Somut Olmayan Kültürel Mirasın korunmasında yapay zekâ, veri bilimi ve makine öğrenmesinden yararlanma

Year 2024, Issue: 38, 748 - 777, 21.02.2024

Nejla Orta

https://doi.org/10.29000/rumelide.1439731

Abstract

Geçmişten geleceğe bilginin toplanması, değerlendirilmesi, analiz edilmesi, yorumlanması, aktarılması önemli olmuştur. Günümüzde büyük verilerin işlenmesiyle yapay zekâ, veri bilimi ve makine öğrenimi gibi teknolojik alanlarda yaşanan çok hızlı gelişmelerle beraber hem sektörler açısından hem toplumsal açıdan sağladığı kolaylıklarla ve avantajlarla bu teknolojilerin kullanılması karşı konulamaz bir güç olmuştur. Toplumun her alanına yayılan bu uygulamalar sosyal bilimlerin de önemli konularından biri hâline gelmiştir. Disiplinlerarası yöntemle kültür bilimi içerisinde de özellikle Somut Olmayan Kültürel Mirasın korunmasında yapay zekânın, veri biliminin ve makine öğreniminin etkili kullanım alanlarının olacağı düşünülmektedir. Aslında bu alanların her biri ayrı ve kendi başına çok büyük içeriklere sahiptir. Ancak birbirleriyle olan sıkı ilişkilerinden dolayı konu genel bir başlıkta ele alınıp UNESCO’nun çalışmalarından Somut Olmayan Kültürel Miras (SOKÜM) açısından değerlendirilmektedir. SOKÜM içerisinde yer alan sözlü anlatımlar ve gelenekler, gösteri sanatları, halk bilgisi, toplumsal, evren ve doğa ile ilgili uygulamalar, ritüel ve festivaller, el sanatları gibi ürünlerde yapay zekâ, veri bilimi, makine öğrenmesinin nasıl kullanılabileceği ve bu teknolojilerden nasıl faydalanılabileceği bu çalışmanın konusunu ve amacını oluşturmaktadır. Yapay zekâ, veri bilimi ve makine öğrenmesi kültürel mirasın korunmasında bir dizi önemli rol oynayabilir. Dijital arşivleme ve kataloglama hâlihazırda alanda ve müzecilikte kullanılan bir veri bilimi yöntemidir. Bunun yanında bu teknolojilerden içerik ve kültürel anlam analizinde, sanat ve yaratıcılık desteklerinde, kültürel mirasın interaktif incelenmesinde, restorasyon, koruma, güvenlik, erişilebilirlik, eğitim, bilgilendirme alanlarında daha etkin bir şekilde faydalanılabilir. Python, JavaScript, Java, Ruby, PHP, R gibi programlama dillerinin kullanımıyla ve RNN, CNN gibi “framework”ler ve GIL gibi “interpreter” makine öğrenimi modellerinin yardımıyla yapay zekâlar halk bilimsel unsurlar için birçok açıdan geliştirilip bu teknolojilerden faydalanılabilir. Çalışmada bu programlar ve modeller üzerinden SOKÜM unsurlarının koruma açısından örnekleri verilerek değerlendirilmiştir. Bu teknolojiler kültürel mirasın korunmasında değerli varlıkları ve ürünleri gelecek nesillere aktarmak, kültürel çeşitliliği korumak ve sürdürülebilir kılmak için güçlü bir araç olarak kullanılabilir.

Keywords

disiplinlerarasılık, somut olmayan kültürel miras, yapay zekâ, veri bilimi, makine öğrenmesi.

