Entegre Aksiyoloji–MCDA Çerçevesi (Integrated Axiology–MCDA Framework), yapay zekâ yönetişimindeki birden fazla meşru değeri açıkça sınıflandıran ve bu değerler arasındaki ödünleşmeleri Çok Kriterli Karar Analizi (Multi-Criteria Decision Analysis, MCDA) ile yapılandırılmış biçimde inceleyen bir etik karar-destek çerçevesidir. Fei Sun, Damir Isovic ve Gordana Dodig-Crnkovic'in çalışması, AI etiğindeki yüksek düzeyli ilkelerin gerçek uygulamadaki değer çatışmalarını tek başına yönetmekte yetersiz kalabileceği probleminden hareket eder. Çalışma yeni klinik veya saha verisi üretmez; felsefi aksiyoloji, MCDA modellemesi, duyarlılık analizi, hipotetik sağlık senaryosu ve eğitim, ceza adaleti ile finans alanlarına kavramsal uygulamalar kullanır.

Çerçeve değerleri üç gruba ayırır. İçsel değerler insan onuru, adalet, özerklik ve mahremiyet gibi kendi başına korunması gereken normatif sınırları; araçsal değerler doğruluk, verimlilik, güvenilirlik ve ölçeklenebilirlik gibi etik olarak kabul edilebilir amaçlara ulaşma kapasitesini; ilişkisel değerler ise güven, hesap verebilirlik, şeffaflık ve katılım gibi insanlar, kurumlar ve AI sistemleri arasındaki meşru ilişkinin koşullarını temsil eder.

Çalışma bu değerleri tek bir “doğru etik puana” indirgemeyi amaçlamaz. MCDA; kriterlerin, skorların ve ağırlıkların açıkça görünmesini sağlayarak paydaşların hangi değer taahhütlerinin hangi sonuçlara yol açtığını tartışabilmesi için kullanılır. İçsel değerler ayrıca sıradan kriterlerden farklıdır: belirli asgari etik koşulları ihlal eden alternatiflerin toplamsal değerlendirmeden önce dışlanması gerekebilir.

Hipotetik sağlık senaryosunda doğruluk odaklı Sistem A ile mahremiyet ve demografik adalete daha fazla ağırlık veren Sistem B karşılaştırılır. Verilen varsayımsal skorlarla Sistem B beş klinik bağlamın dördünde tercih edilir; Sistem A yalnız doğruluğun ağırlığı %70'e çıkarılan acil servis örneğinde 3,4'e karşı 3,3 ile öne geçer. Ayaktan hasta bağlamındaki duyarlılık analizinde Sistem A'nın tercih edilir hale gelmesi için, mahremiyet ve adalete eşit kalan ağırlıklar altında doğruluğun yaklaşık \(w_{Acc}>0{,}67\) düzeyinde ağırlıklandırılması gerekir. Bu değerler gerçek klinik performans ölçümleri değil, çerçevenin işleyişini göstermek için oluşturulmuş hipotetik örneklerdir.

Araştırmanın temel problemi

Yapay zekâ etiği literatürü adalet, şeffaflık, hesap verebilirlik, insan onuru, güvenlik ve mahremiyet gibi çok sayıda ilke tanımlamaktadır. Ancak gerçek bir sistem tasarlanırken veya satın alınırken bu ilkeler aynı anda aynı yönde hareket etmeyebilir. Daha fazla veri kullanımı tahmin doğruluğunu artırabilir fakat mahremiyet riskini büyütebilir. Yüksek otomasyon verimliliği artırırken insan denetimini azaltabilir. Şeffaflık talepleri ticari gizlilik veya güvenlik gerekleriyle çatışabilir.

Yazarların çıkış noktası, bu çatışmaların yalnız teknik optimizasyon eksikliğinden doğmadığıdır. Birden fazla etik değerin aynı anda meşru olması, bazı değer çatışmalarını yapısal hale getirir. Bu nedenle yalnız ilkelerin listesini yayımlamak, gerçek karar anında hangi değerin hangi gerekçeyle nasıl ağırlıklandırılacağını açıklamaya yetmeyebilir.

Entegre Aksiyoloji–MCDA Çerçevesi Nedir?

Entegre Aksiyoloji–MCDA Çerçevesi, yapay zekâ yönetişimindeki değerleri felsefi aksiyolojiyle belirleyip sınıflandıran ve alternatifleri Çok Kriterli Karar Analiziyle karşılaştırarak değer taahhütleri ile ödünleşmeleri şeffaflaştıran, fakat etik kararı algoritmaya devretmeyen bir deliberatif karar-destek yöntemidir.

Aksiyoloji ne sağlıyor?

Aksiyoloji, değerlerin ne olduğunu, nasıl sınıflandırılabileceğini ve neden gerekçelendirilebileceğini inceleyen felsefi alandır. Makalede aksiyolojinin görevi yalnız “hangi ilke önemlidir?” sorusuna liste halinde cevap vermek değil; AI tasarımı, kullanımı ve yönetişimini yönlendiren değer taahhütlerini sistematik hale getirmektir.

