Content uploaded by Zeynep Kurnaz
Author content
All content in this area was uploaded by Zeynep Kurnaz on Jul 06, 2023
Content may be subject to copyright.
ÖZET
Bu makale büyük veri devrimi ile sosyal bilimlerde meydana gelen paradigma değişimlerini ve
bilişimsel/hesaplamalı sosyal bilimler yöntemlerini konu edinmektedir. İnternet kullanımının
yaygınlaşması ve dijitalleşmenin etkileri ile hızlı veri artışı ortaya çıkmıştır. Bu durum ise bilginin
üretimini ve tüketimini daha kolay hale getirmektedir. Veri üretimindeki ve tüketimindeki hız,
teknolojik değişimin ve gelişimin etkisiyle veri evreninin sürekli olarak genişlemesine neden
olmaktadır. Büyük veri olarak tanımlanan bu evrenin özelliklerini anlamak ise sosyal bilimler
araştırmacıları için oldukça önemlidir. Çünkü dijital alandaki eylemleri anlamak toplumsal dünyayı
anlamanın bir yolu haline gelmiştir. Dolayısıyla verileri kullanmak ve değerini kavrayabilmek için
onu iyi tanımak gerekir. Gerçekleşen bu veri devrimi ise, sosyal bilimler araştırma yöntemleri
için bir paradigma değişimi yaratmıştır. Bu bağlamda büyük veri ile çalışmak, sosyal bilimlerde
geleneksel sayılabilecek yöntemlerle mümkün görünmemektedir. Sosyal bilim araştırmacılarına
büyük veri ile çalışma imkanı sunan yöntem için bilişimsel/hesaplamalı sosyal bilimler yöntemleri
denilmektedir. Bilişimsel/Hesaplamalı sosyal bilimler, analitik yaklaşımları güçlendirmek isteyen
disiplinler arasında önemli bir noktada yer almaktadır. Bu makalede bilişimsel/hesaplamalı sosyal
bilimler yöntemlerinin temel alanları ele alınmaktadır. Bu alanlar, (i) veri madenciliği, (ii) sosyal
ağ analizi, (iii) coğra bilgi sistemleri ve (iv) sosyal simülasyon modelidir. Bunun yanı sıra sosyal
bilimlerde bilişimsel yöntemlerle çalışmanın çeşitli zorlukları da bulunmaktadır. Bu zorluklar veri
güvenliği, yalan/sahte veri sorunu, dijital imkanlara erişim gibi önemli başlıklarda sıralanabilir.
Sonuç olarak büyük veri devrimi sosyal bilimler alanları için önemli fırsatlar sunarken, aynı
zamanda yöntem tartışmalarını da gündeme getirmiştir.
ABSTRACT
This article focuses on the computational social science methods and the paradigm shifts that have
occurred in social sciences with the big data revolution. Rapid data growth has emerged with the
widespread use of the internet and the effects of digitalization. This situation makes the production
and consumption of data easier. The speed of data production and consumption under the inuence
of technological change and development causes the data universe to expand continuously.
Understanding the characteristics of this universe, which is dened as big data, is very important
for social sciences researchers. Because understanding the digital world has become a way of
understanding the social world. In order to use data and understand its value, it is necessary to
know it well. This data revolution has created a paradigm shift in social science research methods.
In this context, working with big data does not seem possible with traditional methods in social
sciences. The method that offers social science researchers the opportunity to work with big data is
called the computational social science methods. These areas are (i) data mining (ii) social network
analysis, (iii) geographic information systems, and (iv) social simulation modelling. In addition,
working with computational methods in the social sciences has its challenges. These challenges
can be listed under important headings such as data security, the problem of fake data, and access
to digital facilities. As a result, while the big data revolution offers essential opportunities in social
sciences, it has also brought methodological debates to the agenda.
Anahtar Kelimeler
İnternet Tabanlı Veri,
Büyük Veri,
Bilişimsel/Hesaplamalı
Araştırma Yöntemleri,
Veri Madenciliği,
Sosyal Ağ Analizi.
Keywords
The Internet-Based Data,
Big Data, Computational
Research Methods,
Data Mining,
Social Network Analysis.
Makale Başvuru Tarihi:
13.05.2023
Makale Kabul Tarihi:
23.06.2023
* Bu çalışma, Karabük Üniversitesi Lisansüstü Eğitim Enstitüsü, Sosyoloji Anabilim Dalı yüksek lisans programı kapsamında, öğrenci Şüra
ŞALLI’nın, Dr. Öğr. Üyesi Zeynep KURNAZ danışmanlığında tamamlamış olduğu “Büyük Veri Devrimi ve Sosyal Bilimler Araştırma
Yöntemlerinde Yeni Paradigmalar” konulu yüksek lisans tezinden üretilmiştir.
1 Bağımsız Araştırmacı, Prof. Dr. Fuat Sezgin Ortaokulu, srslli@hotmail.com, https://orcid.org/0000-0001-6647-6368
2 Dr. Öğr. Üyesi, Karabük Üniversitesi, navavar@windowslive.com, https://orcid.org/ 0000-0002-7648-8992
Şüra ŞALLI1 & Zeynep KURNAZ2
İnceleme Makalesi • Review Article
Yıl: 2023, Cilt: 2, Sayı: 1, ss.97-125 http://dx.doi.org/10.29228/jobacs.70033
SOSYAL BİLİMLERDE PARADİGMA DEĞİŞİMLERI VE BİLİŞİMSEL/
HESAPLAMALI SOSYAL BİLİMLER YÖNTEMLERİ *
Paradigm Shifts in Social Sciences and Computational Social Science Methods
98
1. GİRİŞ
Bilim, denetimli gözlem ve gözlem sonuçlarına dayalı olarak mantıksal düşünme yolundan giden ve
olguları açıklama gücü taşıyan hipotezler, açıklayıcı genellemeler bulma ve bunları doğrulama yöntemi
olarak tanımlanabilmektedir. Bilim olgusaldır ve bilimin olgusal oluşu, onu mantık, matematik, din gibi
diğer düşünme disiplinlerinden ayırmaktadır. Bilimsel önermelerin tümü ya doğrudan ya da dolaylı
olarak gözlemlenebilir olguları ifade etmektedir (Yıldırım, 2016, s. 19). Bilim insanları, belirli teknik ve
çalışmalarla topladıkları verilerden kuramları sağlamlaştırmak ya da çürütmek için yararlanırlar. Veriler,
belirli kural ve yöntemler ışığında toplanırlar (Neuman, 2014, s. 10-12). Bilimsel bilgiye ulaşmada
verileri bir araya getirmenin önemi büyüktür. Veri, işlenmemiş bilgidir ve bir anlam ortaya koyması
için başka verilerle bağlantılı hale gelmelidir (Doğan & Arslantekin, 2016, s. 17). Verileri bir amaç
doğrultusunda bir araya getirerek yeni bir bilgi inşa etmek mümkündür.
Toplumsal konuların ele alınmasında, incelenmesinde ve araştırılmasında bilgiye ulaşılmak için izlenmesi
gereken yollar ve yöntemler mevcuttur. Sosyal bilimlerde ortaya konulan araştırmaların sistemli
olmasını sağlayan ve bilimsel bir dayanaktan güç almasında etkili olan yöntemler, araştırmacının da
katkısıyla araştırmaya konu olan merakın giderilmesinde ve bir sonuca ulaşılmasında oldukça önemlidir.
Sosyal bilimler araştırmacısının bilgiyi, sistematik yöntemlere ve temellendirilebilir/kanıtlanabilir
dayanaklar arayışına uygun bir biçimde elde etmesiyle artık sosyal bilimlerde bilimsel yöntemlerden
bahsedilebilmektedir (Neuman, 2014, s. 2). Bir alanın şekillenmesinde etkili olan düşünceler ve
inançlar ise paradigma olarak kavramsallaştırılmaktadır. Bir araştırmacının çalışmasında benimsediği
paradigmadan bahsettiği kısım, çalışmanın dayandığı felse yaklaşımı ortaya koymaktadır. Araştırmaya
dair kullanılan dil, yöntemler, bilginin nasıl elde edildiği, gerçekliği tanımlama şekli, değerlerin nasıl
kullanıldığı gibi noktalar paradigma ile şekillenmektedir (Creswell, 2017, s. 43-46).
Teknolojinin gelişimi ve internetin kullanımı sosyal bilim alanlarının yöntemlerinde de önemli
değişimler ve dönüşümler başlamıştır. Büyük veri devrimine kadar uygulanan/kabul edilen sosyal
bilimler yöntemleri Geleneksel Sosyal Bilimler Yöntemleri olarak sınıandırılabilir. Bunlar ise nicel,
nitel ve karma yöntemler olarak sıralanabilir. İkinci yöntem sınıandırması ise büyük veri devriminin
etkisi ile ortaya çıkmış olan Bilişimsel/Hesaplamalı Sosyal Bilimler Yöntemleri (Computational Social
Science Methods)’dir.
Bu makale Bilişimsel/Hesaplamalı Sosyal Bilimler Yöntemleri hakkındadır. Makalede öncelikle
Bilişimsel/Hesaplamalı Sosyal Bilimler Yöntemleri tanıtılmakta ve ardından temel çalışma alanlarına
değinilmektedir. Son olarak ise Bilişimsel/Hesaplamalı Sosyal Bilimler Yöntemleri ile çalışmanın
zorlukları ortaya konulmaktadır.
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
99
Sosyal Bilimler Yöntemlerinde Paradigma Değişimi: Bilişimsel/Hesaplamalı Sosyal Bilimler
Yöntemleri (Computational Social Science Methods)
Sosyal bilim araştırmaları için önemli bir kaynak ve fırsat yaratan İnternet, sosyal bilim araştırmalarında
yer alan birtakım yöntemlerin gelişmesini sağlamıştır. Çevirim içi ilişkilerin ve etkileşimlerin kenara
atılacak bir husus olmadığı fark edilmiştir ve bu durum sosyal bilimcilere çalışmaları için önemli bir alan
sunmuştur. Literatürün giderek zenginleşmesiyle çevirim içi sosyal alanların kendine özgü özellikleri
gelişmelere bağlı olarak keşfedilmiştir. Sosyal bilimcilerin yöntemlerini bu yeni fenomenin kendine has
özelliklerinden bağımsız düşünmemeleri önem arz etmektedir (Snee vd., 2016a, s. 1).
İnternet gündelik hayatın her yerine sirayet ederek hayatın akışı içerisinde yoğun bir şekilde varlığını
hissettirmektedir (Binark, 2007, s. 25). İnternet kullanımının geniş bir alana yayılması ve artması ile
gündelik yaşam Web’e taşınmıştır. Günlük yaşamın üretildiği ve tüketildiği bir yer olarak İnternet,
insanlar için gerekli ve olağan bir hale gelmiştir. Bu durum akademik araştırmalar içerisinde yeni kapılar
açmıştır. Özellikle sosyal platformların da etkisiyle günlük olayların yansıtıldığı bu alan günlük yaşamın
yeniden şekillenmesinde rol oynamaktadır. Verilerin yayılmasında etkili olan algoritmalarla, çevirim
içi hareketlerin kişiselleştirilebilmesiyle İnternet çok boyutluluğu ile karşımıza çıkmaktadır. Dijital
teknolojilerin ve çevirim içi etkileşimlerin etkisini yok saymanın güçleşmesi ve dijital yöntemlere artan
merak ve ilgi ile birlikte İnternet yalnızca onu özel olarak araştıranlar için bir alan olmaktan çıkmıştır
(Snee vd., 2016a, s. 3).
İnternet diğer iletişim araçları ile karşılaştırıldığında, ayrıştırıcı özellikleri görülmektedir. Çoklu
ortam, paket anahtarlama, eşzamanlılık, etkileşim ve hipermetin bu özellikler arasında yer almaktadır.
Araştırmacılar bu özellikler çerçevesinde İnterneti incelemişlerdir ve birtakım yöntem sorunlarına
rastlamışlardır. Hipermetinsellikten kaynaklanan bazı yöntem sorunları, bu sorunların başında
gelmektedir (Karakulakoğlu, 2014, s. 123). Hipermetinsellik, nesne ve öznenin durağan olmadığını
anlatmanın teknolojik yolu olarak tanımlanabilir (Öztürk, 2018, s. 199). Hipermetinsellik, metinleri
birbirine bağlar ve metinlerin kendi aralarında ağ oluşturur. Bu durum böylece metinler arası dolaşımı
mümkün kılar (Bayrak & Cihan, 2017, s. 80).
