Bu bibliyometrik çalışma, organizasyonlarda yapay zekâ ile insan arasındaki etkileşimin akademik literatürde nasıl kavramsallaştırıldığını ve araştırma alanının hangi yönlere ilerlediğini inceliyor. Araştırmacılar Scopus'tan elde edilen 2178 birincil belgeyi ve bunların atıf verdiği 15.078 ikincil belgeyi VOSviewer 1.6.20 kullanarak document co-citation ve bibliographic coupling yöntemleriyle analiz etmişlerdir. Ortak-atıf analizi alanın beş temel entelektüel kümesini ortaya çıkarırken bibliyografik eşleşme analizi dört güncel araştırma cephesi belirlemiştir. Ortaya çıkan genel desen, literatürün yapay zekâyı yalnızca verimlilik sağlayan ve insanlar tarafından “kabul edilmesi gereken” bir teknoloji olarak ele alan yaklaşımlardan; güven, insan özerkliği, ortak karar verme, karşılıklı uyum, yönetişim ve organizasyonel yetenekleri içeren daha insan merkezli bir iş birliği yaklaşımına doğru genişlediğini göstermektedir. Bununla birlikte bu sonuç ampirik olarak bütün iş yerlerinin böyle dönüştüğünü kanıtlamaz; çalışma bilimsel yayınlar arasındaki atıf ilişkilerini haritalamaktadır ve Scopus, arama terimleri, disiplin sınırları ve bibliyometrik eşiklerden etkilenmektedir.

Araştırmanın en önemli mesajlarından biri, yapay zekânın organizasyonlarda değer üretmesinin yalnız algoritmanın teknik gücüyle açıklanamayacağıdır. İncelenen literatür; çalışanların yapay zekâyı anlaması, ona uygun düzeyde güvenmesi, insan ve AI rollerinin nasıl bölündüğü, liderliğin desteği, veri odaklı kültür, etik yönetişim, iş akışı tasarımı ve çalışanların karar süreçlerinde anlamlı bir role sahip kalması gibi unsurları giderek daha merkezi konular hâline getirmektedir. Çalışmanın yazarları bu değişimi, otomasyon merkezli düşünceden yapay zekâ ile insanın birbirini tamamladığı sosyoteknik sistemlere doğru gelişen bir araştırma yönelimi olarak yorumlamaktadır.

Yapay zekâ artık yalnızca bir araç mı?

Çalışmanın kullandığı tanıma göre AI–human collaboration, insan aktörlerle akıllı sistemlerin iş görevlerini birlikte gerçekleştirdiği, karar süreçlerine birlikte katıldığı ve organizasyonel sonuçları beraber şekillendirdiği etkileşimli bir süreçtir. Araştırma literatürde iki temel yaklaşım bulunduğunu gösteriyor.

Birinci yaklaşım yapay zekâyı araç olarak görmektedir. Bu modelde AI; analiz, karar desteği veya iş akışı verimliliği sağlar ancak temel yetki ve karar sorumluluğu insanda kalır. İkinci yaklaşım ise AI'ı giderek daha fazla bir takım arkadaşı veya yarı özerk iş ortağı olarak kavramsallaştırmaktadır. Burada insan ve yapay zekâ görevlerin belirlenmesi, yürütülmesi veya koordinasyonuna farklı düzeylerde birlikte katılabilir.

Bibliyometrik haritada görülen değişim, araç yaklaşımının ortadan kalktığını göstermiyor. Daha doğru yorum, araştırma alanının “İnsan AI'ı kullanacak mı?” sorusunun ötesine geçerek “İnsan ve AI birlikte nasıl çalışacak, rollerini nasıl uyarlayacak ve sorumluluğu nasıl paylaşacak?” sorusuna daha fazla yöneldiğidir.

Alan neden parçalı kabul ediliyor?

Yapay zekâ–insan iş birliği tek bir bilim dalının konusu değildir. Araştırmalar organizasyonel davranış, psikoloji, bilgi sistemleri, yönetim, eğitim, insan kaynakları ve insan–bilgisayar etkileşimi gibi farklı disiplinlerde gelişmiştir. Bu durum güven, teknoloji kabulü, antropomorfizm, liderlik, etik, iş tasarımı, dijital yetenek, çalışan tutumları ve performans gibi kavramların birbirinden ayrı literatürlerde incelenmesine yol açmaktadır.

Çalışmanın amacı tek tek araştırmaların sonuçlarını meta-analitik biçimde birleştirmek değil; bu farklı literatürlerin hangi kaynakları birlikte kullandığını ve hangi araştırmaların ortak bilgi temellerine dayandığını haritalayarak alanın entelektüel mimarisini ortaya çıkarmaktır.