Moore: içsel ve araçsal değer ayrımı

G. E. Moore'un klasik aksiyoloji yaklaşımı, kendi başına değerli olan içsel iyiler ile başka amaçlara ulaşmaya yardımcı olduğu için değer taşıyan araçsal iyiler arasındaki farkı vurgular. Makale bu ayrımı AI etiğine taşıyarak insan onuru veya adalet gibi değerlerle performans ve verimlilik gibi amaçların aynı normatif role sahip olmadığını savunur.

Ross ve çatışan yükümlülükler

W. D. Ross'un çoğulcu görev anlayışı, sadakat, adalet, yarar sağlama ve zarar vermeme gibi birden fazla yükümlülüğün aynı anda geçerli olabileceğini ve belirli durumlarda birbirleriyle çatışabileceğini kabul eder.

AI sistemlerinde mahremiyet–güvenlik, özerklik–yarar ve yenilik–ihtiyat gibi çatışmalar bu düşüncenin çağdaş örnekleridir. Makalenin yaklaşımında etik çatışmanın varlığı doğrudan bir tasarım hatası olarak görülmez.

Berlin, Raz ve Chang: ortak ölçü sorunu

Isaiah Berlin'in değer çoğulculuğu, bazı önemli değerlerin tek bir ortak ölçekte nicel olarak karşılaştırılamayabileceğini ve kimi çatışmaların gerçek kayıp içerebileceğini vurgular. Joseph Raz, ölçülemezlik ile karşılaştırılamazlığı birbirinden ayırır; ortak bir metrik bulunmaması her türlü rasyonel karşılaştırmayı zorunlu olarak imkânsız hale getirmez.

Ruth Chang'in “on a par” yaklaşımı da bazı seçeneklerin tam olarak eşit, daha iyi veya daha kötü olmadan yaklaşık biçimde karşılaştırılabileceğini savunur. Bu yaklaşımlar, MCDA'nın niçin etik kararın kendisi değil, yargıyı destekleyen bir yapı olarak kullanıldığını açıklar.

Nussbaum ve asgari eşikler

Martha Nussbaum'un yetenekler yaklaşımı, insan yaşamında birden fazla ayrı değerin önemli olduğunu ve bazı temel yeteneklerin asgari bir eşiğin altına düşmesinin başka alanlardaki başarılarla kolayca telafi edilemeyeceğini savunur.

Makalede içsel değerlerin sıradan ağırlıklı kriterlerden önce etik uygunluk sınırları oluşturması, bu tür eşik-temelli düşünceyle uyumludur.

İçsel, Araçsal ve İlişkisel Değerler Arasındaki Fark Nedir?

İçsel değerler insan onuru, adalet, özerklik ve mahremiyet gibi kendi başına korunması gereken normatif sınırları; araçsal değerler doğruluk, verimlilik, güvenilirlik ve ölçeklenebilirlik gibi etik amaçlara ulaşmayı sağlayan performans özelliklerini; ilişkisel değerler ise güven, hesap verebilirlik, şeffaflık ve katılım gibi insan, kurum ve AI sistemi arasındaki meşru ilişkinin koşullarını ifade eder.

Sınıflandırma neden katı bir taksonomi değildir?

Kaynak, üç kategorinin analitik olarak farklı olmasına rağmen her değerin yalnız tek bir kategoriye ait olmasının zorunlu olmadığını belirtir. Örneğin şeffaflık veya hesap verebilirlik yorumlandıkları bağlama göre birden fazla işlev üstlenebilir.

Bu nedenle üçlü yapı, AI etiğinde değerlerin rollerini açıklamaya yarayan bir sezgisel sınıflandırmadır; değişmez ve bağlamdan bağımsız bir ontoloji değildir.

İçsel değerler neden sıfır ağırlık alamaz?

Makalede insan onuru ve adalet gibi içsel değerler sıradan tercihler olarak ele alınmaz. Bu değerler, hangi alternatiflerin etik karar uzayına girebileceğini sınırlar.

Bir alternatif asgari içsel değer koşulunu ihlal ediyorsa yalnızca diğer alanlarda yüksek puan aldığı için kabul edilebilir hale gelmemelidir. Kaynak bu nedenle minimum eşikler, leksikografik sıralama veya toplamsal değerlendirmeden önce alternatifin dışlanması gibi yöntemleri önerir.

Araçsal değer neden kendi başına yeterli değildir?

Yüksek doğruluk veya verimlilik etik açıdan önem taşıyabilir, fakat bunların değeri hangi amaca hizmet ettikleriyle bağlantılıdır. Örneğin daha doğru klinik tahmin hasta yararını artırabilir; buna karşılık yüksek doğruluk için sınırsız kişisel veri kullanımı mahremiyetle çatışabilir.

Çerçevenin işlevi teknik performansı değersizleştirmek değil, performansın diğer etik değerler üzerinde sınırsız üstünlük kurmasını önlemektir.

İlişkisel değerlerin özgün rolü

İlişkisel değerler yalnız bireyin hakkına veya modelin performansına indirgenemez. Güven, hesap verebilirlik ve anlamlı katılım, AI sisteminin kullanıldığı kurum ile bundan etkilenen kişiler arasındaki ilişkiye bağlıdır.