İnternetin gelişen bu yolculuğu ile çevirim içi dünyada araştırmaların nasıl yapılacağı konusundaki sorular
zaman içinde kendini yenilemiştir. Web, nicel ve nitel araştırmaların gerçekleştirilmesi için yararlanılan
bir yer halini almıştır. Özellikle web üzerinden yapılan anket çalışmaları maliyetin düşük olması ve
geniş bir örnekleme erişim bakımından dikkate değer bir kaynak olmuştur. Bunun yanında çevirim içi
yapılan görüşmeler katılımcılar için daha güvenli bir ortam yaratmaktadır. Çevirim içi ortamın kültürel
niteliklerini çalışmak için ise etnogra yaklaşımlarından önemli ölçüde yararlanılmaktadır. Çevirim içi
ortamlarda kullanılmak üzere gelişen siber etnogra, sanal etnogra, netnogra ve dijital etnogra gibi
yaklaşımların sunduğu katılımcı gözlem tekniklerinden yararlanılmaktadır. Gelişmeye devam eden bu
teknikler aslında etnograarın bulundukları çevirim içi ortamda edindikleri bilgilerin güvenirliği ve
bu bilgiyi geliştirmek için nasıl yollar izleyecekleri, kendilerini konumlandırma biçimleri ve çevirim
Journal of Business and Communication Studies, 2023, 1(2), 97-125
100
içi ortamda yer almanın neye karşılık geldiği hakkındaki geniş kapsamlı düşünceleri ve soruları
beraberinde getirmektedir. Tüm bunlara ek olarak dijital verinin insanların eylemlerini ve düşüncelerini
apaçık gösteren bir ayna işlevine sahip olmadığını gözden kaçırmamak gerekir. Bu nedenle eleştirel bir
düşünme tarzından uzaklaşamamak önemlidir (Snee vd., 2016a, s. 4-6).
İnternetin geleneksel sosyal bilim yöntemleri için sunduğu veri toplama araçları dışında ayrıca
araştırmacıların büyük miktarda veriler toplayabilmesine imkan tanıyan bilişimsel/hesaplamalı sosyal
bilimler yöntemleri sayesinde ise sosyal dünya içinde ortaya çıkan hareketlilikleri ve olayları daha
derinlikli tanımlamak ve anlamak mümkün olabilir (Chang vd., 2014a, s. 71).
Veri toplama ve analiz etme biçimlerindeki ve hatta veri büyüklüğündeki bu değişimler ile bilimsel
araştırma yöntemlerinde bir paradigma değişiminden söz edilebilir. Bu durum araştırmacılara yeni yollar
açmaktadır. Bu paradigma değişiminin sebepleri ve ne olduğu hakkındaki tartışmalar ise önemlidir
(Chang vd., 2014b, s. 68). Büyük verinin ve yeni veri analitiğinin kaçınılmaz biçimde akademi
genelindeki baskın paradigmalara meydan okuyacağına inanılmaktadır (Kitchin, 2014, s. 30).
Büyük verinin araştırma paradigmasındaki kaymayı (paradigm shift) nasıl karşıladığı önemli bir sorudur.
Büyük verinin mevcudiyetinde bilişimsel/hesaplamalı sosyal bilimlere geçiş, Kuhncu bir bilimsel
paradigma kaymasını (shift) içermektedir (Chang vd., 2014b, s. 68). Burada Kuhn’un paradigma
hakkında ileri sürdüğü görüşler önemlidir. Paradigma kavramını ilk kez kullanan Thomas Samuel
Kuhn (Yaman, 2009, s. 23), paradigmayı “inançların eksiksiz ve tam kümesi (the entire constellation of
beliefs)” olarak tanımlamaktadır (Malik, 2014, s. 41).
Bilimsel değişim, bir paradigmadan bir diğerine devrimler aracılığıyla yol almaktadır. Dolayısıyla
bu, araştırma yapmanın, verileri ve dünyayı görmenin, düşünme şeklinin değişimini içermektedir.
Araştırmanın doğası ve araştırmanın nasıl yürütüleceği paradigmanın bir parçasıdır (Imershein, 1977, s.
33). Takip edilecek prosedürler/yöntemler (procedure), sorulacak sorular, toplanacak veriler ve uygun
modeller paradigma içerisinde bulunur (Imershein, 1977, s. 34). Jim Gray (2009) ise paradigmalar
arasındaki değişimlerin/geçişlerin (shift) veri üretimindeki ilerleyiş ve yeni analitik yöntemlerin
geliştirilmesi üzerine de kurulabileceğini ileri sürer. Gray, büyük verinin ve yeni analitiklerin büyüyen
kullanılabilirliğinden/elverişliliğinden (availability) yola çıkarak bilimin dördüncü bir paradigmaya
girdiğini vurgulamaktadır.
Bilişimsel/hesaplamalı sosyal bilimlerde ve dijital sosyal bilimlerde kilit nokta ise sosyal medya ve
büyük veridir. Bu çerçevede büyük veri devrimi önemli bir dönüm noktasıdır. Büyük verinin çok hızlı
veri olduğu, örneğin güncel bir haber veya olayla ilgili atılan tweetlerin sayısından ve miktarından da
anlaşılabilir. Büyük verinin hızı ve büyüklüğüne ek olarak özellikle sosyal medyanın her kolunda yer
alan videolar, fotoğraar, konum bilgisi gibi tanımlayıcı veri biçimleri de çeşitlilik sunmaktadır (Snee
vd., 2016c, s. 13-14). Sosyal bilimlerde yeni perspektierin, büyük veri ile ilgili gelişmeleri takip etmesi
ise oldukça önemlidir (Chang vd., 2014b, s. 68).
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
101
Bilişimsel/hesaplamalı sosyal bilim (computational social science - CSS), karmaşık bilim (complexity
science), bilişimsel/hesaplamalı bilim (computational science) ve sosyal bilimin (social science) kesiştiği
noktada lizlenen disiplinlerarası bir alandır (Ciof-Revilla, 2010, s. 259).
Şekil 1
Bilişimsel/Hesaplamalı Sosyal Bilimlerin Ortaya Çıktığı Kesişme Alanı
Bilişimsel/hesaplamalı sosyal bilimler, sosyal bilim disiplinlerinin, uygulamalı bilgisayar bilimlerinin
ve ilgili disiplinlerin kesişim noktası olarak oldukça heyecan vericidir (Ciof-Revilla, 2013, s. 2).
Bilişimsel/hesaplamalı sosyal bilime tek bir kapı açılmamaktadır. Bilişimsel/hesaplamalı sosyal bilim,
çok çeşitli bilgisayar ve veri bilimi araçlarının kullanımı ile analitik yaklaşımlarını güçlendirmeyi
hedeeyen farklı disiplinler arasında bir buluşma noktası olarak açıklanabilir (Ünver, 2019, s. 158).
Hesaplamalı modelleme sadece sosyal bilimlerden değil birçok farklı disiplinden bilgileri kullanmaya ve
entegre etmeye imkan tanımaktadır. Bilişimsel/hesaplamalı sosyal bilim alanında en önemli güçlüklerden
birisi, nispeten çözümü zor (subtle) ve karmaşık (complicated) birçok krin eş zamanlı olarak gösterilme
gerekliliğidir (Ciof-Revilla, 2013, s. 1). Bilişimsel/hesaplamalı sosyal bilimler, yaşadığımız etkileşimli
ve zengin hayatları analiz etmek için dijital araçlardan yararlanan gelişen ve büyüyen bir alandır. Bu
disiplin, bireylerin yüz binleri içeren çevirim içi deneyimlerinden, sosyal ağlardan ve cep telefonlarından
toplanan verileri ile önceden araştırılması mümkün olmayan soruları cevaplamak için ağların güçlü
bilgisayar simülasyonlarını kullanmaktadır. Bu yeni araçlar ve devasa veri setleri sosyal bilimcilere,
ekonomik varlıktan suça ve politik iknaya kadar pek çok sosyal mesele ile alakalı bundan önce tespit
edilememiş/saptanamamış (undetected) modelleri ya da toplumsal eğilimleri (societal trends) meydana
getiren insanlar arasındaki bağların nasıl oluştuğuna ilişkin bilgi sağlamaktadır (Mann, 2016, s. 468).
Journal of Business and Communication Studies, 2023, 1(2), 97-125
102
Yaşadığımız dönemdeki değişim hızı şimdiye kadar hiç görülmemiş düzeydedir. Teknolojik gelişmeler,
açtığı yeni iletişim kanalları ile yeni davranış biçimlerini oluşturmuştur. Genetik olarak tanımlanan temel
biyolojik özelliklerini neredeyse on binlerce yıldır koruyan insanlar, sosyal davranışlarında çok hızlı
değişimler yaşamaktadırlar. Bu noktada bilişimsel/hesaplamalı sosyal bilimciler, toplumun yapısının
ve işlevinin anlaşılması hususunda yeni bir dönemin başladığına inanmaktadırlar (Conte vd., 2012, s.
326-327).
1930’lu yıllardaki bir sosyal bilimcinin yapması gereken kapı kapı dolaşarak insanların önceki yıl
ne kadar kazandıklarını sormaktı. Günümüzde ise araştırmacılar, bütün bir şehrin parasal işlemlerini,
milisaniye zaman ölçeklerinde (milisecond timescales) kredi kartı verileri aracılığıyla takip edebilir.
Bu akıl almaz veri çokluğu bilişimsel/hesaplamalı sosyal bilim uygulayıcılarına daha eski metotların
şimdiye kadar sunduklarından daha yüksek çözünürlükte (high-resolution) sonuçları açığa çıkarma
imkanı sağlamaktadır (Mann, 2016, s. 469).
Dijital araçların iletişim kurma ve haberleşme biçimlerinde hakim olmaya başlamasıyla birlikte sosyal
bilimciler, gerçek hayattaki etkileşimler hakkında çok daha fazlasını keşfetmektedirler. Her gün
Facebook, Instagram ve Spotify gibi pek çok sosyal medya alanında paylaşımlar yapılmaktadır (Mann,
2016, s. 469). Çevirim içi (online) olarak yapılan bu paylaşımlarla davranış kırıntıları ortaya çıkmaktadır
(S. Messing’den akt. Mann, 2016, s. 469). Bu paylaşımların yapılmasını sağlayan araçlardan biri ise hiç
şüphesiz cep telefonudur. Cep telefonu verileri bilişimsel/hesaplamalı sosyal bilim araçları arasında
oldukça değerlidir (Mann, 2016, s. 469).
Bilişimsel/hesaplamalı sosyal bilim benzersiz bir genişlik, derinlik ve ölçekteki veriyi toplayabilen ve
analiz edebilen disiplinlinlerarası alanları içermektedir. Bilişimsel/hesaplamalı modelleme yaklaşımları
(computatioanl modeling approaches), daha önce tek seferlik ve anlık verilerle çalışılmamış insan
etkileşimleri ve hareketleri gibi sosyoteknik sistemlerin davranışını öngörebilir (Chang vd., 2014b, s.
68).
Bilişimsel/Hesaplamalı Sosyal Bilimlerin Tarihi
Bilişimsel/Hesaplamalı sosyal bilimler elektronik bilgisayarların icadına ve 20. yüzyılın ikinci yarısına
dayanan yeni bir gelişme olarak karşımıza çıkmaktadır. Sosyal bilimciler 1960’lı yıllarda istatistiksel veri
analizlerini yönetmek için bilgisayar kullanmaya başladılar. Bu aslında SAS, SPSS ve delikli kartların
(punched cards) ilk zamanlarına denk gelmektedir (Ciof-Revilla, 2010, s. 260). İlk bilgisayarlara
veri girmeyi sağlayan delikli kartlar, verileri başka bilgisayarlar ile kullanmanın bir aracıydı. Çünkü
ilk bilgisayarlar günümüzdekiler gibi dosyaları depolayamıyorlardı (What is a Punch Card?, 2021).
Bilişimsel/Hesaplamalı sosyal bilimlerde (Computational social science/CSS) teknoloji ve hesaplamalı
bilim yoluyla sosyal bilim yapmanın yeni yollarını fark eden Herbert A. Simon (1960), Karl Deutsch
(1963), J.C. Loehlin (1968) gibi öncüler etkili olmuştur (Ciof-Revilla, 2013, s. 25).
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
103
Sistematik bir araştırma alanı olarak bilişimsel/hesaplamalı sosyal bilimler alanının, nasıl ve ne
zaman başladığı bazı açılardan diğer bilimsel alanların tarihi ile benzerlik göstermektedir. Ciof-
Revilla bilişimsel/hesaplamalı sosyal bilimlerin tarihsel kökenlerinin, Avrupa’da geç Rönesans ve
erken Aydınlanma dönemlerinde ortaya çıkan Bilimsel Devrim’de görülebileceğini ifade etmektedir.
