Journals / Namık Kemal Üniversitesi Sosyal Bilimler Meslek Yüksek Okulu Dergisi / 2026 / Cilt: 8 Sayı: 1

An Investigation into the Reliability of Artificial Intelligence Detectors Used in Academic Publications

Akademik Yayınlarda Kullanılan Yapay Zekâ Detektörlerinin Güvenilirliği Üzerine Bir İnceleme

Mevlüt Altıntop(ERCİYES ÜNİVERSİTESİ, SOSYAL BİLİMLER ENSTİTÜSÜ, GAZETECİLİK (DR))0000-0002-1731-9064
Pages
10–27
Publication Date
2026-04-30
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

To overcome this problem, similar studies should be conducted in different fields, and policies should be developed that bring the stakeholders in the field to a reasonable middle ground.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:This study, designed as an experiment, concerns the detection of whether academic texts are generated using artificial intelligence (AI).
📊
Key Findings & Data:This situation, which is open to debate from an ethical and legal perspective, has become a significant problem for both authors and publishers today.
💡
Conclusion & Impact:To overcome this problem, similar studies should be conducted in different fields, and policies should be developed that bring the stakeholders in the field to a reasonable middle ground.
🔬Design:Araştırma Makalesi
📍Scope:Comprehensive Sample
⚙️Variables:Yapay Zekâ · Akademi · Akademik Metin

Abstract

This study, designed as an experiment, concerns the detection of whether academic texts are generated using artificial intelligence (AI). This situation, which is open to debate from an ethical and legal perspective, has become a significant problem for both authors and publishers today. The root cause of the problem is the use of AI in academic work, but what exacerbates and deepens the issue is the uncertainty surrounding at what stage and in what manner AI is used. AI detectors come into play here, attempting to resolve this uncertainty, but the functionality and reliability of this method is another topic of debate. The focus of the debate is that AI detectors give exaggerated rates against the author and/or produce false reports. In this two-stage study, document analysis was performed as a method in the context of content analysis. First, eight different AI applications (AI detectors) were asked to analyze the study text, which did not use AI technology at any stage of the writing process, and report whether it was written by a “human” or “AI.” In the second stage, the same text similarity ratio was scanned by two different programs to obtain a report on the plagiarism rate. According to the analysis results, despite different variables, AI detectors reported that the text was largely written by AI, while similarity scanning programs reported that the text's plagiarism rate was quite low. When this seemingly contradictory situation is evaluated, it is understood that AI detectors are mistaken in this regard and produce largely inaccurate reports. This situation demonstrates the need for all stakeholders in the academic production process to increase their awareness and behave more ethically. The original contribution of this study is that it draws attention to the need to clarify the positions of the perpetrator, the author, and AI, which should be a tool, in order to ensure that these processes are conducted in a more ethical and fair manner. To overcome this problem, similar studies should be conducted in different fields, and policies should be developed that bring the stakeholders in the field to a reasonable middle ground.

Özet

Deneysel bir süreç olarak kurgulanan bu çalışma, akademik metinlerin yapay zekâ (YZ) ile oluşturulup oluşturulmadığının tespitiyle ilgilidir.Etik ve hukuki açıdan tartışmaya açık olan bu durum günümüzde hem yazar hem de yayıncılar için önemli bir sorun hâline gelmiştir. Sorunun temel nedeni, akademik çalışmalarda YZ’nin kullanımıdır fakat sorunu büyüten ve derinleştiren durum, YZ’nin, çalışmanın hangi aşamasında ve hangi şekilde kullanıldığının belirsizliğidir. YZ detektörleri burada devreye girerek belirsizliği gidermeye çalışmaktadır fakat bu yöntemin işlevselliği ve güvenilirliği de bir başka tartışma konusudur. Tartışmanın odağı, YZ detektörlerinin yazar aleyhine abartılı oranlar vermesi ve/veya yanlış raporlama yapmasıdır. İki aşamadan oluşan çalışmada yöntem olarak içerik analizi bağlamında doküman incelemesi yapılmıştır. İlk önce, yazım süreçlerinin hiç bir aşamasında YZ teknolojisi kullanılmayan çalışma metnini, “insan” veya “YZ tarafından yazılmıştır” şeklinde raporlayan sekiz farklı YZ uygulamasından (YZ detektörü) analiz etmesi istenmiştir. İkinci aşamada, aynı metin benzerlik oranı için farklı iki program tarafından da taranarak intihal oranına yönelik rapor elde edilmiştir. Analiz sonucuna göre, farklı değişkenler olsa da YZ detektörleri metnin büyük oranda YZ tarafından yazıldığını, benzerlik taraması yapan programlar ise metnin intihal oranının oldukça düşük olduğunu raporlamıştır. Çelişkili görünen bu durum değerlendirildiğinde, YZ detektörlerinin bu konuda yanıldığı ve büyük oranda hatalı raporlamalar yaptığı anlaşılmaktadır. Bu durum, akademik üretim sürecindeki tüm paydaşların farkındalığını artırarak daha ilkeli davranması gerektiğini göstermektedir. Çalışmanın özgün katkısı, söz konusu süreçlerin etik ve adalete daha uygun şekilde yürütülmesi için fail olan yazar ve bir araç olması gereken YZ’nin konumlarının doğru biçimde netleştirilmesinin gerekliliğine dikkat çekmesidir. Sorunu aşmak için, farklı alanlarda benzer çalışmaların yapılması ve alanın paydaşlarını makul bir orta noktada buluşturacak politikalar geliştirilmesi gerekmektedir.