Bu nedenle ilişkisel değerler iki işleve sahiptir: AI alternatiflerinin değerlendirilmesinde kriter olabilirler ve aynı zamanda kriter ağırlıklarının nasıl belirlendiği karar sürecinin meşruiyetini etkileyebilirler.

Responsible AI çerçeveye ne katıyor?

Responsible AI yaklaşımı, şeffaflık, hesap verebilirlik, adalet, güvenlik ve insan denetimi gibi genel yönetişim beklentilerini sağlar. Makale, ilke temelli Responsible AI yaklaşımını reddetmez; aksiyoloji ve MCDA ile bu ilkelerin somut değer çatışmalarında nasıl gerekçelendirildiğini daha görünür hale getirmeye çalışır.

Kaynak, Avrupa Birliği Yapay Zekâ Yasası'nı risk sınıflandırması, uygunluk değerlendirmesi ve yüksek riskli uygulamalardaki dokümantasyon gereklilikleriyle Responsible AI yönelimlerinin kurumsal örneklerinden biri olarak tartışmaktadır.

Digital Humanism çerçeveye ne katıyor?

Digital Humanism, teknolojinin insan onuru, özerklik, demokratik katılım ve insanın gelişimiyle ilişkilendirilmesini sağlayan normatif yönelimdir. Makale, AI yönetişimindeki değerlerin yalnız teknik uzmanlar tarafından belirlenmemesi ve etkilenen paydaşların da ağırlıklandırma sürecine katılması gerektiğini bu yaklaşım üzerinden destekler.

İnsan onurunun ihlal edilemez bir sınır olarak ele alınması, çerçevedeki içsel değer mantığıyla doğrudan ilişkilidir.

Dört mimari bileşen

Aksiyolojik MCDA standart MCDA'dan nasıl ayrılıyor?

Makale standart çok kriterli karar analizini doğrudan etik alana uygulamaz. Üç uyarlama öne çıkar:

• İçsel kısıtlar: İnsan onuru veya adalet gibi belirli değerler sıradan kriterlerden önce kabul edilebilirlik sınırları oluşturur.
• Ordinal değerlendirme: Kesin nicel ölçümün uygun olmadığı etik değerlendirmeler 1–5 gibi sıralı ölçeklerle ifade edilebilir.
• Bağlam duyarlılığı: Her alan için aynı evrensel ağırlık seti kullanılmaz; kriterlerin önemi uygulama bağlamına göre değişebilir.

Ağırlıklı toplam modeli

Alternatif kümesi:

\[ A=\{A_1,\ldots,A_m\} \]

ve kriter kümesi:

\[ C=\{C_1,\ldots,C_n\} \]

olarak düşünüldüğünde, kaynak alternatif \(A_i\) için toplam skoru:

\[ S(A_i)=\sum_{j=1}^{n}w_jx_{ij} \tag{1} \]

şeklinde tanımlar.

Burada:

• \(S(A_i)\): \(A_i\) alternatifinin toplam MCDA skoru;
• \(w_j\): \(C_j\) kriterine verilen göreli ağırlık;
• \(x_{ij}\): \(A_i\) alternatifinin \(C_j\) kriterindeki performans skorudur.

Ağırlıklar:

\[ \sum_{j=1}^{n}w_j=1, \qquad w_j>0\ \text{içsel kriterler için} \tag{2} \]

koşulunu sağlar.

İlk koşul ağırlıkları normalize eder. İkinci koşul ise içsel kriterlerin değerlendirmeden tamamen çıkarılamayacağını gösterir. Bununla birlikte kaynak yalnız \(w_j>0\) koşuluna güvenmez; ciddi içsel değer ihlallerinde toplamsal modelden önce dışlama veya hak-temelli değerlendirme gerekebileceğini ayrıca belirtir.

Neden ağırlıklı toplam modeli seçilmiş?

Ağırlıklı toplam yöntemi en gelişmiş MCDA yöntemi olduğu için seçilmemiştir. Kaynağa göre başlıca avantajı, geniş paydaş gruplarının katıldığı deliberatif süreçlerde kolay anlaşılması ve ağırlık–skor ilişkisinin izlenebilir olmasıdır.

Analitik Hiyerarşi Süreci, outranking yöntemleri veya başka çok kriterli yöntemler daha gelişmiş özellikler sunabilir; ancak katılımcı değerlendirmede daha karmaşık olabilirler.

Şekil 1: yedi aşamalı etik değerlendirme döngüsü

1. Bağlamın belirlenmesi: Karar ortamı, paydaşlar ve AI alternatifleri tanımlanır.
2. Kriterlerin belirlenmesi: Bağlama özgü içsel, araçsal ve ilişkisel değerler seçilir.
3. Performans değerlendirmesi: Alternatifler her kriterde mevcut kanıt veya uzman değerlendirmesiyle puanlanır.
4. Ağırlıkların belirlenmesi: Kriterlerin göreli önemi paydaş tartışmasıyla belirlenir.
5. Skorlama ve sıralama: Ağırlıklı toplam modeli kullanılarak alternatifler karşılaştırılır.
6. Duyarlılık analizi: Ağırlık değişimlerinin sıralamayı değiştirip değiştirmediği ve tercih değişim eşikleri incelenir.
7. Gerekçeli yargı: Sonuç yorumlanır, kararın etik gerekçesi kaydedilir ve gerekirse önceki aşamalar yeni varsayımlarla tekrarlanır.