Bu dönem, sosyal bilimlerin evrensel olarak bağlı kalınan pozitif bilimsel metodolojinin kavramlarına
ve ilkelerine (istatistik gibi yalnızca belirli nicel yöntemler değil), özellikle gözlemlerin ölçülmesi,
hipotezlerin sistematik olarak test edilmesi ve sosyal fenomenleri anlamak için matematiksel teorilerin
geliştirilmesine uyum sağlamaya başladığı dönem olarak kabul edilebilir (Ciof-Revilla, 2013, s. 17).
İkinci Dünya Savaşı’nın son günlerinde ve Soğuk Savaş’ın ilk günlerinde dijital hesaplamanın icadı ile
bilişimsel/hesaplamalı sosyal bilimlerin başlangıcına işaret edilebilir. Bilim ve teknoloji tarihindeki bu
büyük dönüm noktası, sosyal bilimleri iki şekilde etkilemiştir (Ciof-Revilla, 2013, s. 18):
1. Modern dijital bilgisayar, araştırma anlayışını genişleterek bilişimsel/hesaplamalı sosyal
bilimlerin ortaya çıkmasında etkili oldu. Sosyal bilimciler ilk defa çok büyük miktarlardaki
verileri analiz edebildiler ve birçok bilimsel hipotezi test edebildiler. İnsan zihninden küresel
sisteme değin sosyal alanın boyutlarını ve yapılarını keşfedebildiler. Bunun ilk örneklerinden
biri, bilişimsel/hesaplamalı sosyal bilimler alanının öncülerinden Rudolf Rummel ve Charles
Spearman gibi isimler tarafından yapılan faktör analizinin icadıdır. Bir diğer örnek ise, sosyal
araştırmacıların ilk kez benzeri görülmemiş miktarda nitel metin verisinin içeriğine ilişkin
hipotezleri keşfedebilmesine ve test edebilmesine olanak veren bir bilişimsel/hesaplamalı
içerik analiz sistemi olan General Inquirer’in icadıydı. Modern dijital bilgisayarın icadı ile
sosyal bilimlerdeki bilgi hacmi önemli derecede arttı.
2. Sosyal bilimciler, bir süredir insan ve sosyal dinamikleri anlamak için iletişimin ve bilgi
işleminin (information-processing) önemini biliyorlardı. Medya ve metin verileri aynı
zamanda radyo yayınları ve propaganda çalışmaları, bilgisayarın ortaya çıkmasından çok
önce başlamıştı. Ancak dijital bilgisayar sosyal evrendeki süreçler ve sistemler hakkında
yeni ilkelere, kavramlara, hipotezlere, modellere ve teorilere esin kaynağı olmuştur. Örneğin
Herbert Simon’un sosyal karmaşıklık teorisi dijital bilgisayarların etkisinin bir sonucudur. Bir
başka örnek ise, Harold Guetzkow’un yenilikçi bilgisayar simülasyonlarını geliştirdiği gibi
oldukça etkili olan hibrit simülasyonları (insan-makine simülasyonları olarak adlandırılan) da
geliştirmesidir.
Bilişimsel/hesaplamalı sosyal bilimlerin tüm alanları ilk zamanlarından beri dikkate değer bir şekilde
büyüme yaşamıştır. Sosyal teorilerdeki ve araştırmalardaki gelişmelerin yanında hesaplamanın/
bilgi işlemin (computing) tüm alanlarındaki, özellikle uygulamalı bilişimsel/hesaplamalı yaklaşımlar
ve metodolojilerdeki ilerlemeler, bilişimsel/hesaplamalı sosyal bilimlerdeki bilgi birikimine katkı
sağlamıştır. Gelişmekte olan bir alan olarak bilişimsel/hesaplamalı sosyal bilimler, sosyal bilim teorisinin
ve araştırmasının tüm alanlarında yeni anlayışa katkıda bulunma kabiliyetini çoktan ortaya koymaktadır
(Ciof-Revilla, 2013, s. 19).
Journal of Business and Communication Studies, 2023, 1(2), 97-125
104
2. KAVRAMSAL ÇERÇEVE
Bilişimsel/Hesaplamalı Sosyal Bilimler Yöntemlerinin Temel Alanları
Bilişimsel/Hesaplamalı sosyal bilimler yöntemlerinin temel alanları hakkında genel bir bakış açısı
kazanmak ve iyi anlayabilmek için birtakım kavramları açıklamak gerekmektedir.
Bu kavramlardan ilki olan hesaplama, bilim insanları tarafından ziksel, biyolojik ve sosyal disiplinler
içerisinde yeni anlayışları su yüzüne çıkarmayı hedeeyen bir disiplindir. Hesaplamanın sosyal
sistemleri ve süreçleri daha iyi anlamak için nasıl kullanılması gerektiği önemlidir. Problem çözme,
programlama ve tasarım/model (design) hesaplamanın ve bilişimsel/hesaplamalı yaklaşımın temel
elementleri arasında bulunmaktadır (Abbate, 2014, s. 23).
Bilgi işleme sistemi olan bilgisayarlar (computer), program olarak isimlendirilen bir dizi komut ve
talimatla hesaplama (compute) işlemi temelinde kurulmuştur. Programlar, bir tarin aksine, bir dizi
talimat şeklinde bilgisayar kodu ile yazılmaktadır. Kodlar, programlama dilinin formatına uygun şekilde
yazılmalıdır. Tüm bu hesaplama süreci, yazılım ve donanım bileşenlerinden oluşan problem çözme
sistemi olarak görülebilir. Donanım, bilgiyi işlemek için ziksel araçları sunarken; yazılım, donanıma
ne yapacağını söyleyen algoritmik talimatları sunmaktadır. Bilgisayar biliminde yazılım, aynı zamanda
kod olarak da bilinir fakat sosyal bilimlerde -nitel araştırmalarda kullanılan- kod ile karıştırılmamalıdır.
Bilişimsel/hesaplamalı (Computationally) olarak konuştuğumuzda kod, kod tarafından işlenen veriden
farklıdır (Ciof-Revilla, 2013, s. 25).
Bir bilgisayar dili, bilgisayarın ne yaptığını kontrol etmek ve iletişim kurmak için kullanılan dilbilgisidir.
Tüm diller gibi, sosyal bilimcilerin kullandığı matematiksel yapılar da dahil olmak üzere bilgisayar
dilleri sentaks (syntax), semantik (semantic), ve pragmatikten (pragmatic) oluşmaktadır. Sentaks yani
söz dizimi, talimatlar yazmak için uygun kurallara karşılık gelir. Semantik ise, sembollerin anlamını
ifade eder (çeşitli kod öğelerinin ne anlama geldiğini ifade etmek gibi). Son olarak pragmatik, bir
dilin ilk amacını, işlevini ifade etmektedir. Bilgisayar dilleri amaca göre farklılıklar göstermektedir
(matematiksel yapıların çeşitli amaçlarla oluşturulması gibi) (Ciof-Revilla, 2013, s. 28).
Sosyal bilimlerin yaklaşık son iki yüzyılda önemli matematiksel yapılar kullandığı görülür fakat sosyal
bilimciler, matematik ve istatistiğe ek olarak bilişimsel/hesaplamalı sosyal bilimler teorisi ve sosyal
karmaşıklık için temel olan programlama dillerini kullanmaya ihtiyaç duymaktadırlar (Ciof-Revilla,
2013, s. 28). Dolayısıyla bilişimsel/hesaplamalı sosyal bilimciler ve bu alanda çalışmalar yapmak
isteyen araştırmacılar için programlama dilleri (Python, C++, Java, R, Lisp gibi) oldukça önemlidir.
Bilişimsel/hesaplamalı sosyal bilimler yöntemlerinin temel alanları ise dört başlıkta sınıandırılabilir.
Bunlar aşağıdaki şekilde gösterilmektedir.
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
105
Şekil 2
Bilişimsel/Hesaplamalı Sosyal Bilimler Yöntemlerinin Temel Alanları
2.1. Veri madenciliği (Data mining)
Bilgi ve model/örnek (pattern) elde etmek için karmaşık veya yapılandırılmamış veri kaynaklarının
girdi olarak kullanılmasıyla gerçekleştirilen otomatik bilgi çıkarımı işlemine bilgisayar biliminde veri
madenciliği denir (Ciof-Revilla, 2013, s. 76). Veri madenciliği, mantıklı ve yeni bilgi elde etmek
için büyük veri setleri içerisinde belirli adımlardan oluşan sentezleme işlemi gerçekleştirmektir. Veri
setlerinde yer alan ilişkiler üzerinde işlem yapmak veri madenciliği yapmanın hedeeri arasındadır.
Anlamlı bağlantılara ve kurallara ulaşmak için büyük miktarlardaki verilerin incelenmesidir (Albayrak,
2017, s. 752). Albayrak (2017), veri madenciliğindeki amaçlardan birinin kolaylıkla mantıksal kurallara
ve görsel materyallere dönüştürülebileceğimiz nitel modellerin sağlanması olduğunu ifade eder. Veri
üzerinden modeller geliştirmek için yapay zeka, istatistik, bilgisayar bilimi gibi farklı bilim alanlarından
algoritmalar kullanılır. Büyük verinin analizinde, temel yöntemler arasında yer almaktadır.
Coğrafi bilgi sistemleri (CBS)
[Geospatial analysis; social GIS
(Geographic information systems)]
Sosyal simülasyon modeli
(Social simulation models)
Sosyal ağ analizi
(Social network analysis -SNA)
* Makine öğrenmesi (Machine learning -ML)
* Yapay zeka (Artificial intelligence -AI)
* Yapay sinir ağları (Artificial neural network-ANN)
Veri madenciliği (Data mining)
* Bilgi çıkarımı (Information extraction)
* Bilgi derleme (Information retrieval)
* Kelime öbeği tanıma (Pharese recognition)
* Varlık ismi çıkarımı (Named entity extraction)
* Konu modelleme (Top i c modelling)
* Doğal dil işleme (Natural language processing -NLP)
Journal of Business and Communication Studies, 2023, 1(2), 97-125
106
Şekil 3
Veri Madenciliği Özellikleri Ve Uygulama Biçimleri
Kaynak: Albayrak, 2017, s. 752; Ciof-Revilla, 2013, s. 76; Doğan & Arslantekin, 2016, s. 26; Kavurkacı vd., 2011, s. 153
Ciof-Revilla, veri madenciliğinin merkezinde yer alan kümeleme (clustering) ve sınıandırma
(classication) yaklaşımlarından bahsetmektedir. Sınıandırma, kategorizasyon (categorization) olarak
da bilinir. Bu analiz türünde bir dereceye kadar insan müdahalesi yer alır. Kategorize edilmiş bilgi
seti elde etmek amaçlanır. Denetimli (supervised) makine öğrenme biçimidir. Kümeleme (clustering),
denetimsiz makine öğrenme biçimi olan veri madenciliği yapılırken metinleri sınıandırmanın temel
yaklaşımlarıdır (Ciof-Revilla, 2010, s. 76; Hatipoğlu vd., 2022, s. 138) Farklı özelliklere sahip
kümelerin yer aldığı bu yöntemde, kümelerin içindeki elemanlar ise birbirlerine benzer özelliklere
sahiptir. Kümeleme modelinin bazı uygulamalarda sınıama modelinin önişlemi olarak kullanılabildiği
durumlar olabilir (Kavurkacı vd., 2011, s. 153).
Otomatik bilgi çıkarımı ve metin madenciliği, aynı zamanda metin bakımından zengin ve sayıca az
sosyal bilim alanlarında ümit veren bilişimsel/hesaplama stratejisi olarak tanımlanabilir. Örneğin sosyal
antropolojinin bir alanı olan etnogra, öncelikle nitel araştırma yoluyla yazılı kayıtların üretilmesine
dayanmaktadır. Büyük etnograk kayıt depoları, artık çevirim içi olarak bulunmaktadır. Bu nedenle
metin madenciliği ve başka otomatik bilgi çıkarımı yöntemleri için günden güne daha fazla kullanılabilir
hale gelmektedir (Ciof-Revilla, 2010, s. 261).
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
107
2.2. Sosyal Ağ Analizi (Social network analysis-SNA)
Sosyologlar ağları bireyler ve sosyal gruplar arasındaki bağlantılar olarak tanımlamaktadır. Ağlar, bir
kişi veya grubu bir başka kişi veya gruplarla birleştiren doğrudan ya da dolaylı bağlantılardan meydana
gelmektedir (Giddens & Sutton, 2014, ss. 243-244). Sosyal ağlar, aktörlerden ve sosyal ilişkilerden
oluşmaktadır. Ağlar sosyoloji, antropoloji, ekonomi, siyaset bilimi, psikoloji gibi alanların yanında
iletişim, tarih, coğrafya, yönetim bilimi gibi disiplinlerarası alanlarda sıklıkla karşımıza çıkar (Ciof-
Revilla, 2013, s. 89). Ağlar sosyal yapılarda çıplak gözle görülemeyen olayların ve olguların görülmesine
yardım etmektedir. Sosyal ağ analizi yöntemi yoluyla sosyal ağların incelenebilmesi mümkün hale
gelmektedir (Ağcasulu, 2018, s. 1931).
