KARAR DESTEK SİSTEMLERİ VE SENARYODA YARATICILIK: JOKER (2019) FİLMİ ÜZERİNDEN BİR İNCELEME

Öz

Dijitalleşme ve yapay zekâ teknolojilerinin yaygınlaşması, film endüstrisinde veri temelli karar alma süreçlerini giderek görünür kılmaktadır. Bu dönüşüm yalnızca yapım, dağıtım ve pazarlama pratiklerini değil, senaryo geliştirme süreçlerinde yaratıcı kararların alınma biçimini de yeniden yapılandırmaktadır. Karar destek sistemleri (KDS), geçmiş film verileri, tür örüntüleri, anlatı yapıları, karakter ilişkileri, duygusal ton ve izleyici beklentileri gibi değişkenleri analiz ederek senaryo geliştirme aşamasında öngörü üretmektedir. Bu çalışma, KDS’nin senaryo yazımında yaratıcılık üzerindeki etkilerini disiplinler arası bir yaklaşımla incelemeyi amaçlamaktadır. Araştırmada nitel durum çalışması deseni benimsenmiş; literatür taraması, belge analizi ve vaka analizi teknikleri birlikte kullanılmıştır. Joker (2019), klasik süper kahraman anlatı kalıplarından sapması, psikolojik derinliği, karakter merkezli yapısı ve beklenmedik ticari başarısı nedeniyle örnek olay olarak seçilmiştir. Bulgular, KDS’nin yaratıcı süreci destekleyici bir araç olarak kullanılabileceğini; ancak geçmiş başarı örüntülerine dayalı öngörülerin anlatıların standartlaşmasına ve yaratıcı çeşitliliğin daralmasına yol açabileceğini göstermektedir. Bu bağlamda çalışma, veri temelli üretim mantığı ile yaratıcı özgünlük arasındaki gerilimi tartışmakta ve insan yaratıcılığı ile algoritmik sistemlerin birbirini tamamladığı hibrit bir üretim modelinin gerekliliğine işaret etmektedir.

Anahtar Kelimeler

• : Karar Destek Sistemleri
• Yaratıcılık
• Senaryo
• Yapay Zekâ
• Algoritmik Kültür
• Sinema

DECISION SUPPORT SYSTEMS AND CREATIVITY IN SCREENWRITING: AN ANALYSIS OF JOKER (2019)

Öz

The spread of digitalization and artificial intelligence has made data-driven decision-making increasingly visible in the film industry. This transformation restructures not only production, distribution, and marketing practices but also the ways in which creative decisions are made during screenplay development. Decision Support Systems (DSS) generate predictions by analyzing variables such as historical film data, genre patterns, narrative structures, character relations, emotional tone, and audience expectations. This study aims to examine the effects of DSS on creativity in screenwriting from an interdisciplinary perspective. A qualitative case study design was adopted, and literature review, document analysis, and case analysis were used together. Joker (2019) was selected as the case because it departs from conventional superhero narrative patterns, foregrounds psychological depth and character-centered narration, and achieved unexpected commercial success. The findings indicate that DSS can function as supportive tools in the creative process; however, predictions based on previous success patterns may also contribute to narrative standardization and the narrowing of creative diversity. In this context, the study discusses the tension between data-driven production logic and creative originality and points to the necessity of a hybrid production model in which human creativity and algorithmic systems complement each other.

Anahtar Kelimeler

• Decision Support Systems
• Creativity
• Screenwriting
• Artificial Intelligence
• Algorithmic Culture
• Cinema

Kaynakça

1. Adorno, T. W., ve Horkheimer, M. (2002). Dialectic of enlightenment: Philosophical fragments. Stanford University Press.
2. Altman, R. (1999). Film/genre. British Film Institute.
3. Boden, M. A. (2004). The creative mind: Myths and mechanisms (2nd ed.). Routledge. https://doi.org/10.4324/9780203508527
4. Bordwell, D., ve Thompson, K. (2013). Film art: An introduction (10th ed.). McGraw-Hill.
5. Deleuze, G. (1986). Cinema 2: The time-image. University of Minnesota Press.
6. Derda, I. (2022). “Did you know that David Beckham speaks nine languages?”: AI-supported production process for enhanced personalization of audio-visual content. Creative Industries Journal, 16(3), 265–280. https://doi.org/10.1080/17510694.2021.2025001
7. Grapă, T.-E. (2022). Laughing off Hollywood’s representation practices: The Joker’s cultural politics. Journal of Media Research, 15(2), 54–73. https://doi.org/10.24193/jmr.44.4
8. Günay, Ö. L. (2024). The use of AI-driven software in predicting the commercial success of movies. In Advances in media, entertainment and the arts book series (pp. 251–274). IGI Global. https://doi.org/10.4018/979-8-3693-3916-9.ch010

9. Kokeš, R. D. (2019). Norms, Forms and Roles: Notes on the Concept of Norm (Not Just) in Neoformalist Poetics of Cinema. Panoptikum, 22, 52–78. https://doi.org/10.26881/pan.2019.22.01
10. Kolker, R. P. (2011). A cinema of loneliness: Penn, Kubrick, Coppola, Scorsese, Altman (4th ed.). Oxford University Press.
11. Kürkçüoğlu, H., & Anadolu, B. (2025). ALGORİTMİK SİNEMA: YAPAY ZEKA ÇAĞINDA FİLM ENDÜSTRİSİNE ELEŞTİREL BİR BAKIŞ. The Turkish Online Journal of Design Art and Communication, 15(3), 729-744. https://doi.org/10.7456/tojdac.1671
12. Lash, M. T., ve Zhao, K. (2016). Early predictions of movie success: The who, what, and when of profitability. Journal of Management Information Systems, 33(3), 874–903. https://doi.org/10.1080/07421222.2016.1243969
13. Maturana, H. R., ve Varela, F. J. (1980). Autopoiesis and cognition: The realization of the living. Reidel.
14. Mutlu, N. G. A. (2020). The future of film-making: Data-driven movie-making techniques. Global Journal of Arts Education, 10(2), 167–174. https://doi.org/10.18844/gjae.v10i2.4735
15. Napoli, P. M. (2011). Audience evolution: New technologies and the transformation of media audiences. Columbia University Press.
16. Neale, S. (2000). Genre and Hollywood. Routledge.
17. Petit, P. (2002). To reach the clouds: My high wire walk between the Twin Towers. North Point Press.
18. Phillips, T. (Director). (2019). Joker [Film]. Warner Bros.
19. ScriptBook. (2026). Script analysis dashboard. https://demo.scriptbook.io/ Erişim tarihi: 02.06.2026.
20. Skryabin, V. Y. (2021). Analysing Joker: An attempt to establish diagnosis for a film icon. BJPsych Bulletin, 45(6), 329–332. https://doi.org/10.1192/bjb.2020.146
21. Striphas, T. (2015). Algorithmic culture. European Journal of Cultural Studies, 18(4–5), 395–412. https://doi.org/10.1177/1367549415577392
22. Tsiavos, V., ve Kitsios, F. (2025). The digital transformation of the film industry: How artificial intelligence is changing the seventh art. Telecommunications Policy, 49(8), 103021. https://doi.org/10.1016/j.telpol.2025.103021