Akademik Araştırmada Yapay Zekâ Araçları ve Halüsinasyon Riski

İçindekiler

• Genel Bilgilendirme — konunun çerçevesi ve yazının kapsamı

• Bölüm 1 — Yapay zekâ halüsinasyonu nedir? tanım ve tipik görünüm biçimleri

• Bölüm 2 — Uydurma kaynak sorunu ne kadar yaygın? ölçüm sonuçları ve karşılaştırma tablosu

• Bölüm 3 — Halüsinasyon hangi aşamalarda ortaya çıkıyor? araştırma sürecinin riskli noktaları

• Bölüm 4 — Yapay zekâ çıktısı nasıl doğrulanır? adım adım doğrulama yöntemi

• Bölüm 5 — Kurumlar kullanımı nasıl düzenliyor? rehberler ve politika tablosu

• Bölüm 6 — Politikalarda hangi ortak noktalar var? kurumlar arası karşılaştırma

• Bölüm 7 — Yapay zekâ tespit araçları güvenilir mi? verinin sınırları ve yanlış okumalar

• Bölüm 8 — Lisansüstü aday ne çıkarmalı? uygulanabilir yol haritası

• Gerçek Hayattan Örnekler — dört temsili senaryo

• Sıkça Sorulan Sorular — on iki soru ve yanıt

• Kaynakça — kullanılan tüm kaynaklar

• Yasal Bilgilendirme — kapsam ve sorumluluk sınırları

Genel Bilgilendirme

Yapay zekâ halüsinasyonu, büyük dil modellerinin kulağa makul gelen ancak gerçekte yanlış, doğrulanamayan veya tümüyle uydurma olan çıktılar üretmesidir. Akademik araştırmada bu risk en çok kaynakçada görülür: var olmayan makaleler, gerçek yazar adlarıyla birleştirilmiş sahte başlıklar, hatalı cilt ve sayfa bilgileri. Yükseköğretim Kurulu ve TÜBİTAK, doğrulama sorumluluğunu araştırmacıya bırakan rehberler yayımlamıştır.

Bu yazı üç soruya yanıt arıyor: sorunun ölçülmüş büyüklüğü nedir, Türkiye'deki ve uluslararası kurumlar kullanımı nasıl çerçeveliyor, bir lisansüstü öğrenci kendi metnini nasıl güvenceye alır. Kullanılan kaynaklar resmî rehberler, yürürlükteki yönergeler, hakemli dergi makaleleri ve kurumların kendi politika metinleridir.

Konunun ölçeği Türkiye açısından da somuttur. Yükseköğretim Kurulu'nun 27 Mart 2026 tarihli Yükseköğretim İstatistikleri Bülteni'ne göre yüksek lisans programlarında 330.464, doktora programlarında 89.665 öğrenci öğrenim görmektedir. Mezun Kampüsü, bu adayların program ve başvuru bilgilerini tek noktada toplar.

Yazının bazı bölümleri dönemsel değişikliğe açıktır. Dergi politikaları, kurum yönergeleri ve rehber sürümleri güncellenebilir; bu nedenle her başlıkta kaynağın adı ve tarihi birlikte verilmiştir.

Yapay zekâ halüsinasyonu nedir?

Yapay zekâ halüsinasyonu, büyük dil modellerinin kulağa makul gelen ancak gerçekte yanlış, doğrulanamayan veya tümüyle uydurma olan çıktılar üretmesidir. TÜBİTAK'ın Eylül 2025 tarihli rehberi bu çıktıları, eğitim verisinde yeterli bilgi bulunmadığında veya modelin içsel sınırlamaları nedeniyle ortaya çıkan sonuçlar olarak tanımlar. Hata, yazım yanlışı gibi görünmez; akıcı ve ikna edici bir cümlenin içine yerleşir.

Ayrım şurada başlar: üretken yapay zekâ, kendisine verilen yönergelere karşılık metin, görsel, kod veya ses gibi yeni içerikler üreten bilgisayar sistemlerinin ortak adıdır. Bir arama motoru gibi var olan kayıtları getirmez, dil örüntüsüne uygun olanı üretir. Bir kaynakça satırının biçimi öğrenilmiştir; o satırın karşılığı olan yayının varlığı öğrenilmemiştir.