Ağ analizi yaklaşımının temeli 1930’larda gerçekleştirilen Moreno ve Jennings’in çalışmasına
dayanmaktadır. ABD’deki bir kız yetiştirme yurdunda, okuldan kaçan kız öğrencilerin davranışlarını
anlamak için yapılan araştırmaların öğrencilerin yalnızca kendilerini dikkate alarak yürütülen geleneksel
yöntemlerle tatmin edici olmadığı için Moreno ve Jennings okuldan kaçma davranışının, öğrencilerin
arkadaşlık ilişkileriyle oluşan sosyal yapıya odaklanılarak anlaşılabileceğini görmüşlerdir. Dışarıdan
bakıldığında bireysel özellikleri bakımından (yaş, cinsiyet, ırk, vb) okulun genel ortalaması ile farkı
bulunmayan bir grup öğrencinin aslında bu genel yapının dışında kalmasının temel nedeni “sosyal
bölgelerinde” bir kaçma kültürünün olmasıdır. Bu yaklaşımın ortaya koyduğu ‘bölge’ sadece sosyal
ilişkiler haritasında görülebilmektedir. Sosyal ağ kavramı ile bu kavramın analizi için gerçekleştirilen
çalışmalar sosyal olanı bir bütün olarak anlamaya yardım eder. Bu, bütünün bileşenlerin toplamı olduğunu
kabul etmemekten kaynaklanan bir katkıdır ve parçaların birleşme şekline odaklanmayı sağlayacak bir
reddediştir. Ağ/ilişki analizi odaklı yaklaşım, sosyal bileşenlerin, bireylerin, incelenmesinden ziyade
ilişkilere bakılarak sosyal olanın gerçek yüzünün anlaşılacağını ileri sürmektedir (Gençer, 2017, s.
20). Kapsamlı bir şekilde bakıldığında sosyal ağ analizi, bireysel üyelerin özelliklerinden çok bağların
özelliklerine odaklanmaktadır. Buna ek olarak sosyal ağ analizi, kaynakları yönlendiren ve üyeleri
birbirine bağlayan bir ağ olarak sosyal yapının kavramsallaştırılmasını sağlamaktadır (Wetherell vd.,
1994, s. 645).
Sosyal bilimlerde ağ araştırmaları, uygulama ile kuramın etkileşimi sonucunda ortaya çıkmıştır.
Ağ araştırmaları mikro düzeyde bireyler, mezo düzeyde örgütler ve makro düzeyde örgütler arası
ilişkilere odaklanmaktadır. Ağ araştırmaları bütün düzeylerde ve düzeyler arasında bağlantılı analizler
yapabilmektedir ve kurumsal çıktılarda bireysel etkileri inceleyip daha büyük sosyal yapıların
bireydeki etkilerini anlamaya yardım etmektedir. Bireylerin farkında olmadığı sosyal gerçekliklerin
yansıtılmasında ağ analizindeki sosyal yapı etkilidir. Sosyal yapı, iç içe geçen ve çeşitlilik taşıyan
karmaşık ağ bağlantılarının incelenmesini gerektirir (Ağcasulu, 2018, s. 1916). ‘Yapısal analiz’ olarak da
isimlendirilen sosyal ağ analizi, sosyal yapıların araştırılmasında geniş bir stratejidir (Otte & Rousseau,
2002, s. 441).
Journal of Business and Communication Studies, 2023, 1(2), 97-125
108
Sosyal ağ analizine rağbet bilişimsel/hesaplamalı sosyal bilimlerin önemli alanlarından biri olarak
sosyal medyanın (Facebook, Twitter vb.) ve İnternet sitelerinin yaygın hale gelmesi ve gelişmesi ile
artış göstermiştir. Sosyal bilimlerde neredeyse her alandaki ağların analizi, hesaplamadan/bilişimden
öncesine dayanmaktadır. Bu nedenle sosyal ağ analizini tarihsel temelleri bakımından incelemek yerinde
olacaktır. Dijital bilgi işlemin/bilişimin ve bilişimsel/hesaplamalı sosyal bilimlerin ortaya çıkışı sosyal
karmaşıklık (social complexity) çalışmalarını, ağ analizi ve modelleme yoluyla dönüştürmüş, araştırma
anlayışımızı ilerletmiş ve araştırma sınırlarını da genişletmiştir (Ciof-Revilla, 2013, s. 13).
Bilgisayarlar metodolojik araç setinin bir parçası haline gelene kadar, özellikle ağlar üzerine onlarca
yıllık öncü araştırmalara dayanarak sosyal bilimciler resmi teorileri de içeren -bilişimsel/hesaplamalı
yaklaşımlardan yararlanmaya imkan veren- güçlü kavramlar, istatistiksel araçlar, matematiksel modeller
ve prosedürler seti geliştirmişlerdir. Teoride gelişim ve bilişimsel/hesaplamalı sosyal bilimler alanında
araştırma patlamasının bir diğer nedeni ise karmaşık sosyal ağları anlamak için gereken yüksek
boyutlardaki verilerin ve büyük matrislerin verimli/etkili bir şekilde işlenmesini sağlayabilen, özellikle
yeni nesil bilgisayar yazılım ve donanım sistemleri, bilişimsel araçlardır (Ciof-Revilla, 2013, ss. 13-
14).
Klasik ağ teorisinde, bireyler arasındaki sosyal ağlara (tavsiye aramak, arkadaşlıklar gibi) ve resmi
sözleşme yoluyla gerçekleşen ilişkilere (ticaret, ittifaklar gibi) odaklanma söz konusudur. Ağ teorisini
sosyal bilimler için önemli yapan, görünürde karmaşık olan ilişkilere bir yapı sunmasıdır. Ayrıca ağ
teorisi, ilişkilerin ve bu ilişkiler üzerindeki iç-dış baskıların davranışları ve inançları etkileyebilme
gücüne sahip olduğunu savunur (Ünver, 2019, s. 169). Diğer taraftan bilişimsel/hesaplamalı ağ analizi
klasik ağ teorisini çok büyük boyutlara ve karmaşıklıklara taşır. Bilişimsel/hesaplamalı ağ analizi makine
öğrenmesi, yapay zeka ve sinir ağları yaklaşımlarını kullanır (Ünver, 2019, s. 169).
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
109
Şekil 4
Ağ Analizi Yaklaşımları ve Özellikleri
Kaynak: Akbıyık, 2019, ss. 26-27; Eskici ve Koçak, 2018, s. 31; Kurnaz ve Ünver, 2022, s. 169; Okkay ve Bal,
2021, s. 96; Ünver, 2019, s. 169.
Makine öğrenmesi (Machine learning - ML)
Makine öğrenmesi, örnek verileri veya geçmiş deneyimlerden yararlanarak bilgisayarları bir performans kriterini
optimize etmek için programlamaktır. Öğrenme süreci denetimli ve denetimsiz olmak üzere iki farklı yaklaşımdan
oluşmaktadır. Denetimli makine öğrenmesi (supervised learning), sınıandırma ve regresyon için kullanılmaktadır.
Denetimsiz makine öğrenmesinin (unsupervised learning) ise kümeleme için kullanıldığı bilinmektedir (Akbıyık,
2019, ss. 26-27). Makine öğrenimi yapay zekaya ulaşmada kullanılan bir yaklaşımdır. Makine öğrenimini
uygulamaya yarayan teknik ise derin öğrenmedir (Okkay & Bal, 2021, s. 96).
Yapay zeka (Articial intelligence -AI)
John McCarthy, makinelerin dili kullanmalarını, soyutlama ve kavramlar oluşturmalarını, şu anda insanların
çözebildikleri türdeki problemleri çözmelerini ve kendilerini iyileştirmelerini mümkün kılmak amacıyla başlattığı
projesinde yapay zeka terimini ortaya atmıştır (Reese, 2020, s. 75). Zaman içerisinde hızla gelişmekte olan yapay
zeka çalışmaları kapsamında, 1997’de Deep Blue adlı satranç programının Garry Kasparov’u yenerek Dünya
Satranç şampiyonu olması ve ardından 2011’de Riziko bilgi yarışmasında IBM Watson programının insanları
Journal of Business and Communication Studies, 2023, 1(2), 97-125
110
yenmesi neticesinde artık makinelerin kendileri için veri toplayıp öğrenmesi üzerine çalışan bir bilim alanı olarak
makine öğrenimi netlik kazanmıştır. Yapay zekanın kendi kendine öğrenebilme yeteneği ve aynı zamanda derin
öğrenme yaklaşımı “insan beyninden esinlenerek geliştirilmiş çok katmanlı yapay sinir ağlarının, özgün kir
gerektiren sorunları çözmesini hedeeyen bir çalışma alanı” olarak belirginleşmiştir (Kutlusoy, 2019, s. 33). Yapay
zeka, karmaşık sorunların çözülmesinde ve daha doğru sonuçların elde edilmesinde kullanılmaktadır (Okkay &
Bal, 2021, s. 96).
Yapay sinir ağları (Articial neural network-ANN)
Sinir ağı modellerinin tasarlanmasında biyolojik sinir ağlarının temel alındığı görülmektedir. Sinir ağları süreci
herhangi bir istatistiksel dağılımı takip etmediği için regresyondan farklıdır özellikle veri içindeki doğrusal olmayan
ilişkileri daha etkin bir şekilde ortaya koyabilmesi nedeniyle regresyonun veriye uygun model oluşturmada
güçlük çektiği noktalarda kullanılabilir. Veriye aşırı uyum sağlama eğiliminde olduğundan, yeni bir veri setine
uygulandığında etkili sonuçlar ortaya çıkarmayabilir. Sinir ağlarındaki en önemli sorun, sonuca nasıl ulaştığının
açık olmaması ve yorumlanmasının zorluğu olarak karşımıza çıkmaktadır (Eskici & Koçak, 2018, s. 31).
2.3. Coğra bilgi sistemleri (CBS) [Geospatial analysis; social GIS (Geographic information systems)]
Coğra Bilgi Sistemleri (Geospatial Information System) ve geospatial (jeo-uzamsal) kavramları arasında belirsiz
farklılıklar bulunmaktadır ve genellikle birbirlerinin yerine kullanılmaktadırlar. Her ikisi de coğra bilgilerin
katmanlarda depolandığı ve sonrasında özel bir haritalama yazılımı ile görüntülendiği, manipüle edildiği ve
ölçüldüğü görsel sistemlere işaret eder. Haritalama araştırmasının esas noktası, coğra koordinatlar ve diğer
coğra verilerdir (yükseklik, topografya, derinlik vb.). Haritalama, sosyal medyaya ve akıllı cihazlara entegre
edilen coğra konum bilgilerinin tanıtımından dolayı sosyal bilimler için önemli hale gelmiştir. Coğra bilgileri
kapsayan büyük sosyal veri setlerinin oluşturulmasıyla araştırmacılar, politik ve sosyal olayları çok daha yüksek
ayrıntı düzeyi ile bazen de gerçek zamanlı olarak inceleyebilmektedirler (Ünver, 2019, s. 163).
Şekil 5
Coğra Bilgi Sistemi Özellikleri
Kaynak: Değerliyurt & Çabuk, 2015, s. 39
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
111
Coğra bilgi sistemlerinde donanım, oluşturulan yazılım, yöntem, veri ve kullanıcılar ile ortaya konulan bu
bütünlük, yeryüzünde anlam ifade eden coğra referanslı her unsurun elektronik ortama dahil edilmesine
fırsat verir. Bu olayların ya da unsurların haritaya dönüştürülüp verilerin analiz edilmesi amacıyla
gerekli bilgisayar desteğinin sağlanmasında ve ortak veri tabanlarının birleştirilmesinde yardımcıdır.
Veri tabanlarının yönetimini gerçekleştirerek farklı harita kombinasyonlarının oluşturulmasına olanak
verir (Değerliyurt & Çabuk, 2015, s. 39).
