YZ destekli davranış bilimleri ve özellikle Uygulamalı Davranış Analizi (ABA) ile ilgili sağlanan kaynaklardan elde edilen ana temalar ve önemli fikirler/gerçeklerin ayrıntılı bir özeti aşağıdadır:
YZ Destekli Davranış Bilimleri ve Uygulamalı Davranış Analizi (ABA): Kapsamlı Bir Bakış Açısı
Kaynak: Vascelli, L. (2025). “Felsefeden algoritmalara: İnsan davranışının evrimi ve yapay zekanın rolü üzerine bir yorum.” Discover Artificial Intelligence, 5:138.
Özet:
Bu brifing belgesi, insan davranışının anlaşılmasının felsefi kökenlerinden modern Uygulamalı Davranış Analizi (ABA) uygulamalarına kadar olan evrimini incelemekte ve bu alanda Yapay Zekanın (YZ) artan rolünü vurgulamaktadır. Belge, YZ’nın ABA’nın yedi temel boyutunu nasıl geliştirebileceğini tartışırken, gizlilik, şeffaflık, özerklik ve kültürel duyarlılık gibi kritik etik konulara da dikkat çekmektedir. Tarihsel ve kültürlerarası perspektifleri, YZ’nın davranışsal bağlamlardaki gerçek dünya uygulamalarını ve felsefi varsayımların insan-YZ etkileşimlerini nasıl şekillendirdiğini ele almaktadır. Sonuç olarak, YZ’nın davranış bilimine entegrasyonu hem bir fırsat hem de bir zorluktur ve başarısı teknolojik yenilikle birlikte insan merkezli, etik temelli bir yaklaşıma bağlıdır.
Ana Temalar ve Önemli Fikirler:
- İnsan Davranışının Anlaşılmasının Tarihsel ve Felsefi Temelleri:
- İnsan davranışının anlaşılması, Aristoteles’ten modern bilimsel yöntemlere kadar yüzyıllar boyunca gelişmiştir.
- Aristoteles (MÖ 384-322): Davranışın haz arayışı ve acıdan kaçınma ile yönlendirildiğini ve alışkanlığın davranışın oluşumunda kritik bir faktör olduğunu belirtti. Bu, modern davranış psikolojisindeki pozitif ve negatif pekiştirmeye benzer.
- Thomas Hobbes (1588-1679): İnsan davranışını mekanik dürtüler ve arzuların yönlendirdiği, insanı fiziksel ve kimyasal nedenlerle belirlenen bir makine olarak gören mekanik bir bakış açısı ortaya koydu. Bu, “insan eylemlerinin bilimsel ve deterministik bir anlayışının temelini atmıştır.”
- John Locke (1632-1704): “Tabula Rasa” teorisini önerdi; zihnin doğuştan boş bir levha olduğunu ve deneyimlerle şekillendiğini savundu. Bu, çevrenin ve eğitimin davranış oluşumundaki rolünü vurguladı.
- David Hume (1711-1776): Davranış oluşumunda fikirler ve duyusal deneyimler arasındaki ilişkilerin önemini vurguladı.
- Immanuel Kant (1724-1804): İnsan zihninin deneyimi aktif olarak zihinsel şemalar aracılığıyla organize ettiğini öne sürdü ve bilişsel teoriyi etkiledi.
- Deneysel Psikolojiden Uygulamalı Davranış Analizine (ABA) Geçiş:
- Pavlov (1849-1936): Klasik koşullanma deneyleriyle öğrenmenin çağrışım yoluyla nasıl gerçekleştiğini gösterdi.
- Watson (1878-1958): Davranışçılığın kurucusu olarak, insan davranışının içsel zihinsel durumlara atıfta bulunmadan nesnel olarak incelenebileceğini savundu.
- Skinner (1904-1990): Edimsel koşullanmayı geliştirdi; davranışın aldığı sonuçlardan nasıl etkilendiğini vurguladı ve pozitif/negatif pekiştirme, ceza ve sönme gibi terimleri tanıttı. Skinner’ın araştırmaları, “tek denekli deneysel tasarımlar ve kümülatif kaydediciler kullanılarak yanıt frekanslarının sürekli kaydı” ile ABA’nın temelini oluşturmuştur.
- Bandura (1925-2021): Sosyal öğrenme teorisini önererek, gözlem ve taklidin insan davranışını nasıl etkilediğini vurguladı.
- Uygulamalı Davranış Analizinin (ABA) Evrimi ve Genişlemesi:
- 1930’lar-1940’lar (Davranışçılığın Kökenleri): Skinner’ın edimsel koşullanma üzerine çalışmaları ve ABA’nın temelleri atıldı.
- 1950’ler (Davranış Teorilerinin Gelişimi): Skinner’ın teorileri rafine edildi ve Sidney Bijou gibi araştırmacılar edimsel koşullanma prensiplerini çocuklara uygulamaya başladı (Radikal Davranışçılık).
