Dergiler / AJIT-e: Academic Journal of Information Technology / 2021 / Cilt: 12 Sayı: 44

Büyük Veri (Big Data)’nin Yapay Zekâ Uygulamalarında Toplumsal Sınıflandırmaya Yönelik Kaygılar

Concerns on Social Sorting in Artificial Intelligence Applications of Big Data

Sayfa
47–70
Yayın Tarihi
2021-02-19
DOI
—
🏛️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)

Çalışmanın sonucunda algoritmik ön yargıların, toplumsal sınıflandırmaya ve kaygılara sebep olduğu ve bunu anlayabilen bir toplumsal yapıya ihtiyaç duyulduğu, tartışma konusu olarak tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Büyük Veri kavramı bağlamında gerçekleştirilen çalışmalarda, teknolojik determinist yaklaşımın etkileri dikkat çekmektedir.
📊
Temel Bulgular & Veri:Bu etkilere yönelik eleştirilerin merkezinde, teknoloji odaklı bir yaklaşımın sosyal, kültürel ve etik yönleri göz ardı edeceği anlayışı bulunmaktadır.
💡
Sonuç & Katkı:Çalışmanın sonucunda algoritmik ön yargıların, toplumsal sınıflandırmaya ve kaygılara sebep olduğu ve bunu anlayabilen bir toplumsal yapıya ihtiyaç duyulduğu, tartışma konusu olarak tespit edilmiştir.
🔬Tür:Deneysel Tarla Denemesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Büyük veri · Toplumsal sınıflandırma · teknolojik determinizm

Özet

Büyük Veri kavramı bağlamında gerçekleştirilen çalışmalarda, teknolojik determinist yaklaşımın etkileri dikkat çekmektedir. Bu etkilere yönelik eleştirilerin merkezinde, teknoloji odaklı bir yaklaşımın sosyal, kültürel ve etik yönleri göz ardı edeceği anlayışı bulunmaktadır. İki yönlü tartışmalar içerisinde Büyük Veri kavramı, bir yönden önemli bir teknolojik devrim olarak kabul edilirken diğer yönden ise kontrolün kaybedildiği, toplumsal huzursuzluğun kaynağı olarak distopik senaryolarda yer almaktadır. Bu çalışma, eleştirel bir bakış açısıyla, kavramın, toplumsal yaşamda yarattığı sorunlara odaklanmıştır. Makine yanlılığının büyük miktarlardaki verilerden, zamanla otomatik öğrenme sağlayan yapay zekâ olarak tanımlandığı süreçte, algoritmik ayrımcılığı ve bunun neticesinde yaşanan sınıflandırmayı örneklerle ortaya koymayı amaçlayan çalışmada, niteliksel betimsel analiz yöntemi kullanılmıştır. Büyük Veri kaygıları başlığı altındaki yanlılıklardan yola çıkan çalışma, insanların kâr ve verimlilik arayışındaki programlama ile manipüle edilmesine dikkat çekmek istemiştir. Çalışmanın sonucunda algoritmik ön yargıların, toplumsal sınıflandırmaya ve kaygılara sebep olduğu ve bunu anlayabilen bir toplumsal yapıya ihtiyaç duyulduğu, tartışma konusu olarak tespit edilmiştir. Büyük Veri kavramına ilişkin araştırmalarda bireye saygıyı ön plana alan çözüm süreçlerine gereksinim vardır. Böylece mantık güdümlü bir toplumsal görünümün ortaya çıkması önlenirken, kişi hak ve özgürlükleri, mahremiyeti dikkate alınabilecek, böylece etiketleme ve ötekileştirmeye yönelik çözümler üretilebilecektir.

