Üst düzey bilişsel dış kaynak kullanımı (higher-order cognitive outsourcing), kişinin yalnız bellek, arama, hesaplama veya rutin işlemleri değil; yorumlama, değerlendirme, anlam verme ve karar çerçeveleme gibi üst düzey bilişsel işlevleri de harici bir sisteme devretmesini ifade etmek üzere bu çalışmada önerilen teorik bir kavramdır. Stoyana Natseva'nın kavramsal konferans bildirisi, üretken yapay zekânın psikolojik önemini yalnız kullanım sıklığı üzerinden değil, insan ile yapay zekâ arasındaki bilişsel iş bölümünün niteliği üzerinden değerlendirmeyi önermektedir. Temel soru, “İnsanlar yapay zekâyı ne kadar kullanıyor?” değil, “Hangi düşünme işlemlerini yapay zekâya devrediyor ve insan yargısı bu süreçte korunuyor mu?” sorusudur.

Makale üç bağlantılı teorik öneri geliştirir. Birincisi, işlevsel bilişsel dışsallaştırma ile üst düzey bilişsel dış kaynak kullanımı arasında ayrım yapılmasıdır. İkincisi, insan–AI ilişkisinin “araç → asistan → danışman → yorumlayıcı → karar vekili” biçiminde ilerleyebilen bir süreklilik üzerinde incelenmesidir. Üçüncüsü ise üretken yapay zekânın, kişisel deneyimlere tekrar tekrar anlam veren bir sistem hâline geldiğinde otobiyografik anlamlandırmaya katılan potansiyel bir dışsal yorumlayıcı katman olarak işlev görebileceği hipotezidir.

Çalışma yapay zekâ kullanımını doğası gereği zararlı kabul etmemektedir. Aksine üretken yapay zekânın bilgi toplama, seçenek üretme, karmaşıklığı yapılandırma, içerik üretme ve bilişsel erişimi genişletme açısından önemli yararlar sağlayabileceğini kabul etmektedir. Kritik ayrım, teknolojinin insan yargısını desteklemesi ile insanın yorumlama ve değerlendirme görevini yerine geçerek üstlenmesi arasındadır.

Makalenin kavramsal önerileri deneysel olarak doğrulanmış değildir. “Higher-order cognitive outsourcing”, “AI-supported agency”, “AI-displaced agency”, üretken bilişsel sürtünme yaklaşımının bu bağlamdaki kullanımı ve yapay zekânın IAM içinde dışsal yorumlayıcı katman olabileceği önerisi gelecekte ampirik ve psikometrik olarak sınanması gereken yapılardır. Dolayısıyla çalışma, sık AI kullanımının bağımlılığa, eleştirel düşünme kaybına veya kimlik değişimine neden olduğunu kanıtlamamaktadır.

Araştırmanın temel problemi

İnsanlar bilişsel işlerini teknolojiye devretmeye üretken yapay zekâyla başlamadı. Yazı belleği destekledi, hesap makineleri hesaplama yükünü azalttı, uydu navigasyonu rota bulmayı dışarı taşıdı ve arama motorları bilgi erişimini kolaylaştırdı. Bu tür araçlarda insan genellikle elde edilen bilginin ne anlama geldiğine, güvenilir olup olmadığına ve ne yapılacağına kendisi karar vermeye devam eder.

Üretken yapay zekâ ise farklı bir bilişsel düzeye ulaşabilir. Bir kullanıcı sisteme yalnız “Bu bilgi nedir?” diye değil, “Bu kişinin davranışı ne anlama geliyor?”, “Doğru kararı veriyor muyum?”, “Neden böyle hissediyorum?” veya “Bu olay benim için ne ifade ediyor?” gibi sorular yöneltebilir. Bu sorular basit bilgi erişimi değil; yorumlama, değerlendirme, öz-anlayış ve karar verme sorularıdır.

Makalenin merkezi tezi buradan doğmaktadır: psikolojik açıdan önemli olan yalnız bilişin dışarı aktarılması değil, hangi bilişsel işlemin dışarı aktarıldığıdır.

İşlevsel Bilişsel Dışsallaştırma ile Üst Düzey Bilişsel Dış Kaynak Kullanımı Arasındaki Fark Nedir?