- 1960’lar (ABA’nın Doğuşu): Ivar Lovaas ve diğerleri, otizmli çocukları desteklemek için davranış prensiplerini uyguladı ve “Journal of Applied Behavior Analysis” (JABA) dergisi yayımlandı.
- 1970’ler-1980’ler (Genişleme ve Popülerleşme): ABA okullar, hastaneler ve topluluklar dahil olmak üzere çeşitli ortamlara yayıldı. Lovaas’ın otizm üzerine yaptığı çalışmalar, ABA’nın yaygın olarak benimsenmesine yol açtı (ABA’nın İkinci Kuşağı).
- 1990’lar (Tanınma ve Profesyonel Standartlar): ABA, otizm için etkili bir tedavi olarak giderek daha fazla kabul gördü. Davranış Analisti Sertifikasyon Kurulu (BACB) gibi profesyonel kuruluşlar kuruldu.
- 2000’lerden Günümüze (Küresel Genişleme ve Teknoloji Entegrasyonu): ABA dünya çapında genişledi ve bilgisayar programları, uygulamalar ve teletıp gibi yeni teknolojilerle entegre edildi.
- Yeni Yaklaşımlar:Şefkatli ABA: Geleneksel ABA’ya yönelik eleştirilere yanıt olarak ortaya çıktı, bireylerin deneyimlerine ve duygusal ihtiyaçlarına empati ve saygıyı vurgular. Müşteri merkezli bir yaklaşım, aktif dinleme, işbirliği, bireyselleştirilmiş stratejiler ve onur ve özerkliğin korunmasını içerir.
- Rıza Tabanlı ABA: Özellikle çocuklarla ve engelli bireylerle çalışırken terapötik süreç boyunca müşterinin aktif ve sürekli rızasının önemini vurgular. Sözel olmayan ipuçlarını tanımayı ve kişinin özerkliğine saygı duymayı içerir.
- Yapay Zeka (YZ) ve Davranış Bilimleri:
- YZ’nın davranış bilimine entegrasyonu “hem bir fırsat hem de bir zorluk” teşkil etmektedir.
- YZ’nın ABA’nın Yedi Boyutuna Katkısı (Baer ve ark., 1968):
- Uygulamalı: YZ, sosyal açıdan önemli davranışları belirlemek için büyük veri kümelerini analiz edebilir.
- Davranışsal: YZ tabanlı davranış tanıma teknolojileri (giyilebilir sensörler, bilgisayar görüşü) gerçek zamanlı davranış izleme ve veri toplamayı iyileştirir.
- Analitik: YZ algoritmaları, müdahaleler ve davranış değişiklikleri arasındaki nedenselliği belirlemek için verileri analiz edebilir.
- Teknolojik: YZ destekli platformlar, müdahale protokollerini standartlaştırabilir, belgeleyebilir ve terapistler için eğitim materyalleri oluşturabilir.
- Kavramsal Olarak Sistematik: YZ, davranışın teorik ilkelerini test etmek ve rafine etmek için araştırmayı destekleyebilir ve yeni teorik hipotezler oluşturabilir.
- Etkili: YZ algoritmaları, müdahaleleri bireysel ihtiyaçlara göre uyarlayabilir, ilerlemeyi izleyebilir ve sonuçları iyileştirmek için gerçek zamanlı değişiklikler önerebilir.
- Genellenebilir: YZ tabanlı araçlar, öğrenilen davranışların farklı bağlamlara aktarılmasını ve zamanla sürdürülmesini sağlamak için genelleme programları tasarlayabilir.
- ABA Uygulamasında YZ’nın İşlevselleştirilmesi:
- Değerlendirme Aşaması: Giyilebilir sensörler ve bilgisayar görüş sistemleri gibi YZ destekli araçlar, doğal ayarlarda sürekli davranışsal veri toplayarak manuel veri toplama yükünü azaltabilir. Ghafghazi ve ark. (2021), sensör verilerini ve YZ algoritmalarını birleştiren bir prototip sistemi (YZ-ABA) önerdiler.
- Müdahale Aşaması: YZ sistemleri gerçek zamanlı ipuçları sağlayabilir, canlı geri bildirime dayalı pekiştirme stratejilerini uyarlayabilir ve öğrencinin tepkisine göre öğretim protokollerinde değişiklikler önerebilir. Cox ve ark. (2023), makine öğrenimi modellerinin otizm spektrum bozukluğu olan bireyler için tedavi ilerlemesini doğru bir şekilde tahmin edebileceğini gösterdi.
- Değerlendirme Aşaması: YZ, seansların video kayıtlarını işleyerek davranışsal belirteçleri tespit edebilir, tedavi bütünlüğünü ve gözlemciler arası anlaşmayı (IOA) artırabilir.
