Yeni nesil yapay zeka “merak”ı ölçüyor: İnsanların neden belirli sorulara takıldığını sayısallaştıran deneyler ve olası toplumsal etkiler

Merak: Duygu mu, ölçü birimi mi?

Bilim dünyasında “merak” diye bir şey var; tamam, kulağa romantik geliyor. Ama işin aslı şu ki merak, sadece içerden hissettiğimiz bir duygu değil; davranışlara yansıyan, iz bırakabilen, hatta ölçüm cihazlarının yakalayabildiği bir bilişsel akış. Son yıllarda yapılan çalışmalar, insanların bir soruya neden yöneldiğini “hissettirerek” değil, etkileşim örüntülerini didik didik ederek açıklamaya başladı. Yanıt davranışı, dikkat izleri, dil tercihleri… Hepsi de merakın hangi koşullarda büyüyüp hangi anda sönümlendiğini ele veriyor.

Yeni bir araştırma çizgisi var ki bence en kritik tarafı burada: Merakı sadece “var/yok” diye etiketlemiyor; çevrim içi içeriklerde nasıl tetiklendiğini, ne kadar süre canlı kaldığını ve hangi noktada “öğrenme”ye evrildiğini sayısallaştırmaya çalışıyor. Bu bakış açısı; eğitim teknolojilerinden bilim iletişimine, hatta haber öneri sistemlerine ve sağlık okuryazarlığına kadar uzanan geniş bir sahaya dokunuyor. Çünkü dijital dünyada merak çoğu zaman tek bir tıkla başlıyor, ama öğrenmeye dönüşüp dönüşmemesi tamamen tasarımın ve bağlamın işi.

Tek bir merak yok; merakı kuran parçalar var

Yayımlanan bulguların ortak paydası şu: Merak tek bir ölçüt değil. Sanki tek bir düğme gibi basıp “merak başladı” diyemiyorsun. Merak daha çok, birkaç bileşenin aynı anda çalıştığı bir mini sistem. Araştırmacılar bunu; beklenti, bilgi açığı ve çözme çabası gibi parçalara ayırıyor.

• Beklenti: Kullanıcının yanıtın geleceğine dair kurduğu tahmin. “Bir şey olacak” hissi. İnsanlar bazen cevabı henüz görmemişken bile zihninde bir devam filmi yazıyor; merak orada kıpırdıyor.

• Bilgi açığı: Elindeki bilgilerle aradığı şey arasındaki mesafe. Bu mesafe ne kadar netse merakın yakıtı da o kadar belirgin oluyor.

• Çözme çabası: Kullanıcının doğru bilgiye ulaşmak için gösterdiği uğraş. Sadece bakmak değil; aramak, denemek, bağ kurmak… Kısacası “çaba” kısmı merakı görünür kılıyor.

Bu parçaları da etkileşim verilerinden örüyorlar: Bir soruyu kaç kez görüntülediği, ekrana kaç saniye “gerçekten” baktığı, arama terimlerinde hangi kelimeleri seçtiği, yanıtı görmeden önce hangi tür ipuçlarına takıldığı… Hatta kullanıcı yanıtı görmeden önce geri gidip ileri atlıyor mu, yoksa tek seferde mi karar veriyor? İşte bu ayrıntılar bir araya gelince merak, duygusal bir etiket olmaktan çıkıp etkileşimden türetilen bir performans parametresine dönüşüyor. Yani merak, artık “sözde” değil, “davranışta” okunuyor.

“Neden” ve “nasıl” soruları aynı kapıyı açmıyor

Çevrim içi platformlarda özellikle “neden” ve “nasıl” odaklı soru havuzları çok şey söylüyor. Onedio gibi yerlerde kullanıcıların merak uyandıran sorulara verdiği yanıtların arşivlenmesi, dilsel kalıpların merakla nasıl temas kurduğunu incelemek için ciddi bir veri zemini sunuyor.

İşin ilginç yanı şu: “Neden” soruları genellikle nedensel açıklamaya yön veriyor; “nasıl” soruları ise süreci zihinde canlandırmaya itiyor. Fakat bu etki, kör bir kural gibi işlemiyor; konuya, hedef kitleye ve kullanıcının bilgi seviyesine göre ince ince değişiyor. Bunun içerik tasarımında karşılığı net: Sadece dikkat çekmek yetmiyor. Kullanıcıyı belirli bir bilişsel hedefe doğru yönlendirebiliyorsun. Merak artık “tıklatıcı bir süs” değil; öğrenmenin rotasını çizen bir tasarım aracı haline geliyor.