İşlevsel bilişsel dışsallaştırma, bellek, arama, hesaplama ve rutin işlemler gibi işlevleri harici sisteme bırakırken yorumlama ve yargıyı insanda tutar; üst düzey bilişsel dış kaynak kullanımı ise olayların anlamını kurma, seçenekleri değerlendirme, davranışları açıklama ve kararları çerçeveleme gibi yorumlayıcı işlevlerin kendisini sisteme devreder. Makalenin önerisine göre psikolojik sonuçları belirlemede kullanım miktarından çok bu delegasyon düzeyi önemli olabilir; ancak bu ayrım henüz psikometrik olarak doğrulanmış bir ölçek değildir.

Bu ayrım kullanım sıklığına ilişkin önemli bir problemi görünür kılar. Bir kişi günde onlarca kez yapay zekâyı yazım, biçimlendirme veya rutin araştırma için kullanabilir ve yine de temel yorumlama işini kendisi yapabilir. Başka bir kişi yapay zekâyı haftada yalnız birkaç kez kullanmasına rağmen kişisel ilişkilerinin veya önemli yaşam kararlarının anlamını doğrudan sisteme bırakabilir. Basit “AI kullanım sıklığı” ölçüsü bu iki durumu birbirinden ayırmaz.

Yapay zekâ kullanımının miktarı neden tek başına yeterli değil?

Makalenin hipotezine göre bilişsel delegasyonun seviyesi, kullanım sıklığından daha açıklayıcı olabilir. Bu öneri önemlidir; çünkü mevcut çalışmaların önemli bölümü AI kullanımını süre, sıklık veya öz-bildirimli kullanım miktarı üzerinden değerlendirmektedir.

Ancak yazar açık bir sınır koymaktadır: higher-order cognitive outsourcing henüz operasyonelleştirilmiş ve psikometrik olarak doğrulanmış bir yapı değildir. İşlevsel ve üst düzey kullanım arasında kesin bir sınır yerine kademeli bir geçiş bulunması da mümkündür.

Yardımdan ikameye doğru insan–AI sürekliliği

Çalışma üretken yapay zekânın kullanıcıyla ilişkisinde beş pozisyonlu bir süreklilik önermektedir:

Araç konumunda sistem belirlenmiş işlemi yapar. Asistan, kullanıcının kurduğu çerçeve içinde belirli bir görevi üstlenir. Danışman öneriler üretir fakat değerlendirme kullanıcıda kalır. Yorumlayıcı konumunda sistem olayın anlamını kullanıcı adına üretmeye başlar. Karar vekili konumunda ise sistemin sonucu bağımsız değerlendirme yapılmadan benimsenir.

Bu sınıflandırma bir kişinin AI'yı her zaman aynı pozisyonda kullandığını varsaymaz. Aynı kullanıcı aynı sistemi bir görevde araç, başka bir görevde danışman ve kişisel bir meselede yorumlayıcı olarak kullanabilir.

Otomasyon yanlılığı neden önemli?

Makale bu teorik sürekliliği otomasyon literatüründeki yerleşik bulgularla ilişkilendirir. Otomasyon yanlılığı, kişilerin otomatik bir sistemin önerisini aşırı kabul etmesi veya sistemin hatasını yeterince fark etmemesi eğilimidir.

Üretken yapay zekâ burada klasik otomasyondan bazı yönleriyle ayrılır. Çıktı akıcı doğal dilde gelir, çoğu zaman kişiselleştirilmiştir, kullanıcının ifadelerine doğrudan yanıt verir ve insanlarla iletişime benzeyen sosyal ipuçları üretir. Makalenin tartışmasına göre bu özellikler, çıktının doğruluğundan bağımsız olarak ona psikolojik otorite kazandırabilir.

Akıcı bir metnin doğru olduğu hissi yaratması özellikle önemlidir. Akıcılık, gerçek doğruluğun kanıtı değildir; ancak insan bilişinde algılanan kalite ve doğruluk için sezgisel bir ipucu olarak kullanılabilir.

