Skip to content

GCRI · Campaigns

Sorumlu yapay zekâ okuryazarlığı

Artificial intelligence now shapes what people read, which services they receive and how content is made. Responsible AI literacy is a practical understanding of what these systems do, where they fail and what rights people have when they are used. It covers recognising synthetic media, judging generated answers and knowing when automated decisions can be questioned. This page sets out how misunderstanding of AI forms and spreads, how literacy is measured, and the decisions held by educators, regulators and platforms.

02Soru

Responsible AI literacy: how the risk develops.

Practical understanding of AI risks. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

Mekanizma

Capability is misjudged

People over-trust fluent machine output, a pattern known as automation bias, and sometimes dismiss useful tools after a single failure. Conversational systems invite people to attribute understanding and intent they do not have, which shapes how carefully their answers are checked.

Mekanizma

Provenance blurs

Synthetic images, audio and text can be produced cheaply and are hard to tell apart from authentic material. The doubt they create also lets genuine evidence be dismissed as fabricated, a pattern described as the liar’s dividend.

Mekanizma

Harms fall unevenly

Otomatik sistemlerdeki hatalar ve yanlılık, en çok bunları fark etmekte veya bunlara itiraz etmekte en zorlanan kişileri etkiler; sosyal yardım başvurusunda bulunanlar, iş adayları ve az kaynaklı dillerin konuşurları buna örnektir. Yalnızca kendinden emin kullanıcılara ulaşan okuryazarlık çalışmaları bu açığı genişletir.

Mekanizma

Use outpaces understanding

Araçlar; kullanıcılar, öğretmenler veya kamu görevlileri sınırları hakkında ortak bir söz dağarcığı oluşturmadan önce iş yerlerinde, okullarda ve kamu hizmetlerinde benimsenir. Yanlış anlamalar, akran tavsiyeleri ve pazarlama iddiaları yoluyla yayılır ve rehberlik ortaya çıkmadan önce uygulamaya yerleşir.

03Simülatör

Toplu davranışın bir eşik modeli.

Her ajan, temas ettiği kişilerin yeterli bir kısmı harekete geçtiğinde harekete geçer; ortalama eşikteki veya ilk harekete geçenlerdeki küçük değişiklikler, davranışın yerel mi kalacağını yoksa nüfus içinde kademeli mi yayılacağını belirler. Belirtilen açıklayıcı değerlere sahip bir öğretim modelidir, tahmin değildir.

Kontroller

Ortalama eşik (komşuların payı)
18%
Eşiklerin yayılımı
8 puan
İlk harekete geçenler
nüfusun %2,0'ı
Kişi başına temas
8

Okumalar

Sonunda harekete geçenlerin payı
100%
Küresel kademeli yayılım
Evet
Dengeye gelme adımları
8
Sayılar, yöntemler ve kaynaklar
AdımHarekete geçenlerin payı (%)
03.3
110.0
226.3
349.3
471.0
588.5
698.8
7100.0
8100.0

Yöntemler

  1. Threshold models of collective behaviour Granovetter (1978), American Journal of Sociology 83
  2. Global cascades on random networks Watts (2002), PNAS 99
  3. Complex contagions Centola and Macy (2007), American Journal of Sociology 113
  4. One-at-a-time sensitivity (tornado) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley

Veri

No observed data enters this model: it runs on the teaching values set by the controls, to be replaced with a programme’s own evidence.

Toplu davranışın bir eşik modeli. Açıklayıcı öğretim modeli: ölçülmüş veriler üzerinde değil, kontrollerle belirlenen değerler üzerinde çalışır. Yöntemler: Toplu davranışın eşik modelleri (Granovetter (1978), American Journal of Sociology 83); Rastgele ağlarda küresel kaskadlar (Watts (2002), PNAS 99); Karmaşık bulaşmalar (Centola ve Macy (2007), American Journal of Sociology 113).

Nexus Consortium'un yürüttüğü altı ayak genelinde

04Beş alanda

AI literacy matters wherever AI enters a domain’s services.

05Yöntemler ve kanıt

How Responsible AI literacy is modelled, measured and tested.

Model, varsayımları, verileri ve belirsizliği, bir bilim insanının veya mühendisin kontrol edeceği biçimde. Yapılar yayımlanmış yöntemleri izler. Çizilen değerler bulgu değil, açıklayıcıdır.

Sistem modeli

The couplings between the systems in Responsible AI literacy: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.