Kaynak Şekil 1'in temel mesajı doğrusal “algoritma karar verir” akışı değildir. Süreç yinelemelidir; gerekçeli yargı aşaması yeni bilgi veya itirazlar ortaya çıktığında sürecin önceki aşamalarına geri dönmesini sağlar.

MCDA etiği çözüyor mu?

Hayır. Kaynak özellikle, ölçülemez veya uzlaştırılamaz değerler bulunduğu için hiçbir algoritmanın tek ve zorunlu etik sonucu hesaplayamayacağını belirtir. MCDA'nın rolü, hangi değerlerin seçildiğini, hangi ağırlıkların kullanıldığını ve sonuçların bu taahhütlere nasıl bağlı olduğunu görünür hale getirmektir.

Teknik uzmanlar sistemin performansı ve uygulanabilirliği hakkında bilgi sağlar; paydaşlar ise değer öncelikleri, toplumsal bağlam ve kabul edilebilir ödünleşmeler hakkında görüş sunar. Çerçeve bu iki bilgi türünü aynı süreçte buluşturmayı amaçlar.

Duyarlılık Analizi Etik Karar Hakkında Ne Gösterir?

Duyarlılık analizi, hangi alternatifin tercih edildiğinin değer ağırlıklarındaki değişime ne kadar dayanıklı olduğunu ve tercih sırasının hangi ağırlık eşiğinde değiştiğini gösterir; bu makaledeki sağlık senaryosunda sonuçlar hipotetik skor ve ağırlıklara bağlıdır ve gerçek klinik üstünlük kanıtı değildir.

Hipotetik sağlık senaryosunun yapısı

Kaynak iki yapay tanısal sistem tanımlar:

• Sistem A: genomik veriler, elektronik sağlık kayıtları ve aile öyküsü gibi geniş hasta verileri kullanan, doğruluk için optimize edilmiş derin öğrenme sistemi. Geniş veri erişimi nedeniyle daha yüksek mahremiyet riski ve demografik olarak dengesiz eğitim verisi varsayılmıştır.
• Sistem B: onam temelli veri minimizasyonu ve diferansiyel mahremiyet kullanan bir sistem. Daha az veri erişimi nedeniyle Sistem A'dan daha düşük doğruluk, fakat daha güçlü mahremiyet ve daha dengeli demografik performans varsayılmıştır.

Bunlar çalışma tarafından gerçek klinik sistemlerden ölçülmüş özellikler değildir; etik ödünleşmeleri kontrollü biçimde görünür hale getirmek için tanımlanmış hipotetik alternatiflerdir.

Beş klinik bağlam

Senaryo beş bağlamı karşılaştırır:

• rutin ayaktan hasta kliniği;
• acil servis;
• toplum sağlığı;
• pediatri kliniği;
• geriatrik bakım.

Üç paydaş grubu da farklı öncelikler taşır: klinisyenler özellikle yüksek riskli ortamlarda doğruluk ve güvenliğe; hasta savunucuları mahremiyet, özerklik ve adalete; halk sağlığı yetkilileri ise doğruluk ile toplumsal güven arasında dengeye önem verir.

Hipotetik performans skorları

Skor ölçeği 1–4'tür. Kaynak, adaleti demografik performans eşitliği olarak tanımlar. Bu puanların tamamı hipotetiktir.

Klinik bağlamlara göre sonuçlar

Sistem B beş bağlamın dördünde tercih edilmektedir. Sistem A yalnız doğruluk ağırlığının 0,70 olduğu acil servis senaryosunda 0,1 puanlık farkla öne geçer.

Ayaktan hasta duyarlılık analizi

Sistem B bu dört senaryonun tamamında tercih edilir. Kaynağın analitik sonucu, mahremiyet ve adalet eşit ağırlıkta tutulduğunda Sistem A'nın ancak doğruluk ağırlığının yaklaşık \(w_{Acc}>0{,}67\) düzeyine çıkmasıyla tercih edilir hale gelmesidir.

Bu eşik nasıl yorumlanmalıdır?

\(0{,}67\) değeri evrensel bir sağlık etiği eşiği değildir. Eşik, yalnız kaynakta oluşturulan iki hipotetik sistemin 1–4 performans skorlarına ve mahremiyet ile adalet ağırlıklarının eşit tutulduğu özel varsayıma aittir.

Bilimsel değeri, etik tercihin hangi varsayım değiştiğinde tersine döndüğünü görünür hale getirmesidir. Gerçek hastane satın alma veya klinik kullanım kararında performans verileri, mahremiyet riskleri, adalet ölçümleri ve paydaş ağırlıkları gerçek kanıtlardan yeniden oluşturulmalıdır.