References

• Abraham, A., Pedregosa, F., Eickenberg, M., Gervais, P., Mueller, A., Kossaifi, J., ... & Varoquaux, G. (2014). Machine learning for neuroimaging with scikit-learn. Frontiers in Neuroinformatics, 8, 14.
• Adaş, E. ve Erbay, B. (2022). Yapay zekâ sosyolojisi üzerine bir değerlendirme. Gaziantep University Journal of Social Sciences, 21(1), 326-337.
• Aksoy, H. (2023). Folklor ve gelenek kavramlarına “ChatGPT”nin yazdığı masallar üzerinden bakmak. Korkut Ata Türkiyat Araştırmaları Dergisi, Özel Sayı 1, 524-536.
• Aşkun, V. (2023). Sosyal bilimler araştırmaları için ChatGPT potansiyelinin açığa çıkarılması: uygulamalar, zorluklar ve gelecek yönelimler. Erciyes Akademi, 37(2), 622-656.
• Barry, A., Born, G., & Weszkalnys, G. (2008). Logics of interdisciplinarity. Economy and Society, 37(1), 20-49.
• Bars, M. E. (2018). İnternet folkloru: Netlore. TÜRÜK Uluslararası Dil Edebiyat Ve Halk Bilimi Araştırmaları Dergisi, 1(15), 160-179.
• Bhattacherjee, A. (2012). Social science research: Principles, methods, and practices. Florida: University of South Florida Tampa Library Open Access Collections.
• Castells, M. (2010). The rise of the network society: The information age: Economy, society, and culture. John Wiley & Sons.
• Cazacu, M., & Titan, E. (2021). Adapting CRISP-DM for social sciences. BRAIN-Broad Research in Artificial Intelligence and Neuroscience, 11(2Sup1), 99-106.
• Chai, S. (2004). Artificial intelligence and social theory: a one-way street. Perspectives, 27(4), 11-12.
• Coppin, B. (2004). Artificial intelligence illuminated. Jones & Bartlett Publishers.
• Ekici, M. (2008). Geleneksel kültürü güncellemek üzerine bir değerlendirme. Millî Folklor, 80(20), 33-38.
• Ersoy, R. (2012). Halk bilimi çalışmalarının gelişimine paralel olarak ‘alan araştırması’ kavramını yeniden düşünmek. Millî Folklor, 94, 5-13.
• Frąckiewiczin, M. (2023, Mayıs 11). AI in cultural heritage preservation. Artificial intelligence. TS2Space. https://ts2.space/en/ai-in-cultural-heritage-preservation/#gsc.tab=0
• Freelon, D. (2014). On the interpretation of digital trace data in communication and social computing research. Journal of Broadcasting & Electronic Media, 58(1), 59-75.
• GlobalInterpreterLock. (2020, Aralık 22). https://wiki.python.org/moin/GlobalInterpreterLock
• Global interpreter lock (GIL). (2023, Aralık 10). In Wikipedia. https://en.m.wikipedia.org/wiki/Global_interpreter_lock#:~:text=A%20global%20interpreter%20lock%20(GIL)%20is%20a%20mutual%2Dexclusion,GIL%20for%20each%20interpreter%20process
• Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT press.
• Grand View Research. (2021). Artificial intelligence market size, share & trends Analysis report by solution, by technology, by end use, by region, and segment forecasts, 2021-2028. https://www.grandviewresearch.com/industry-analysis/artificial-intelligence-ai-market
• Gürçayır, S. (2011). Somut olmayan kültürel mirasın korunması üzerine eleştirel bir okuma. Millî Folklor, 23(92), 5-12.
• Gürçayır Teke, S. (2014). Dönüşen anneliğe yönelik netnografik bir analiz: Blogger anneler. Millî Folklor, 103, 32-47.
• Gürçayır Teke, S. (2018). Somut olmayan kültürel mirasın korunması sözleşmesi listelerinde yaşayan miraslar ve sabitlenen gelenekler. Millî Folklor, 30(120). 19-31.
• Hamet, P., & Tremblay, J. (2017). Artificial intelligence in medicine. Metabolism, 69, 36-40.