- Etik ve Kültürel Hususlar:
- Felsefi Süreklilik: Hobbes’un mekanik insan eylemi görüşü ve Aristoteles’in davranışın tekrarlanan sonuçlarla şekillendiği fikri, YZ sistemlerinin giriş-çıkış modelleri ve örüntü tanıma yoluyla davranışı modellemesine yönelik modern girişimlerle yankılanmaktadır.
- İnsan-YZ Etkileşimleri: Bireylerin YZ’ya tepkileri, özellikle eğitim veya terapideki gibi duygusal olarak hassas alanlarda, köklü inançlar ve kültürel varsayımlarla şekillenir. Nguyen ve ark. (2023), üretken YZ araçlarına yönelik kaygı ve güvenin, bireylerin önceki tutumlarına ve teknolojik okuryazarlıklarına bağlı olduğunu buldu.
- Etik Zorluklar:Veri Gizliliği, Bilgilendirilmiş Onay ve Özerklik: YZ sistemleri davranışı izlediğinde, ipuçları verdiğinde veya eylemleri tahmin ettiğinde kritik öneme sahiptir.
- Şeffaflık: Clarke (2016), teknolojinin bireysel özgürlük ve gözetim üzerindeki ikili etkisini göz önünde bulundurarak şeffaf iletişim, kullanıcı merkezli tasarım ve düzenleyici denetimin kritik önlemler olduğunu savundu.
- Kimlik ve Güven: YZ’nın insan etkileşimini taklit etme yeteneği (ses, jest, duygu ifadesi yoluyla) özgünlük, güven ve bağımlılık hakkında sorular ortaya çıkarır.
- Kültürel Duyarlılık: Kültürel ve demografik faktörler, insanların duygusal olarak dışavurumcu YZ’yı nasıl algıladığını da şekillendirir.
- Tam Kişiselleştirme İllüzyonu: YZ sistemleri genellikle bireye özgü özelliklerden ziyade istatistiksel ortalamalar ve grup düzeyindeki çıkarımlar üzerine kuruludur.
- Algoritmik Hesap Verebilirlik: Pekiştirmeli öğrenme algoritmaları, seyrek veya gecikmeli ödüllere sahip ortamlarda istenmeyen davranışları pekiştirme veya belirsiz sonuçlar üretme riski taşır. YZ sistemleri özerk olmaktan ziyade yardımcı olmaya devam etmelidir.
- Yanlılık: YZ modellerini eğitmek için kullanılan veri kümelerindeki yanlılıklar, adaletsiz veya etkisiz müdahalelere yol açabilir.
- İnsan Bağlantısının Kaybı: Wright (2023), sağlık hizmetlerinde otomasyonun risklerine dikkat çekerek, insan bağlantısının kaybı ve klinik özerkliğin azalmasının terapötik bakım kalitesini düşürebileceğini belirtti.
- Gelecek Yönelimler ve Sonuçlar:
- YZ’nın ABA’ya entegrasyonu, davranışsal müdahalelerin daha verimli, kişiselleştirilmiş ve erişilebilir hale getirilmesi potansiyeline sahiptir.
- Gizlilik koruması ve davranışsal veri güvenliği gibi kritik konular ele alınmalıdır.
- Teknoloji kullanımı ile insan etkileşimi arasında bir denge sürdürmek esastır.
- Müşteri ve YZlelerin YZ destekli teknolojileri kabul etmesi ve güvenmesi, veri kullanımında ve müdahale uygulamasında şeffaflık gerektirir.
- Gelecek araştırmalar, YZ uygulamalarının ABA’da ampirik olarak doğrulanmasına, resmi politika belgeleri ve etik beyaz kağıtlarla etkileşime girmesine ve etikçiler, klinisyenler ve teknoloji uzmanlarını içeren çok disiplinli yaklaşımlar benimsemesine öncelik vermelidir.
-
OECD ve UNESCO gibi kuruluşlardan alınan güncel rehberlik, YZ’nın sağlık ve eğitim bağlamlarında insan gözetimi, algoritmik şeffaflık ve kültürel olarak duyarlı dağıtım ihtiyacını vurgulamaktadır.
- Davranış Analisti Sertifikasyon Kurulu’nun Davranış Analistleri için Etik Kodu (2020), yeni teknolojileri entegre ederken insan özerkliğini, müşteri onurunu ve kanıta dayalı uygulamaları korumanın gerekliliğini vurgulamaktadır.
Sonuç olarak, YZ, ABA uygulamalarında veri toplama, karar verme ve tedavi bütünlüğü gibi temel klinik uygulamaları geliştirebilir, ancak “temel klinik uygulamaların yerini alamaz.” YZ’nın başarılı entegrasyonu, teknik titizliğin yanı sıra sosyal hesap verebilirlik, şeffaflık ve müşterilerin ve toplulukların yaşam deneyimleriyle alaka düzeyini gerektirir.
https://link.springer.com/article/10.1007/s44163-025-00394-7