Makalenin kullandığı mevcut ampirik sinyaller

Bu literatürün önemli sonucu tek yönlü değildir. Kaynak bildirinin aktardığı meta-analizde insan–AI kombinasyonları bazı içerik üretme görevlerinde yarar sağlarken, karar görevlerinde ortalama olarak insan veya AI tarafının tek başına daha iyi olanından düşük performans gösterebilmiştir. Dolayısıyla çalışma “insan + AI her zaman daha iyidir” veya “AI insan düşünmesini her zaman bozar” biçimindeki iki uç yorumu da reddeder.

Üretken Bilişsel Sürtünme Nedir?

Üretken bilişsel sürtünme (productive cognitive friction), düşünme sırasında ortaya çıkan her zihinsel çabanın ortadan kaldırılması gereken bir verimsizlik olmadığını; kişinin alternatif üretme, belirsizlikle kalma, kendi açıklamasını kurma ve ilk yargısını sınama sırasında harcadığı bazı bilişsel çabaların öğrenme ve yargı geliştirme açısından işlevsel olabileceğini ifade eden kavramsal öneridir. Makale, AI'nın yalnız rutin yükü azaltmasıyla yorumlama ve değerlendirme becerisinin oluştuğu süreçleri sürekli ortadan kaldırması arasında ayrım yapılması gerektiğini ileri sürmektedir.

Bu görüş üretim etkisi, desirable difficulties ve productive failure gibi öğrenme literatürüyle ilişkilendirilir. Ortak nokta, kısa vadede daha fazla zihinsel çaba gerektiren bazı süreçlerin uzun vadede öğrenme veya aktarımı destekleyebilmesidir.

Bu nedenle makale, bir kaynağı bulmak, bir tabloyu biçimlendirmek veya metni çevirmek gibi işlemlerde bilişsel yükün azaltılmasının yorumlayıcı kapasitenin gelişimini zorunlu olarak tehdit etmediğini savunur. Hipotez, riskin özellikle kişinin kendi görüşünü oluşturması, alternatif açıklamaları tartması ve belirsizlik altında karar vermesi gereken süreçlerin sürekli hazır yanıtlarla değiştirilmesi durumunda ortaya çıkabileceğidir.

Ancak “gelişimsel maliyet” bu çalışmada ölçülmüş bir sonuç değildir. Yazar bunu ampirik olarak test edilmesi gereken koşullu bir hipotez olarak sunmaktadır.

AI Kaynaklı Doğrulama Döngüsü Neyi İfade Eder?

AI kaynaklı doğrulama döngüsü, kullanıcının kendi anlatısını sisteme vermesi, sistemin büyük ölçüde bu çerçeveden hareketle tutarlı bir yorum üretmesi, kullanıcının bu çıktıyı bağımsız dış doğrulama gibi algılaması ve ardından başlangıçtaki anlatısına daha güçlü bağlanması biçiminde önerilen teorik mekanizmadır. Çalışma bu döngünün psikolojik işlev üzerindeki etkisini deneysel olarak göstermemiştir; mekanizma gelecekte sınanması gereken bir hipotezdir.

Buradaki temel sorun yapay zekânın mutlaka yanlış bilgi vermesi değildir. Sistem, kullanıcının olayı nasıl aktardığına bağlı olarak bir açıklama kurar. Kişilerarası çatışmalar veya öz-anlayış gibi alanlarda girdi doğal olarak seçici olabilir. Sistem bu seçili anlatıdan tutarlı ve kişiselleştirilmiş bir yorum ürettiğinde, kullanıcının kendi öncüllerinin geliştirilmiş bir versiyonu dışarıdan gelmiş bağımsız bir teyit gibi algılanabilir.

Kaynak bu noktayı confirmation bias ve epistemic vigilance literatürleriyle ilişkilendirir. Ayrıca kullanıcı görüşlerine aşırı uyum sağlayan sycophancy eğilimleri ile sorunun farklı biçimde çerçevelenmesinin farklı AI sonuçları oluşturabilmesi, döngüyü güçlendirebilecek tasarım-adjacent faktörler olarak tartışılır.

Ancak çalışma açık bir sınır çizer: bu mekanizmanın psikolojik işlev üzerindeki klinik etkisine ilişkin yeterli kanıt bulunmamaktadır.