Sağlık senaryosunun açık sınırlılıkları

• Skorlar ampirik olarak doğrulanmış değildir.
• Ağırlıklar gerçek paydaş görüşmelerinden türetilmemiştir.
• Yalnız iki alternatif değerlendirilmiştir.
• İlişkisel değerler ayrı kriterler olarak sağlık tablosuna dahil edilmemiştir.
• Gerçek uygulama klinik doğrulama, mahremiyet denetimi ve yapılandırılmış değer belirleme gerektirir.

Eğitim alanına uygulama

Eğitimde makalenin ana etik gerilimi kişiselleştirme ile eşitlik arasındadır. Uyarlanabilir öğrenme, otomatik değerlendirme, erken uyarı ve kabul sistemleri ayrıntılı öğrenci verisine dayanabilir; fakat farklı sosyoekonomik, ırksal veya engellilik gruplarında eşitsiz performans gösterebilir.

Bu nedenle eğitim uygulamasında tahmin doğruluğu, farklı öğrenci grupları arasındaki eşitlik, veri koruma gücü ve öğretmen failliğinin korunması gibi kriterler değerlendirilebilir. Kaynak, ağırlıkların kurumun misyonuna ve öğrenci ihtiyaçlarına bağlı olması gerektiğini savunur.

Ceza adaleti alanına uygulama

Tahmine dayalı polislik, yeniden suç işleme risk değerlendirmesi ve kefalet algoritmalarında merkezi gerilim verimlilik ile adalet arasındadır.

Çerçevede adalet ve insan onuru içsel değerlerdir; belirli grupları sistematik biçimde dezavantajlı hale getiren bir sistemin verimlilik kazancı bu ihlali basit ağırlıklandırmayla telafi etmemelidir. Kabul edilebilir etik alan içinde ise farklı doğruluk boyutları veya insan denetiminin derecesi gibi ödünleşmeler MCDA ile tartışılabilir.

Finans alanına uygulama

Kredi puanlama, dolandırıcılık tespiti, algoritmik işlem ve sigorta fiyatlandırması verimlilik ve kârlılık baskısı altında çalışır. Kaynak, bu hedeflerin adalet, şeffaflık ve hesap verebilirlikle çatışabileceğini tartışır.

Finansta şeffaflık yalnız araçsal bir özellik değildir; tüketici güvenini ve otomatik kararların meşruiyetini desteklediği için ilişkisel değer de olabilir. Bu örnek, üçlü değer sınıflandırmasının neden bağlama duyarlı bir sezgisel yapı olarak kullanıldığını gösterir.

Alanlar arasında değişen etik gerilimler

Çerçevenin güçlü yönleri

• Felsefi temel: Etik değerlendirmeyi yalnız politika ilkeleri listesine değil, değer teorisine bağlar.
• Bağlam duyarlılığı: Her alan ve kurum için tek evrensel ağırlık dizisi varsaymaz.
• Şeffaflık: Kriter, skor, ağırlık ve gerekçelerin kayıt altına alınmasını destekler.
• İzlenebilirlik: Karar için bir etik audit trail oluşturmayı amaçlar.
• Katılımcılık: Paydaşların değer önceliklerini ifade ve gerekçelendirmelerine alan açar.
• Duyarlılık analizi: Sonucun hangi değer varsayımına ne kadar bağımlı olduğunu görünür hale getirir.

Çerçevenin sınırlılıkları

Ağırlıkların öznelliği: Paydaşların aynı değer için farklı ağırlıklar vermesi normaldir ve hangi ağırlığın “doğru” olduğunu belirleyen tamamen tarafsız bir kural yoktur.

Sahte kesinlik riski: Sayısal skorlar, etik yargıların gerçekte sahip olmadığı bir kesinlik görüntüsü yaratabilir. MCDA skoru etik gerekçenin yerine geçmemelidir.

Kriter seçimi: Doğruluk ve verimlilik gibi kolay ölçülen değerler, insan onuru veya güven gibi zor ölçülen değerlerin önüne geçebilir.

Kaynak gereksinimi: Paydaş katılımı, veri toplama, kriter değerlendirme ve duyarlılık analizi zaman ve kurum kaynağı gerektirebilir.

Ölçülemezlik: Bazı değerlerin ortak bir ordinal ölçeğe bile çevrilmesi uygun olmayabilir. İnsan onurunun ihlali gibi durumlarda ağırlıklı toplam yanıltıcı olabilir.

Alternatif yaklaşımlarla karşılaştırma

Kaynağın değerlendirmesine göre ilke temelli yaklaşımlar erişilebilir ve geniş uzlaşı sağlayabilir, fakat somut değer çatışmalarında prosedürel ayrıntı eksikliği yaşayabilir. Hesaplamalı etik ve adalet metrikleri daha yüksek biçimsellik ve denetlenebilirlik sağlayabilir, fakat değer çoğulluğu ile bağlam farklılığını aşırı basitleştirebilir.