++−+BilgiToplumTopluluklarEkonomiR pekiştiriciB dengeleyici
Causal loop diagram from the page’s systems; signs show the direction of influence. Illustrative structure for a system dynamics or network model, not estimated couplings.
FAIR guiding principles · GO FAIR and FORCE11W3C PROV · World Wide Web ConsortiumGuidance on consistent treatment of uncertainties · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
06Göstergeler

Neyin ve ne kadar iyi ölçüldüğü.

Her gösterge birimini, sıklığını, ardındaki kaynak türünü ve bir değerin taşıyacağı kanıt etiketini taşır. Hiçbir değer gösterilmez: değerleri bir program kendi yetkisi altında sağlar.

GöstergeBirimSıklıkKaynak türüEtiket
Self-assessed understanding of AIyanıt verenlerin yüzdesianket dalgası başınaEurobarometer ve ulusal anketlerBİLDİRİLMİŞ
Accuracy in identifying synthetic mediapercent correct in a controlled taskçalışma başınaExperimental audience researchGÖZLENEN
Awareness of rights over automated decisionsyanıt verenlerin yüzdesianket dalgası başınaNational and EU surveysBİLDİRİLMİŞ
Concern about telling real from fake content onlineyanıt verenlerin yüzdesiyıllıkReuters Institute Digital News ReportBİLDİRİLMİŞ
Teachers trained in the use of AIpercent of teachersanket döngüsü başınaOECD TALIS ve eğitim bakanlıklarıYayımlanmış istatistikler
Aldatma veya Kimliğe bürünmeincidents per monthaylıkAI Incident DatabaseBİLDİRİLMİŞ
AI literacy measures in national policytüre göre önlem sayısıyıllıkOECD.AI policy databaseBEYAN EDİLDİ
07Kaynaklar

Kanıtın nereden geldiği.

Her biri lisans sınıfıyla birlikte, adı belirtilmiş kamuya açık veri kümeleri ve kurumsal kayıtlar. Anlaşmaya dayalı kaynaklar yalnızca koşullarına göre kullanılır ve asla yeniden yayımlanmaz.

KaynakSağladıklarıLisans sınıfı
Eurobarometer surveys on artificial intelligence and the digital decadeAwareness, attitudes and expectations of AI across EU member statesAtıfla serbest yeniden kullanım
Stanford AI IndexAnnual compilation of AI research, deployment, policy and public opinion dataCC BY-ND 4.0
OECD.AI Politika GözlemeviNational AI strategies and policy measures, including education and skillsOECD koşulları, atıfla ücretsiz
AI Incident DatabaseReported incidents of harm or near harm involving AI systemsCC BY-SA 4.0
Reuters Institute Digital News ReportPublic comfort with AI in news and concern about false contentFree to read; survey data by request
OECD TALISTeacher training, practice and use of digital toolsOECD koşulları, atıfla ücretsiz
Pew Research Center surveys on AIPublic awareness of and attitudes to AI in several countriesFree to use with attribution; datasets on request
08Kararlar

Kim karar verir ve kanıt neye hizmet eder.

Campaigns kanıt hazırlar. Aşağıdaki kararlar, adı geçen otoriteler tarafından kendi kuralları uyarınca alınır; platform tarafından asla alınmaz.

Kim karar verirSoruBu sayfanın hizmet ettiği kanıt
Ministries of education and curriculum authoritiesWhich AI competencies students and teachers need, and at which stagesTeacher training data; competency frameworks; tested teaching material
AI and data protection regulatorsAB Yapay Zekâ Yasası'nın 4. maddesi gibi yapay zekâ okuryazarlığı ve şeffaflık yükümlülükleri nasıl denetlenirFarkındalık anketleri; olay kayıtları; politikada okuryazarlık ölçümleri
Çevrimiçi platformlar ve yapay zekâ sağlayıcılarıHow to label synthetic content and explain system limits to usersEtiket anlaşılırlığı üzerine araştırma; olay örüntüleri; kaynak izlenebilirliği standartları
Seçim yönetim organlarıHow to prepare voters for synthetic media during electionsDetection task research; rumour logs; trust in electoral information

Bu konunun ürettiği çıktılar

  • Practical explainers on how generative and predictive systems work and fail
  • Medya kaynağının ve menşeinin kontrolüne ilişkin, sınırları belirtilmiş alıştırmalar
  • Plain-language guides to rights over automated decisions under applicable law
  • UNESCO yapay zekâ yetkinlik çerçeveleriyle uyumlu, eğitimciler için öğretim materyali
09Temel sorular

Uzmanların sordukları.

  1. 01

    What should a non-specialist understand?