Document co-citation ile bibliographic coupling arasındaki fark nedir?

Document co-citation, iki kaynağın sonraki araştırmalar tarafından ne sıklıkta birlikte atıf aldığını inceler. İki çalışma aynı makalelerin kaynakçalarında tekrar tekrar beraber görülüyorsa, bu durum onların benzer teorik veya kavramsal bir bilgi tabanının parçaları olduğuna işaret eder. Bu nedenle ortak-atıf analizi ağırlıklı olarak alanın entelektüel temellerini anlamak için kullanılmıştır.

Bibliographic coupling ise ters yönden bakar. İki güncel araştırmanın kaynakçalarında ne kadar ortak referans bulunduğunu inceler. Aynı kaynaklara yoğun biçimde başvuran güncel çalışmaların benzer araştırma soruları veya tematik yönelimleri paylaşması beklenir. Araştırmacılar bu yöntemi alanın güncel araştırma cephelerini belirlemek için kullanmıştır.

Dolayısıyla bu iki analiz aynı soruyu tekrarlamaz. Biri “Bu alan hangi düşünsel temeller üzerine kuruldu?” sorusuna, diğeri ise “Güncel araştırmalar hangi yönlere kümeleniyor?” sorusuna yaklaşmaktadır.

Beş temel entelektüel küme neyi gösteriyor?

Ortak-atıf ağında ilk 100 doküman beş kümeye ayrılmıştır. Çalışmanın 9. sayfasındaki Şekil 1'de kırmızı, yeşil, mavi, sarı ve mor olarak gösterilen bu yapı, alanın psikolojik teorilerden eğitim dönüşümüne ve teknoloji kabulüne uzanan oldukça geniş bir teorik tabana sahip olduğunu göstermektedir.

Psikolojik ve sosyal temel neden önemli?

En büyük ortak-atıf kümesi, insanların yapay zekâyı yalnız işlevsel özellikleri üzerinden değerlendirmediğini inceleyen çalışmalardan oluşmaktadır. Antropomorfik tasarım, sosyal varlık, güven, sıcaklık algısı, kullanıcı kimliği ve insan benzeri etkileşim özellikleri bu literatürde önemli yer tutmaktadır.

Bu araştırma kolunun temel fikri, sohbet botu, hizmet robotu veya benzeri bir AI ajanının kullanıcı tarafından tamamen nötr bir yazılım olarak algılanmayabileceğidir. İnsan benzeri davranış veya iletişim biçimi, kullanıcıların sistemle kurduğu ilişkiyi ve davranışsal tepkilerini değiştirebilir.

Neden yükseköğretim bu kadar baskın?

Ortak-atıf yapısının iki büyük bölümü doğrudan yükseköğretim ve eğitim dönüşümüyle ilişkilidir. Çalışmanın yazarları bunu araştırma tasarımındaki bir hata olarak değil, özellikle üretken yapay zekânın hızla yayılmasının ardından mevcut literatürün ampirik dağılımının bir yansıması olarak yorumlamaktadır.

Bu araştırmalarda öğrenci tutumları, öğretmen hazırlığı, değerlendirme biçimleri, akademik bütünlük, AI okuryazarlığı, kurumsal yönetişim ve üretken AI'ın öğretim süreçlerine entegrasyonu öne çıkmaktadır. Bunun sonucu olarak alanın ilk teorik tabanı, işletmeler kadar eğitim kurumlarından da yoğun biçimde beslenmektedir.

Etik ve bilişsel tartışmanın merkezinde ne var?

Etik-bilişsel küme; önyargı, yanlış bilgi, akademik bütünlük, bilişsel yükün AI'a aktarılması, şeffaflık, adalet ve sorumlu yönetişim gibi konular etrafında şekillenmektedir. Buradaki temel soru yalnız “AI kullanılmalı mı?” değildir. Sistemlerin karar ve üretim süreçlerine daha fazla katıldığı koşullarda insanların değerlendirme yeteneğinin, sorumluluğunun ve özerkliğinin nasıl korunacağı da tartışılmaktadır.

Davranışsal benimseme teorileri neden hâlâ önemli?

Mor kümede Theory of Planned Behavior (TPB) ve Technology Acceptance Model (TAM) gibi klasik teknoloji benimseme teorileri merkezi konumdadır. Tutumlar, sosyal normlar, algılanan davranışsal kontrol, algılanan fayda ve kullanım kolaylığı gibi değişkenler insanların yeni teknolojiyi kullanma niyetlerini açıklamak için uzun süredir kullanılmaktadır.