Konum bilgisine sahip araçların yaygınlaşmasından dolayı sosyal medyadaki ve bulutlardaki tweetler,
bloglar, yorumlar, videolar, fotoğraar, çevirim içi oyunlar, RSS (Rich Site Summary), hesaplar
coğra konumlarla ilgili referanslarla/örneklerle (reference) doludur. Sistemlerin, insanların nerelere
gittiklerini, nerelerden bilgiyi araştırdıkları ya da bilgi paylaştıklarını dolaylı olarak takip ettiklerini
ifade eden Buchel ve Pennington (2017), diğer yandan sosyal medya kullanıcılarının gidecekleri
yerlerin konumunu, seyahat rotalarını gönüllü olarak paylaştıklarından da bahsetmektedirler (Buchel &
Pennington, 2017, s. 285). Web scraping ve dijital dinleme gibi yöntemler ile de kişilerin konumlarına
dair verilere ulaşılmaktadır (Kurnaz vd., 2019, s. 81).
Goodchild’in ifade ettiği gibi vatandaşların jeo-uzamsal bilgileri toplayan ve yardım eden sensörler
haline geldiği bir durum söz konusudur. Bu fenomen (phenomenon), sosyal medya ile coğrafya bilgi
bilimi arasında bir yakınlığa yol açmıştır. Gönüllü kitle kaynaklı (crowd-sourced) veriler, veri toplama
yükünü haetir. Bu veriler, insan hareketlerini sosyo-mekansal (socio-spatial) davranışları noktasında
irdelemek ve araştırmak için heyecan verici fırsatları beraberinde getirir. İnsan tanımlı arazi alanlarındaki
bilgi akışları ve sosyal ağların araştırılmasında yararlanılan birtakım teknikler bulunmaktadır. Bu
teknikler yalnızca coğrafyada geliştirilmemektedir. Araştırmacıların sosyal medyadaki coğra konumları
kullanmasında, konumları anlamanın yanı sıra ele alınan fenomenler ile ilgili daha iyi iç görülere sahip
olmanın etkisi göz ardı edilemez. Sosyal medyadaki konumsal bilgiler (spatial), jeo-uzamsal/coğra
konumsal (geospatial) ayak izleri ve metin olmak üzere iki şekilde kaydedilmektedir. Bir ayak izi, jeo-
uzamsal coğra koordinatlar açısından belirtilen coğra nesnenin konumunun ya da kapsamının temsili
olarak karşımıza çıkar. Ayak izlerine bir harita üzerinde görselleştirme oluşturmak için gerek duyulur
(Buchel & Pennington, 2017, s. 286).
Ayak izlerinin ve yer adlarının yanında coğra referanslar kesinlik (precision), doğruluk (accuracy),
ölçek (scale) ve belirsizlik (uncertainty) ile ilgili olarak da sınıandırılabilir. Doğruluk kaydedilen
değerin ‘doğru değeri’ (correct value) temsil etme derecesi olarak tanımlanabilir. Kesinlik, bölgenin
temsil ettiği coğra kapsamın/boyutun (extent) potansiyel miktarına karşılık gelmektedir. Ölçek,
dünya yüzeyindeki doğrusal mesafeye tekabül eden haritadaki doğrusal mesafe arasındaki orandır.
Anlamsal mekan (semantic space), coğra referanslar arasındaki örtük ilişkiler (implicit relationships)
ile tanımlanmaktadır. Özellikle ülkeler ve iller arasındaki ilişkilerin yanında iller ve daha küçük coğra
yerler arasındaki ilişkilerle tanımlanır. Böylece, farklı jeo-uzamsal ölçeklerle, anlamsal bir hiyerarşi
meydana gelir (Buchel & Pennington, 2017, s. 287).
Journal of Business and Communication Studies, 2023, 1(2), 97-125
112
İnternet erişimli şeyler/nesneler (sensörler, kameralar, cep telefonları vb.) ile gerçekleştirilen ölçümler
düşünüldüğünde her ölçümün coğra konumu önemli özellikler arasındadır. Konuma dayanan hizmetler
için coğra bilgi, yerel çevreyi anlamada önemli rol oynar. Yapay ve ziksel ortamlar genel olarak
karmaşık ve çok çeşitli parametreler tarafından karakterize edildiği için bu ekosistemleri modellemek
ve anlamak, mekanda (space) ve zamanda zengin bir ölçüm koleksiyonuna bağlıdır. Dolayısıyla duyusal
tabanlı nesnelerin interneti (sensory-based IoT) bilgilerinin daha ayrıntılı ve bütüncül akıl yürütme/
bütünsel muhakeme (holistic reasoning) ve çıkarım için toplanması, depolanması ve analiz edilmesi
gereklidir. Örnek verilecek olursa, bir rota uygulaması kullanıcıya daha eksiksiz ve kişiselleştirilmiş
tavsiyelerde bulunmak için hava tahmini ya da hava kalitesi ile bu bilgileri birleştirip bir şehrin
etrafındaki çeşitli trak sensörlerinden gelen girdilere gerek duyar. Tür, mekan ve zaman açısından
bu çeşitli nesnelerin internetinden (IoT) sağlanan ölçümlerden faydalanmak için jeo-uzamsal analiz
(geospatial analysis), araştırma sorularına ve karmaşık sorgulara içgörüler ve yanıtlar sağlamak amacıyla
kullanılmaktadır (Kamilaris & Ostermann, 2018, s. 1).
2.4. Sosyal simülasyon modeli (Social simulation models)
Sosyal simülasyon modelleme (social simulation modelling) ve analizinin esas bilimsel amacı tarih,
istatistik, etnogra gibi alanların metodolojilerini kullanarak mümkün olanın ötesine geçecek şekilde
sosyal karmaşıklığı araştırmaktır. Bu, incelenen sosyal sistemin ya da sürecin bir bilgisayar modelinin,
gerçekliğin ilgili yönlerini temsil eden bir sanal dünyanın, oluşturulması ile gerçekleşir (Ciof-Revilla,
2013, s. 225).
Simülasyon modelleme geleneğine sosyal bilimlerde onlarca yıl önce dijital hesaplamanın ilk
zamanlarında rastlanmaktadır. Birkaç farklı türde sosyal simülasyon modelleme çerçevesi mevcuttur.
Belirli bir türden bağımsız olarak tüm sosyal simülasyon modellerinin ortak özellikler paylaştığı
görülür. Her simülasyon modelinin bir dizi araştırma sorusu çerçevesinde tasarlandığı ve oluşturulduğu
açıktır. Araştırma soruları her modelde olduğu gibi temel bir rehber özelliği taşır. Sosyal simülasyon
modellerinin paylaştığı özelliklerden birisi de özellikle karmaşık modelleme projeleri ya da araştırmacı
ekipleri kapsayan projeler gündeme geldiğinde tek bir metodolojik etkinlik olarak değil bir dizi gelişim
aşaması ile geliştirilmeleridir. Bu tür aşamalar, model doğrulama ve geçerliliği içermektedir (Ciof-
Revilla, 2013, s. 15).
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
113
Şekil 6
Sosyal Simülasyon Modelleri
Kaynak: Ciof-Revilla, 2013, s. 15; Peldek ve Becerikli, 2019, s. 43.
Bilişimsel/hesaplamalı sosyal bilimlerdeki en eski simülasyon modelleri 1960’larda ve 1970’lerde,
geleceğin bilimsel analizine adanmış ve sürdürülebilir kalkınma amacıyla kurulmuş sivil toplum
kuruluşu Roma Kulübü’nün (1968) küresel modelleri aracılığıyla uluslararası önem kazanan Sistem
Dinamiği Modelleridir. Bu sosyal simülasyonlar Massachusetts Teknoloji Enstitüsü’ndeki Jay Forrester
ve grubunun öncü çalışmaları üzerine kurulmuştur. Bilişimsel/Hesaplamalı perspektien, bunların
denklem tabanlı modeller (equation-based models) olduğu söylenebilir (Cioi-Revilla, 2013, s. 15).
Sistem dinamikleri özetle karmaşık sistemlerin davranışını anlamayı ve istenen yönde değiştirmeye
yönelik politikalar geliştirmeyi hedeeyen sayısal bir modelleme yöntemi olarak tanımlanabilir (Sistem
Dinamikleri, 2021).
Karmaşık dinamik sistemlere başarılı müdahale matematiksel modellerden ve teknik araçlardan
daha fazlasını gerekli kılar. Sistem dinamikleri temelde disiplinlerarasıdır. Bir havayolunun pilotların
öğrenmelerini kolaylaştıracak uçuş simülatörlerini kullanması gibi sistem dinamiği, dinamik karmaşıklık
ile ilgili bilgi edinmeye, politika direncinin kaynaklarını anlamaya, daha etkili politikalar tasarlamaya
yardımcı bir yöntemdir. Dünyanın karmaşıklığı -insan zihni ne kadar mükemmel olursa olsun-
anlayışımızı, anlama yetimizi gölgede bıraktığı için, politika direnci ortaya çıkar. Zihinsel modellerimiz
sınırlı ve güvenilmezdir. Politika direncinin kaynaklarını anlamak için de sistemlerin karmaşıklığını
ve aynı zamanda karar vermek için kullandığımız zihinsel modelleri anlamalıyız (Sterman, 2001, s.
10). Bahsedilen zihinsel modeller, zihne iyice yerleşmiş, kökleşmiş varsayımlar, genellemeler, resimler,
imgelemeler olarak dünyayı anlama biçimimizi ve eylemlerimizi etkilemektedir. Genellikle zihinsel
modellerimizin ve bu modellerin davranışlarımızdaki etkilerinin farkına varamayız (Şenaras & Sezen,
2017, s. 47). Sosyal simülasyon modelleme ile zihinsel olarak farkına varamayacağımız türden giri
etkilerin ortaya konulabilmesi ise mümkündür.
Journal of Business and Communication Studies, 2023, 1(2), 97-125
114
Sosyal simülasyon modellerinde bir diğer önemli gelenek ise Kuyruğa Alma Modelleri (queuing models)
ile temsil edilir. Bu modeller, çeşitli türdeki merkezler veya işlem birimleri tarafından varlıkların (hastalar,
müşteriler, misafirler ve diğer aktörler gibi) bir hizmet ya da işlem için oluşturduğu sıraya ya da kuyruğa
“hizmet verildiği” süreçler veya sosyal sistemler için kullanılmaktadır. Çeşitli hizmetler veren bankalar,
her türlü ulaşım istasyonu, marketler vb. sistemler buna örnek olarak verilebilir. Bu modeller kuyruk
teorisine dayanmakla birlikte varlıkların hizmet istasyonlarına varışını, hizmetin ne kadar sürebileceğini
ve bu süreçlerin diğer istatistiksel özelliklerini temsil etmek için birtakım olasılık dağılımları kullanılır.
Kuyruk modelleri bu sebeple denklem tabanlı modeller sınıfındadır (Cioi-Revilla, 2013, s. 16)
Bundan sonra bahsedilecek sosyal simülasyon modelleri ise denklem tabanlı paradigmadan ziyade
modelleme ve simülasyonun nesne tabanlı yönüne doğru hareket etmektedirler. Nesne Tabanlı Modeller
(object-based models) denklemlerden yoksun değil ve aynı zamanda temel yapı taşının ise nesne
benzeri (object-like) olduğu söylenebilir. Değişkenler ve denklemler ise nesnelerin kendi içlerinde
“kapsüllenmiş” olarak bulunmaktadır. En basit nesneye dayalı sosyal simülasyon modellerine Hücresel
Otomatlar (cellular automata) örnek verilebilir. Bunlar, genellikle bir dama tahtasında olduğu gibi
birbirine bitişik, komşu sitelerin, yerlerin bir manzarasından ya da ızgarasından oluşur (Cioi-Revilla,
2013, s. 16). Hücresel otomatlar, ilk olarak günümüz bilgisayar mimarisinin çalışma ilkelerini belirleyen
Neuman tarafından biyolojik canlıların kendini yenileme ve üretme kabiliyetlerini modellemek amacıyla
ortaya konulmuştur (Peldek & Becerikli, 2019, s. 43).
Hücresel otomatlar bugün ilk önerildiğinden daha basit bir yapıda görülür. İlk önerilen hücresel
otomatların karmaşık olmasının nedeni o zamanki bilimsel sezgilerle alakalı olabilir. Hücresel otomatlar
üzerine çalışan Wolfram’ın önerileri ise farklı disiplinlerdeki (sosyal bilimler, mühendislik gibi)
araştırmacıların ilgisini çekmiştir. Basit kuralların karmaşık sistemleri modelleyebileceği düşüncesinde
olan Wolfram’ın çalışmaları, modern hücresel otomatlar ile ilgili önemli bir aşama olarak görülebilir
(Peldek & Becerikli, 2019, s. 44).