Katılımcı tasarım yaklaşımları demokratik meşruiyeti güçlendirir; ancak değerler arasında sistematik karşılaştırma yapmak için her zaman belirgin bir hesaplama yapısı sunmaz. Entegre Aksiyoloji–MCDA Çerçevesi bu yaklaşımlar arasında bir ara konum hedefler: felsefi temeli, biçimsel yapıyı ve katılımcı yargıyı aynı süreçte buluşturmak.

Çalışmanın Yöntemi ve Bulguları

Çalışmanın yöntemi dört ana katmandan oluşmaktadır: felsefi aksiyoloji ve değer çoğulculuğunun kavramsal analizi; içsel–araçsal–ilişkisel değer sınıflandırmasının oluşturulması; ağırlıklı toplam MCDA modelinin etik uygunluk kısıtlarıyla birlikte uygulanması; hipotetik sağlık senaryosu ve eğitim, ceza adaleti ile finans alanlarındaki kavramsal uygulamalar üzerinden modelin davranışının incelenmesi. Yeni hasta verisi, saha verisi veya bağımsız deneysel veri seti oluşturulmamıştır.

Analitik iş akışı

1. İlke temelli AI etiğinde somut değer çatışmalarını yönetme boşluğu tanımlanır.
2. Moore, Ross, Berlin, Raz, Chang ve Nussbaum gibi aksiyoloji ve çoğulculuk yaklaşımlarından normatif temel oluşturulur.
3. Responsible AI ve Digital Humanism yönetişim katmanları bu aksiyolojik temel ile birleştirilir.
4. İçsel, araçsal ve ilişkisel değerlerden oluşan üçlü sınıflandırma kurulur.
5. İçsel değerler kabul edilebilirlik kısıtları, diğer kriterler ise çok kriterli değerlendirme değişkenleri olarak düzenlenir.
6. Ağırlıklı toplam MCDA denklemi tanımlanır.
7. Yedi aşamalı iteratif karar-destek prosedürü oluşturulur.
8. Hipotetik sağlık senaryosunda iki AI sistemi 1–4 ölçeğinde üç kriter üzerinden değerlendirilir.
9. Beş klinik bağlam için farklı örnek ağırlık vektörleri uygulanır.
10. Duyarlılık analiziyle tercih sıralamasının ağırlık değişimine dayanıklılığı ve yaklaşık geçiş eşiği incelenir.
11. Çerçeve eğitim, ceza adaleti ve finans alanlarına kavramsal olarak uyarlanır.
12. Yöntemin felsefi, matematiksel ve yönetişimsel güçlü yönleri ile sınırlılıkları değerlendirilir.

Ana nicel bulgular

• Sistem A'nın hipotetik kriter skorları: doğruluk 4, mahremiyet 2, adalet 2.
• Sistem B'nin hipotetik kriter skorları: doğruluk 3, mahremiyet 4, adalet 4.
• Beş klinik bağlamın dördünde Sistem B, birinde Sistem A tercih edilmiştir.
• Acil servis ağırlıkları 0,70 / 0,15 / 0,15 olduğunda Sistem A 3,4; Sistem B 3,3 toplam skor almıştır.
• Ayaktan hasta duyarlılık analizindeki dört örnek ağırlık setinin tamamında Sistem B tercih edilmiştir.
• Mahremiyet ve adalet eşit ağırlıkta tutulduğunda Sistem A'nın tercih değiştirme eşiği yaklaşık \(w_{Acc}>0{,}67\) olarak verilmiştir.

Ana kavramsal bulgular

• AI yönetişimindeki bazı etik çatışmalar gerçek değer çoğulluğundan kaynaklanır ve yalnız teknik optimizasyonla ortadan kaldırılamaz.
• Etik değerlerin rollerini açıkça sınıflandırmak, görünmez varsayımları karar sürecinin açık parçası haline getirebilir.
• İçsel değerler sıradan performans kriterleri gibi sınırsız biçimde ödünleşmeye açılmamalıdır.
• MCDA etik çatışmayı otomatik olarak çözmek yerine değer taahhütlerini, ağırlıkları ve ödünleşmeleri görünür hale getiren bir deliberasyon yapısı olarak kullanılmalıdır.
• Duyarlılık analizi, hangi kararın hangi değer varsayımı altında kırılgan veya kararlı olduğunu göstermede merkezi rol oynar.
• AI etiği için tek bir evrensel kriter ağırlığı yerine bağlam ve paydaşlara göre değişen değerlendirmeler gerekir.

Şekil 1'in bilimsel rolü

Kaynak Şekil 1, yedi aşamalı değerlendirme prosedürünü tek yönlü bir pipeline olarak değil, gerekçeli yargıdan yeniden bağlam ve kriter belirlemeye dönebilen iteratif bir döngü olarak gösterir. Şeklin ana bilimsel mesajı, etik AI yönetişiminin “bir kez hesapla ve karar ver” işlemi olmadığı; yeni kanıt, yeni paydaş görüşü veya değişen sistem koşulları karşısında yeniden açılabilen bir süreç olduğudur.

