Dergiler / KADEM Kadın Araştırmaları Dergisi / 2026 / Sayı: 1 Özel Sayı

Adil Yapay Zekâ İçin Yeni Bir Standart Arayışı: Feminist Yapay Zekâ Cinsiyet Yanlılığı Değerlendirme Çerçevesi Özet

Searching for a New Standard for Fair Artificial Intelligence: Feminist Artificial Intelligence Gender Bias Evaluation Framework

Gözde Yardım Eray(ANADOLU ÜNİVERSİTESİ)0000-0001-6457-6904
Sayfa
57–90
Yayın Tarihi
2026-09-30
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Kavramsal bir geliştirme çalışması niteliğindeki bu dijital araç, teknik uzmanlık gerektirmeyen erişilebilir yapısıyla hem akademik tartışmalara hem de kapsayıcı yapay zekâ politikalarının geliştirilmesine somut bir katkı sağlamayı amaçlamaktadır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışma, yapay zekâ sistemlerinde giderek belirginleşen algoritmik cinsiyet yanlılığı sorununu ele almakta ve bu soruna yönelik feminist bir denetim çerçevesi sunmaktadır.
📊
Temel Bulgular & Veri:Teknik denetim mekanizmaları ile feminist kuramsal çerçeveler arasındaki etkileşimi güçlendirmeyi hedefleyen bu araştırma, teorik birikimi uygulanabilir bir değerlendirme pratiğiyle buluşturan Feminist Yapay Zekâ Cinsiyet Yanlılığı Değerlendirme Çerçevesi’ni (FemAI-DEÇ) geliştirmiştir.
💡
Sonuç & Katkı:Kavramsal bir geliştirme çalışması niteliğindeki bu dijital araç, teknik uzmanlık gerektirmeyen erişilebilir yapısıyla hem akademik tartışmalara hem de kapsayıcı yapay zekâ politikalarının geliştirilmesine somut bir katkı sağlamayı amaçlamaktadır.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yapay zekâ · Algoritmik yanlılık · Feminist epistemoloji

Özet

Bu çalışma, yapay zekâ sistemlerinde giderek belirginleşen algoritmik cinsiyet yanlılığı sorununu ele almakta ve bu soruna yönelik feminist bir denetim çerçevesi sunmaktadır. Teknik denetim mekanizmaları ile feminist kuramsal çerçeveler arasındaki etkileşimi güçlendirmeyi hedefleyen bu araştırma, teorik birikimi uygulanabilir bir değerlendirme pratiğiyle buluşturan Feminist Yapay Zekâ Cinsiyet Yanlılığı Değerlendirme Çerçevesi’ni (FemAI-DEÇ) geliştirmiştir. Feminist kuramsal yaklaşımlar ışığında yapılandırılan bu model; Veri Adaleti, Tasarım ve Katılım, Çıktı Analizi ile Hesap Verebilirlik ve Şeffaflık olmak üzere dört temel boyutu kapsamaktadır. Oluşturulan bu çerçeve; yapay zekâ sistemlerinin sistematik bir biçimde denetlenmesi, etik risklerin ölçülebilir hâle getirilmesi ve şeffaflığın artırılması amacıyla interaktif bir puanlama sistemiyle dijital ortamda kullanıma sunulmuştur. Kavramsal bir geliştirme çalışması niteliğindeki bu dijital araç, teknik uzmanlık gerektirmeyen erişilebilir yapısıyla hem akademik tartışmalara hem de kapsayıcı yapay zekâ politikalarının geliştirilmesine somut bir katkı sağlamayı amaçlamaktadır.

Abstract

This study addresses the problem of algorithmic gender bias, which has become increasingly visible in artificial intelligence systems, and presents a feminist audit framework for this problem. Aiming to strengthen the interaction between technical audit mechanisms and feminist theoretical frameworks, this research has developed the Feminist Artificial Intelligence Gender Bias Evaluation Framework (FemAI-DEC), which brings theoretical knowledge together with an applicable evaluation practice. Structured in light of feminist theoretical approaches, this model includes four main dimensions: Data Justice, Design and Participation, Output Analysis, and Accountability and Transparency. This framework has been made available in a digital environment through an interactive scoring system in order to enable the systematic auditing of AI systems, make ethical risks measurable, and increase transparency. This digital tool, as a conceptual development study, aims to provide a concrete contribution to both academic discussions and the development of inclusive AI policies with its accessible structure that does not require technical expertise.