Hücresel otomata dayalı sosyal simülasyonların temelinde yatan düşünce, belirli bir manzara üzerindeki
komşu hücreler arasında ortaya çıkan tamamen yerel, bölgesel etkileşimlere dayanan beklenmedik
örnekleri (emergent patterns) incelemektir. Bu modelin en göze çarpan uygulamalarından biri,
nispeten tarafsız ve önyargısız komşular arasında bile ayrımcılığın nasıl ortaya çıkabileceğini gösteren
mahallelerdeki ve şehirlerdeki ırksal ayrım (racial segregation) çalışmasıdır (Cioi-Revilla, 2013, s. 16).
Sosyal simülasyon modellerinin bir diğeri Etmen Temelli Modeller/Ajan Tabanlı Modeller (Agent-
Based Models - ABM) olarak karşımıza çıkar. Simülasyona alınan aktörler dikkate değer bir özerkliğe
(otonomi), özellikle de bir yerden diğerine fiziksel hareketi içeren karar verme özerkliğine sahiptir (Cioi-
Revilla, 2013, s. 16). Ajan tabanlı sistemler, farklı davranış ve tepkilerde bulunma, kendi kendine karar
verme, çevresiyle etkileşim içerisinde olabilme yeteneğine sahip olan etmen (ajan) isimli varlıkların bir
arada bulunmasıyla oluşan karmaşık sistemlerdir. Bu sistemler, ajanların tepkilerine bağlı olarak farklı
sonuçlar ortaya çıkarmaktadırlar. Dolayısıyla ajan tabanlı modelleme, ajan tabanlı sistemleri modellemek
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
115
amacıyla birbiriyle etkileşim halindeki otonom ajanlardan ortaya çıkan bir yapay zeka tekniği olarak
tanımlanabilir (Çeçe vd., 2019).
Çetin (2017), Axelrod’un ajan tabanlı modellemeyi bilimsel araştırma yapmanın üçüncü bir yolu
olarak tanımladığına yer vermektedir. Ajan tabanlı modelleme, gözleme dayalı ve özel olayları, verileri
inceleyerek genel geçer bilimsel yasalar ortaya çıkarma işi olan tümevarım ile; genel geçer yasaları
kullanarak özel olaylar hakkında mantıksal çıkarımlar yapma işi olan tümdengelimi bütünleştirerek
akılcı ve aynı zamanda deneyci bir yol izlemektedir (Çetin, 2017). Ajan tabanlı modeller, liderliğin
temellerinin, normların işlevlerinin, çevresel değişimin organizasyonlar üzerindeki etkilerinin, dilin
evriminin ve daha birçok konunun araştırılması için kullanılmıştır (Gilbert, 2005, s. 5). Gilbert (2005),
ajan tabanlı simülasyonların çoğunun gerçek sosyal fenomenleri modellemek için oluşturulmuş olsa bile
dünyamızda var olamayacak durumları modellemek için de olası olduğunu belirtmiştir. Ajan tabanlı
sosyal simülasyonu tanımlamanın bir yolu ise sosyal bilimler, ajan tabanlı hesaplama ve bilgisayar
simülasyonunun kesişiminin oluşturulmasıdır (Davidsson, 2002):
Şekil 7
Ajan Tabanlı Simülasyonu Oluşturan Üç Alan
Kaynak: Davidsson, 2002.
Ajan tabanlı hesaplama (agent-based computing), temelde bilgisayar bilimi içerisinde bulunan bir
araştırma alanı olarak görülmektedir. Bilgisayar simülasyonu ise bir bilgisayar alt alanı olarak bilinse de
zik, biyoloji gibi alanlarda, dahası sosyal bilimlerde gelişme göstermektedir. Bilgisayar simülasyonu,
genellikle sistem modellerinin “hatalarını yakalamak, hatalarını ayıklamak”, gelecekteki davranışları
tahmin edebilmek ve birtakım nedenlerden dolayı gerçekte gerçekleştirilemeyecek deneyleri yapmak
gibi fenomen ile ilgili daha derin bir anlayış kazanmak için yapılır. Sosyal bilimcilerin sosyal teorileri
bilgisayar programlarına dönüştürebilmesiyle sosyal süreçlerin simülasyonunu gerçekleştirmek ve
gerçekleşme ihtimali çok düşük deneyler yapmak mümkün hale gelebilmektedir (Davidsson, 2002).
Simülasyon, çalışılacak fenomene doğrudan ulaşılamadığı veya gözlemlenmesi çok zor olduğu zaman
yararlı olmaktadır. Bilgisayar simülasyonunun, sosyolojik teorileri açıklığa kavuşturmak için bir yöntem
olarak kullanılmasına değinen Davidsson (2002), sosyal bilimler ve bilgisayar simülasyonu arasındaki
bağın sosyal bilimler açısından faydalı olduğunu vurgulamaktadır.
Journal of Business and Communication Studies, 2023, 1(2), 97-125
116
2.1.1. Bilişimsel/Hesaplamalı Sosyal Bilimler Yöntemlerinin Zorlukları
Sosyal bilimler araştırma yöntemleri 20. yüzyıl boyunca önemli gelişmelere ev sahipliği yapmıştır.
Ölçme araçlarının geliştirilmesi ve bireyler arasındaki etkileşimleri anlamaya ve içgörü kazanmaya
yönelik uygulanan görüşme teknikleri ve daha fazlası araştırmacıların bu gelişme içerisindeki katkılarını
göstermektedir. 21. yüzyıla geldiğimizde ise yeni araştırma yöntemlerinin ortaya çıkış koşullarında, dijital
teknolojilerin gelişmesine bağlı olarak radikal bir değişim ve dönüşüm söz konusu olmuştur (Estalella,
2016, s. 127). Yöntemsel yenilikler birtakım olanaklar sunmakla birlikte yeni zorluklar getirmiştir.
Bu zorluklara bağlı olarak dijital teknolojilerin ve bunun etrafındaki gelişmelerin benimsenmesiyle
ilişkili olarak eleştirel düşünceler geliştirilmiştir. Dijital dünyanın getirdikleriyle birlikte birçok fırsat
ve kolaylık ortaya çıkmıştır. Bu noktada dijital yöntemleri kavrayabilmek ve anlamak önemlidir. Dijital
yöntemleri benimsemek birtakım güçlükleri de içermektedir. Dijital veri, sınırları aşan bir veri olarak
tanımlanabilir. Farklı gruplara hem yerel hem de küresel düzeyde ulaşmak mümkündür. Fakat bu durum
bazı önlemleri gerektirmektir (Snee vd., 2016d, ss. 171-172).
Dijital veri hakkında bazı sorular mevcuttur. Dijital verilere kimler ulaşabilmektedir? Ana akım araştırma
(yerleşik sosyal bilim araştırmaları) ile kıyaslandığında dijital yöntemler ve araçların sunduğu olanaklar
nelerdir? Dijital yöntemsel yeniliklerin ortaya çıkardığı etik zorluklar nelerdir? bu sorulardan birkaçıdır
(Snee vd., 2016b, s. 222).
Dijital çerçevede gerçekleştirilen araştırma yalnızca akademik alanlarda yürütülmemektir. Akademik
mecranın dışında dijital araştırmalar ile ilgili adımlar bulunmaktadır. Fakat bu tür adımlar profesyonel
uygulamalar yönünden birtakım zorlukların çıkmasına neden olabilir. Özellikle büyük veriden yararlanan
ticari kuruluşlarda, dijital yöntemlere dair dikkate değer gelişmeler görülmektedir; fakat genel olarak
bunlar akademi ile paylaşılmamaktadır (Snee vd., 2016b, s. 224).
Bu bağlamda bilişimsel/hesaplamalı bir sosyal bilimde ilerlemenin önünde büyük kurumsal engellerin
bulunduğu görülmektedir. Altyapı açısından, büyük ölçüde dağıtılmış izleme, izin ve şifreleme
gereksinimleri nedeniyle, sosyal bilimlerden hesaplamalı bir sosyal bilime geçiş, birtakım zorluklar
taşımaktadır. Erişim ve mahremiyetle ilgili zorluklar ele alındığında, belki de en önemli zorlukların
veri tarafında olduğu görülmektedir. Bu verilerin çoğu özel verilerdir (cep telefonu ve nansal işlem
bilgileri gibi bilgiler). AOL'nin (America OnLine) birçok müşterisinin "anonimleştirilmiş" arama
kayıtlarını kamuya açıklamasının ardından ortaya çıkan durum, kişisel verilerin özel şirketler tarafından
paylaşılmasının bireyler ve şirketler için potansiyel risklerini göstermektedir. Araştırmayı kolay hale
getirmek, tüketici mahremiyetini korumak ve şirketler için sorumluluk koruması sağlamak için endüstri
ve akademi arasında güçlü bir iş birliği ve veri paylaşımı modellerine gerek duyulmaktadır. Gizlilik
sorunlarını düzgün bir şekilde yönetmek oldukça önemlidir. ABD Ulusal Araştırma Konseyi'nin coğra
bilgi sistemi verileri hakkındaki son raporunda belirtildiği üzere, dikkatli bir şekilde anonimleştirilmiş
verilerden bile bireysel prolleri çıkarmak çoğu zaman mümkün gözükmektedir (Lazer vd., 2009, s.
722).
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
117
Bilişimsel/Hesaplamalı sosyal bilimciler, bilgisayar korsanlarının (hackers) özel bilgilere ulaşmamaları
için ise dikkatli olmalıdırlar. Dolayısıyla veri tabanlarının güvenliğini sağlamak çok önemlidir (Mann,
2016, s. 470). Dolayısıyla etik pratiği ve dijital alan hakkındaki tartışmalar artmaktadır. Kamu alanında
bulunan çevirim içi verinin kullanımı bilgilendirilmiş rızaya bağlıdır. Bu noktada sosyal bilimler
açısından çevirim içi etik farkındalığı önem taşımaktadır (Snee vd., 2016b, s. 228).
Yeni yöntemler, araştırmacıların teoriyle çalışma biçimlerini de etkilemektedir. Sosyal bilimler
araştırmaları, test edilebilir hipotezlerin ve teorik modellerin geliştirilmesi üzerinde durmaktadır. Terabayt
ve petabayt ölçeğinde verilerle araştırma yapmak ise, teoriler ve varsayımlar ile nasıl çalışılacağına dair
soruları ve zorlukları içermektedir. Bu zorluklar ise sosyal bilim araştırmacıları için büyük verilerle
desteklenen ve tahmine dayalı bir analitik kullanım ile aşılabilir (Chang vd., 2014a, s. 73).
Aynı zamanda İnternet üzerinden paylaşılan tüm verilerin doğruluğu konusu da önemli bir tartışma
alanıdır. Son yıllarda, bilgi savaşları, sahte haberler ve dezenformasyon önemli stratejik ve politik
kavramlar olarak karşımıza çıkmaktadır (Ünver & Kurnaz, 2022, s. 211). Burada araştırmacılar için
en önemli zorluklardan bir tanesi toplanan verilerin ne ölçüde doğru olduğuna karar verme aşamasıdır.
Araştırması bağlamında bir sonuca ulaşma ve hatta belki bu sonuçlara göre politika geliştirme gibi
motivasyonlarla hareket eden sosyal bilimci için veri doğruluğu oldukça kritik bir meseledir. Bu konu,
öncelikle etik tartışmalara açılması gereken bir konudur. Çünkü, toplanan veriye koşulsuz güven,
araştırma sonuçlarına ilişkin etik tartışmaları da beraberinde getirecektir. Doğrulama kuruluşları ise her
veriyi doğrulama kapasitesine sahip değildir. Bu açıdan büyük veri devriminin sosyal bilimler alanına
etkisi epistemolojik olarak tartışılması gereken bir konu olarak görülmektedir.
3. TARTIŞMA VE SONUÇ
Sosyal bilimciler tarafından sosyal bilimlerin doğa bilimlerine mi, yoksa beşeri disiplinlere mi daha yakın
olduğu tartışılagelmiştir. Sosyal bilimlerin nomotetik olduğunu düşünenler, evrensel bir yasa arayışında
olanları temsil etmektedir. Bu arayışta olanlar, genellikle insan fenomenine ilişkin bilimsel çalışma ile
ziksel fenomene ilişkin bilimsel çalışmanın arasında içsel bir metodolojik ayrımın olmadığını öne
sürmüşlerdir. Konuyla çok daha ilgili olan ise verilerin teorileştirilmesinin ve tekrarlanabilirliğinin
aksiyomlara dayanma özelliği olduğu söylenebilir. Sosyal bilimler spektrumunun diğer bir ucunda ise,
insanın sosyal eylemlerinin tekrarlanamaz olduğunu ileri süren, bu nedenle bunlar hakkında doğrulukları
zamana ve mekana göre değişmeyen geniş kapsamlı genellemeler de bulunulamayacağını savunan
idiograk tarihçiler yer almıştır (Wallerstein, 2013, ss. 90-93).
