Temel Tasarım Ögelerini ve İlkelerini Yorumlamada Yapay Zekâ Modelleri

Öz

Bu çalışma, yapay zekâ (YZ) modellerinin temel tasarım ilkeleri ve öğelerini yorumlama ve görselleştirme becerilerini değerlendirme sorunsalına odaklanmaktadır. Araştırmanın temel amacı, YZ modellerinin ürettiği görsel çıktılarda tasarım kavramlarını bilinçli biçimde yansıtıp yansıtamadığını incelemektir; özellikle soyut, simetrik ve asimetrik kompozisyonlar bağlamında. Bu kapsamda, çalışma kapsamında ritim, hareket, kontrast, vurgu ve denge gibi beş tasarım ilkesi ile nokta, çizgi, şekil, renk ve doku gibi beş tasarım öğesine dayalı olarak 18 yaygın metinden-görüntüye YZ modeli değerlendirilmiştir. Her modele yapılandırılmış yönergeler verilmiş, modellerin ürettiği görseller şu üç temel kritere göre değerlendirilmiştir: tasarım öğelerini anlama, tasarım ilkelerini anlama ve dengeyi anlama. Her çıktı 1 (en düşük) ile 5 (en yüksek) arasında puanlanmış ve ortalamalar alınarak model performansı analiz edilmiştir. Bulgular, Microsoft Designer ve DALL-E gibi modellerin zaman zaman başarılı çıktılar ürettiğini, ancak bu başarıların dengeli ve tutarlı olmadığını ortaya koymuştur. Craiyon ve Flux.ai gibi modeller ise çoğunlukla düşük performans sergilemiştir. Özellikle asimetrik denge üzerinden alınan yüksek puanlar, bazı modellerin tasarım anlayışındaki eksiklikleri maskelemektedir. Çalışma, simetrik dengenin gerçek yeterliliği ölçmede daha güvenilir bir kriter olduğunu vurgulamakta ve YZ modellerinin tasarımsal değerlendirmelerinde bütüncül bir yaklaşıma ihtiyaç duyulduğunu önermektedir. Bu sonuçlar, YZ araçlarının tasarım eğitimi süreçlerine entegrasyonu ve pedagojik açıdan değerlendirilmesi için önemli bir zemin sunmaktadır.

Anahtar Kelimeler

• Yapay zekâ modelleri
• tasarım öğeleri
• tasarım ilkeleri
• görsel kompozisyon

AI Models in Interpreting Basic Design Elements and Principles

Öz

This study addresses the challenge of evaluating how effectively artificial intelligence (AI) models can interpret and visualize basic design principles and elements—a skill essential in creative disciplines such as art and design education. The core aim is to examine whether AI-generated visual outputs can reflect a deliberate understanding of design concepts, particularly within abstract symmetrical and asymmetrical compositions. To explore this, the study analyzes the performance of 18 widely used text-to-image AI models, based on five design principles—rhythm, movement, contrast, emphasis, and balance—and five design elements—dot, line, shape, color, and texture. Each model was prompted to generate compositions aligned with these criteria, and the outputs were evaluated based on three primary criteria: understanding the design elements, understanding the design principles, and understanding the balance. Scores ranged from 1 (least accurate) to 5 (most accurate), and averages were calculated for comparative analysis. The results revealed that while models like Microsoft Designer and DALL-E occasionally produced strong outputs, they lacked consistency across different balance types. In contrast, models such as Craiyon and Flux.ai consistently underperformed. Notably, high scores in asymmetrical balance often inflated overall averages, masking deficiencies in design comprehension. The study concludes that symmetrical balance serves as a more reliable indicator of AI proficiency and emphasizes the need for holistic evaluation frameworks. These findings offer valuable insights for integrating AI tools into design education and assessing their pedagogical potential.

Anahtar Kelimeler

• Artificial intelligence models
• design elements
• design principles
• visual composition

Kaynakça

1. Alkan, İ. & Oduncu, S. (2024). Yapay zekâ’da güncel yaklaşımlar: bir tasarım aracı olarak veri görselleştirme teknikleri. Yedi, (Sanatta Dijitalizm [Special ed.]), 171-182.
2. Araz Ustaömeroğlu, A. (1998). Mimari analiz için temel tasarım öge ve ilkelerinin kullanımı ile oluşturulan estetik ağırlıklı bir yöntem araştırması (Thesis No: 78167). [Doctoral dissertation, Karadeniz Technical University]. YÖK Thesis Center.
3. Aslan, T., & Aydın, K. (2023). Metinden görüntü üretme potansiyeli olan yapay zekâ sistemleri sanat ve tasarım performanslarının incelenmesi. Ondokuz Mayis University Journal of Education Faculty, 42(2), 1049-1198. https://doi.org/10.7822/omuefd.1293657
4. Atalay, M. C. (2023). Soyut resimlerin anlamını incelemek: plastik öğeler ve sanatçı bağlamı. Kafkas Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, (32), 597-620. https://doi.org/10.56597/kausbed.1373048
5. Atalayer, F. (1994a). Temel sanat ögeleri. Anadolu University.
6. Atalayer, F. (1994b). Görsel sanatlarda estetik iletişim. Anadolu University.
7. Atalayer, F. (2004). Çağdaş temel sanat (tasarım) eğitimi ve postmodernite geleneksellik. Anadolu Üniversitesi Anadolu Sanat Dergisi, 15, 76-94. https://avys.omu.edu.tr/storage/app/public/taha.baydar/135928/temel%20sanat%20e%C4%9Fitimi%20faruk%20ataayer.pdf
8. Ayas, F. & Dalkılıç, F. (2023). Generating personalized abstract art paintings by using people's life energy distribution. International Journal of Multidisciplinary Studies and Innovative Technologies, 7(1), 6-14. https://doi.org/10.36287/ijmsit.7.1.6