Dijital kimlik ve otobiyografik anlamlandırma

Makale dijital kimlik tartışmasını otobiyografik bellek ve anlatısal kimlik literatürüyle birleştirir. Otobiyografik bellek pasif bir arşiv olarak değil, kişinin güncel amaçları ve benlik kavramıyla etkileşim içinde yeniden kurulan bir sistem olarak ele alınmaktadır.

İnsanlar deneyimlerini yalnız hatırlamaz; deneyimlere anlam verir, bunları yaşam öyküsüne yerleştirir ve zaman içinde “Ben kimim?”, “Başıma gelen şey ne anlama geliyor?” gibi sorulara yanıt veren bir iç anlatı oluşturur.

Kaynak burada yazarın Internal Autobiographical Map (IAM) çerçevesiyle bağlantı kurmaktadır. IAM; önemli deneyimin duygusal olarak kodlanması, anlamlandırılması ve daha sonra bilişsel sonuç, kimlik düzeyindeki oluşum ve davranış kalıbıyla ilişkilendirilmesi üzerine kurulmuş bir yapıdır. Kaynak IAM'in bileşenlerini core experience, conclusion, rule, role ve scenario olarak sıralamaktadır.

Yazarın AI ile ilgili yeni önerisi, IAM'in yapay zekâ tarafından “yeniden programlandığı” değildir. Daha dar öneri şudur: kişi anlamlı kişisel deneyimlerini tekrar tekrar üretken AI'ya getiriyor ve AI'dan bunlar hakkında tutarlı yorumlar alıyorsa, AI kişinin anlam-atfetme sürecinde daha önce refleksiyon, ilişkiler ve kültürel çerçevelerin doldurduğu alana katılan ek bir yorumlayıcı kaynak hâline gelebilir.

Kaynak, IAM hakkında daha önce yayımlanmış iki çalışmadan söz etmektedir: biri 150 katılımcılı karma yöntem çalışması, diğeri 190 katılımcılı doğrulayıcı faktör analizi ve yapısal eşitlik modeli çalışmasıdır. Ancak bu iki çalışma IAM'in ölçüm ve ilişkili yapılarıyla ilgilidir; AI'nın dışsal yorumlayıcı katman olduğu hipotezini test etmemiştir.

AI-Destekli Eyleyicilik ile AI Tarafından Yerinden Edilen Eyleyicilik Arasındaki Fark Nedir?

AI-destekli eyleyicilik (AI-supported agency), yapay zekânın seçenek, bilgi ve yapı sağlarken değerlendirme, yargı, karar sahipliği ve sonuçların sorumluluğunun insanda kaldığı durumu; AI tarafından yerinden edilen eyleyicilik (AI-displaced agency) ise AI tarafından üretilen yorum ve sonuçların kişinin kendi yorumlayıcı ve değerlendirici süreçlerinin yerine geçerek benimsenmesini ifade eden teorik ayrımdır. Bu iki yapı henüz doğrulanmış davranış ölçekleri değildir.

Makalenin özerklik anlayışında dışarıdan yardım almak özerkliği otomatik olarak ortadan kaldırmaz. Bir insan çok sayıda danışmana başvurabilir, önemli miktarda işi devredebilir ve yine de kendi değerleri ve gerekçeleri doğrultusunda karar verebilir.

Kaynak davranışsal özerkliğin korunması için beş özelliğe dikkat çeker:

• AI çıktısıyla arasında reflektif mesafe tutabilme.
• Çıktı hakkında kendi yargısını kullanma.
• Çıktıyı kendi bilgisi ve değerleriyle değerlendirme.
• Son kararın sahipliğini üstlenme.
• Kararın sonuçlarının sorumluluğunu taşıma.

Önerilen davranışsal göstergeler

Kaynak, gelecekte ölçüm aracı geliştirilebilmesi için bazı aday davranış göstergeleri önermektedir. AI-destekli eyleyiciliğin olası göstergeleri arasında sisteme danışmadan önce geçici bir görüş oluşturma, alternatif ve karşı argüman isteme, AI çıktısında en az bir uyuşmazlığı tanımlayabilme, önemli iddiaları doğrulama ve alınan kararın gerekçesini AI'nın sözcüklerini tekrarlamadan açıklayabilme vardır.