    That AI systems learn patterns from data, can be confidently wrong and reflect the limits of what they were trained on.

  2. 02

    Which risks are practical today?

    Fabricated content, impersonation, automated errors in services, privacy loss and over-reliance on generated answers.

  3. 03

    How can people check what they see?

    Habits of verification: source tracing, provenance signals and asking who benefits from a claim.

  4. 04

    What recourse exists?

    How people can question an automated decision, correct data about themselves or report misuse.

10Mekanizmalar

Sonucu belirleyen etkenler.

Generative models produce fluent text, images and audio by predicting plausible outputs, not by checking facts. Fluency invites trust, which is why errors and fabrications can spread. Synthetic media lowers the cost of impersonation and of producing misleading material at scale.

Automated decision systems used in lending, hiring, benefits or policing can embed historical patterns in their data, and their reasoning may be hard to explain. Errors fall unevenly, and people affected may not know an automated system was involved.

Kamuoyundaki tartışma alarm ile abartılı beklenti arasında gidip gelir. İkisi de muhakemeyi bozar. Okuryazarlık çalışmaları dengeli bir anlayışı hedefler: mevcut sistemlerin güvenilir biçimde ne yaptığı, nerede başarısız olduğu ve hangi güvencelerin bulunduğu.

11Yöntemler ve sınırlar

Kanıt nasıl toplanır ve nerede durur.

YöntemGösterdiğiSınırı
Misconception surveysCommon beliefs about how AI worksBeliefs shift quickly with new tools
Uygulamalı alıştırmalarWhether people can spot errors or synthetic contentDetection skills may not transfer to new formats
Uzman incelemesiAccuracy of claims about capabilitiesCapabilities change between review and reading
Follow-up measuresWhether verification habits persistAttrition and self-report bias
12Yöntemler

Nasıl incelendiği ve yöntemlerin söyleyemeyecekleri.

  1. Sosyal ve davranış bilimleriKampanya öncesi kitle araştırması · Materyallerin anlaşılırlık açısından ön testiBurada uygulanır
  2. Belirsizlik altında karar analiziKanıt netleşmeden iletişim · Kanalların ve kitlelerin seçimiBurada uygulanır
13Where this page’s references

Where this page’s references lead.

Bu sayfanın karşılaştırıldığı kuruluşlar ve belgeler. Durumlar ve sürümler değişir; her bağlantı yayımlayan kuruluşa gider.

14Sorular

Sorular ve yanıtlar.

Can people learn to spot deepfakes?
Training improves performance on some tasks, but skilled synthetic media are often undetectable by eye or ear. Checking the source, the context and any provenance record is more reliable than inspecting the content itself.
What is content provenance?
A record attached to an image, video or audio file stating how it was made and edited, such as Content Credentials under the C2PA standard. A missing record does not prove a file is fake.
What rights do people have over automated decisions?
It depends on jurisdiction. In the European Union, data protection law gives rights to information and, in many cases, to human review of decisions based solely on automated processing. Other jurisdictions differ.
Campaigns, yapay zekâ ürünlerini derecelendiriyor mu?
No. It explains how AI systems work and fail in general terms and points to the regulators and standards bodies whose assessments apply.
Does the platform evaluate or rate AI products?
Hayır. Yapay zekâ sistemlerinin genel olarak nasıl çalıştığını ve nasıl başarısız olduğunu açıklar. Hiçbir ürünü test etmez, derecelendirmez veya onaylamaz.
Is AI used to produce campaign material?
Where a tool assists, its use is disclosed, and every claim is checked against sources by a named reviewer before publication.
How does the material stay current?
Each explainer carries a review date. When capabilities or rules change, it is revised and the change is recorded as a new version.
RaporlarKatkıda bulunun

Bu sayfadan kanıt katkısında bulunun.

Reports, Konsorsiyumun üç ayda bir yayımlanan yayınıdır. Bu konu hakkında bildikleriniz bir sonraki sayıda kanıt, vaka veya düzeltme olabilir; size atfedilir ve kendi çalışmanızsa CC BY 4.0 kapsamında yayımlanır.

GCRIKampanyalarKanıt Özeti
Kampanyalar

Bir yöntem, bir veri seti ya da bir soru getirin.

Bilgi ve başvurular bugün açıktır. Bir başvuru bir referans numarası alır ve bir sonraki adımı belirtir; başvurular, ödemeler, işlem kapasitesi tahsisleri ve kayıtlar yalnızca ekipleri, koşulları ve inceleme kapasiteleri mevcut olduğunda açılır.