🔖

Cite This Article

Altıntop, M. (2026). An Investigation into the Reliability of Artificial Intelligence Detectors Used in Academic Publications. Namık Kemal Üniversitesi Sosyal Bilimler Meslek Yüksek Okulu Dergisi, Cilt: 8 Sayı: 1, 10–27. https://doi.org/10.56493/nkusbmyo.1866431

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (45)

  1. Altıntop, M. (2023). Yapay Zekâ/Akıllı Öğrenme Teknolojileriyle Akademik Metin Yazma: Chatgpt Örneği. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (46), 186-211. https://dergipark.org.tr/tr/download/article-file/2966259
  2. Altıntop, M. (2025). Walter Benjamin Perspektifinden Yapay Zekâ ile Sanatsal Üretim Üzerine Teorik Bir İnceleme. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 15(4), 1995-2013. https://doi.org/10.30783/nevsosbilen.1741505
  3. Başal, A. (2025). Benzerlik Oranı Düşürme Çabalarının Tuzakları. LinkedIn. https://www.linkedin.com/pulse/benzerlik-oran%C4%B1-d%C3%BC%C5%9F%C3%BCrme-%C3%A7abalar%C4%B1n%C4%B1n-tuzaklar%C4%B1-ahmet-ba%C5%9Fal-1iuff/ erişim 29.12.2025
  4. Benzer, S., & Kara, F. (2020). Lisansüstü Öğrencilerin Bilim ve Etik Konusundaki Görüşleri. Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 11(1), 288-308. https://dergipark.org.tr/tr/download/article-file/1114339
  5. Bilgi, N. (2017). Nitelikli/Ustaca İntihal (Skillful Plagiarism): Örnek Vaka”. Cihannüma Tarih ve Coğrafya Araştırmaları Dergisi, 3(2), 209-231. https://dergipark.org.tr/tr/download/article-file/3482274
  6. COPE Council. (2024). COPE position - Authorship and AI - English. Committee on Publication Ethics https://doi.org/10.24318/cCVRZBm
  7. Dadaloğlu, A. (2026). Bir video gerçek mi! Yoksa yapay zeka ile mi oluşturulmuş! X. https://x.com/borsacibaba/status/2008112686534438971?s=20 erişim 08.01.2026
  8. Day, R. A. (2000). Bilimsel Bir Makale Nasıl Yazılır ve Yayımlanır? (G. Aşkar Altay, Çev.). Ankara: TÜBİTAK.
  9. Demir, A. (2023). İntihal Tespit Yazılımlarının Kullanımı: İyi bir benzerlik raporu oranı ne olmalıdır? Tetkik, (4), 1-4. https://doi.org/10.55709/tetkik.4.1374191.
  10. Demiral Bakırman, B. (2015). İntihal Suçları. Ceza Hukuku ve Kriminoloji Dergisi, 3(2), 57-78. https://dergipark.org.tr/tr/download/article-file/331418
  11. Derrida, J. (1981). Dissemination (B. Johnson, Trans.). The Athlone Press.
  12. Derrida, J. (1972). La dissémination. Éditions du Seuil.
  13. Derrida, J. (2012). Platon’un Eczanesi. (Z. Direk, Çev.). İstanbul: Pinhan Yayıncılık.
  14. Eldoğan, D., Korkmaz, L., Yeniçeri, Z. & Kökdemir, D. (2017). Akademik Yazım Kuralları Kitapçığı. Başkent Üniversitesi.
  15. Geray, H. (2006). Toplumsal Araştırmalarda Nicel ve Nitel Yöntemlere Giriş İletişim Alanından Örneklerle. Siyasal Kitabevi.
  16. Güçlüer, E., Ak, G., Arlı, Ö., Şimşek, B., Alptekin, H., Öztürk, Ö., Sağbaş, M., Erdoğan, F. A., Bostan, A., Dinç, S., Şahin, G. & Türkeş Yuşan, İ. (2024). Bilimsel Araştırma Yöntemleri ve Yayın Etiği. (Arlı, Ö. Ed.). İstanbul: Milli Savunma Üniversitesi Yayınları.
  17. ICMJE. (2025). Defining the Role of Authors and Contributors. International Committee of Medical Journal Editors (ICMJE). https://www.icmje.org/recommendations/browse/roles-and-responsibilities/defining-the-role-of-authors-and-contributors.html#four erişim 30.12.2025