• Hofman, J.K., Duncan, J.W., Susan, A., Filiz, G., Thomas, L.G., Jon, K., Helen, M., Sendhil, M., Matthew, J.S., Simine, V., et al. (2021) Integrating explanation and prediction in computational social science. Nature, 595(7866), 181–188.
• Huang, L., & Song, Y. (2022). Intangible cultural heritage management using machine learning model: A case study of northwest folk song Huaer. Scientific Programming, 2022. https://doi.org/10.1155/2022/1383520
• Kafalı, H. (2019). Yapay zekâ, toplum ve din’in geleceği. Ondokuz Mayıs Üniversitesi İlahiyat Fakültesi Dergisi, (46), 145-172.
• Kasapoğlu Akyol, P. (2016). Somut olmayan kültürel mirasın örgün eğitime uygulanması: AğAraştırması (Wenquest) örneği. Millî Folklor, (111). 125-146.
• Kelleher, J. D., & Tierney, B. (2018). Data science. MIT Press.
• Keskin, A. (2019). Halkbilimi çalışmalarında disiplinlerarasılık: “neden”, “ne zaman”, “nerede” ve “nasıl”?. Motif Akademi Halkbilimi Dergisi. 12(28), 925-944.
• Klein, J. T., & Newell, W. H. (1998). Advancing interdisciplinary studies. W. H. Newell (Der.). Interdisciplinarity: Essays from the literature içinde. College Entrance Examination Board.
• Leahey, E. (2018). The perks and perils of interdisciplinary research. European Review, 26(S2), 55-67.
• Liu, B. (2022). Sentiment analysis and opinion mining. Springer Nature.
• Lundberg, I., Brand, J. E., & Jeon, N. (2022). Researcher reasoning meets computational capacity: Machine learning for social science. Social science research, 108, 102807.
• Maity, S. (2020, Ekim 30). The sociology of artificial intelligence: explained. Social Group. https://www.sociologygroup.com/sociology-of-artificial-intelligence/
• Mishra, M. (2021). Machine learning techniques for structural health monitoring of heritage buildings: A state-of-the-art review and case studies. Journal of Cultural Heritage, 47, 227-245.
• Mete, M. H. (2023). Sosyal bilimlerde büyük veri analitiği, yapay zekâ ve makine öğreniminin kullanımı. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 23(1), 99-120.
• Moats, D. (2021). Rethinking the ‘Great Divide’: Approaching interdisciplinary collaborations around digital data with humour and irony. Science & Technology Studies, 34(1), 19-42.
• Nalcıoğlu, Z. S. B. (2020). Folklorun elektronik bağlamı: İnternet. Gazi Türkiyat, (26), 187-205.
• Negroponte, N., Harrington, R., McKay, S. R., & Christian, W. (1997). Being digital. Computers in Physics, 11(3), 261-262.
• Neuhofer, B., Buhalis, D., & Ladkin, A. (2015). Technology as a catalyst of change: Enablers and barriers of the tourist experience and their consequences. In Information and Communication Technologies in Tourism 2015: Proceedings of the International Conference in Lugano, Switzerland, February 3-6, 2015 (pp. 789-802). Springer International Publishing.
• Newall, V. J. (2014). Halk bilimi ve geleneğin uyumu (Folklorizm). N. Kayalı Orta (çev.), M. Ö. Oğuz vd. (Haz.), Uygulamalı halk bilimi. Geleneksel Yayınları.
• Oğuz, Ö. (2007). Folklor ve kültürel mekân. Millî Folklor, 76, 30-32.
• Oğuz, M. Ö. (2009). Somut olmayan kültürel miras nedir. Geleneksel Yayıncılık.
• Oğuz, Ö. (2013). Terim olarak somut olmayan kültürel miras. Millî Folklor, 25(100), 5-13.
• Ong, W. (2012). Sözlü ve yazılı kültür sözün teknolojileşmesi. S. Postacıoğlu Banon (çev.), Metis Yayınları.
• Özdemir, M. (2019). Kültürün dönüşümü ve dijitalleşme. M. Özdemir (ed.), Dijital kültür tradijital-medya-internet-edebiyat ve halkbilimi araştırmaları (21. yüzyılda kültür yorumları) (s. 17-93). Arı Sanat Yayınevi.
• Özdemir, N. (2023). Gelenek bilgesi atadan yapay zekâya. Culture Academy, 3(1), 1-23.