Çalışmanın dikkat çektiği teorik sınır ise şudur: bu modeller bir kişinin AI'ı kabul edip etmeyeceğini açıklamakta yararlı olabilir, ancak sistem bir iş arkadaşına veya ortak karar aktörüne dönüştüğünde uzun süreli iş birliğinin nasıl geliştiğini açıklamak için tek başlarına yeterli olmayabilir.

Güncel araştırma cephesinde hangi dört alan öne çıkıyor?

13. sayfadaki bibliographic coupling ağı, daha güncel araştırma literatürünü dört tematik cephede bir araya getirmektedir:

AI–CRM araştırmaları organizasyonlara ne söylüyor?

AI destekli müşteri ilişkileri yönetimi literatüründe teknolojiye sahip olmak tek başına yeterli bir yetenek olarak görülmemektedir. İncelenen araştırma kümesi AI kullanımının organizasyonel performansla ilişkilendirilmesinde liderlik desteği, çalışan becerileri, organizasyonel hazırlık, bilgi paylaşımı, veri odaklı kültür ve stratejik planlama gibi faktörleri öne çıkarmaktadır.

Dolayısıyla AI'ın organizasyona yerleştirilmesi yalnız bir yazılım satın alma veya model çalıştırma problemi olarak değil, teknik ve insani kabiliyetlerin birlikte geliştirilmesi gereken organizasyonel bir dönüşüm problemi olarak ele alınmaktadır.

İnsan benzeri yapay zekâ her zaman daha mı iyi?

Çalışma böyle bir genelleme yapmıyor. Antropomorfik AI kümesi insan benzeri özelliklerin sosyal varlık, empati, öz-uyum, güven, katılım ve kullanıcı davranışlarıyla ilişkilerini inceleyen çalışmaları bir araya getiriyor. Bu literatürde insan benzeri özelliklerin bazı bağlamlarda kullanıcı etkileşimini güçlendirebildiğine yönelik bulgular bulunmakla birlikte bibliyometrik analiz, antropomorfizmin bütün sistemlerde veya bütün kullanıcılar için olumlu sonuç verdiğini test etmemektedir.

Konuşma ajanları neden ayrı bir araştırma alanına dönüşmüş?

Sohbet botları, sanal asistanlar ve diğer konuşma ajanları giderek yalnızca otomatik müşteri hizmeti araçları olarak ele alınmamaktadır. Literatür; mesaj biçimi, yanıt verebilirlik, sosyal ipuçları, antropomorfizm ve etkileşim kalitesinin güven, kullanıcı kontrolü, müşteri bağlılığı ve deneyim üzerindeki rolünü incelemektedir.

Bu nedenle araştırma odağı “Bot soruyu cevaplıyor mu?” düzeyinden “İnsan botla nasıl bir sosyal ve bilişsel ilişki kuruyor?” sorusuna doğru genişlemektedir.

Araştırma alanı zaman içinde nasıl değişmiş?

Çalışmanın 16. sayfasındaki zaman katmanı, bibliographic coupling ağını yayın yılına göre gösteriyor. Yazarların yorumuna göre 2021–2022 dönemindeki araştırmalar ağırlıklı olarak AI benimsemesi, organizasyonel hazırlık ve dijital dönüşüm konularına odaklanırken 2022–2023 döneminde müşteri deneyimi, pazarlama ve konuşma ajanları daha görünür hâle gelmektedir.

2023–2024 dönemine ait daha yeni çalışmalar ise yönetişim, adalet, insanileştirme, duygusal tepki ve AI sistemlerinin sosyal sonuçları gibi konularda yoğunlaşmaktadır. Bu desen yazarlar tarafından alanın uygulama ve benimseme sorularından daha ilişkisel, etik ve insan merkezli problemlere doğru genişlemesi olarak yorumlanmaktadır.

Üç katmanlı model ne anlatıyor?

17. sayfadaki Şekil 4, iki bibliyometrik analizin birlikte yorumlanmasıyla elde edilen üç katmanlı bir kavramsal yapı sunmaktadır.

1. Temel teorik katman: TPB, TAM, antropomorfizm, sosyal varlık, güven, etik ve kurumsal adaptasyon gibi temeller.
2. Aracı kurumsal ve yetenek mekanizmaları: AI okuryazarlığı, öğretmen veya çalışan hazırlığı, etik yönetişim, organizasyonel hazırlık, veri odaklı kültür ve yetenek geliştirme.
3. Güncel uygulama alanları: AI yönetişimi, AI–CRM, antropomorfik AI, müşteri duygusal tepkileri, konuşma ajanları ve tüketici deneyimi.