  18. Işık, M., & Çamur, Ö. (2024). Yapay Zekâ ve Dijital Okuryazarlık: Akademik Çabada Yeni Dinamikler. Beykoz Akademi Dergisi, 12(2), 173-197. https://doi.org/10.14514/beykozad.1508294
  19. İstanbul Üniversitesi. (2025). Yapay Zeka Politikası, İstanbul Üniversitesi. https://iupress.istanbul.edu.tr/journal/connectist/information/yapay-zeka-politikasi erişim 25.12.2025
  20. İşeri, K. ve Aydın, E. (2024). Tür olarak akademik söylem. Uluslararası Yabancı Dil Olarak Türkçe Öğretimi Dergisi, 7(2-Akademik Türkçe Özel Sayısı), 353-369. https://dergipark.org.tr/tr/download/article-file/3555786
  21. Kahraman F. & Bölükbaşı Kaya, F. (2024). Türkçe akademik yazma becerisinin geliştirilmesine yönelik uygulamalar. Uluslararası Yabancı Dil Olarak Türkçe Öğretimi Dergisi, 7(2-Akademik Türkçe Özel Sayısı), 250-279. https://dergipark.org.tr/tr/download/article-file/3319448
  22. Kanat, A. & Kardaş, M.N. (2024). Konuşma Eğitimi Alanında Yayımlanmış Makalelerin Akademik Metin Yazma İlkelerine Uygunluğu Üzerine Bir İnceleme. Kuram ve Uygulamada Sosyal Bilimler Dergisi, 8(1), 142-167. https://doi.org/10.48066/kusob.1446207
  23. Kaya, M., & Özel, S. A. (2016). Türkçe Dokümanlardaki Benzerliklerin Tespiti İçin Mevcut Yazılımların Karşılaştırılması ve Türkçe Karakter Kullanımı ile Kök Almanın Etkisinin İncelenmesi. Çukurova Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 29(2), 115-130. https://doi.org/10.21605/cukurovaummfd.242836
  24. Kıral, B. (2020). Nitel Bir Veri Analizi Yöntemi Olarak Doküman Analizi. Siirt Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 8(15), 170-189. https://dergipark.org.tr/tr/download/article-file/1156348
  25. Kirchenbauer, J., Geiping, J., Wen, Y., Katz, J., Miers, I., & Goldstein, T. (2023). A watermark for large language models. Proceedings of the 40th International Conference on Machine Learning, 202, 17061–17084. https://proceedings.mlr.press/v202/kirchenbauer23a.html erişim 15.03.2026
  26. Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7). https://doi.org/10.1016/j.patter.2023.100779
  27. Mitchell, E., Lee, Y., Khazatsky, A., Manning, C. D., & Finn, C. (2023). DetectGPT: Zero-shot machine-generated text detection using probability curvature. Proceedings of the 40th International Conference on Machine Learning, 202. https://proceedings.mlr.press/v202/mitchell23a.html erişim 15.03.2026
  28. Ndlovu, S. (2025). AI Detector Claims the Declaration of Independence was AI-written. East Coast Radio. https://www.ecr.co.za/shows/east-coast-breakfast/ai-detector-declaration-independence-was-ai/ erişim 30.12.2025
  29. Özdemir, A. Y. (2022). Alman Dili Eğitimi Alanında Hazırlanan Doktora Tezlerinin Atıf Analizi. Diyalog Interkulturelle Zeitschrift Für Germanistik, 10(2), 377-394. https://doi.org/10.37583/diyalog.1217622
  30. Özenç Uçak, N., & Birinci, H. G. (2008). Bilimsel etik ve intihal. Türk Kütüphaneciliği, 22(2), 187-204. https://dergipark.org.tr/tr/download/article-file/815082
  31. Özkan, Ö. & Çatıker, A. (2006). Bilimsel Makalede Kaynak Gösterme Kuralları. Hemșirelikte Araștırma Geliștirme Dergisi, 8(1), 6-22. http://hemarge.org.tr/ckfinder/userfiles/files/2006/2006-vol8-sayi1-111.pdf erişim 28.12.2025