• Özdemir, Y. (2021). Post-truth ve folklor: Hakikat sonrası dönemde gelenek bilgisinde sapmalar. U. Durmaz (Ed.), Dijital kültür-3 (s. 13-60). Arı Sanat Yayınevi.
• Öztemel, E. (2023). Yapay zekâ ve insanlığın geleceği. https://tuba.gov.tr/files/yayinlar/bilim-ve-dusun/TUBA-978-605-2249-48-2_Ch9.pdf
• Paker, K. O. (2007). İletişimin fast food’u: sanal diyarlarda oyun, chat ve gizemli yabancı. Ö. Yılmazkol (Der.), Medya Okumaları. (s. 107-137). Nobel Yayıncılık.
• Pang, B., Lee, L., & Vaithyanathan, S. (2002). Thumbs up? Sentiment classification using machine learning techniques. arXiv preprint cs/0205070.
• Pedersen, D. B. (2016). Integrating social sciences and humanities in interdisciplinary research. Palgrave Communications, 2(1), 1-7. Php. (2023, Ekim 7). https://www.php.net/
• PHP Tutorial. (2023, Kasım 11). https://www.w3schools.com/php/
• Rahal, C., Verhagen, M., & Kirk, D. (2022). The rise of machine learning in the academic social sciences. AI & SOCIETY, 1-3. https://doi.org/10.1007/s00146-022-01540-w .
• Rallis, I., Voulodimos, A., Bakalos, N., Protopapadakis, E., Doulamis, N., & Doulamis, A. (2020). Machine learning for intangible cultural heritage: a review of techniques on dance analysis. F. Liarokapis et al. (Eds.), Visual Computing for Cultural Heritage (pp. 103-119), Springer Series on Cultural Computing, https://doi.org/10.1007/978-3-030-37191-3_6
• Robila, M. & Robila, S. A. (2020). Applications of artificial intelligence methodologies to behavioral and social sciences. Journal of Child and Family Studies, 29(10), 2954-2966.
• Ruby. (2023, Aralık 25). https://www.ruby-lang.org/en/
• Rudin, C. & Wagstaff, K. L. (2014). Machine learning for science and society. Machine Learning, 95(1), 1-9.
• Russell, S. J., & Norvig, P. (2010). Artificial intelligence: A modern approach. New Jersey: Pearson Education.
• Sağlam, F. ve Cengiz, M. A. (2023). Sosyal bilimlerde veri bilimi kullanımı. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 10(4), 1175-1207.
• Salganik, M. J. (2019). Bit by bit: Social research in the digital age. Princeton University Press.
• Syed, S., & Spruit, M. (2017). Full-text or abstract? examining topic coherence scores using latent dirichlet allocation. In 2017 IEEE International conference on data science and advanced analytics (DSAA), October, 2017 (pp. 165-174). IEEE.
• Text mining. (2023, Kasım 25). What is text mining?. https://www.ibm.com/topics/text-mining
• The Java Tutorials. (2023, Kasım 7). https://docs.oracle.com/javase/tutorial/
• UNESCO. (2023, Ekim 20). Somut olmayan kültürel miras ve paydaşlar. https://www.unesco.org.tr/Home/Page/1713? slug=Somut%20Olmayan%20K%C3%BClt%C3%BCrel%20Miras%20ve%20Payda%C5%9Flar
• Xiang, Z., Du, Q., Ma, Y., & Fan, W. (2017). A comparative analysis of major online review platforms: Implications for social media analytics in hospitality and tourism. Tourism Management, 58, 51-65.
• Yaralı, C., ve Baloğlu, Ö. Ö. (2023). Dijital süreçlerin doğal ve kültürel miras turizminin gelişimine etkisi. Nevşehir Hacı Bektaş Veli Üniversitesi SBE Dergisi, 13(İhtisaslaşma Özel Sayısı), 245-264.
• Yıldız, T. (2023). Somut olmayan kültürel mirasın kayıt altına alınması: katılımlı, yaşayan dijital envanterler. RumeliDE Dil ve Edebiyat Araştırmaları Dergisi, (36), 754-766.
• Zhang, J. & Feng, S. (2021). Machine learning modeling: A new way to do quantitative research in social sciences in the era of AI. Journal of Web Engineering, 20(2), 281-302.