Bu nedenle uydurma kaynak, gerçekte yayımlanmadığı hâlde yazar adı, başlık, dergi ve tarih bilgisiyle gerçek bir yayınmış gibi sunulan atıftır. Yükseköğretim Kurulu'nun Mayıs 2024 tarihli etik rehberi de literatür taramasında üretken yapay zekânın uydurma kaynakları gerçekmiş gibi sunabileceği uyarısını yapar.

Halüsinasyonun akademik metinde aldığı biçimler sınırlı sayıdadır:

• Var olmayan bir makalenin yazar, başlık ve dergi bilgisiyle birlikte üretilmesi

• Gerçek bir araştırmacının adının, hiç yazmadığı bir çalışmayla eşleştirilmesi

• Doğru bir yayının cilt, sayı, sayfa veya yıl bilgisinin değiştirilmesi

• Var olmayan bir DOI numarasının üretilmesi

• Kaynakta hiç geçmeyen bir bulgunun o kaynağa atfedilmesi

Son madde en sinsi olanıdır: künye doğrudur, atfedilen bulgu yanlıştır. Yalnızca künyeyi kontrol eden bir okuyucu bu hatayı yakalayamaz.

Uydurma kaynak sorunu ne kadar yaygın?

Sorunun büyüklüğü ölçülmüştür. William H. Walters ve Esther Isabelle Wilder'ın Scientific Reports dergisinde 7 Eylül 2023'te yayımlanan çalışmasında, kırk iki konu başlığında üretilen 636 atıf tek tek doğrulandı. GPT-3.5 ile üretilen atıfların yüzde 55'i, GPT-4 ile üretilenlerin yüzde 18'i gerçekte var olmayan yayınlara aitti. Sorun bir sürümle çözülmedi, küçüldü.

İkinci ölçüm yayımlanmış literatürden geliyor. Columbia Üniversitesi Veri Bilimi Enstitüsü'nden Maxim Topaz ve arkadaşlarının The Lancet'e ilettiği ve Retraction Watch'ın 7 Mayıs 2026'da aktardığı denetimde, PubMed'de dizinlenen yaklaşık 2,5 milyon makalenin 97,1 milyon kaynağı doğrulandı. 2.810 makalede 4.406 uydurma kaynak saptandı.

Lisansüstü sürecin bütününde bu tür doğruluk yükümlülüklerinin nereye oturduğunu görmek için lisansüstü eğitimin genel çerçevesi yazısındaki program ve tez aşamaları anlatımı yardımcı olabilir.

Tablodaki ilk üç satır denetimli bir deney ortamını, dördüncü satır ise yayımlanmış literatürün kendisini ölçer. İkisi aynı şeyi söylemez: biri riskin kaynağını, diğeri riskin gerçekleşmiş hâlini gösterir.

Halüsinasyon hangi aşamalarda ortaya çıkıyor?

Risk araştırmanın her aşamasında aynı değildir. Yükseköğretim Kurulu'nun Mayıs 2024 tarihli rehberi, üretken yapay zekânın dâhil olduğu aşamalarda taraflılık ile olgusal ve yorumsal hataların birlikte görülebileceğini belirtir. En yüksek risk literatür taraması ve kaynakça oluşturma aşamalarındadır; en düşük risk ise dil bilgisi düzeltmesi gibi metnin bilgi içeriğine dokunmayan işlemlerdedir.

Riskin yoğunlaştığı ikinci nokta veri yorumudur. Bir çıktı, tablodaki sayıları doğru okuyup yanlış sonuç çıkarabilir veya kaynakta bulunmayan bir eğilimi cümleye ekleyebilir. Üçüncü nokta çeviridir: yabancı dildeki bir bulgu Türkçeye aktarılırken kapsamı genişleyebilir, koşullu bir ifade kesin bir yargıya dönüşebilir.

Sorumluluğun nerede durduğu konusunda Türkiye'deki resmî düzenleme açıktır.

Başvuru sahibi, proje önerisinde yer alan tüm bilgilerin, verilerin, analizlerin, iddiaların ve referansların doğruluğundan, güncelliğinden ve bilimsel geçerliliğinden tek başına ve tamamen sorumludur.

— TÜBİTAK, Eylül 2025

Aynı ilke akademik metnin tamamı için geçerlidir. Bir niyet mektubunun, tez önerisinin veya makale taslağının içindeki her cümlenin sahibi onu imzalayan kişidir. Başvuru metinlerinde özgün katkının nasıl kurulacağı yüksek lisans niyet mektubu örneği yazısında ayrıntılı biçimde ele alınmıştır.