Bu şeklin önemli bilimsel sınırı çalışmada açıkça belirtilmektedir: oklar nedensel bir zinciri göstermemektedir. Diyagram, bibliyometrik kümeler arasında araştırmacıların gördüğü tematik hizalanmayı ve kavramsal ilerlemeyi görselleştirmektedir.

Asıl değişim: kabulden ortak uyuma

Çalışmanın teorik yorumunda en dikkat çekici değişim, AI'ın “kabul edilecek teknoloji” olarak ele alınmasından “birlikte çalışılması gereken aktör” olarak incelenmesine doğru gelişen araştırma çizgisidir.

Bu yeni çerçevede yalnız kullanım niyeti değil; co-agency, co-adaptation, rol müzakeresi, karşılıklı güven ayarı, ortak karar sorumluluğu ve etkileşim kalitesi önem kazanmaktadır. İnsan ve AI zaman içinde birbirlerinin davranışlarına uyum sağlayabilir; organizasyon ise bu ilişkinin kurallarını iş tasarımı, eğitim ve yönetişim aracılığıyla şekillendirebilir.

Organizasyonlar için çıkarılan pratik sonuç nedir?

Çalışmanın yazarlarının pratik yorumu, kurumların “AI'ı devreye alma” yaklaşımından “AI–insan iş birliği sistemleri tasarlama” yaklaşımına geçmesidir. Önerilen yönelimler arasında rol bazlı yeniden beceri kazandırma, liderlerin AI çıktısını yorumlayabilmesi, insan–AI bağımlılığına göre iş akışlarının yeniden tasarlanması ve etik hesap verebilirliğin günlük karar mekanizmalarının içine yerleştirilmesi bulunmaktadır.

Çalışma ayrıca AI okuryazarlığını tek bir genel beceri olarak ele almak yerine teknik okuryazarlık, yorumlayıcı okuryazarlık ve koordinasyon okuryazarlığı gibi farklı yeteneklerin düşünülmesini önermektedir. Burada amaç çalışanların yalnız AI aracını çalıştırmayı değil; sistemin sınırlarını anlamayı, çıktıları sorgulamayı ve AI önerisi ile bağlamsal insan bilgisi çatıştığında nasıl hareket edileceğini bilmelerini sağlamaktır.

İş akışları nasıl yeniden düşünülüyor?

Araştırmanın tartışmasında insan–AI tamamlayıcılığı özellikle vurgulanmaktadır. Veri sentezi veya anomali tespiti gibi bazı görevler AI desteğine uygun olabilirken etik değerlendirme, bağlamsal yorum veya müzakere gibi görevler insan yargısına daha fazla ihtiyaç duyabilir.

Yazarlar bunu bütün işler için doğrulanmış tek bir görev dağılımı formülü olarak sunmuyor. Bibliyometrik kümelerdeki tamamlayıcılık araştırmalarından hareketle, görevlerin ayrıştırılması ve insan ile AI arasındaki iş bölümünün pilot uygulamalarla iteratif olarak yeniden ayarlanmasını gelecek organizasyonel deneyler için bir yön olarak tartışıyorlar.

Çalışmanın desteklediği sonuçlar

Çalışmanın desteklediği temel sonuç, organizasyonlardaki AI–insan etkileşimi literatürünün entelektüel olarak yalnız teknoloji kabulünden oluşmadığı ve güncel araştırmalarda güven, etik, insanileştirme, organizasyonel yetenek, konuşma ajanları, duygusal tepki ve insan–AI tamamlayıcılığı gibi alanların belirginleştiğidir.

Atıf ağlarının birlikte yorumlanması, araştırmacıların AI entegrasyonunu giderek bir sosyoteknik iş birliği yeteneği olarak ele aldıklarını düşündürmektedir. Çalışma bu yorumu bibliyometrik kümelerin temaları, birbirleriyle bağlantıları ve zaman dağılımlarına dayandırmaktadır.

Çalışmanın kanıtlamadığı sonuçlar

Çalışma, AI ile çalışan insanların otomatik olarak daha verimli olduğunu kanıtlamamaktadır. Çalışan üretkenliği, işletme kârlılığı veya belirli bir AI sisteminin performansı üzerinde ortak bir deney yürütülmemiştir.

Çalışma, AI'ın insan çalışanların yerini alması veya almaması gerektiğini test etmemektedir. Literatürde otomasyondan iş birliğine yönelik tematik bir genişleme belirlemektedir.

Çalışma, insan benzeri AI'ın her zaman daha iyi olduğunu göstermemektedir. Antropomorfizm araştırmalarının literatürde önemli bir küme oluşturduğunu göstermektedir.