AI tarafından yerinden edilen eyleyiciliğin aday göstergeleri arasında ilk cevabı alternatif aramadan kabul etme, benimsenen sonucun gerekçesini yeniden kuramama, AI'ya danışmadan karar verirken rahatsızlık duyma ve kararı sisteme atfetme yer almaktadır.

Bu göstergeler henüz doğrulanmamıştır. Özellikle uygun ve verimli AI kullanımını gerçekten yerinden edilmiş insan eyleyiciliğinden ayıracak psikometrik araç geliştirmek, kaynak tarafından önemli ve zor bir gelecek araştırma problemi olarak tanımlanmaktadır.

Sorumlu bilişsel ortaklığın beş ilkesi

Yazar bu ilkeleri kanıta dayalı bir müdahale programı olarak sunmamaktadır. İlkelerin etkinliği çalışma kapsamında test edilmemiştir. Bunlar AI-destekli eyleyicilik düşüncesini pratik davranışlara çevirmek için önerilmiş bir modeldir.

Eğitim açısından çıkarım

Makalenin eğitim açısından temel savı, AI okuryazarlığının yalnız iyi prompt yazmayı öğrenmekten ibaret olmaması gerektiğidir. Daha iyi prompt, daha ikna edici ve daha kaliteli çıktı üretebilir; ancak kullanıcının eleştirel değerlendirme rolünü otomatik olarak korumaz.

Kaynak daha kapsamlı bir psikolojik AI okuryazarlığı için epistemik ihtiyat, kaynak değerlendirme, metabilişsel izleme, otomasyon yanlılığı ve akıcılık etkileri konusunda farkındalık, çözülmemiş belirsizliğe tolerans, AI'ya danışmadan hipotez üretebilme ve algoritmik çıktıya itiraz etme pratiği gibi becerilerin önemli olacağını savunmaktadır.

Psikoloji, danışmanlık ve koçluk açısından sınır

Kaynak, psikoloji ve danışmanlık alanında kişilerin profesyonellere AI tarafından önceden oluşturulmuş ilişki, duygu veya davranış yorumlarıyla gelebileceğini tartışmaktadır. Buradaki öneri bu yorumların otomatik olarak reddedilmesi değildir; kişinin AI çıktısını birçok bilgi girdisinden biri olarak mı kullandığının, yoksa kendi yorumlama işini tamamen bu çıktıya mı bıraktığının ayrıştırılmasıdır.

Makale ayrıca üretken yapay zekânın nitelikli psikolojik, tıbbi veya başka profesyonel bakımın yerine geçmediğini açıkça belirtmektedir. Psikolojik sıkıntı, risk veya klinik durum söz konusu olduğunda uygun insan profesyonel desteğinin gerekli olduğu vurgulanmaktadır.

Çalışmanın Yöntemi ve Bulguları

Bu çalışmanın “yöntemi” deneysel bir yöntem değildir

Çalışma yeni bir katılımcı örneklemi, deney grubu, kontrol grubu veya istatistiksel hipotez testi kullanmamaktadır. Yazar bilişsel dışsallaştırma, eleştirel düşünme, otomasyon yanlılığı ve algoritmik güven, davranışsal özerklik ve dijital kimlik olmak üzere daha önce büyük ölçüde ayrı gelişmiş beş literatürü kavramsal olarak bir araya getirmektedir.

Bu literatür sentezinden üç ana teorik öneri üretilmektedir:

1. İşlevsel bilişsel dışsallaştırma ile üst düzey bilişsel dış kaynak kullanımının ayrıştırılması.
2. AI-destekli eyleyicilik ile AI tarafından yerinden edilen eyleyiciliğin insan–AI etkileşim sürekliliği üzerinden ayrıştırılması.
3. Üretken AI'nın otobiyografik anlamlandırmaya katılan potansiyel bir dışsal yorumlayıcı katman olarak kavramsallaştırılması.

Bunlara ek olarak çalışma üretken bilişsel sürtünme kavramını tartışmakta, confirmation loop mekanizmasını hipotez olarak önermekte ve beş maddelik sorumlu bilişsel ortaklık modelini ortaya koymaktadır.