Yapay zekâ çıktısı nasıl doğrulanır?

Doğrulama, çıktının tamamına değil tek tek iddialara uygulanır. Bir atfın gerçek olduğunu anlamanın tek yolu, o atfı özgün yayıncı kaydında bulmaktır. Elsevier'in Haziran 2026'da güncellenen dergi politikası da yazarlardan, yapay zekâ tarafından üretilen kaynakların yanlış veya uydurma olabileceğini bilerek kaynakları kontrol etmesini ister. Aşağıdaki sıra, en hızlı elenecek hatadan en gizli olana doğru ilerler.

1. Atfın DOI numarasını özgün yayıncı sayfasında aratın; numara açılmıyorsa atıf en baştan şüphelidir.

2. Yayının başlığını, yazar adlarını ve yılını birbirinden bağımsız olarak karşılaştırın.

3. Kaynağın tam metnine ulaşın ve metne aktardığınız bulgunun gerçekten o çalışmada geçtiğini görün.

4. Ulaşamadığınız kaynağı kurumunuzun kütüphane veri tabanları üzerinden ikinci kez arayın.

5. Doğrulanamayan atfı metinden çıkarın; yerine doğruladığınız bir kaynak koyun.

6. Kullandığınız aracı, sürümünü ve hangi aşamada kullandığınızı kendi notlarınıza yazın.

7. Kurumunuzun yönergesini ve hedeflediğiniz derginin koşullarını gönderim öncesinde okuyun.

Üçüncü adım en sık atlanan adımdır. Künyesi doğru bir kaynağın, kendisine atfedilen cümleyi içermemesi mümkündür ve bu durum kaynakça denetiminden geçer. Yükseköğretim Kurulu'nun Mayıs 2024 tarihli rehberi, çıktıların tarafsızlığının, güvenilirliğinin ve doğruluğunun sınanmasını araştırmacının yasal ve etik sorumlulukları arasında sayar.

Kurumlar yapay zekâ kullanımını nasıl düzenliyor?

Türkiye'de ve uluslararası düzeyde düzenlemeler kısa aralıklarla yayımlandı. Yükseköğretim Kurulu 7 Mayıs 2024'te etik rehberini duyurdu; TÜBİTAK Eylül 2025'te destek süreçlerine özgü rehberini yayımladı. Uluslararası tarafta COPE'un yazarlık pozisyonu Şubat 2023'te belirlendi, Elsevier'in dergi politikası Haziran 2026'da güncellendi. Yön aynıdır: yasaklamak değil, beyanı ve sorumluluğu netleştirmek.

Türkiye'deki üniversiteler de kendi düzenlemelerini yapmaya başlamıştır. Doğuş Üniversitesi'nin 21 Mayıs 2026 tarihli senato kararıyla kabul edilen yapay zekâ kullanım rehberi, dil ve yazım denetimi gibi sınırlı kullanımları bildirim dışında tutarken, tez ve makalelerin önemli bölümlerinin yapay zekâ tarafından üretilmesini ve gizlenmesini açıkça yasaklar. Uygulama üniversiteden üniversiteye farklılık gösterebilir; adayın kendi enstitüsünün yönergesini kontrol etmesi önerilir.

Politikalarda hangi ortak noktalar var?

Farklı kurumların metinleri okunduğunda dört ortak nokta öne çıkar. Bu ortaklık adaya kolaylık sağlar: her dergi için ayrı bir mantık öğrenmek yerine tek bir yaklaşım kurulabilir. ICMJE, yapay zekâ destekli araçların yazar olarak listelenemeyeceğini, çünkü çalışmanın doğruluğu, bütünlüğü ve özgünlüğünden sorumlu tutulamayacaklarını belirtir.

• Yapay zekâ araçları yazar olarak gösterilemez; sorumluluk yalnızca insana aittir

• Kullanımın bildirilmesi beklenir, biçim ve ayrıntı düzeyi kuruma göre değişir

• Dil bilgisi ve yazım denetimi gibi sınırlı kullanımlar çoğu politikada bildirim dışında tutulur

• Verinin, bulgunun ve görselin yapay zekâ ile üretilmesi veya değiştirilmesi kabul edilmez

Bildirim yükümlülüğünün ihmali hafif bir eksiklik sayılmayabilir. ICMJE'nin tavsiye metni, kullanımın açıklanmamasının düzeltici işlem gerektirebileceğini ve bazı durumlarda bilimsel yanlış davranış olarak değerlendirilebileceğini belirtir.