Çalışma, bibliyometrik kümeler arasındaki ilişkilerin nedensel olduğunu kanıtlamamaktadır. Ağ yakınlığı ve ortak referans yapıları entelektüel ve tematik yakınlığı gösterir; neden-sonuç ilişkisini göstermez.

Çalışma bütün AI–insan iş birliği literatürünün eksiksiz haritası değildir. Scopus, belirlenen arama terimleri, yönetim ve sosyal bilim kategori sınırları ve bibliyometrik eşikler tarafından sınırlandırılmış bir literatür evrenidir.

Çalışmanın Yöntemi ve Bulguları

Veri kaynağı nasıl seçildi?

Bibliyografik kayıtların tamamı Scopus veri tabanından alınmıştır. Araştırmacılar Scopus'u yönetim, psikoloji, organizasyonel davranış ve bilgi sistemleri alanlarındaki geniş çok disiplinli kapsamı, atıf verileri ve bibliyografik dışa aktarma özellikleri nedeniyle seçtiklerini belirtmektedir.

Veri tabanı düzeyinde dil kısıtı uygulanmamıştır. Kaynak çalışmaya göre İngilizce dışındaki yayınlar veri kümesinin %2'sinden azını oluşturmaktadır.

Araştırmanın amacı organizasyonel AI–insan iş birliğini incelemek olduğu için yönetim, işletme, organizasyonel davranış ve ilişkili sosyal bilim alanlarına odaklanılmış; bilgisayar bilimi, mühendislik, tıp, kimya ve fizik gibi teknik veya biyomedikal kategoriler konu alanı düzeyinde dışlanmıştır.

Arama hangi kavramları kullandı?

Arama stratejisinde “AI-human collaboration”, “AI integration in business”, “AI-human teaming”, “AI-human partner*”, “AI integration in organizations”, “AI integration in the workplace”, “AI in the workplace”, “AI socialization”, “AI social integration”, “AI sociotechnical”, “AI socio-technical”, “AI as social actor”, “AI social interaction” ve “AI integration” gibi ifadeler kullanılmıştır.

Önemli bir kapsam tercihi olarak araştırmacılar “human–AI collaboration”, “human-in-the-loop”, “hybrid intelligence” ve “AI-assisted decision making” gibi bazı alternatif terimleri nihai sorguya dahil etmemişlerdir. Ön taramalar, bu ifadelerin bilgisayar bilimi, robotik ve sistem mimarisi ağırlıklı çok sayıda çalışma getirdiğini göstermiş; araştırmacılar organizasyonel odağı korumak için daha sınırlı bir sorgu tercih etmiştir.

Bu karar araştırma sorusuyla uyumludur, ancak aynı zamanda sonuçların teknik insan–AI iş birliği literatürünün tamamını temsil etmediği anlamına gelir.

Kaç yayın değerlendirildi?

PRISMA tarzı seçim akışında 2226 kayıt tanımlanmış ve taranmış; bunlardan 2178 belge nihai veri kümesinde tutulmuştur. Araştırmacılar ilk geri getirme ile dışa aktarılan kayıt sayısı arasındaki küçük farklılıkların Scopus'un dinamik indeksleme ve metadata normalizasyon süreçlerinden kaynaklanabileceğini belirtmektedir.

Nihai analizde 2178 birincil belge ile bu yayınların kaynakçalarında bulunan 15.078 ikincil belge kullanılmıştır.

Ortak-atıf analizi nasıl yapıldı?

Document co-citation analizi, 2178 birincil belgenin atıf verdiği 15.078 ikincil belge üzerinde yürütülmüştür. Bir kaynağın ağ analizine girebilmesi için minimum ortak-atıf eşiği 5 olarak belirlenmiştir.

Bu eşikten sonra 304 ikincil belge analiz koşullarını karşılamıştır. Görsel okunabilirliği artırmak için co-citation strength değerine göre en güçlü 100 belge nihai ağ haritasında gösterilmiştir.

Analizde full counting kullanılmış, farklı belgelerin atıf yoğunluklarındaki farkları dengelemek için association-strength normalization uygulanmıştır. Ağ VOSviewer 1.6.20'nin VOS mapping ve clustering algoritmalarıyla oluşturulmuştur.

Düğüm büyüklüğü ham Scopus atıf sayısını değil total link strength değerini temsil etmektedir. Başka bir ifadeyle büyük bir düğüm, mutlaka en fazla toplam atıf alan çalışma değil; incelenen ağ içinde diğer belgelerle en güçlü toplam ilişkiye sahip çalışmadır.

Bibliographic coupling analizi nasıl yapıldı?