Mevcut kanıt teorik modeli ne ölçüde destekliyor?

Kaynağın başvurduğu mevcut araştırmalar, otomasyon yanlılığı, algoritmik tavsiyeye aşırı güven, akıcı bilginin algılanan doğruluğu, AI'nın kararları etkileyebilmesi ve AI kullanımıyla bildirilen eleştirel düşünme arasında ilişkiler bulunduğunu göstermektedir. Ancak bu çalışmalar yeni bildiride önerilen kavramsal yapıların tamamını doğrudan test etmemektedir.

Özellikle Lee ve ark. ile Gerlich çalışmalarında kaynak yazarın dikkat çektiği sınırlılık önemlidir: kesitsel ve öz-bildirimli tasarımlar ilişki gösterebilir, fakat AI'nın kişinin eleştirel düşünme kapasitesini zaman içinde aşındırdığını kanıtlayamaz. Gözlenen düşük eleştirel düşünme, mevcut kapasitenin kaybolmasından değil, belirli görev sırasında kullanılmamasından da kaynaklanabilir.

Bu ayrım gelecekteki araştırma gündeminin temel nedenlerinden biridir.

Makalenin önerdiği araştırma gündemi

Kaynak, kavramsal modeli sınamak için önce ölçüm araçlarının geliştirilmesi gerektiğini savunmaktadır. Öncelikli ölçüm alanları şunlardır:

• İşlevsel cognitive offloading ile higher-order cognitive outsourcing'i kullanım sıklığından bağımsız ayırabilecek ölçekler.
• Genel teknoloji güveninden ayrı olarak algılanan AI otoritesini ölçen araçlar.
• AI-destekli ve AI tarafından yerinden edilen eyleyiciliği davranışsal olarak ayırabilecek ölçütler.
• Reflektif mesafe, alternatif üretme ve karar sahipliği göstergeleri.

İçerik açısından test edilmesi önerilen sorular arasında bilişsel delegasyon seviyesinin standart eleştirel düşünme ölçümleriyle ilişkisi, metabilişsel doğruluk, AI desteğinin güveni performanstan daha hızlı artırıp artırmadığı, belirsizlik toleransı, kimlikle ilişkili konularda AI yorumuna güvenme, otobiyografik anlamlandırma üzerindeki etkiler ve bireysel farklılıklar bulunmaktadır.

İncelenmesi önerilen bireysel farklılıklar arasında need for cognition, epistemic curiosity, alan uzmanlığı, yaş ve eğitim geçmişi vardır.

Gelecekte hangi araştırma tasarımları gerekli?

Yazar özellikle bilişsel delegasyon seviyesinin deneysel olarak değiştirilip AI kullanım sıklığının sabit tutulduğu deneyler önermektedir. Böyle bir tasarım, “çok AI kullanmak” ile “üst düzey düşünme görevlerini AI'ya vermek” arasındaki farkı doğrudan test edebilir.

Uzunlamasına çalışmalar da kritik görülmektedir. Bunun nedeni, kesitsel bir araştırmanın kişinin bilişsel kapasitesinde zamanla gerçek bir değişim olup olmadığını, yoksa mevcut kapasitesini yalnız o anda kullanmadığını ayırt edememesidir.

Ayrıca nicel deneylerin yanında insanların kendi AI bağımlılıklarını, güvenlerini ve karar süreçlerini nasıl tanımladığını inceleyen karma yöntem çalışmalar önerilmektedir. Kaynak, kişinin kendi bilişsel sürecine ilişkin öz-bildirimin de kusurlu olabileceğini özellikle belirtmektedir.

Bu Çalışma Sık AI Kullanımının Eleştirel Düşünmeyi Bozduğunu Kanıtlıyor mu?

Hayır. Bu çalışma yeni bir deney yapmayan kavramsal bir bildiridir ve sık AI kullanımının eleştirel düşünme kapasitesini bozduğunu nedensel olarak göstermemektedir. Kaynakta aktarılan bazı çalışmalar AI kullanımı, AI'ya güven, cognitive offloading ve daha düşük bildirilen eleştirel düşünme arasında ilişkiler göstermektedir; ancak çalışma bu sonuçların kapasite erozyonu, göreve özgü düşünmeme veya başka değişkenlerden kaynaklanıp kaynaklanmadığının henüz ayrıştırılamadığını açıkça belirtmektedir.

