KaydedilenlerDerginizi ekleyin

Dergiler / Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi / 2023 / Cilt: 2 Sayı: 46

YAPAY ZEKÂ/AKILLI ÖĞRENME TEKNOLOJİLERİYLE AKADEMİK METİN YAZMA: CHATGPT ÖRNEĞİ

Academic Text Writing with Artificial Intelligence/Smart Learning Technologies: The ChatGPT Example

Mevlüt ALTINTOP
Sayfa
186–211
Yayın Tarihi
2023-08-31
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)

Hazırlanmasında doğrudan ChatGPT kullanıldığı için ortak yazar olarak eklenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Yapay zekâ ve akıllı öğrenme, son yılların en önemli teknolojik gelişmelerinden biri olarak kabul edilmektedir.
📊
Temel Bulgular & Veri:Yapay zekâ, birçok alanda kullanılmakta olup, özellikle sanayi, sağlık, internet uygulamaları, bilişim teknolojileri, finans ve eğitim gibi sektörlerde büyük bir etkiye sahiptir.
💡
Sonuç & Katkı:Hazırlanmasında doğrudan ChatGPT kullanıldığı için ortak yazar olarak eklenmiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Yapay Zekâ · Akıllı Öğrenme · İnternet

Özet

Yapay zekâ ve akıllı öğrenme, son yılların en önemli teknolojik gelişmelerinden biri olarak kabul edilmektedir. Bu teknoloji, bilgisayar ve robotların insan benzeri zekâ ve öğrenme yetenekleri kazanması üzerine odaklanmaktadır. Yapay zekâ, birçok alanda kullanılmakta olup, özellikle sanayi, sağlık, internet uygulamaları, bilişim teknolojileri, finans ve eğitim gibi sektörlerde büyük bir etkiye sahiptir. Yapay zekâ ve akıllı öğrenme teknolojisi daha hızlı, daha doğru ve daha verimli kararlar verme imkânı sağlayarak insanların hayatını kolaylaştırmakta ve daha üretken bir hâle getirmektedir. Yapay zekâ ve akıllı öğrenme teknolojilerinin olumlu etkilerinin yanında birçok olumsuz etkiyi de beraberinde getirdiği görülmektedir. Bu konuda ikiye ayrılan araştırmacıların bir kısmı gelişmeleri iyimser karşılarken, bir kısmı ise katı şekilde eleştirmektedir. Yapay zekâ ve akıllı öğrenme teknolojilerinin gelecekte insan hayatına yapacağı olumlu ya da olumsuz etkileri büyük bir merak ve endişe konusudur. Bu çalışma son günlerin popüler bir yapay zekâ ve akıllı öğrenme teknolojisi örneği olan ChatGPT’nin potansiyelini anlamak amacıyla yapılmıştır. Hazırlanmasında doğrudan ChatGPT kullanıldığı için ortak yazar olarak eklenmiştir.

Abstract

Artificial intelligence and smart learning are considered to be one of the most important technological developments of recent years. This technology focuses on computers and robots gaining human-like intelligence and learning abilities. Artificial intelligence is used in many fields and has a great impact especially in sectors such as industry, health, internet applications, information technologies, finance and education. Artificial intelligence and smart learning technology make people's lives easier and more productive by enabling them to make faster, more accurate and more efficient decisions. It is seen that artificial intelligence and smart learning technologies bring many negative effects as well as positive effects. While some of the researchers, who are divided into two on this subject, welcome the developments optimistically, some criticize them harshly. The positive or negative effects of artificial intelligence and smart learning technologies on human life in the future are a matter of great curiosity and concern. This study was conducted to understand the potential of ChatGPT, which is a popular example of artificial intelligence and smart learning technology in recent days. Added as a co-author because ChatGPT was used directly in its creation.

🔖

Bu Makaleye Atıf Yap

ALTINTOP, M. (2023). YAPAY ZEKÂ/AKILLI ÖĞRENME TEKNOLOJİLERİYLE AKADEMİK METİN YAZMA: CHATGPT ÖRNEĞİ. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 2 Sayı: 46, 186–211. https://ajindex.com/articles/960936

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Acemoglu, D. ve Restrepo, P (2020). Robots and jobs: Evidence from US labor markets. NBER Working Paper, 24285. https://doi.org/10.3386/w24285
  2. Adalı, E. (2012). Doğal Dil İşleme. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, 5 (2). Aggarwal, C. C (2015). Data mining: the textbook. Springer. Ali, M., Naseem, A., & Khan, F. A (2019). Artificial intelligence in finance. In M. A. Wani, & M. A. Ahangar (Eds.)., Artificial Intelligence: Theory and Applications (s. 83-93).
  3. Springer. Alpaydin, E (2010). Introduction to machine learning (2nd ed.). MIT Press Arbib, M. A., Bonaiuto, J. J., Ranganath, R., & Alexander, A. M. (2015). Neural networks for control. MIT Press.
  4. Baddeley, A. D (1999). Essentials of human memory. Psychology Press.
  5. Bishop, C. M (2006). Pattern recognition and machine learning (Vol. 4). New York: Springer. Bishop, C.M., & Nasrabadi, N.M. (2006). Pattern Recognition and Machine Learning. J. Electronic Imaging, 16, 049901. Bojarski, M., Del Testa, D., Dworakowski, D., Firner, B., Flepp, B., Goyal, P.,. & Zhang, X (2016). End to end learning for self-driving cars. Bostrom, N (2014). Superintelligence: Paths, dangers, strategies. Oxford University Press.
  6. Bostrom, N. (2014). Superintelligence: Paths, dangers, strategies. Oxford University Press.
  7. Bransford, J. D., Brown, A. L., & Cocking, R. R (2000). How people learn: Brain, mind, experience, and school. National Academy Press.
  8. Brockman, J. (Ed.). (2019). Possible Minds: Twenty-Five Ways of Looking at AI. New York, NY: Penguin Press.
  9. Brown, T. B., Mann, B., Ryder, N., Subbiah, M., Kaplan, J., Dhariwal, P.,. & Amodei, D (2020). Language models are few-shot learners. arXiv preprint arXiv:2005.14165. Buolamwini, J., & Gebru, T (2018). Gender shades: Intersectional accuracy disparities in commercial gender classification. Conference on Fairness, Accountability and Transparency, Proceedings of Machine Learning Research, 81, 77-91.
  10. Burrell, J (2016). How the machine 'thinks': Understanding opacity in machine learning algorithms. Big Data & Society, 3(1)., 1-12.
  11. Chan, L., Hogaboam, L., Cao, R. (2022). Artificial Intelligence in Transportation. In: Applied Artificial Intelligence in Business. Applied Innovation and Technology Management. Springer, Cham. Chen, M., Mao, S., & Liu, Y (2014). Big data: a survey. Mobile Networks and Applications, 19(2)., 171-209.
  12. Crawford, K., Dobbe, R., Dryer, T., Fried, G., Green, B., Kaziunas, E., Kak, A., Mathur, V., Polli, A., and York, C (2019).