İkinci analiz yine 2178 birincil dokümandan başlamış ancak en az 20 atıf alan çalışmalar coupling ağına dahil edilmiştir. Bu eşik sonucunda 219 belge bibliyografik eşleşme ağını oluşturmuştur.

Kümelenme 219 belgenin tamamı üzerinde yapılmış; yalnız görselleştirme aşamasında total link strength bakımından ilk 100 belge gösterilmiştir. Dolayısıyla “ilk 100” tercihi kümeleri üretmek için değil, yoğun ağı okunabilir hâle getirmek için uygulanmıştır.

Burada da full counting ve association-strength normalization kullanılmıştır. Bir bağlantının minimum strength değeri 1 olarak belirlenmiş, her kümede en az 10 belge koşulu uygulanmıştır.

Eşik seçimleri sonuçları yapay olarak üretmiş olabilir mi?

Araştırmacılar hem ortak-atıf hem bibliographic coupling analizlerinde seçilen eşiklerin hemen çevresindeki farklı değerlerle duyarlılık analizi yaptıklarını belirtmektedir. Kaynak çalışmaya göre baskın kümelerin tematik bileşimi ve göreli konumları bu alternatif eşiklerde esas olarak korunmuştur.

Bu kontrol, tespit edilen yapıların yalnız tek bir keyfî eşik değerinin ürünü olma ihtimalini azaltmaktadır. Bununla birlikte bibliyometrik ağ yapısı eşik, normalizasyon ve kümeleme kararlarından tamamen bağımsız değildir; yazarlar bunu çalışmanın sınırlılıkları arasında açıkça kabul etmektedir.

Ortak-atıf ağında hangi çalışmalar merkezde?

Kırmızı psikolojik ve sosyal kümede Alabed ve arkadaşları, Araujo ve Adam ve arkadaşlarının insan benzeri AI, sosyal varlık ve kullanıcı tepkilerine ilişkin çalışmaları öne çıkmaktadır.

Yeşil yükseköğretim kümesinde Chan'ın üretken AI politikası ve öğrencilerin/kültürel kurumların uyumuyla ilişkili çalışmaları ile Alasadi ve Baiz'in üretken AI'ın eğitim ve araştırmadaki fırsat ve risklerine ilişkin çalışması önemli düğümlerdir.

Mavi etik-bilişsel kümede üretken AI'ın eğitim, akademik bütünlük ve etik sorunlarına odaklanan çalışmalar; sarı kümede ise AI okuryazarlığı, öğretmen hazırlığı ve eğitim dönüşümü literatürü yoğunlaşmaktadır.

Mor kümenin teorik omurgasını Ajzen'in Theory of Planned Behavior yaklaşımı ile Davis'in Technology Acceptance Model'i oluşturmaktadır.

Güncel bibliographic coupling ağı hangi yöne işaret ediyor?

Güncel ağın en büyük kümesi 28 belge ile AI yönetişimi, etik ve insanileştirme alanıdır. AI–CRM ve organizasyonel performans kümesi 25 belge; antropomorfik AI ve tüketici duygusal tepkisi kümesi de 25 belge içermektedir. Dördüncü küme konuşma ajanları ve tüketici deneyimi üzerine odaklanmaktadır.

Ağın sık bağlantılı yapısı, araştırmacıların psikolojik güven, teknoloji tasarımı, organizasyonel yetenek ve etik yönetişimi giderek aynı genel AI–insan iş birliği problemi içerisinde ele aldıklarını düşündürmektedir.

Bibliyometrik haritaların en önemli yorum sınırı nedir?

Bir bibliyometrik küme aynı temadaki çalışmalar arasında bilimsel fikir birliği bulunduğunu otomatik olarak kanıtlamaz. Kümeler, ortak atıf veya ortak kaynak kullanımı nedeniyle birbirine yakınlaşan yayın gruplarıdır.

Benzer biçimde total link strength, bir çalışmanın teorik olarak “doğru” olduğunu veya diğer çalışmaların üzerinde bilimsel üstünlüğe sahip olduğunu göstermez. Ölçüt, ağ içerisindeki yapısal bağlantı gücünü temsil eder.

Kaynak içindeki zaman kapsamı uyuşmazlığı

Çalışmanın yöntem bölümü sistematik Scopus aramasının Kasım 2025'te yapıldığını ve veri setinin yine Kasım 2025 tarihli Scopus anlık görüntüsünü temsil ettiğini açıkça belirtmektedir. Bununla birlikte çeşitli bölümlerde nihai veri kümesi 2019–2026 arasında yayımlanan belgelerden oluşuyormuş gibi tanımlanmaktadır.