Tablo 1'in bilimsel rolü

Kaynak Tablo 1, içsel, araçsal ve ilişkisel değerlerin soyut kategoriler olarak kalmadığını; sağlık, eğitim, ceza adaleti ve finans alanlarında farklı biçimlerde somutlaşabildiğini gösterir. Tablo ayrıca hesap verebilirlik ve şeffaflığın bağlama göre birden fazla kategoriyle ilişkilendirilebileceğini açıkça not eder.

Tablo 2'nin bilimsel rolü

Tablo 2, aynı iki hipotetik AI sisteminin farklı klinik bağlamlarda farklı ağırlıklandırmalar nedeniyle farklı sıralanabileceğini gösterir. Dolayısıyla çerçevenin “tek sistem her yerde en etik olandır” türünde bağlamdan bağımsız bir sonuç üretmediğini görünür hale getirir.

Tablo 3'ün bilimsel rolü

Tablo 3, tek bir ağırlıklandırma sonucuna güvenmek yerine kararın farklı değer önceliklerine ne kadar duyarlı olduğunu gösterir. Bu tablo sayesinde yalnız tercih edilen alternatif değil, tercihin ne kadar güçlü veya kırılgan olduğu da tartışılabilir.

Tablo 4'ün bilimsel rolü

Tablo 4, değer sınıflandırmasının farklı sektörlere mekanik olarak aynı kriter setiyle uygulanmadığını gösterir. Sağlıkta doğruluk–mahremiyet, eğitimde kişiselleştirme–eşitlik, ceza adaletinde verimlilik–usul güvencesi ve finansta kârlılık–adalet gerilimleri farklı değer mimarileri gerektirir.

Çalışmanın desteklediği yorum

• Entegre Aksiyoloji–MCDA yapısı, AI yönetişiminde değer taahhütlerini ve ödünleşmeleri daha açık ve izlenebilir hale getirebilir.
• Üçlü değer sınıflandırması, farklı normatif rollere sahip değerlerin aynı kategoriye yığılmasını azaltabilir.
• Duyarlılık analizi, kararın ağırlık varsayımlarına ne kadar bağlı olduğunu gösterebilir.
• Hipotetik sağlık senaryosu, aynı iki alternatifin bağlam değişince farklı sıralanabileceğini göstermektedir.
• Çerçeve, teknik uzmanlık ile paydaş değer yargılarının aynı süreçte birlikte kullanılmasını desteklemektedir.

Çalışmanın desteklemediği yorum

• Çalışma Sistem A veya Sistem B adlı gerçek klinik ürünlerin performansını test etmemektedir.
• 3,4 / 3,3 veya \(w_{Acc}>0{,}67\) sonuçları gerçek klinik eşikler değildir.
• Çerçeve “etik olarak doğru” tek sonucu otomatik olarak hesaplamamaktadır.
• Bir MCDA skorunun yüksek olması tek başına insan onuru veya temel hak ihlalini meşru hale getirmemektedir.
• Çalışma ağırlıkların tamamen objektif biçimde belirlenebileceğini ileri sürmemektedir.
• Eğitim, ceza adaleti ve finans bölümleri yeni alan deneyleri değildir; literatür-temelli uygulama tartışmalarıdır.
• Çalışma tüm değerlerin tek ortak nicel ölçekte güvenilir biçimde karşılaştırılabileceğini savunmamaktadır.
• Çalışma gerçek kurumlarda pratik uygulanabilirlik veya meşruiyetin ampirik olarak doğrulandığını göstermemektedir.

Gelecek araştırma

Yazarlar gerçek kurumlarda sağlık satın alma süreçleri, eğitim teknolojisi değerlendirmesi ve AI destekli yargı süreçleri gibi alanlarda ampirik testler önermektedir. Gelecek metodolojik çalışmaların ELECTRE ve PROMETHEE gibi outranking yöntemlerini ve doğrusal olmayan veya tam karşılaştırılabilir olmayan değer ilişkilerine uygun çok-özellikli fayda yaklaşımlarını incelemesi önerilmektedir.

Kaynak ayrıca dışlanmış veya temsil gücü düşük grupların değer belirleme sürecine daha iyi dahil edilmesi için katılımcı tasarımla daha yakın entegrasyon, sistemler değiştikçe kriter ve ağırlıkların nasıl güncelleneceğini belirleyen yönetişim süreçleri ve gerçekten ölçülemez değerler içeren zor vakalar üzerinde sınama önermektedir.

Kaynak ve Yöntem Notu

Özgün çalışma: Operationalizing Pluralist AI Governance with the Integrated Axiology–MCDA Framework

Yazarlar: Fei Sun; Damir Isovic; Gordana Dodig-Crnkovic

Sorumlu yazar: Fei Sun

Kurumlar: Department of Computer Science, Mälardalen University, Västerås, Sweden; Chalmers University of Technology, Gothenburg, Sweden.

Dergi: Philosophies

Yayınevi: MDPI

Yayın bilgisi: 2026, Cilt 11, Sayı 3, Makale 93

Gönderim: 13 Nisan 2026

Revizyon: 26 Mayıs 2026

Kabul: 29 Mayıs 2026

Yayımlanma tarihi: 8 Haziran 2026

DOI: 10.3390/philosophies11030093

Resmî bağlantı: https://doi.org/10.3390/philosophies11030093

Kaynak türü: Hakemli teorik/normatif yapay zekâ etiği ve yönetişim araştırma makalesi; MCDA modellemesi ve hipotetik vaka analizi içerir.

