Dijital Kozmos: Türkiye’de Akademik Bilginin Evrimi, Epistemik İzomorfizm ve Anlamın Yeniden İnşası
ŞIRNAK ÜNİVERSİTESİ İLAHİYAT FAKÜLTESİ DERGİSİ, cilt.0, sa.39, ss.6-29, 2026 (ESCI, TRDizin)
- Yayın Türü: Makale / Tam Makale
- Cilt numarası: 0 Sayı: 39
- Basım Tarihi: 2026
- Doi Numarası: 10.35415/sirnakifd.1737734
- Dergi Adı: ŞIRNAK ÜNİVERSİTESİ İLAHİYAT FAKÜLTESİ DERGİSİ
- Derginin Tarandığı İndeksler: Emerging Sources Citation Index (ESCI), Arab World Research Source, Directory of Open Access Journals, TR DİZİN (ULAKBİM), Academic Search Ultimate (EBSCO)
- Sayfa Sayıları: ss.6-29
- Erciyes Üniversitesi Adresli: Evet
Özet
Bu çalışma, Türkiye'de akademik bilgi üretiminin tematik evrimini ve epistemolojik dinamiklerini, 1978-2024 yılları arasında yayımlanmış 3.749 yüksek lisans ve doktora tezine dayalı derin öğrenme tabanlı bir analiz yoluyla incelemektedir. BERTopic, SHAP (Shapley Additive Explanations) ve t-SNE (t-distributed Stochastic Neighbor Embedding) gibi ileri düzey makine öğrenme yöntemlerinden yararlanan bu araştırma, farklı disiplinler ve kurumlar arasında tematik kümeleri, anlamsal yapıları ve zamansal dönüşümleri belirlemeyi amaçlamaktadır. Yüksek lisans ve doktora tezlerini zaman içinde (1978-2024) inceleyen bu makalenin araştırma sorusu, kurumsal, dilsel ve sosyo-teknik faktörlerin Türkiye'deki akademik bilgi üretiminin tematik evrimini ve epistemolojik dinamiklerini nasıl şekillendirdiğidir. Söz konusu soruyu yanıtlamak için, derin öğrenmeye dayalı konu modellemesi, açıklanabilir yapay zeka (XAI) ve ağ analizini birleştiren bir hesaplamalı karma yöntem yaklaşımı araştırma yöntemi olarak kabul edilmiştir. Çalışmanın bulguları, tezlerin yazım dili gibi dilsel değişkenlerin tematik dağılımların biçimlenmesinde en belirleyici rolü oynadığını ortaya koymaktadır (SHAP değeri |SHAP| > 11.58). Kurumsal ve disipliner sınıflandırmaların da anlamlı etkileri bulunmakla birlikte, bu etkiler daha sınırlı düzeydedir. Bu durum, akademik ortamlarda “epistemik izomorfizm” olgusunun varlığına işaret etmektedir. Yüksek boyutlu anlamsal analizler, dijitalleşme tematik alanının heterojen ve geniş bir kavramsal uzam oluşturduğunu göstermektedir. Buna karşılık, makine öğrenmesi ve blokzincir teknolojileri gibi alanlar yüksek derecede anlamsal tutarlılık ve bütünleşme sergilemekte olup, bu durum semantik olarak kutuplaşmış paradigmaların oluşumuna işaret etmektedir. Anlamsal ağ analizleri, dijitalleşme temasını çeşitli epistemik toplulukları birbirine bağlayan bir “anlamsal aracı” işlevi gören merkezi bir düğüm olarak tanımlamaktadır. Bu bulgu, Latour’un aktör-ağ kuramı ile Gibbons ve arkadaşlarının Mode 2 bilgi üretimi modeliyle örtüşmektedir. Dolayısıyla akademik bilgi üretimi; dilsel, kurumsal ve sosyo-teknik etkenlerle şekillenen dinamik, karmaşık ve uyarlanabilir bir süreç olarak değerlendirilmektedir. Elde edilen bulgular, yalnızca disiplinlerarası yakınsama ve bilgi yayılımı üzerine kavrayışımızı derinleştirmekle kalmayıp, aynı zamanda disiplinlerarası araştırmaları teşvik etmeye ve stratejik politika planlamalarına yönelik yeni açılımlar da sunmaktadır.
This study investigates the thematic evolution and epistemological dynamics of academic knowledge production in Turkey through a deep learning-based analysis of 3,749 master's and doctoral theses published between 1978 and 2024. Drawing on advanced machine learning methodologies -particularly BERTopic, SHAP (SHapley Additive exPlanations), and t-SNE (t- distributed Stochastic Neighbor Embedding)- the purpose of this research is to identify thematic clusters, semantic structures, and temporal transformations across multiple disciplines and institutions. By analysing master's and doctoral theses over time (1978-2024), the research question of this paper is how do institutional, linguistic, and socio-technical factors shape the thematic evolution and epistemological dynamics of academic knowledge production in Turkiye?" To answer such questions, it pursues a computational mixed-methods approach, combining deep learning-based topic modeling, explainable AI (XAI), and network analysis. Based on an extensive research, the study finds that the linguistic variable, particularly the language of thesis composition, plays the most significant role in shaping thematic distributions, as evidenced by SHAP value analysis (|SHAP| > 11.58). Institutional and disciplinary classifications also exert notable influence, though to a lesser extent, suggesting a phenomenon of epistemic isomorphism in academic settings. High-dimensional semantic analysis reveals that the thematic area of digitalization forms a heterogeneous and expansive conceptual space. In contrast, domains such as machine learning and blockchain technologies exhibit high semantic cohesion and consolidation, indicating the emergence of semantically polarized paradigms. Semantic network analyses identify the digitalization theme as the central node, functioning as a “semantic mediator” that bridges diverse epistemic communities, an insight aligned with Latour’s actor-network theory and the Mode 2 knowledge production model by Gibbons et al. The study concludes that academic knowledge production is a dynamic, complex, and adaptive process shaped by linguistic, institutional, and socio-technical factors. Its findings not only enhance our understanding of disciplinary convergence and knowledge diffusion but also suggest strategic directions for fostering interdisciplinary research and policy planning.