Uydurma bir kaynağın metne girmesi ise ayrı bir başlıktır. Yükseköğretim Kurumları Bilimsel Araştırma ve Yayın Etiği Yönergesi'nin 4. maddesi, bilimsel araştırmalarda gerçekte var olmayan veya tahrif edilmiş verileri kullanmayı sahtecilik olarak tanımlar. Aracın adı yönergede geçmez; fiilin kendisi tanımlıdır.

Bu konuları erken aşamada konuşmanın en doğru adresi danışmandır. Danışman seçiminde nelere bakıldığı doktora danışmanı nasıl seçilir yazısında ayrıntılandırılmıştır.

Yapay zekâ tespit araçları güvenilir mi?

Tespit araçları tek başına kanıt sayılamaz. Weixin Liang ve arkadaşlarının Patterns dergisinde yayımlanan ve ön baskısı Temmuz 2023'te paylaşılan çalışmasında, ana dili İngilizce olmayan yazarların yazdığı TOEFL denemeleri yedi tespit aracı tarafından ortalama yüzde 61,22 oranında yapay zekâ üretimi olarak işaretlendi. Ana dili İngilizce olan öğrencilerin metinlerinde aynı oran yüzde 5,19'da kaldı.

Sayı, Türkiye'deki araştırmacılar açısından doğrudan anlam taşır. Yabancı dilde makale yazan bir aday, yalnızca yazım örüntüsü nedeniyle haksız biçimde işaretlenebilir. Bu nedenle bir tespit aracının çıktısı soruşturma başlatan bir belge değil, olsa olsa bir sorunun başlangıcıdır.

Sık karıştırılan nokta budur: tespit aracı metnin nasıl yazıldığını tahmin etmeye çalışır, kaynakların gerçek olup olmadığını denetlemez. Uydurma kaynak sorunu doğrulamayla çözülür, tespitle değil. Bir metin hiçbir araç tarafından işaretlenmeden de uydurma atıf taşıyabilir.

Lisansüstü aday bu tablodan ne çıkarmalı?

Tablonun söylediği şey aracın bırakılması değildir; sorumluluğun yer değiştirmediğidir. Ölçümler, üretilen atıfların önemli bir bölümünün doğrulanmadan kullanılamayacağını gösteriyor. Kurum rehberleri de aynı yere varıyor: çıktı bir taslaktır, kaynak değildir. Aradaki farkı kapatan tek işlem, adayın kendi yaptığı doğrulamadır.

Pratik yol haritası kısa tutulabilir. Kurum yönergesini okumak, danışmanla kullanım biçimini konuşmak, her atfı özgün kaynağından görmek ve kullanımı kayıt altına almak dört temel adımdır. Bu dördü yapıldığında aracın yazım sürecine sağladığı hız, doğruluk pahasına elde edilmiş olmaz.

• Kurumunuzun yapay zekâ kullanım yönergesini okuyun

• Danışmanınıza hangi araçları hangi aşamada kullandığınızı bildirin

• Her atfı özgün yayıncı kaydından doğrulayın

• Doğrulanamayan kaynakları metinden çıkarın

• Kullandığınız aracı ve kullanım biçimini kayıt altına alın

• Hedef derginin bildirim koşullarını gönderim öncesinde kontrol edin

Alan seçimi düzeyinde düşünen adaylar için ayrı bir soru daha var: yapay zekâyı bir araç olarak kullanmak ile alanın kendisinde uzmanlaşmak farklı kararlardır. İkincisini değerlendirenler yapay zeka yüksek lisansı yapmaya değer mi yazısındaki karşılaştırmayı inceleyebilir.

Rehberler ve dergi politikaları güncellenmeye devam ediyor. Tez teslimi veya makale gönderimi öncesinde ilgili kurumun güncel açıklamasından teyit alınması önerilir.

Gerçek Hayattan Örnekler

Bu bölümdeki örnekler, adayların karşılaşabileceği durumları açıklamak amacıyla oluşturulmuş temsili senaryolardır.