Bir yanda doğa bilimleri, diğer yanda beşeri disiplinler ve üçüncü kültür olarak tedirgin bir şekilde bu
ikisi arasına yerleşen sosyal bilimlerin bulunduğu ifade edilmektedir. Bugün hem sosyal bilimler ile doğa
bilimleri arasındaki hem de sosyal bilimler ile beşeri disiplinler arasındaki sınırların anlamlılıklarının
bulanıklaştığına tanık olunmaktadır. Üstelik sosyal bilimler içinde ayrı disiplinler oluşturduğu
Journal of Business and Communication Studies, 2023, 1(2), 97-125
118
düşünülen alanların, muazzam ölçüde birbiri içine geçtiği görülmektedir (Wallerstein, 2013, ss. 150-
151). Wallerstein’ın bilimler arasındaki bu sınır müphemliği ile ilgili çözümü ise, açık bir biçimde çok
disiplinli hale gelmek değildir. Wallerstein’a göre disiplinler kum tanesine indirgenmiş olduğu için çok
disiplinlilik de bu kum taneleri üzerine kurulmaktadır. İlerlemeyi sağlayacak olan ise bu çok disiplinlilik
değil; aksine 19. yüzyıl düşüncesinin klasik paradokslarıyla mücadele etmek, onların yanlış ikilemler
olduğunu göstermek ve onların ötesine geçmek olarak ifade edilebilir.
Aslında ne Snow’un (2019) önerdiği iki kültür günümüz sosyal bilimcisi için yeterlidir ne de Wallerstein’ın
çok disiplinliliği kum tanesine benzetmesi sorunları çözmektedir. Hatta Wallerstein (2013) tarafsız
akademisyenden bahsetmenin ise oldukça zor olduğunu öne sürmektedir. Değerler, yapılan bilimin
bütünleyici bir parçası olarak ifade edilebilir. Dolayısıyla bilim her zaman için felsefedir. Değerler,
kavramsal aygıtlarının, problem tanımlarının, metodolojilerin ve ölçüm araçlarının bir parçasıdır.
Onların bir kenara bırakıldığını iddia etmek mümkün, fakat gerçekte onları bir kenara bırakabilmek pek
de olası gözükmemektedir (Wallerstein, 2013, s. 155).
Bu iki kültür tartışmasında sosyal bilimlerin kendi yerini zar zor bulduğu görülmektedir. Ancak
Sanayi Devriminin son aşaması olarak kabul edilen Sanayi 4.0’ın bilgiyi dönüştürmesi ve ardından
gelen Büyük Veri Devrimi sosyal bilimler yöntemlerini yeni bir tartışmaya sürüklemektedir. Hatta
Wallerstein’ın bahsettiği bilimler arası sınırların bulanıklaşması ise Bilişmsel/Hesaplamalı Sosyal
Bilimler alanının ortaya çıkışıyla bir kesinlik kazanmıştır. Çünkü tek bir felse kökene sahip olmaması,
tek bir epistemolojik bakışla ele alınamaması ve birden fazla alanın bir araya gelmesiyle oluşması bu
kesinliği ortadan kaldıran temel unsurlar olarak sayılabilir.
Buna ek olarak büyük verinin teorinin sonunu getirdiğine dair tartışmalar bulunmaktadır. Özellikle
Anderson (2008, s. 1), Wired dergisinde Teorinin Sonu, Veri Tufanı Bilimsel Metodu Eskimiş Kılıyor
(The End of Theory: The Data Deluge Makes the Scientic Method Obsolete) başlıklı yazısıyla bu
konuya dikkat çekmiştir. Anderson, bilimsel metotların modasının geçmiş olduğunu iddia etmektedir
(Chul Han, 2020, s. 52). Anderson (2008, ss. 1-3), nedensel ve anlamsal analize ihtiyaç duyulmadığını
belirterek korelasyonun, nedenselliğin yerine geçtiğini ifade etmektedir. Bununla birlikte bilimin
evrensel teoriler, tutarlı modeller (mantıklı/ uyumlu [coherent]) ya da herhangi bir mekanik açıklama
olmadan da ilerleyebileceğinden bahsetmektedir. Eski olarak gördüğü yöntemlerin ve yolların izinden
gitmenin ise bir anlamı olmayacağına vurgu yaparak “Bilim Google’den neler öğrenebilir?” sorusuna
yer vermektedir (Anderson, 2008, ss. 1-3).
Büyük verinin dünyayı araştırma ve dünyayı anlama tarzlarımızı değiştirdiğini ifade eden Schönberger
ve Cukier (2013, s. 77-78) ise, küçük veride hipotezlerin varlığının dünyanın işleyişini anlamada
yönlendirici etkiye sahip olduğuna ve hipotezleri doğrulamak için verilerin toplanıp analiz edilmesi
gerektiğine değinmektedirler. Geleceğin dünyasında yönlendiricinin ‘veri bolluğu’ olacağı görüşü
bulunmaktadır. Buna bağlı olarak hipotez güdümlü olan dünyadan veri güdümlü dünyaya geçiş,
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
119
teorilere gerek duymamak gibi bir düşünceyi doğurmaktadır (Anderson’ un da teorinin sonu şeklindeki
yazısı buna örnek teşkil eder). Anderson, geleneksel olarak gerçekleştirilen bilimsel keşif sürecinin artık
raara kaldırıldığını ve teorinin gerçeklikten uzak bir noktada olduğunu ortaya atmıştır. Fakat, büyük
veri analizinde kavramsal modellere gerek duymama gibi bir durum mantıklı değildir. Aksine büyük veri
teoriler üzerine kurulmaktadır. Büyük veri, matematiksel, istatistiksel teorilerle birlikte bazen bilgisayar
bilimi teorisinden de yararlanmaktadır (Schönberger & Cukier, 2013, s. 78).
Hatta sürekli artan veri ve enformasyon yığınları çerçevesinde teorilere eskisinden daha çok ihtiyaç
duyulmalıdır. Teorilerin işlevi aslında ‘şey’lerin yayılmasına, uzaklaşmasına mani olmaktır. Günümüzde
enformasyon yığınlarının biçimsizliğe neden olduğu ise açıktır. Teoriler dünyanın biçimlenmesinde
oldukça etkilidir. Zira, şeylerin içerisinde olduğu çerçeveden uzaklaşmamasını sağlar. Şeylerin gidişatı
biçime girer. Sürekli genişleyen, artmaya devam eden veri ve enformasyon yığınları, teoriyi ve düşünceyi
bilimden ayrı tutmaktadır. Bu nedenle verilerin düzene sokulması, karşılaştırılması bağlamında veri
tabanlı pozitif bilim (Google bilimi), teorinin son bulması söyleminde söz sahibidir. Bahsedilen pozitif
bilim ise, saptama ve toplama üzerine kuruludur (Chul Han, 2020, s. 53).
Chul Han (2020, s. 52) Google bilimi olarak bahsettiği veri tabanlı pozitif bilim yönteminin temel
amacının verilerin kıyaslanması olduğunu ifade eder. Chul Han’a göre, veriler yeterli miktarda ise
rakamlar konuşmaya başlar, insan davranışları ölçülebilir; fakat sadece rakamlarla konuşarak insan
davranışlarının altındaki nedenleri ve bu davranışların arkasındaki meseleleri ortaya çıkartmak mümkün
değildir. Dolayısıyla veri güdümlü bir biçimde ortaya çıkartılabilecek tek şey ancak hesaplama olacaktır.
Böylelikle enformasyon toplamacı ve sürekli yığılmaya devam eden özellikler göstermektedir. Bu
bağlamda veri güdümlü olan pozitif bilim anlatısallıktan ve içgörüden uzaklaşmaktadır (Chul Han,
2020, s. 53-54).
Büyük verinin teorinin sonunu getirmek gibi bir niyeti olmayabilir ancak dünyayı anlamlandırma
şeklimizi bir değişim ve dönüşüm içine soktuğu görülmektedir (Schönberger & Cukier, 2013, s. 79).
Bu değişim ve dönüşüm sürecinde araştırmacının kullandığı veri türü ise, onun araştırma yaklaşımını
ve benimsediği epistemolojiyi de etkilemektedir. Bu bağlamda büyük veri kullanan sosyal bilim
araştırmacıları ne yalnızca pozitivist paradigmayı benimseyerek çalışmalarına devam edebilir ne de
onlar için yorumsamacı paradigma yeterli olur. Dolayısıyla sosyal bilim araştırmacıları için burada yeni
bir bakış açısı gereklidir.
Sanayi 4.0 sonrasında hızlı bir dijitalleşme yaşanmıştır. Bu hız kendisini veri alanında da göstermiştir.
Elbette yalnızca araştırmacının araştırma metodu değil, burada dijitalleşme ile veri hızının ve büyüklüğünün
bilişimsel/hesaplamalı alandaki gelişmeleri de sosyal bilimciyi yakından ilgilendirmektedir. Doğal dil
işleme, makine öğrenmesi ve yapay zeka gibi alanlardaki gelişmeler sosyal alanı da yakından etkilemekte
ve değiştirerek dönüştürmektedir. Bu araçlar sosyal bilimcilerin daha büyük pencereden sosyal alana
bakabilmelerini sağlarken, Chul Han’ın da vurguladığı gibi malumat sağlamaktan öteye gitmemektedir.
Journal of Business and Communication Studies, 2023, 1(2), 97-125
120
O halde sosyal bilimci hem bilişimsel/hesaplamalı yöntemler aracılığı ile malumat sahibi olabilir hem de
nitel yöntemleri kullanarak incelediği sosyal dünyaya ilişkin anlamaya dayalı bilgi edinebilir. Bu öneri
aslında bilişimsel/hesaplamalı yöntemlerin de içerisinde olduğu “Döngüdeki İnsan (Human in the Loop
(HITL))” kavramını hatırlatmaktadır. Döngüdeki insan ile ne bir insanın ne de bir makinenin tek başına
başaramayacağını başarmak hedeenmektedir. Bir makine bir sorunu çözemediğinde insan müdahalesi
gerekmektedir. Bu süreç süreklilik taşıyan bir geribildirim döngüsünün oluşturulmasına yol açmaktadır.
Sürekli geribildirim sayesinde algoritma öğrenir ve her defasında daha iyi sonuçlar ortaya çıkarır
(Wolfewicz, 2021). Bu nedenle insan müdahalesinden bağımsız sadece “makine” odaklı bir süreçten
bahsetmek oldukça zordur. İnsansız makine sahası gibi bir ifade şu an için mümkün görünmemektedir.
İnsan döngüde ve sürecin işleyişinde aktif olarak rol almaktadır.
Dolayısıyla Andreotta vd. (2019, s. 1767), veri bilimi tekniklerinin yeteneklerini nitel analizin
yetenekleriyle harmanlayan karma bir yöntem yaklaşımının önemli bir yerde olduğuna değinmektedirler.
Bilişimsel/hesaplamalı teknikler aracılığıyla verilerin çeşitliliği ve ölçeği yönetilebilir. Araştırmacılar,
bilişimsel/hesaplamalı tekniklerin yardımıyla verilerinin doğasını anlayabilir ve keşfedebilir. Veri
biliminden nitel yargıları soyutlayıp koparmak bu çerçevede doğru bir yaklaşım sunmayabilir.
Algoritmaların uygulanmasında analistlerin nihai olarak çıktının anlamına ve kalitesine dair niteliksel
değerlendirmeler yapması önemlidir (Andreotta vd., 2019, ss. 1778-1779). İnsan müdahalesinden
beslenen makine ile bilişimsel/hesaplamalı yöntemlerin iş birliği sosyal bilimlerde ve sosyal bilimler
araştırma yöntemlerinde birçok yeniliği ve tartışmayı açık hale getirmektedir.
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
121
KAYNAKÇA
Abbate, J. (2014). İnternetin Popülerleşmesi. İçinde B. Ersöz (Çev.), İletişim Tarihi (3. bs, ss. 472-479).
Siyasal Kitabevi.
Ağcasulu, H. (2018). Sosyal Bilimlerde İlişkileri İnceleyen Bir Yöntem: Sosyal Ağ Analizi. Atatürk
Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 22(Özel Sayı 2), 1915-1933.
Akbıyık, A. (2019). Sosyal Bilimlerde Metin Madenciliği Wordstat Uygulamaları. Sakarya Yayıncılık.
Albayrak, M. (2017). Bilimsel Araştırmalarda Veri Madenciliği Kullanımı. IJSSER, 3(3), 752-756.
Anderson, C. (2008). The end of theory: The data deluge makes the scientic method obsolete. Wired
magazine, 16(7), 3.
Andreotta, M., Nugroho, R., Hurlstone, M. J., Boschetti, F., Farrell, S., Walker, I., & Paris, C. (2019).