Abstract

The effects of technological determinist approach are noteworthy in the studies carried out in the context of Big Data concept. The understanding that a technology-oriented approach will ignore social, cultural and ethical aspects is at the center of criticism towards these effects. In two-way discussions, the concept of Big Data is regarded as an important technological revolution on the one hand, and on the other, it takes place in dystopic scenarios as the source of social unrest. This study focuses on the problems created by the concept in social life from a critical point of view. The aim of this study is to explain the algorithmic discrimination and the resulting classification in the process where machine bias is defined as artificial intelligence that provides automatic learning over time from large amounts of data. The study starts with biases called Big Data concerns and under this heading the study wanted to draw attention to the manipulation of people by programming in search of profit and efficiency. As a result of the study, it was determined that algorithmic prejudices cause social classification and a social structure that can understand this is needed as the main subject of discussion. In researches on the concept of Big Data, there is a need f or solution processes that prioritize respect for the individual. Thus, the emergence of a logic-driven social appearance will be prevented, individual rights and freedoms, privacy can be taken into consideration, labeling and othering solutions will be produced.

🔖

Bu Makaleye Atıf Yap

ÜNAL, S., SEZGİN, A. A. (2021). Büyük Veri (Big Data)’nin Yapay Zekâ Uygulamalarında Toplumsal Sınıflandırmaya Yönelik Kaygılar. AJIT-e: Academic Journal of Information Technology, Cilt: 12 Sayı: 44, 47–70. https://ajindex.com/articles/898965

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (8)

  1. Amini, A., Soleimany, A., Schwarting, W., Bhatia, S., & Rus, D. (2019). Uncovering and Mitigating Algorithmic Bias through Learned Latent Structure. Arrigo, A. B. (ed) (2018). The SAGE Encyclopedia of Surveillance, Security, and Privacy, Charlotte, NC, USA. Arthur, L. (2013). Big Data Marketing: Engage Your Customers More Effectively and Drive Value. John Wiley & Sons. Baum, S. (2017). On the promotion of safe and socially beneficial artificial intelligence. AI & Soc. 32:543–551. DOI 10.1007/s00146-016-0677-0
  2. Barocas, S., Hood, S., & Ziewitz, M. (2013). Governing algorithms: A provocation piece. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2245322 Boyd D. & Crawford K. (2012). Critical questions for Big Data. Information Communication Society, 15(5):662–679.
  3. Boyd, R., & Holton, R. J. (2018). Technology, innovation, employment and power: Does robotics and artificial intelligence really mean social transformation? Journal of Sociology, 54(3), 331-345.
  4. Bronson, K., Knezevic, I. (2016). Big Data in food and agriculture. Big Data & Society, 3(1) Burgess, J., Bruns, A. (2012). Twitter archives and the challenges of" Big Social Data" for media and communication research. M/C Journal, 15(5). Cass, T. (1998). A Handler for Big Data.Vol. 282, Issue 5389, pp. 636 DOI: 10.1126/science.282.5389.636 Castelluccia, C.,Le Métayer, D. (2019). Understanding algorithmic decision-making: Opportunities and challenges. EPRS | European Parliamentary Research Service. Castro, D., New, J. (2016). The Promise of Artificial Intelligence. https://euagenda.eu/upload/publications/untitled-53560-ea.pdf
  5. Chandra, H. (2019) Artificial Intelligence (AI) vs Machine Learning (ML) vs Big Data https://heartbeat.fritz.ai/artificial-intelligence-ai-vs-machine-learning-ml-vs-big-data-909906eb6a92
  6. Chen, E. E., & Wojcik, S. P. (2016). A practical guide to big data research in psychology. Psychological Methods, 21(4), 458. Cheung, M. W. L., & Jak, S. (2016). Analyzing big data in psychology: A split/analyze/meta-analyze approach. Frontiers in psychology, 7, 738. Cooper, A., & Green, C. (2016). Embracing the complexities of ‘big data’in archaeology: the case of the English Landscape and Identities project. Journal of Archaeological Method and Theory, 23(1), 271-304.
  7. Cox, M., & Ellsworth, D. (1997). Managing big data for scientific visualization. In ACM Siggraph (Vol. 97, pp. 21-38).
  8. Council of Europe (2019). Declaration by the Committee of Ministers on the manipulative capabilities of algorithm