Çalışmanın desteklediği sonuçlar

• Üretken AI, yalnız bilgi erişimi değil yorumlama ve değerlendirme düzeyinde görevler de üstlenebilecek biçimde kullanılabilir.
• Yerleşik cognitive offloading literatürü dış sistem kullanımının insan bilişi üzerinde sistematik etkiler oluşturabileceğini göstermektedir.
• Otomasyon literatürü insanların algoritmik önerileri her zaman yalnız doğruluklarına göre değerlendirmediğini göstermektedir.
• İnsan–AI performansı görev türüne göre değişmektedir; mevcut literatür tek yönlü “AI her zaman yararlı” veya “AI her zaman zararlı” sonucunu desteklememektedir.
• AI kullanımını yalnız kullanım sıklığıyla ölçmek, hangi bilişsel işlevlerin devredildiğini ayırt etmeyebilir.
• Higher-order cognitive outsourcing ve AI-supported / AI-displaced agency ampirik olarak test edilebilir teorik ayrımlardır.
• Üretken AI'nın kişisel yorumlama süreçlerine katılabileceği hipotezi araştırmaya uygun biçimde formüle edilebilir.

Çalışmanın desteklemediği sonuçlar

• Sık AI kullanımının insanlarda bağımlılık oluşturduğu kanıtlanmamıştır.
• AI kullanımının eleştirel düşünme kapasitesini kalıcı olarak azalttığı gösterilmemiştir.
• AI'nın kişinin kimliğini değiştirdiği veya “yeniden programladığı” gösterilmemiştir.
• AI'nın IAM yapılarını değiştirdiği gösterilmemiştir.
• Confirmation loop'un klinik psikolojik bozukluğa yol açtığı gösterilmemiştir.
• AI-displaced agency için doğrulanmış psikometrik eşik bulunmamaktadır.
• Beş sorumlu bilişsel ortaklık ilkesinin etkinliği deneysel olarak test edilmemiştir.
• Kullanım sıklığından ziyade delegasyon seviyesinin kesin olarak daha önemli olduğu henüz kanıtlanmamıştır.

Çalışmanın merkezi ve henüz cevapsız sorusu

Makalenin gelecek araştırma gündeminin merkezindeki soru şudur: Üretken yapay zekânın psikolojik etkisini kullanım sıklığı mı, yoksa AI'ya devredilen bilişsel işlevlerin seviyesi mi daha güçlü biçimde belirler?

Yazarın teorik önerisi ikinci seçenektir: delegasyon seviyesi daha önemli olabilir. Ancak çalışma bu önerinin yanlış çıkabileceğini de açıkça kabul ederek onu falsifiye edilebilir bir hipotez olarak konumlandırmaktadır.

Çalışmanın genel bilimsel önemi

Çalışmanın ana katkısı üretken yapay zekâ tartışmasını “kullan / kullanma” ikiliğinden çıkarıp bilişsel iş bölümü problemine dönüştürmesidir. Böylece yapay zekânın bir kişiye ne kadar yardım ettiği değil, yardım sırasında hangi zihinsel işlemlerin insanda kaldığı ve hangilerinin sisteme devredildiği araştırılabilir hâle gelmektedir.

Bu çerçevede temel ayrım artırma (augmentation) ile ikame (substitution) arasındadır. Üretken AI insanın bilgiye erişimini ve üretme kapasitesini genişletebilir; ancak yorumlama, değerlendirme ve karar sahipliğinin sürekli olarak sistem tarafından üstlenilmesinin farklı psikolojik sonuçları olup olmadığı henüz deneysel olarak cevaplanmamıştır.

Kaynak ve Yöntem Notu

Özgün çalışma: When AI Starts Thinking for Us: Digital Identity, Critical Thinking, and Behavioural Autonomy in the Age of Generative AI

Yazar: Stoyana Natseva.

ORCID: 0009-0008-1692-1935.