Şaşırtıcılık tek başına yetmiyor; doğru zorluk şart

Merak ölçümünde en sık konuşulan denge “beklenmedik bilgi” ile “uygun zorluk” arasındaki çizgi. Popüler bilimde “inanmakta zorlanacağınız” türden cümleler merakı parlatır; bunu herkes biliyor. Ama yeni araştırmaların söylediği daha ince bir şey var: Merak sadece şokla büyümüyor. Bilginin, kullanıcının zihninde anlamlı bir çerçeveye oturması gerekiyor.

Örneğin fenomenin yanlış anlaşılmaya açık bir yönünü, kısa bir bağlamla düzeltmek; kullanıcıyı bir sonraki soruya geçmeye daha istekli hale getirebiliyor. Bu ayrıntı kulağa küçük geliyor ama dijital çağın gerçekliğiyle birebir örtüşüyor: Bilgiye erişim hızlandı, doğrulama refleksi ise çoğu zaman zayıfladı. Böyle olunca merak, kontrollü biçimde yönlendirilmezse öğrenmeye de kayar, yanlış bilgiye de. Yani mesele “daha çok merak” değil; “daha doğru merak” üretmek.

Merak, dijital dayanıklılıkla aynı hatta yürüyebilir

Bir başka dikkat çekici boyut “dijital dayanıklılık.” Dijital mecralarda hızlı tüketim alışkanlıkları, kişinin bir soruya odaklanma süresini kısaltabiliyor. Bu durumda merak çoğu zaman derinleşmiyor; yüzeyde dolaşıyor. Peki merak nasıl korunur? Araştırmacılar kısa formatlı içeriklerde merakı ayakta tutacak tasarım unsurlarını test ediyor:

• Sorunun tek cümleyle merak uyandırması

• Ardından küçük bir ipucunun gelmesi

• Devamında ise doğrulama gerektiren ek bir adım sunulması

Böyle bir yapı kullanıcının sadece tıklamasını değil, bilişsel olarak da ilerlemesini teşvik ediyor. “Tüketim” döngüsünden çıkıp “öğrenme” döngüsüne geçiş burada başlıyor. Merak, doğru ritimle verildiğinde hızın içinde bile derinleşebiliyor.

Eğitimde soru kurgusu: Merakın motoru

Eğitim materyallerinde soruların kurgulanması doğrudan dikkat toplama ve kavramlar arası bağ kurma süreçlerini etkiliyor. MEB düzeyinde paylaşılan bazı içeriklerde görülen eleştirel ama yönlendirici dil, bence eğitim tasarımının temel sorununa dokunuyor: Öğrencinin soruyu merak ederek ele alması, ardından kavramı anlamlandırarak ilerlemesi… İşte merakın ölçülmesi burada anlam kazanıyor.

Merakı ölçen yapay zeka sistemleri, öğretmenlerin ve içerik üreticilerin hangi soru tiplerinin hangi öğrenme aşamasında daha etkili olduğunu daha hızlı görmesine yardım edebilir. Bu sayede “ben böyle yaptım” değil, “şu aşamada şu soru tipi daha çok bilişsel ilerleme yaratıyor” gibi daha somut kararlar mümkün olur.

Yapay zeka merakı nasıl yakalıyor?

“Peki yapay zeka merakı nasıl ölçüyor?” sorusunun cevabı, tek bir sihirli gösterge değil; çok değişkenli bir resim okuma işi. Güncel yaklaşımlar, kullanıcı etkileşimlerini bir dizi sinyalle birlikte ele alıyor.

Mesela bir kullanıcı belirli bir soruyu gördükten sonra şu davranışları sergiliyorsa merak sinyali güçleniyor:

• Soruyu yeniden görüntüleme

• İlgili anahtar kelimelerle arama yapma

• Benzer sorular arasında geçiş yapma

• Yanıtı görmeden önce ek bilgiye dönük kısa etkileşimler kurma

• Yanıtı okuduktan sonra daha spesifik bir devam sorusuna geçme

Model, bu davranışları zamansal sırayla birleştirip bir “merak skoru” üretiyor. Bu skor da içerik önerisi veya eğitim akışı için bir kontrol parametresi gibi kullanılabiliyor. Yani sistem, kullanıcıyı “tıklıyor/tıklamıyor” diye sınıflamıyor; bilişsel olarak nereye doğru aktığını anlamaya çalışıyor.

Haber önerisi: Tıklama değil, bilişsel ilerleme

Haber ekosisteminde bu yaklaşımın etkisi ayrıca tartışılıyor. Haber öneri sistemleri çoğu zaman tıklama oranını optimize ediyor; ama tıklama ile öğrenme arasında düz bir doğru çizmek çoğu zaman yanıltıcı. Merak odaklı ölçüm, sadece “ilgi çekicilik” seviyesini değil, kullanıcıyı daha fazla doğrulama arayışına iten bilişsel ilerleme sinyallerini de hesaba katmayı mümkün kılabilir.