Lisans: Creative Commons Attribution (CC BY).

Anahtar kelimeler: AI ethics; axiology; value pluralism; relational values; multi-criteria decision analysis; sensitivity analysis.

Araştırma yaklaşımı: Felsefi aksiyoloji ve değer çoğulculuğu analizi, üçlü değer sınıflandırması, ağırlıklı toplam MCDA modeli, duyarlılık analizi, hipotetik sağlık vakası ve sektörler arası kavramsal uygulamalar.

Ana yöntem: İçsel, araçsal ve ilişkisel değerlerin belirlenmesi; bağlama özgü kriter ve ağırlıkların oluşturulması; etik olarak kabul edilebilir alternatiflerin çok kriterli skorlanması; duyarlılık analizi; gerekçeli paydaş değerlendirmesi ve iteratif gözden geçirme.

Ana denklem: \(S(A_i)=\sum_{j=1}^{n}w_jx_{ij}\), \(\sum_jw_j=1\) ve içsel kriterler için \(w_j>0\).

Kaynak Şekil 1: Entegre Aksiyoloji–MCDA Çerçevesinin yedi aşamalı iteratif metodolojik prosedürü.

Kaynak Tablo 1: İçsel, araçsal ve ilişkisel değerlerin alanlara özgü örnekleri.

Kaynak Tablo 2: Beş hipotetik klinik bağlamda iki tanısal AI sisteminin etik değerlendirmesi.

Kaynak Tablo 3: Ayaktan hasta bağlamında farklı kriter ağırlıkları altında duyarlılık analizi.

Kaynak Tablo 4: Sağlık, eğitim, ceza adaleti ve finans alanlarının karşılaştırmalı aksiyolojik analizi.

Hipotetik vaka sınırı: Sağlık senaryosundaki performans skorları ampirik olarak doğrulanmış değildir ve ağırlıklar gerçek paydaş değer belirleme sürecinden türetilmemiştir. Sonuçlar yöntemin işleyişini göstermek amacıyla üretilmiştir.

Finansman: Dış finansman alınmamıştır.

Etik kurul: Uygulanabilir değildir.

Bilgilendirilmiş onam: Uygulanabilir değildir.

Veri erişilebilirliği: Çalışmada yeni veri oluşturulmamış veya analiz edilmemiştir; veri paylaşımı uygulanabilir değildir.

Çıkar çatışması: Yazarlar çıkar çatışması bulunmadığını bildirmiştir.

Yazar katkıları: Kavramsallaştırma Gordana Dodig-Crnkovic, Fei Sun ve Damir Isovic; metodoloji, formel analiz ve araştırma Fei Sun; ilk taslak Fei Sun; gözden geçirme ve düzenleme Damir Isovic ile Gordana Dodig-Crnkovic; danışmanlık Damir Isovic ve Gordana Dodig-Crnkovic tarafından gerçekleştirilmiştir.

AI kullanım beyanı: Kaynakta ayrı bir üretken yapay zekâ / dil modeli kullanım beyanı raporlanmamaktadır.

Temel yöntemsel sınırlılıklar: Ağırlık ataması öznel olabilir; sayısal sonuçlar sahte kesinlik yaratabilir; kriter seçimi ölçülmesi kolay değerleri avantajlı hale getirebilir; tam MCDA süreci kaynak yoğun olabilir; bazı değerler toplamsal veya hatta ordinal karşılaştırmaya uygun olmayabilir.

Verianla görsel uygunluğu: Kaynak Şekil 1 source-derived yedi aşamalı yöntem şeması olarak yeniden çizilebilir. Tablo 2 ve Tablo 3 verileri kaynak-faithful karşılaştırmalı grafikler için uygundur.

Verianla Live uygunluğu: Yöntem döngüsü için Live Process, iki sistemin kaynak tablolarındaki sabit skorları için Live Compare ve duyarlılık sonuçları için Live Data uygundur. Etik kriter ağırlıklarının kullanıcı tarafından değiştirildiği ve kaynakta bulunmayan yeni sonuçlar hesaplayan bir interaktif simülasyon bu çalışmanın kaynak sadakati açısından uygun değildir.

Verianla yöntem notu: Bu içerik özgün makalenin cümle-cümle veya paragraf-paragraf çevirisi değildir. Çalışmanın aksiyolojik temeli, üçlü değer sınıflandırması, Responsible AI ve Digital Humanism bağlantısı, MCDA denklemleri, yedi aşamalı yöntemi, hipotetik sağlık vakası, kaynak tablolarındaki sayısal sonuçlar, sektörler arası uygulamalar ve açık sınırlılıkları ayrıştırılarak bağımsız Türkçe öğretici bilimsel yapı halinde yeniden düzenlenmiştir. Kaynakta bulunmayan klinik veri, doğruluk yüzdesi, yeni ağırlık, performans sonucu veya etik eşik eklenmemiştir.