],"version-history":[{"count":1,"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/posts\/548\/revisions"}],"predecessor-version":[{"id":551,"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=\/wp\/v2\/posts\/548\/revisions\/551"}],"wp:attachment":[{"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=548"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=548"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/yarimada.gen.tr\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=548"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}![\"\"](\"http:\/\/yarimada.gen.tr\/wp-content\/uploads\/2018\/03\/online_day-247x300.png\")
<\/a><\/p>\n![\"\"](\"http:\/\/yarimada.gen.tr\/wp-content\/uploads\/2018\/03\/economist_facebook-228x300.png\")
<\/a><\/p>\nMatematik \u0130mha Silahlar\u0131<\/h2>\n
Sosyal Medya Platformlar\u0131n\u0131n Artan G\u00fcc\u00fc<\/h2>\n
B\u00fcy\u00fck Veri<\/h3>\n
\n
Bilgisay\u0131msal Y\u00f6ntemler<\/h3>\n
Modelleme<\/h3>\n
Davran\u0131\u015f Bilimleri<\/h3>\n
Ger\u00e7ek Zamanl\u0131 Ortamlardaki Deneysel Bilim<\/h3>\n
Platformlar\u0131n G\u00fcc\u00fc ve Algoritmik Y\u00f6neti\u015fim<\/h3>\n
Sonu\u00e7<\/h2>\n
Notlar:<\/h3>\n