9. Aytekin, C. A. (2008). Resim-iş eğitimi anabilim dalı öğrencilerinin anasanat atölye tercihleri ile temel tasarım dersine yönelik tutum, algı ve beklentileri arasındaki ilişki (Thesis No: 215785). [Doctoral dissertation, Dokuz Eylül University]. YÖK Thesis Center.
10. Bal, H. (2023). Büyükşehirler ölçeğinde yarışma projelerinin temel tasarım ilkeleri bağlamında -cephe ve konum planı özelinde- incelenmesi (Thesis No: 813862). [Master’s thesis, Antalya Bilim University]. YÖK Thesis Center.
11. Bekhta, N. (2024). Assessing the utility of text-to-image tools in generating various architectural representational techniques (Thesis No: 876880). [Master’s thesis, Altınbaş University]. YÖK Thesis Center.
12. Besgen, A., Köseoğlu, Ş., Yasar Ismail, T., & Kılıçbay, M. (2014). Gestalt's Reflection in Movies - Gestalt'in Sinemadaki Ak(i)si. In Ş. Ö. Gür (Ed.), Mimari Güncellemeler (pp. 279-338). Nobel Yayın Dağıtım.
13. Bigali, Ş. (1999). Resim sanatı (1st ed.). Minpa Matbaacılık. İşbank Cultural Publications.
14. Birlik, S. (2012). Basic design and architectural project: a case study on the university of Karabük. Procedia-Social and Behavioral Sciences, 55, 258-265. http://dx.doi.org/10.1016/j.sbspro.2012.09.502
15. Boucharenc, C. G. (2006). Research on basic design education: An international survey. International Journal of Technology and Design Education, 16, 1-30. https://doi.org/10.1007/s10798-005-2110-8
16. Ching, F. D. K. (1979). Mimarlık, Biçim, Mekân ve Düzen (7th ed.). Yem Publishing.
17. Cinar, S., & Demiroz, M., (2024). Integrating text-to-image ai in architectural design education: analytical perspectives from a studio experience. Journal of Design Studio, 6(2), 247-258. https://doi.org/10.46474/jds.1526771
18. Çeken, B., Ersan, M., & Tuğrul, D. (2018). Market broşürlerinin temel tasarım ilkeleri ve renk kullanımı açısından incelenmesi. Journal of Suleyman Demirel University Institute of Social Sciences, (31), 121-137. https://dergipark.org.tr/tr/pub/sbe/issue/38551/319277
19. Çetin, T. (2002). Yaratıcılığın Doğası ve Sanat Eğitimindeki Yansımaları. Hacettepe Üniversitesi Güzel Sanatlar Fakültesi, Sanat Yazıları, 9, 71-78. Hacettepe. https://fs.hacettepe.edu.tr/gsf/dosyalar/SANAT%20YAZILARI/SANAT%20YAZILARI%20_%2009.%20SAYI%20_compressed.pdf
20. Çetinkaya, Ç. (2011). Tasarım ve kavram ilişkisinin iç mimarlık temel tasarım eğitimi kapsamındaki yeri: farklı iki üniversite örneği üzerinden temel tasarım eğitimi üzerine bir araştırma (Thesis No: 308312). [Master’s thesis, Hacettepe University]. YÖK Thesis Center.
21. Çınar, K. & Çınar, M. S. (2020). Temel tasarım (2nd ed.). KTO Karatay University Publishing.
22. Çolak, A. (2004). Duvarlar: anlamsal (semantik) ve dizimsel (sentaktik) bir analiz (Thesis No: 156110). [Doctoral dissertation, Karadeniz Technical University]. YÖK Thesis Center.
23. Dehouche, N. (2021). Implicit stereotypes in pre-trained classifiers. IEEE Access, 9, 167936-167947. https://doi.org/10.1109/ACCESS.2021.3136898
24. Delipetrev, B., Tsinaraki, C., & Kostic, U. (2020). Historical evolution of artificial intelligence. Publications Office of the European Union, Luxembour. https://dx.doi.org/10.2760/801580
25. Demircioğlu, N. (2016). Tasarım ilkelerinden tekrar olgusunun araştırılması ve seramik duvar panolarında uygulanması (Thesis No: 448322). [Master’s thesis, Sakarya University]. YÖK Thesis Center.
26. Denel, B. (1979). A Method for Basic Design. METU Mimarlık Fakültesi Yayınevi.
27. Dhariwal, P., & Nichol, A. (2021). Diffusion models beat gans on image synthesis. Advances in Neural Information Processing Systems, 34, 8780-8794. https://doi.org/10.48550/arXiv.2105.05233
28. Doğan, N. (2020). Renkli kentler (Norveç): temel tasarım ilkeleri doğrultusunda karabük özelinde bir deneme (Thesis No: 633300). [Master’s thesis, Karabük University]. YÖK Thesis Center.
29. Elgammal, A. (2019). AI is blurring the definition of artist: Advanced algorithms are using machine learning to create art autonomously. American Scientist. https://www.americanscientist.org/article/ai-is-blurring-the-definition-of-artist
30. Erden, A. Ü. (2013). Soyut sanat ve soyut sanatta Mübin Orhon’un yeri (Thesis No: 339796 ). [Master’s thesis, Yeni Yüzyıl University]. YÖK Thesis Center.
31. Erim, G. (2011). Temel tasarımda proje çalışmaları ile'hareket ve yön'. Anadolu University Journal of Art & Design/Sanat & Tasarım, 1(1), 55-70. https://dergipark.org.tr/tr/pub/sanattasarim/issue/20645/220263
32. Ertok Atmaca, A. (2014). Temel tasarım (1st ed.). Nobel.
33. