İnsan–Bilgisayar Etkileşimi Döneminde Yapay Zekâ Okuryazarlığı: Çeviribilimde Temel Bir Yetkinlik Olarak Değerlendirme

Öz

Yapay Zekânın (YZ) çeşitli sektörlerdeki hızlı yayılımı, özellikle Çeviribilim gibi teknolojik kırılmaların yoğun olarak yaşandığı alanlarda kullanıcı yetkinliklerinin yeniden değerlendirilmesini zorunlu kılmaktadır. Bu çalışma, teknolojik benimseme ile eleştirel kullanıcı anlayışı arasındaki boşlukları belirlemek amacıyla YZ okuryazarlığı araştırmalarının mevcut durumunu haritalandırmayı amaçlamaktadır. Çalışmada, Web of Science veri tabanındaki literatür üzerinde Google LangExtract aracıyla yapılan hesaplamalı metin madenciliği ile nitel tematik analizi birleştiren karma bir yöntem kullanılmıştır. Çıkarılan 3.614 kavramın analizi, alanın hâlihazırda 'Uygulama' (%54,8) kategorisi tarafından domine edildiğini, bunu 'Gerilim' (%28,2) ve 'Tanım' (%16,9) kategorilerinin izlediğini ortaya koymuştur. Bu bulgular, teknik verimliliğin sıklıkla eleştirel düşünme ve etik farkındalığı gölgede bıraktığına, araç açısından zengin ancak kuram açısından zayıf bir manzara oluşturduğuna işaret etmektedir. Çeviri bağlamında bu asimetri, eleştirel makine çevirisi okuryazarlığında derinleşme olmaksızın, Makine Çevirisi Sonrası Düzenleme iş akışlarına hâkim olma baskısı olarak tezahür etmektedir. Çalışma, YZ okuryazarlığının pasif teknik yeterlilikten eleştirel bir ortak yaratım sürecine evrilmesi gerektiği sonucuna varmaktadır. Son olarak çalışmada, etkili ve sorumlu bir insan-bilgisayar etkileşimi için etik failliği ve insan döngüde yaklaşımını önceleyen öğretimsel çerçevelerin gerekliliği vurgulanmaktadır.

Anahtar Kelimeler

• Yapay zekâ okuryazarlığı
• Çeviribilim
• çeviri teknolojileri
• İnsan–bilgisayar etkileşimi
• Makine Çevirisi Okuryazarlığı
• Dijital Yetkinlik

AI Literacy as a Core Competence in the Age of Human- Computer Interaction: The Case of Translation Studies

Abstract

The rapid proliferation of Artificial Intelligence (AI) across various sectors necessitates a re-evaluation of user competences, particularly in fields undergoing significant technological disruption like Translation Studies. This study aims to map the landscape of AI literacy research to identify the gaps between technological adoption and critical user understanding. Employing a hybrid methodological approach, the research combines computational text-mining via Google LangExtract with qualitative thematic analysis of literature indexed in the Web of Science database. The analysis of 3,614 extracted concepts reveals a landscape currently dominated by 'Practice' (54.8%), followed by 'Tension' (28.2%) and 'Definition' (16.9%). These findings indicate a tool-rich but theory-poor environment where technical efficiency often overshadows critical reflection and ethical awareness. In the context of translation, this asymmetry manifests as a pressure to master Machine Translation Post-Editing (MTPE) workflows without a corresponding depth in critical machine translation literacy. The study concludes that AI literacy must evolve from passive technical proficiency to critical co-creation. Last but not least, the study calls for pedagogical frameworks that prioritize ethical agency and a human-in-the-loop approach to foster effective and responsible human-computer interaction.

Keywords

• AI Literacy
• Translation Studies
• Human-Computer Interaction
• Machine Translation Literacy
• Digital Competence

References

1. Bowker, L., & Buitrago Ciro, J. (2019). Machine translation and global research: Towards improved machine translation literacy in the scholarly community. Emerald Publishing.
2. Center for Innovation in Digital Learning. (2023). AI literacy. https://ciddl.org/
3. European Commission. (2023). Proposal for a regulation of the European Parliament and of the Council laying down harmonised rules on artificial intelligence (Artificial Intelligence Act) and amending certain union legislative acts.
4. Kandlhofer, M., Steinbauer, G., Hirschmugl-Gaisch, S., & Huber, P. (2016). Artificial intelligence education: Review of the state of the art and perspectives. Proceedings of the 2016 International Conference on Robotics and Education (RiE), 1–9.
5. Kenny, D. (Ed.). (2022). Machine translation for everyone: Empowering users in the age of artificial intelligence. Language Science Press.
6. Laupichler, M. C., Aster, A., Schirch, J., & Magenheim, J. (2023). Artificial intelligence literacy in higher and adult education: A scoping literature review. Computers and Education: Artificial Intelligence, 5, 100177.
7. Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1–16.
8. Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO.

9. Moorkens, J. (2022). Ethics and machine translation. In D. Kenny (Ed.), Machine translation for everyone: Empowering users in the age of artificial intelligence (pp. 121–140). Language Science Press.
10. Ng, Davy Tsz Kit & Chu, Samuel & Shen, Maggie & Leung, Jac. (2021). AI Literacy: Definition, Teaching, Evaluation and Ethical Issues.
11. OECD. (2023). OECD skills outlook 2023: Skills for a resilient green and digital transition. OECD Publishing.
12. Shute, V. J., Sun, C., & Asbell-Clarke, J. (2023). Demystifying AI literacy for K-12 education. Review of Educational Research. Advance online publication.
13. UNESCO. (2022). K-12 AI curricula: A mapping of government-endorsed AI curricula. UNESCO.
14. UNESCO. (2024). AI competency framework for students. UNESCO.
15. World Economic Forum. (2022). Catalysing education 4.0: Investing in the future of learning for a human-centric recovery. World Economic Forum.