Böylece viral olma potansiyeli taşıyan içerikler, aynı zamanda yanlış bilgi riskini azaltacak biçimde tasarlanabilir: Kısa bir bağlam, ardından kaynak kontrolüne imkân veren bir ek adım ve son olarak konuya dair sayısallaştırılmış veri sunumu… Okur “sadece geçmesin”; zihninde bir kontrol mekanizması çalışsın.

Sağlıkta merak: Daha hassas, daha temkinli

Sağlık iletişimi tarafında merakın ölçülmesi daha da hassas. İnsanlar “Bu semptom ne anlama gelir?” gibi sorulara yönelirken, yanlış bir yönlendirme kaygıyı büyütebilir. Bu yüzden merak skoru tek başına çözüm değil; doğruluk kontrolü ve risk iletişimiyle birlikte ele alınmalı.

Araştırmacıların altını çizdiği nokta şu: Sağlık içeriğinde merakı artıran dil mutlaka güvenilir çerçevelerle desteklenmeli. Aksi halde kullanıcı kendi durumunu genelleyip yanlış kararlar alabilir. Bu yaklaşım, bilişsel dayanıklılık tartışmalarındaki “yanlış çıkarım döngülerini” kırma hedefiyle de uyumlu.

Bilim iletişiminde açıklama mimarisi belirleyici

Bilim iletişiminde merakın rolü özellikle görünür. Popüler bilim yayınlarında “şaşırtan gerçekler” ve “merak uyandıran haberler” çoğu zaman yüksek etkileşim getiriyor. Fakat işin aslı şu ki viral başarı yalnızca şaşırtıcılıktan ibaret değil; açıklama mimarisinden kaynaklanıyor.

Kısa bir örnekle başlayan, ölçülebilir bir mekanizmayı adım adım anlatan ve okuyucuya bir “devam sorusu” bırakan içerikler daha güçlü etkileşim üretebiliyor. Yapay zekâ merak ölçümü de bu mimarinin hangi parçalarının daha etkili çalıştığını test edip içerik üreticilere net geri bildirim sağlayabilir. Yani “daha çok merak” değil; “daha iyi merak akışı” hedeflenir.

Etik tarafı: Merak ölçmek, manipülasyon riski taşıyabilir

Bu noktada etik boyutlar kritik hale geliyor. Merakı ölçen sistemler kullanıcıların bilişsel durumunu hedefleyerek davranışlarını etkileyebilir. Bu, rıza, şeffaflık ve veri minimizasyonu ilkeleriyle uyumlu tasarlanmadığında manipülasyon riskini büyütür.

Araştırmacılar; merak skorlarının kullanıcıya açıklanabilir olmasını, öneri mekanizmasının denetlenebilir olmasını ve özellikle hassas alanlarda (sağlık, finans, eğitim) otomatik yönlendirme yerine insan denetimini şart koşuyor. Ayrıca verilerin sadece amaçlanan analiz için kullanılması, uzun süreli profil çıkarımından kaçınılması öneriliyor. Çünkü merak ölçmek, kontrol kurmak anlamına gelmemeli.

Merakın ölçülebilirliği: Yeni bir tasarım dönemi

Merakın yapay zekâ ile ölçülmesi; eğitim, bilim iletişimi, haber önerisi ve dijital dayanıklılık gibi alanlarda yeni bir dönemin kapısını aralıyor. “Neden” ve “nasıl” sorularına dayalı içeriklerin etkileşim verileriyle birlikte analiz edilmesi, merakın hangi koşullarda öğrenmeye dönüştüğünü daha sağlam modellerle ortaya koymaya yardımcı oluyor.

Önümüzdeki dönemde asıl belirleyici olan şey, bu yaklaşımların etik çerçevelerle desteklenmesi ve ölçümün sadece tıklama değil bilişsel ilerleme hedefleriyle uyumlandırılması. Teknolojinin toplumsal faydası, burada netleşiyor.

Rastgele değil: Tasarlanmış merak

Merak uyandıran içerikler artık rastlantısal bir başarı hikâyesi olmaktan çıkıyor. Ölçülebilir, test edilebilir ve geliştirilebilir bir tasarım alanı olarak konumlanıyor. Böylece okuyucu yalnızca dikkatini çeken bir şeye takılmıyor; soruların ardındaki mekanizmalara daha sağlam bir şekilde ilerleyebiliyor. Bu da bence yeni bir iletişim standardının başlangıcı: Merak, sürükleyen bir etki değil; yön veren bir köprü haline geliyor.