From Traditional Radio to Artificial Intelligence Radio Broadcasting; 2nd Wave Podcasts and Alternative Broadcasting

Yıl 2024, , 133 - 152, 30.11.2024

Serhat Toptaş

https://doi.org/10.31123/akil.1537647

Öz

An artificial intelligence system examines the relationships between linguistic elements using deep learning techniques and neural networks. The application phase of AI is the process of creating or generating new meanings from human-generated data and presenting it back to humans. Large amounts of text and audio data are used in this analysis and reproduction phase. The main purpose of this research is to clarify the relationship between traditional radio broadcasting and artificial intelligence, the latest phase of digitalization. Another aim is to determine how radio broadcasting will change with the algorithms developed by artificial intelligence. The research was conducted using document analysis method, one of the qualitative research designs. With document analysis, the relationship between findings can be verified by examining information obtained through different methods, thus reducing the impact of possible biases that may arise within the scope of a single research. Although there are studies on artificial intelligence and radio broadcasting, there is no research on the relationship between neural networks, machine learning, deep learning, algorithms and radio broadcasting. Therefore, this study is important. According to the findings of the study, it is concluded that by using algorithms, neural networks and machine learning languages, which are the basis of artificial intelligence in radio broadcasting, radio broadcasts can be created without any human intervention or with minimal human involvement in radio broadcasting.

Anahtar Kelimeler

Radio Broadcasting, Artificial Intelligence, Algorithm, Neural Networks, Artificial Intelligence Radio Broadcasting

Proje Numarası

yoktur

Geleneksel Radyodan Yapay Zekâ Radyo Yayıncılığına; 2. Dalga Podcastler ve Alternatif Yayıncılık

Öz

Yapay zekâ sistemi, derin öğrenme tekniklerini ve sinir ağları sistemini kullanarak dilsel ögeler arasındaki ilişkileri inceler. Yapay zekânın uygulama aşaması, insan tarafından üretilen verilerden yeni anlamlar yaratarak veya üreterek tekrar insanlara sunma sürecidir. Bu inceleme ve yeniden üretme aşamasında büyük miktarda metin ve ses verisi kullanılır. Bu araştırmanın temel amacı geleneksel radyo yayıncılığı ile dijitalleşmenin son evresi olan yapay zekâ arasındaki ilişkiyi açıklığa kavuşturmaktır. Diğer bir amaç ise yapay zekânın geliştirdiği algoritmalarla radyo yayıncılığının nasıl değişeceğini tespit etmektir. Bu amaçlar doğrultusunda, radyo üzerine yazılmış eserler ve diğer dokümanlar çalışmanın anlamına uygun bir şekilde araştırılmıştır. Araştırmalar, nitel araştırma desenlerinden doküman analizi yöntemi kullanılarak gerçekleştirilmiştir. Doküman analizi, araştırma verilerinin birincil kaynağı olan hem yazılı metinleri hem de elektronik dokümanların çeşitli formatlarını incelemek, değerlendirmek, sorgulamak ve analiz etmek için kullanılır. Doküman analiziyle, farklı yöntemlerle elde edilen bilgiler incelenerek, bulgular arasındaki ilişki doğrulanabilmekte ve böylece tek bir araştırma kapsamında ortaya çıkabilecek olası önyargıların etkisi azaltılabilmektedir. Bu doğrultuda doküman analizi yöntemi, araştırma için en uygun yöntem olarak seçilmiştir. Yapay zekâ ve radyo yayıncılığı üzerine yapılmış çalışmalar bulunmasına rağmen, sinir ağları, makine öğrenme, derin öğrenme, algoritmalar ve radyo yayıncılığı arasındaki ilişkiye dair herhangi bir araştırma bulunmamaktadır. Bu nedenle bu çalışma önemlilik arz etmektedir. Araştırma bulgularına göre, radyo yayıncılığında yapay zekânın temeli olan algoritmalar, sinir ağları ve makine öğrenme dilleri kullanılarak, radyo yayıncılığına herhangi bir insan müdahalesi olmadan ya da insanın minimum seviyede dâhil olduğu radyo yayınlarının oluşturulabileceği sonucuna varılmıştır.