  32. Perry, C. (2025). How Do AI Detectors Work: Everything You Need to Know. UndetectableAI. https://undetectable.ai/blog/how-do-ai-detectors-work/ erişim 30.12.2025
  33. Sadasivan, V. S., Kumar, A., Balasubramanian, S., Wang, W., & Feizi, S. (2023). Can AI-generated text be reliably detected? https://doi.org/10.48550/arXiv.2303.11156
  34. Sak, R., Şahin Sak, İ. T., Öneren Şendil, Ç., & Nas, E. (2021). Bir araştırma yöntemi olarak doküman analizi. Kocaeli Üniversitesi Eğitim Dergisi, 4(1), 227-250. http://doi.org/10.33400/kuje.843306
  35. Şentürk, S. (2020). Akademik Sahtekârlık ve İntihal Üzerine Bir Araştırma: Türkiye’deki Mevcut Durum. ISophos: Uluslararası Bilişim, Teknoloji ve Felsefe Dergisi, 3(5), 1-14. https://www.isophos.org/is-cont/uploads/pdf/05/akademik-sahtekarlik-ve-intihal-uzerine-bir-arastirma-turkiyedeki-mevcut-durum.pdf
  36. Toprak, Z. (2017). Türkiye’de Akademik Yazı: İntihal ve Özgünlük. Bogazici University Journal of Education, 34(2), 1-12. https://dergipark.org.tr/tr/download/article-file/474131
  37. TÜBİTAK. (2024). American Psychological Association (APA) Yazım Stili 7. Sürüme Göre Atıf Kılavuzu. TÜBİTAK. https://tubitak.gov.tr/sites/default/files/2024-10/ek2_2204_apa7_atif_kilavuzu_16.10.2024.pdf erişim 31.12.2025
  38. Ulaş, M. (2025). Akademisyenlerin Yapay Zekâ Teknolojilerini Kullanma Motivasyonları Üzerine Nitel Bir Araştırma. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 34(Uygarlığın Dönüşümü: Yapay Zekâ), 142-159. https://doi.org/10.35379/cusosbil.1679553
  39. WAME. (2023). Chatbots, Generative AI, and Scholarly Manuscripts. World Association of Medical Editors (WAME). https://wame.org/page3.php?id=106 erişim 30.12.2025
  40. Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., & Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, Article 26. https://link.springer.com/article/10.1007/s40979-023-00146-z
  41. Wu, J., Yang, S., Zhan, R., Yuan, Y., Chao, L. S., & Wong, D. F. (2025). A survey on LLM-generated text detection: Necessity, methods, and future directions. Computational Linguistics, 51(1), 275–338. https://doi.org/10.1162/coli_a_00549
  42. Yaşar, E. (2018). Akademik İntihal, Nedenleri ve Çözüm Önerileri. Uluslararası Eğitim Araştırmacıları Dergisi, 1(1), 34-44. https://dergipark.org.tr/en/download/article-file/611606
  43. Yavuzdoğan, S. (2017). İdari Yargı Kararlarından Hareketle “İntihal”. İnönü Üniversitesi Hukuk Fakültesi Dergisi, 8(1), 225-254. https://doi.org/10.21492/inuhfd.311127
  44. Yılmaz, M. C. & Emiroğlu, O. Y. (2005). Bilimsel Bir Makale Nasıl Yazılır? Hemșirelikte Araștırma Geliștirme Dergisi, 7(1), 26-38. http://hemarge.org.tr/ckfinder/userfiles/files/2005/2005-vol7-sayi1-105.pdf erişim 28.12.2025
  45. Yüksek Öğretim Kurumu. (2024). Yükseköğretim Kurumları Bilimsel Araştırma ve Yayın Faaliyetlerinde Üretken Yapay Zekâ Kullanımına Dair Etik Rehber. Yüksek Öğretim Kurumu. https://proje.yok.gov.tr/documentFiles/17539645334.Y%C3%BCksek%C3%B6%C4%9Fretimde%20%C3%BCretken%20yapay%20zeka%20kullan%C4%B1m%C4%B1-tr.pdf erişim 25.12.2025