Derya — kaynakçadaki boşluk

Derya, tezinin literatür bölümünü hızlandırmak için bir dil modelinden konu özeti ister ve gelen on iki kaynağı kaynakçaya ekler. Danışmanı, kaynaklardan üçünün dergi arşivinde bulunmadığını fark eder. Derya her atfı DOI numarası üzerinden yeniden arar; üç kaynağın var olmadığını, iki kaynağın ise farklı yıla ait olduğunu görür. Uydurma atıfları çıkarır, künye hatalarını düzeltir ve doğruladığı yayınlarla boşlukları kapatır. Süreç bir hafta uzar fakat tez savunmasında kaynakça üzerinden bir itiraz gelmez.

Kerem — bildirim sorusu

Kerem, makalesini uluslararası bir dergiye gönderirken yapay zekâ kullanımını nasıl belirteceğini bilemez. Derginin yazar kılavuzunu okur ve dil düzeltmesi düzeyindeki kullanımların ayrı bir bildirim gerektirmediğini, içerik üretimine yönelik kullanımların ise beyan bölümünde açıklanması gerektiğini görür. Kendi kullanımının hangi kategoriye girdiğini danışmanıyla değerlendirir ve gönderim formunda açık bir ifade kullanır. Editör kurulundan bildirimle ilgili ek bir soru gelmez.

Aylin — haksız işaretlenme

Aylin, İngilizce yazdığı bir bildiri metnini kurumun benzerlik yazılımından geçirir ve metnin bir bölümü yapay zekâ üretimi olarak işaretlenir. Metni kendisinin yazdığını gösteren taslak sürümlerini, notlarını ve kaynak okuma kayıtlarını derler. Bölüm başkanlığına, tespit araçlarının ana dili İngilizce olmayan yazarlarda yüksek oranda yanlış işaretleme yaptığını gösteren yayımlanmış çalışmayla birlikte açıklama sunar. Değerlendirme, aracın çıktısı yerine yazım sürecinin belgeleri üzerinden yapılır.

Onur — yanlış atfedilen bulgu

Onur, bir dil modelinin özetlediği makaleden bir bulguyu doğrudan tezine aktarır. Künye doğrudur ve kaynak gerçekten vardır. Yeterlik sınavı hazırlığında makalenin tam metnini okuduğunda, aktardığı oranın o çalışmada geçmediğini fark eder. Bulguyu metinden çıkarır ve çalışmanın gerçek sonucunu yazar. Deneyimden sonra her atıf için tam metin okuma kuralını benimser; künye doğrulamasının tek başına yetmediğini görmüş olur.

Mezun Kampüsü Hakkında
Mezun Kampüsü, Türkiye'deki üniversitelerin lisansüstü programlarını, başvuru takvimlerini ve akademik duyurularını tek noktada toplayan bir platformdur. Adaylar Atlas üzerinden programları inceleyip karşılaştırabilir, tez yazımı ve araştırma yükümlülüğü açısından hangi programın kendilerine uyduğunu değerlendirebilir, Tarihler bölümünden başvuru dönemlerini takip edebilir, Duyurular bölümünden üniversitelerin güncel ilanlarını izleyebilir ve Üniversiteler sayfası üzerinden ücretsiz başvuru oluşturabilir.
Güncelleme Bilgisi
Yayın tarihi: 4 Eylül 2026
Son güncelleme: 4 Eylül 2026
Sonraki inceleme: 4 Ekim 2026

Yasal Bilgilendirme

Bu içerik genel bilgilendirme amacıyla hazırlanmıştır ve kişiye özel akademik, hukuki veya mali danışmanlık niteliği taşımaz. Metinde yer verilen düzenlemeler, özellikle Yükseköğretim Kurumları Bilimsel Araştırma ve Yayın Etiği Yönergesi ile Yükseköğretim Kurulu ve TÜBİTAK tarafından yayımlanan rehberler, zaman içinde değişebilir veya yeni sürümlerle yenilenebilir. Üniversitelerin kendi yönergeleri ile dergi ve yayıncı politikaları dönemsel olarak farklılaşabilir; aynı konuda kurumlar arasında farklı uygulamalar bulunabilir. Adayların, tez teslimi veya yayın gönderimi öncesinde bağlı oldukları enstitünün ve hedefledikleri derginin güncel açıklamalarını kontrol etmeleri önerilir. İçerikteki bilgiler 4 Eylül 2026 tarihinde kontrol edilmiştir.