Anahtar Kelimeler

Radyo Yayıncılığı, Yapay Zekâ, Algoritma, Sinir Ağları, Yapay Zekâ Radyo Yayıncılığı

Etik Beyan

BU AÇLIŞMA İÇİN ETİK BEYANA GEREK YOKTUR.

Destekleyen Kurum

yoktur

Proje Numarası

yoktur

Kaynakça

• 6112 Radyo televizyon kuruluş ve yayın hizmetleri hakkında kanun, Radyo televizyon kuruluş ve yayın hizmetleri hakkında kanun (2011).
• Akgüner, T. (1998). Kamu hizmeti yayıncılığı. İstanbul Üniversitesi İletişim Fakültesi Dergisi, 7, 285-296.
• Alqahtani, T., Badreldin, H. A., Alrashed, M., Alshaya, A. I., Alghamdi, S. S., bin Saleh, K., Alowais, S. A., Alshaya, O. A., Rahman, I., Al Yami, M. S., & Albekairy, A. M. (2023). The emergent role of artificial intelligence, natural learning processing, and large language models in higher education and research. Research in Social and Administrative Pharmacy, 19(8), 1236-1242. https://doi.org/10.1016/j.sapharm.2023.05.016
• Baker, L. (2000). Static vs dynamic characterization [Blog]. state.edu: https://www.k-state.edu/english/baker/english287/cc-static_vs_dynamic_characterization.htm. https://www.k-state.edu: https://www.k-state.edu
• Berger, A. A. (2007). Media and society: A critical perspective (2. bs). Rowman & Littlefield.
• Birsen, Ö. (2011). Türkiye radyoculuğunda alternatif yayıncılık arayışları: Açık radyo örneği. Erciyes İletişim Dergisi, 20-25.
• Bonini, T. (2015). The ‘second age’ of podcasting: Reframing podcasting as a new digital mass medium. Quaderns Del Cas.
• Bonner, E., Lege, R., & Frazier, E. (2023). Large language model-based artificial ıntelligence in the language classroom: Practical ideas for teaching. Teaching English with Technology, 2023. https://doi.org/10.56297/BKAM1691/WIEO1749
• Bowen, G. A. (2009). Document analysis as a qualitative. Qualitative Research Journal.
• Brooker, G. (2003). How does text-to-speech AI work? Text-to-speech AI. https://www.liveperson.com/blog/text-to-speech-ai/
• Bruno, J. C. (2008). Joining the podcast revolution. Journal of Dental Education, 73(2), 279-281.
• Çankaya, Ö. (1997). Dünden bugüne radyo televizyon (Türkiye’de radyo televizyon gelişim süreci). Beta Yayınları.
• Elastic. (2023). What is a Large Language Model? AI comprehensive LLMs guide. https://www.elastic.co/what-is/large-language-models Geoghegan, M., & Klass, D. (2005). Podcast solutions the complete guide to podcasting. Apress Berkeley.
• İşbir, B. (2007). Kamu hizmeti ilkeleri ışığında özel radyo-televizyon yayıncılığının değerlendirilmesi. Gazi Üniversitesi Hukuk Fakültesi Dergisi.
• Jham, B., Gabriela, V., Duraes, H., & Luis, S. (2008). 2008 joining the podcast revolution. Jaurnal Of Dental Education, 278-281.
• Kalaman, S. (2016). Alternatif bir katılım örneği olarak radyo yayıncılığının önemi: Bozok üniversitesi radyo yayıncılığı modeli/önerisi. Yozgat’ın siyasi. Yozgat Kültürü ve Folkloru Bildiri Kitabı., 166-178.
• Karasar, N. (2000). Bilimsel araştırma yöntemi. Nobel Yayın Dağıtım.
