Akademik Veri Yönetim Sistemi
2nd International Media, Digital Culture and Religion Congress, Skopje, Makedonya, 17 - 18 Mayıs 2025, ss.47, (Özet Bildiri)
Yapay zekâ okuryazarlığı, bireylerin YZ sistemlerinin temel ilkelerini, yapısal bileşenlerini ve işleyiş dinamiklerini anlayabilme yeterliliğini ifade eder. Bu bağlamda, YZ okuryazarı bireyler; makine öğrenmesi, derin öğrenme ve doğal dil işleme gibi alt alanların temel kavramlarına hâkimdir. Ayrıca, farklı YZ platformları, uygulamaları ve model türleri arasındaki metodolojik ve işlevsel farklılıkları ayırt edebilme becerisine sahiptirler.
Önyargılı veri, algoritmik adaletsizlik, sınırlı model şeffaflığı ve açıklanabilirlik zafiyetleri gibi etik ve güvenlik sorunlarını tanıyabilmek, YZ okuryazarlığının temel bir parçasıdır. Dahası, bu yetkinlik; sistematik ayrımcılık ve nefret gibi daha geniş toplumsal etkilerin analizine imkân tanıyan kapsamlı bir sosyo-teknik eleştirel bilinç oluşturur. YZ modellerinin çıktılarında ortaya çıkan dışlayıcı örüntülerin teşhisinden, algoritmik tarafsızlık ilkesiyle çelişen sonuçların eleştirel değerlendirilmesine kadar, YZ okuryazarlığı; dijital adalet, açıklanabilirlik ve temsilde adalet gibi değerlere dayanan eleştirel bir teknolojik perspektifin gelişiminde belirleyici bir rol oynar.
İslamofobi gibi yapısal önyargıların dijital yansımalarıyla mücadelede YZ okuryazarlığı, bireylere hem teknik uzmanlık hem de etik muhakeme becerileri kazandırır. Bu sayede bireyler, algoritmik sistemlerle eleştirel şekilde etkileşime geçebilir, ayrımcı sonuçlara karşı bilinçli bir direnç geliştirebilir ve daha adil, şeffaf ve kapsayıcı dijital ortamların inşasına etkin biçimde katkı sunabilirler.
Artificial intelligence literacy refers to the foundational competence of individuals to understand the core principles, architectural structures, and operational dynamics of AI systems. In this context, AI-literate individuals are familiar with essential concepts from subfields such as machine learning, deep learning, and natural language processing. They are also able to distinguish methodological and functional differences across various AI platforms, applications, and model types.
Recognizing ethical and security issues—such as data bias, algorithmic unfairness, limited model transparency, and explainability gaps—is an essential part of AI literacy. Moreover, it constitutes a comprehensive socio-technical critical awareness that allows for the analysis of broader societal impacts, including systemic discrimination and hate. From identifying exclusionary patterns in model outputs to critically evaluating results that violate the principles of algorithmic neutrality, AI literacy plays a vital role in developing a critical technological perspective grounded in values such as digital justice, explainability, and representational fairness.
In addressing the digital manifestations of structural biases such as Islamophobia, AI literacy equips individuals with both technical expertise and ethical reasoning. It enables them to critically engage with algorithmic systems, resist discriminatory outcomes in informed ways, and actively contribute to the design of more just, transparent, and inclusive digital environments.