Kaynak çalışma, Kasım 2025'te çıkarılmış veri setindeki “2026” yayınlarının niteliğini veya nasıl dahil edilebildiğini açıklamamaktadır. Bu nedenle 2026 kapsamı, metindeki veri toplama tarihiyle açıklama gerektiren bir zamansal uyuşmazlık olarak değerlendirilmelidir. Çalışmanın Şekil 3'teki zaman katmanının görsel ölçeğinin de 2021–2024 dönemini göstermesi bu belirsizliği ortadan kaldırmamaktadır.

Kaynak içindeki atıf-açıklama uyuşmazlıkları

Bibliographic coupling sonuçlarında bazı atıf numaralarının açıklaması, kaynak listesindeki makale başlıklarıyla tam olarak örtüşmemektedir. Örneğin Tablo 2'de Chatterjee ve arkadaşları [58] B2B bağlamında AI tabanlı CRM'nin firma performansı ve rekabet avantajı üzerindeki etkisini inceleyen çalışma olarak açıklanmaktadır; ancak kaynak listesindeki B2B başlıklı çalışma [64] numarasındadır. [58] numaralı çalışma ise AI–CRM ile dijital dönüşümü mikro-temeller ve liderlik desteği perspektifinden ele almaktadır.

Benzer çaprazlaşmalar [59], [63] ve [64] numaralı AI–CRM çalışmalarının açıklamalarında da görülmektedir. Ayrıca 3.2.1 bölümünde Zheng ve arkadaşları [56] için akademisyen ve doktora öğrencilerinin üretken AI algılarından söz eden açıklama verilirken [56] numaralı kaynak, yabancı dil öğreniminde üretken AI teknoloji kabulünü inceleyen bir çalışmadır. Akademisyen ve öğrenci algılarına yönelik açıklama Fırat [55] çalışmasının kapsamıyla daha çok örtüşmektedir.

Bu tutarsızlıklar çalışmanın dört ana bibliyometrik kümesini otomatik olarak geçersiz kılmaz; ancak tek tek “merkezi çalışma → açıklama” eşleştirmeleri yorumlanırken kaynak listesinin ayrıca kontrol edilmesi gerektiğini göstermektedir.

Çalışmanın başlıca sınırlılıkları

• Yalnız Scopus kullanılmıştır; başka veri tabanlarında indekslenen çalışmalar kapsam dışında kalabilir.
• İngilizce dışı yayınlar veri kümesinin %2'sinden azdır; bölgesel araştırmalar yeterince temsil edilmeyebilir.
• Teknik ve biyomedikal konu alanları bilinçli olarak dışlanmıştır.
• “Human–AI collaboration”, “human-in-the-loop”, “hybrid intelligence” ve benzeri bazı geniş arama terimleri nihai sorguda kullanılmamıştır.
• Bibliyometrik eşikler, normalizasyon ve clustering parametreleri ağ konfigürasyonunu etkileyebilir.
• Yeni yayınlar henüz yeterli atıf almadıkları için ağda düşük görünürlüğe sahip olabilir.
• İsim varyasyonları, self-citation ve metadata hataları tamamen ortadan kaldırılamamış olabilir.
• Bibliyometrik ilişkiler nedenselliği göstermez.
• Alan özellikle temel co-citation katmanında yükseköğretim araştırmalarına güçlü biçimde yoğunlaşmıştır.

Gelecek araştırmalar için hangi boşluklar belirlendi?

Yazarlar gelecekte Scopus ile Web of Science veya disipline özgü veri tabanlarını birleştiren çoklu veri tabanı çalışmalarının ve daha geniş çok dilli analizlerin yapılmasını önermektedir. Bibliyometrik haritalamanın sistematik içerik analizi, topic modeling veya meta-analizle birleştirilmesi de önerilen yönlerden biridir.

Daha temel bilimsel ihtiyaç ise AI–insan iş birliğinin zaman içinde nasıl geliştiğini doğrudan gözlemleyen boylamsal çalışmaların artırılmasıdır. Rol müzakeresi, güven kalibrasyonu, AI'a dayanma düzeyi, sistem güncellemeleri sonrası yeniden uyum ve ortak performans gibi değişkenlerin benimseme anında değil, kullanım süreci boyunca ölçülmesi önerilmektedir.

Çalışma ayrıca yalnız “AI kullanılıyor mu?” sorusunu ölçmek yerine etkileşim kalitesi, ortak zihinsel modeller, müşterek karar sorumluluğu ve etik dayanıklılık gibi iş birliği kalitesi ölçütlerinin geliştirilmesini önemli bir araştırma ihtiyacı olarak tanımlamaktadır.