🔖

Bu Makaleye Atıf Yap

Eray, G. Y. (2026). Adil Yapay Zekâ İçin Yeni Bir Standart Arayışı: Feminist Yapay Zekâ Cinsiyet Yanlılığı Değerlendirme Çerçevesi Özet. KADEM Kadın Araştırmaları Dergisi, Sayı: 1 Özel Sayı, 57–90. https://doi.org/10.21798/kadem.2026.218

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (24)

  1. Buolamwini, J. & Gebru, T. (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. Proceedings of Machine Learning Research, 81, 77–91. https://proceedings.mlr.press/v81/buolamwini18a.html
  2. Collins, P. H. (1990). Black feminist thought: Knowledge, consciousness, and the politics of empowerment. Routledge.
  3. Costanza-Chock, S. (2020). Design justice: Community-led practices to build the worlds we need. MIT Press.
  4. Crenshaw, K. (1989). Demarginalizing the intersection of race and sex: A Black feminist critique of antidiscrimination doctrine, feminist theory and antiracist politics. University of Chicago Legal Forum, 1989(1), 139–167.
  5. D’Ignazio, C. & Klein, L. F. (2020). Data feminism. MIT Press.
  6. Gilligan, C. (1982). In a different voice: Psychological theory and women’s development. Harvard University Press.
  7. Haraway, D. (1988). Situated knowledges: The science question in feminism and the privilege of partial perspective. Feminist Studies, 14(3), 575–599. https://doi.org/10.2307/3178066
  8. Harding, S. (1986). The science question in feminism. Cornell University Press.
  9. Harding, S. (1991). Whose science? Whose knowledge? Thinking from women’s lives. Cornell University Press.
  10. Hooks, B. (1984). Feminist theory: From margin to center. South End Press.
  11. Huang, L. T. L. & Huang, T.-R. (2025). Generative bias: Widespread, unexpected, and uninterpretable biases in generative models and their implications. AI & Society. https://doi.org/10.1007/s00146-025-02533-1
  12. Karpathy, A. [@karpathy]. (2025, February 2). There’s a new kind of coding I call “vibe coding” [Post]. X. https://x.com/karpathy/status/1886192184808149383
  13. Kubes, T. (2025). A critique of human-centred AI: A plea for a feminist AI framework (FAIF). AI & Society. https://doi.org/10.1007/s00146-025-02556-8
  14. O’Connor, S. & Liu, H. (2023). Gender bias perpetuation and mitigation in AI technologies: Challenges and opportunities. AI & Society, 39, 2045–2057. https://doi.org/10.1007/s00146-023-01675-4
  15. Sapkota, R., Roumeliotis, K. I. & Karkee, M. (2025). Vibe coding vs. agentic coding: Fundamentals and practical implications of agentic AI. arXiv. https://doi.org/10.48550/arXiv.2505.19443
  16. Sarkar, A. & Drosos, I. (2025). Vibe coding: Programming through conversation with artificial intelligence. arXiv. https://doi.org/10.48550/arXiv.2506.23253
  17. Shrestha, S. & Das, S. (2022). Exploring gender biases in ML and AI academic research through systematic literature review. Frontiers in Artificial Intelligence, 5, 976838. https://doi.org/10.3389/frai.2022.976838
  18. Snyder, H. (2019). Literature review as a research methodology: An overview and guidelines. Journal of Business Research, 104, 333–339. https://doi.org/10.1016/j.jbusres.2019.07.039
  19. Tang, K., Zhou, W., Zhang, J., Liu, A., Deng, G., Li, S., Qi, P., Zhang, W., Zhang, T. & Yu, N. (2024). GenderCARE: A comprehensive framework for assessing and reducing gender bias in large language models. Proceedings of the 2024 ACM SIGSAC Conference on Computer and Communications Security. https://doi.org/10.1145/3658644.3670284
  20. Toupin, S. (2023). Shaping feminist artificial intelligence. New Media & Society. https://doi.org/10.1177/14614448221150776
  21. Tronto, J. (1993). Moral boundaries: A political argument for an ethics of care. Routledge.
  22. UNESCO. (2020). Artificial ıntelligence and gender equality: Key findings of UNESCO’s Global Dialogue. Retrieved from https://unesdoc.unesco.org/ark:/48223/pf0000374174
  23. Wajcman, J. (1991). Feminism confronts technology. Penn State University Press.
  24. Wajcman, J. (2004). Technofeminism. Polity Press.