Analyzing Social Media Data: A Mixed-Methods Framework Combining Computational and
Qualitative Text Analysis. Behavior research methods, 51(4), 1766-1781.
Bayrak, T., & Cihan, B. (2017). Yeni Medyada Bağımlılık Sonucu Gelişen Dijital Obezite Olgusu
Üzerine Bir İncelem: Netix Türkiye Örneği. Yeni Medya Elektronik Dergi, 5(1), 78-94. https://
doi.org/10.17932/IAU.EJNM.25480200.2021/ejnm_v5i1007
Binark, M. (2007). Yeni Medya Çalışmalarında Yeni Sorular ve Yöntem Sorunu. İçinde Yeni Medya
Çalışmaları (1. baskı, ss. 21-44). Dipnot.
Buchel, O., & Pennington, D. R. (2017). Geospatial Analysis. İçinde L. Sloan & A. Quan-Haase (Ed.),
The SAGE Handbook of Social Media Research Methods (ss. 285-308). Sage.
Chang, R. M., Kauffman, R. J., & Kwon, Y. (2014a). Understanding the Paradigm Shift to Computational
Social Science in the Presence of Big Data. Decision Support Systems, 63, 67-80.
Chang, R. M., Kauffman, R. J., & Kwon, Y. (2014b). Understanding the Paradigm Shift to Computational
Social Science in the Presence of Big Data. Decision Support Systems, 63, 67-80.
Chul Han, B. (2020). Eros’un Istırabı (Ş. Öztürk, Çev.; 2. bs). Metis Yayınları.
Ciof-Revilla, C. (2010). Computational Social Science. WILEY Interdisciplinary Reviews:
Computational Statistics, 2(3), 259-271.
Journal of Business and Communication Studies, 2023, 1(2), 97-125
122
Ciof-Revilla, C. (2013). Introduction to Computational Social Science Principles and Applications.
Springer.
Conte, R., Gilbert, N., Bonelli, G., Ciof-Revilla, C., Deffuant, G., Kertesz, J., Loreto, V., Moat, S.,
Nadal, J.-P., & Sanchez, A. (2012). Manifesto of Computational Social Science. The European
Physical Journal Special Topics, 214(1), 325-346.
Creswell, J. W. (2017). Nitel Araştırmalar İçin 30 Temel Beceri (H. Özcan, Çev.; 1. bs). Anı Yayıncılık.
Çeçe, N., Koç, İ., & Aydın, B. (2019). Etmen Tabanlı Simülasyon. Prezi.Com. https://prezi.com/p/
nitune_dd1ya/etmen-tabanli-simulasyon/?frame=a27c83eb6f7b194e4651f1dce141b41cbc119c
7d
Çetin, U. (2017). Dr. Uzay Çetin. Ka|Ve. https://uzay00.github.io/kahve/abm.html
Davidsson, P. (2002, Ocak 31). Agent Based Social Simulation A Computer Science View [Text.Article].
JASSS. https://www.jasss.org/5/1/7.html
Değerliyurt, M., & Çabuk, S. (2015). Coğrafyayı Coğra Bilgi Sistemleri ile Tanımlamak. Doğu
Coğrafya Dergisi, 20(33), 37-48.
Doğan, K., & Arslantekin, S. (2016). Büyük Veri: Önemi, Yapısı ve Günümüzdeki Durum. Ankara
Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi, 56(1).
Eskici, H. B., & Koçak, N. A. (2018). SAS Enterprise Miner ile Metin Madenciliği (1. bs). Pusula
Yayıncılık.
Estalella, A. (2016). Sosyal Bilimleri Prototipleştirme: Dijital Yöntemleri Yerleştirmek. İçinde S.
Ersöz Karakulakoğlu (Çev.), Sosyal Bilimler İçin Dijital Yöntemler Yöntemsel Yenilikler İçin
Disiplinlerarası Bir Kılavuz (1. bs, ss. 127-142). Nobel Akademik Yayıncılık.
Gençer, M. (2017). Sosyal Ağ Analizi Yöntemlerine Bir Bakış. Yildiz Social Science Review, 3(2), 19-
34.
Giddens, A., & Sutton, P. W. (2014). Sosyolojide Temel Kavramlar (A. Esgin, Çev.). phoenix.
Gilbert, N. (2005). Agent-Based Social Simulation: Dealing with Complexity. The Complex Systems
Network of Excellence, 9, 1-14.
Hatipoğlu, E., Gökçe, O. Z., Arın, İ., & Saygın, Y. (2022). Otomatik Metin Analizi ve Uluslararası
İlişkiler: Twitter İçin Özgün Bir Teknik ve Uygulaması. Koç Üniversitesi Yayınları, 135-166.
Imershein, A. W. (1977). Organizational Change as a Paradigm Shift. The Sociological Quarterly, 18(1),
33-43. https://doi.org/10.1111/j.1533-8525.1977.tb02160.x
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
123
Kamilaris, A., & Ostermann, F. (2018). Geospatial Analysis and the Internet of Things. ISPRS
International Journal of Geo-Information, 7(7), 269. https://doi.org/10.3390/ijgi7070269
Karakulakoğlu, S. E. (2014). İnternet Araştırmalarında Yöntem Sorunu. Erciyes İletişim Dergisi, 3(4),
122-134. https://doi.org/10.17680/akademia.v3i4.5000013908
Kavurkacı, Ş., Aydın, Z. G., & Şamlı, R. (2011). Büyük Ölçekli Veri Tabanlarında Bilgi Keş. Akademik
Bilişim Konferansları, 2-4.
Kitchin, R. (2014). The Data Revolution: Big Data, Open Data, Data Infrastructures and Their
Consequences (1. bs). SAGE.
Kurnaz, A., Kayar, İ., Güngör, M., & Görün, M. (2019). Ulusal Güvenlik ve Sosyal Medya: Fırsatlar ve
Tehditler. Management and Political Sciences Review, 1(2), 75-96.
Kurnaz, A., & Ünver, H. A. (2022). Sosyal Bilimlerde Dönemsel Konu Modelleri: STM Üzerine Bir
Çalısma. 1-4.
Kutlusoy, Z. (2019). Felsefe Açısından Yapay Zeka. İçinde G. Telli (Ed.), Yapay Zeka ve Gelecek (ss.
25-43). Doğu Kitabevi.
Lazer, D., Pentland, A., Adamic, L., Aral, S., Barabasi, A.-L., Brewer, D., Christakis, N., Contractor,
N., Fowler, J., Gutmann, M., Jebara, T., King, G., Macy, M., Roy, D., & Van Alstyne, M.
(2009). Computational Social Science. Science, 323(5915), 721-723. https://doi.org/10.1126/
science.1167742
Malik, A. (2014). Thomas Kuhn and Changing Paradigm in Geography: Critical Review. Asian Journal
of Multidisciplinary Studies, 2(4), 41-46.
Mann, A. (2016). Core concept: Computational social science. Proceedings of the National Academy of
Sciences, 113(3), 468-470.
Neuman, W. L. (2014). Toplumsal Araştırma Yöntemleri Nitel ve Nitel Yaklaşımlar Cilt 1 (S. Özge, Çev.;
7. bs, C. 1). Yayınodası.
Okkay, İ., & Bal, F. (2021). Kognitif Sistem, Yapay Zeka ve İnsan İlişkisi. Akademik Sosyal Araştırmalar
Dergisi, 50, 92-103.
Otte, E., & Rousseau, R. (2002). Social Network Analysis: A powerful strategy, also for the information
sciences. Journal of information Science, 28(6), 441-453.
Öztürk, Ş. (2018). Gazetecilik 2.0 İnternet Gazeteciliğinde Hipermetinsellik. Üsküdar Üniversitesi
İletişim Fakültesi Akademik Dergisi Etkileşim, 2, 198-201. https://doi.org/10.32739/
etkilesim.2018.2.37
Journal of Business and Communication Studies, 2023, 1(2), 97-125
124
Peldek, S., & Becerikli, Y. (2019). Hücresel Otomata Tabanlı İkili Sınıandırma. Bilişim Teknolojileri
Dergisi, 12(1), 43-58. https://doi.org/10.17671/gazibtd.397452
Reese, B. (2020). Yapay Zeka Çağı (M. Doğan, Çev.; 1. bs). Say Yayınları.
Schönberger, V. M., & Cukier, K. (2013). Büyük Veri Yaşama, Çalışma ve Düşünme Şeklimizi
Dönüştürecek Bir Devrim (B. Erol, Çev.). Paloma Yayınevi.
Sistem Dinamikleri. (2021). sistemdinamikleri.org
Snee, H., Hine, C., Morey, Y., Roberts, S., & Watson, H. (2016a). Ana Akım Yöntembilim Olarak Dijital
Yöntemler: Giriş. İçinde S. Ersöz Karakulakoğlu (Çev.), Sosyal Bilimler İçin Dijital Yöntemler
Yöntemsel Yenilikler İçin Disiplinlerarası Bir Kılavuz (1. bs, ss. 1-12). Nobel Akademik
Yayıncılık.
Snee, H., Hine, C., Morey, Y., Roberts, S., & Watson, H. (2016b). Ana Akım Yöntembilim Olarak Dijital
Yöntemler: Sonuç. İçinde S. Ersöz Karakulakoğlu (Çev.), Sosyal Bilimler İçin Dijital Yöntemler
Yöntemsel Yenilikler İçin Disiplinlerarası Bir Kılavuz (1. bs, ss. 222-230). Nobel Akademik
Yayıncılık.
Snee, H., Hine, C., Morey, Y., Roberts, S., & Watson, H. (Ed.). (2016c). Büyük Veri, Yoğun Veri: Sosyal
Medya Analizleri. İçinde S. Ersöz Karakulakoğlu (Çev.), Sosyal Bilimler İçin Dijital Yöntemler
Yöntemsel Yenilikler İiçn Disiplinlerarası Bir Kılavuz (1. bs, ss. 13-16). Nobel Akademik
Yayıncılık.
Snee, H., Hine, C., Morey, Y., Roberts, S., & Watson, H. (Ed.). (2016d). Dijital Araştırmalar: Zorluklar
ve İddialar. İçinde S. Ersöz Karakulakoğlu (Çev.), Sosyal Bilimler İçin Dijital Yöntemler
Yöntemsel Yenilikler İçin Disiplinlerarası Bir Kılavuz (1. bs, ss. 171-174). Nobel Akademik
Yayıncılık.
Snow, C. P. (2019). İki Kültür (T. Birkan, Çev.; 6. bs). TÜBİTAK.
Sterman, J. D. (2001). System Dynamics Modeling: Tools for Learning in a Complex World. California
Management Review, 43(4), 8-25. https://doi.org/10.2307/41166098
Şenaras, A. E., & Sezen, H. K. (2017). Sistem düşüncesi. Journal of Life Economics, 4(1), 39-58.
Ünver, H. A. (2019). Computational International Relations What Can Programming, Coding and
Internet Research Do for the Discipline? All Azimuth: A Journal of Foreign Policy and Peace,
8(2), 157-182.
Ünver, H. A., & Kurnaz, A. (2022). Securitization of Disinformation in NATO’s Lexicon: A Computational
Text Analysis. All Azimuth: A Journal of Foreign Policy and Peace, 11(2), 211-231.
Şallı, Ş. & Kurnaz, Z. / Sosyal Bilimlerde Paradigma Değişimleri ve Bilişimsel/Hesaplamalı Sosyal
Bilimler Yöntemleri
125
Wallerstein, I. (2013). Bilginin Belirsizlikleri (B. Alataş, Çev.). Sümer Yayıncılık.
Wetherell, C., Plakans, A., & Wellman, B. (1994). Social networks, Kinship, and Community in Eastern
Europe. The Journal of Interdisciplinary History, 24(4), 639-663.
What is a Punch Card? (2021). Computer Hope. https://www.computerhope.com/jargon/p/punccard.
htm
Wolfewicz, A. (2021). Human-In-The-Loop in Machine Learning: What is It and How Does It Work?
levity. https://levity.ai/blog/human-in-the-loop
Yaman, A. (2009). Yönetimin Kontrolünden Kontrolün Yönetimine: Paradigma Değişimi. Denetişim,
3, 22-38.
Yıldırım, C. (2016). Bilim Felsefesi. Remzi Kitabevi.
Beyan ve Açıklamalar (Disclosure Statements)
1. Araştırmacıların katkı oranı beyanı / Contribution rate statement of researchers: Birinci yazar /First
author % 70, İkinci yazar/Second author % 30,
2. Yazarlar tarafından herhangi bir çıkar çatışması beyan edilmemiştir (No potential conict of interest
was reported by the authors).
Journal of Business and Communication Studies, 2023, 1(2), 97-125