Kaynak ve Yöntem Notu

Tam özgün çalışma adı: From Automation to Collaboration: Mapping AI–Human Interaction in Organizations Through Bibliometric Analysis

Yazarlar: Elissar Abdul Khalek; Jeffrey Macias; Itamar Shabtai.

Eş birinci/eş katkı: Kaynakta böyle bir beyan bulunmamaktadır.

Sorumlu yazar: Itamar Shabtai.

Kurumlar: Drucker School of Management, Claremont Graduate University, Claremont, California, ABD; Center of Information System and Technology, Claremont Graduate University, Claremont, California, ABD.

Kaynak türü: Hakemli derleme makalesi; bibliyometrik analiz ve bilim haritalama çalışmasıdır. Meta-analiz veya ampirik çalışan örneklemi üzerinde yürütülen organizasyonel deney değildir.

Dergi: AI.

Yayınevi: MDPI, Basel, İsviçre.

Bibliyografik kayıt: AI, 2026, Cilt 7, Sayı 6, Makale 189.

DOI: 10.3390/ai7060189.

Alınma / revizyon / kabul / yayın: 19 Mart 2026 / 11 Mayıs 2026 / 12 Mayıs 2026 / 25 Mayıs 2026.

Hakemlik durumu: Hakemli dergi yayınıdır.

Lisans: Creative Commons Attribution (CC BY).

Akademik editör: Tihomir Orehovački.

Araştırma veri kaynağı: Scopus.

Bibliyometrik yazılım: VOSviewer 1.6.20.

Ana analizler: Document co-citation ve bibliographic coupling.

Ana veri hacmi: 2178 birincil belge ve 15.078 ikincil belge.

Ek materyal: File S1; tam Scopus sorgusu, konu alanı dışlamaları, eşik parametreleri, thesaurus düzenlemeleri ve Kasım 2025'te yürütülen bibliyometrik analiz adımlarının ayrıntılarını içerdiği belirtilmektedir.

Finansman: Makale işlem ücretinin (APC) Claremont Graduate University tarafından desteklendiği belirtilmektedir. Kaynak, fon sağlayıcının araştırma tasarımı, veri toplama, analiz, yorum, yazım veya yayın kararı üzerinde rolünün bulunmadığını bildirmektedir.

Etik kurul: Uygulanabilir değil.

Bilgilendirilmiş onam: Uygulanabilir değil.

Veri erişilebilirliği: Çalışmada kullanılan Scopus metadata dışa aktarımının makul talep üzerine sorumlu yazardan edinilebileceği belirtilmektedir. Ayrıntılı yöntem dokümantasyonu ek materyalde sunulmuştur.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir.

Yazar katkıları: Kavramsallaştırma E.A.K., J.M. ve I.S.; metodoloji E.A.K. ve J.M.; veri kürasyonu E.A.K.; ilk taslak E.A.K. ve J.M.; gözden geçirme ve düzenleme E.A.K., J.M. ve I.S.; görselleştirme E.A.K.; danışmanlık/gözetim E.A.K., J.M. ve I.S. tarafından yürütülmüştür.

Bilimsel yorum sınırı

Bu araştırmada çalışanlar, yöneticiler, müşteriler veya kurumlar üzerinde yeni bir davranışsal deney yapılmamıştır. Sonuçlar, akademik yayınların atıf ve ortak kaynak ilişkilerinden türetilen bibliyometrik yapıyı göstermektedir.

“Otomasyondan iş birliğine geçiş” ifadesi bu nedenle bütün organizasyonlarda gözlenmiş ampirik bir dönüşüm oranı değil, araştırma literatürünün tematik yapısına ilişkin yazar yorumudur. Bibliyometrik zaman ve küme örüntüleri bu yorumu desteklemektedir ancak organizasyonların fiilî olarak hangi hızda veya ölçüde dönüştüğünü ölçmemektedir.

Aynı şekilde çalışmanın üç katmanlı kavramsal modeli doğrulanmış nedensel bir organizasyon teorisi değildir. Yazarlar Şekil 4'teki okların nedensel sıralama değil tematik ilerleme ve kavramsal hizalanmayı temsil ettiğini açıkça belirtmektedir.

Son olarak kaynakta Kasım 2025 Scopus anlık görüntüsü ile 2019–2026 veri kapsamı arasında açıklanmamış bir zaman uyuşmazlığı ve bazı tekil referans numarası–çalışma açıklaması eşleşmelerinde sorunlar bulunmaktadır. Verianla metninde bu hususlar kaynakta olmadığı biçimde düzeltilmemiş, doğrudan görünür hâle getirilmiştir.