Correspondence: Nstoiana@gmail.com

PDF'de verilen akademik/kurumsal roller: Full Professor (Profesor Titular B) of Psychology and Education, Universidad Azteca; Professor of Practice, Dunster Business School; Founder and CEO, Happy Life Academy® and DCS® Academy; Founder, Happy Life Institute for Direct Change Science; President, IAPTC®.

Kaynak türü: Kavramsal konferans bildirisi.

Konferans: Psychology of Cyberspace 2026.

Konferans bağlamı: Poland / International Online Conference.

Sunum tarihi: 5 Eylül 2026.

Resmî konferans programındaki oturum: 5 Eylül 2026, 15:00–16:00.

Konferans organizasyonu: Instytut Cyberpsychologii, Polonya.

Hakemlik durumu: Kaynak PDF ve doğrulanan konferans kaydı çalışmanın hakem değerlendirmesinden geçtiğini açıkça belirtmemektedir. Bu nedenle çalışma hakemli dergi makalesi olarak sınıflandırılmamıştır.

SSRN kayıt numarası: 7610338.

SSRN yükleme tarihi: 14 Ekim 2026.

SSRN DOI: 10.2139/ssrn.7610338.

Zenodo DOI: 10.5281/zenodo.22347697.

SSRN resmî bağlantısı: https://ssrn.com/abstract=7610338

Zenodo DOI bağlantısı: https://doi.org/10.5281/zenodo.22347697

Lisans: SSRN kaydı çalışmayı Creative Commons Attribution 4.0 International (CC BY 4.0) lisanslı olarak göstermektedir.

Finansman: SSRN kaydına göre araştırma kamu, ticari veya kâr amacı gütmeyen bir finansman kuruluşundan belirli bir araştırma hibesi almamıştır.

Çıkar beyanı: SSRN kaydı, yazarın bu makalede tartışılan Direct Change Solution® (DCS®) ve Internal Autobiographical Map (IAM) çerçevelerinin geliştiricisi; Happy Life Academy®'nin kurucusu ve CEO'su; Happy Life Institute for Direct Change Science'ın kurucusu ve IAPTC® başkanı olduğunu belirtmektedir. Başka çıkar çatışması bildirilmemiştir.

Ana teorik literatür alanları: cognitive offloading; critical thinking; automation bias ve algorithmic reliance; behavioural autonomy; digital identity.

Önerilen temel yeni ayrım: Functional cognitive offloading ile higher-order cognitive outsourcing.

Önerilen insan–AI sürekliliği: AI as tool → AI as assistant → AI as adviser → AI as interpreter → AI as decision surrogate.

Önerilen eyleyicilik ayrımı: AI-supported agency ve AI-displaced agency.

Önerilen kimlik hipotezi: Tekrarlayan üretken AI etkileşiminin otobiyografik anlamlandırmaya katılan dışsal bir yorumlayıcı katman oluşturabilmesi.

IAM için AI ile ilgili kanıt durumu: Kaynakta aktarılan önceki IAM çalışmaları IAM yapısı ve ilişkili psikolojik değişkenlerle ilgilidir; üretken AI'nın IAM içinde dışsal yorumlayıcı katman oluşturduğu önerisini test etmemiştir.

Önerilen pratik model: Beş ilkeli responsible cognitive partnership with AI yaklaşımı.

Modelin doğrulama durumu: Beş ilkenin etkinliği deneysel olarak test edilmemiştir; kanıta dayalı müdahale protokolü olarak sunulmamaktadır.

Ana bilimsel sınırlılık: Çalışma deneysel değildir; bildirinin özgün kavramları teorik önerilerdir ve psikometrik/ampirik doğrulama gerektirmektedir.

Nedensellik sınırı: Kaynakta tartışılan kesitsel AI kullanımı–eleştirel düşünme ilişkileri bilişsel kapasite kaybını veya AI'nın nedensel etkisini kanıtlamamaktadır.

Klinik sınır: Çalışma AI kullanımının psikopatoloji oluşturduğuna ilişkin klinik iddia üretmemektedir. Üretken AI nitelikli psikolojik, tıbbi veya başka profesyonel bakımın yerine konumlandırılmamaktadır.