• Kuruoğlu, H. (2006). Propaganda ve özgürlük aracı olarak radyo. Nobel Yayıncılık.
• Kuyucu, M. (2022). Dijital radyo yayıncılığı karasal radyo yayıncılığının sonunu getirebilir mi? Medyada yaşanan dijital dönüşümün radyo yayıncılığına getirdiği avantajlar ve fırsatlar. 9th Internatıonal Conference On Socıal Scıences & Humanıtıes içinde.
• Loder, J., & Nicholas, L. (2018). Confronting Dr Robot: Creating a people-powered future for ai in health. Nesta.
• Lutkevich, B. (2008). What is podcasting? https://www.techtarget.com. https://www.techtarget.com/searchunifiedcommunications/definition
• Meet, H. (2023). Introduction to text to speech technology. Introduction to Text To Speech Technology. https://dubverse.ai/blog/introduction-to-text-to-speech-tts-technology/
• Muehmel, K. (2003). What Is a large language model, the tech behind ChatGPT? https://blog.dataiku.com/large-language-model-chatgpt
• Newman, N., & Gallo, N. (2019). News podcasts and the opportunities for publishers. Reuters Institute University Of Oxford.
• Oleary, Z. (2017). The essential guide to doing your research project. SAGE Publications.
• Sarmaşık, J. (2000). Türkiye’de radyo ve televizyon düzeni (1927- 2000). Safa Tanıtım ve Matbaacılık.
• Soydan, E. (2016). Radyonun demokratikleştirilmesinde yeni bir olanak: İnternet radyoculuğu. İletişim Kuram ve Araştırma Dergisi, (42, 341-352.
• Syed, H. (2023). The only text to speech guide you’ll ever need. text-to-speech-guide. https://play.ht/blog/text-to-speech-guide/
• Şimşek, & Yıldırım, A. (2016). Sosyal bilimlerde nitel araştırma yöntemleri. Seçkin Yayınları.
• Tekinalp, Ş. (2003). Camera obscura’dan synopticon’e radyo ve televizyon. Der Yayınları.
• Topuz, H., & Öngören, T. (1990). Yarının radyo ve televizyon düzeni. Mozaik Basım ve Yayıncılık.
• Tugen, B. (2013). Dijital çağda radyo yayıncılığı. İstanbul Üniversitesi, 153-157.
• Uszkoreit, J. (2017). Transformer: A Novel Neural Network Architecture for Language Understanding. http://research.google/blog/transformer-a-novel-neural-network-architecture-for-language-understanding/
• Ünlüler, A. O. (2013). Radyo televizyon yayıncılığı. Anadolu Üniversitesi. Açık Öğretim Yayınları.
• Yıldız, S. (2013). Medya ve hukuk (3. bs). Nobel Akademi Yayıncılık.
• Yılmaz, A. (2020). Radyo ve sosyal medya yakınsaması: Trt radyo ve Trt Fm’in Facebook ve Twitter pratikleri. Trt Akademi, 5(9), 28-51.
• Yiğit, Y. (2008). Radyonun abece’si. Ütopya Yayınları.
• Yoloğlu, N. (2019). Yakınsama (convergence) ve çapraz medya (crossmedıa) stratejisinin medya sektöründe yansımaları. Gümüşhane Üniversitesi İletişim Fakültesi Elektronik Dergisi, 7(3), 1449-1464. https://doi.org/10.19145/e-gifder.581639
• Yücel, R. (2020). Podcast’in kısa tarihi: Doğuşu, yükselişi, monetizasyonu. Erciyes İletişim Dergisi, 7(2), 1303-1319. https://doi.org/10.17680/erciyesiletisim.724106
• Zawacki, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16(1), 39. https://doi.org/10.1186/s41239-019-0171-0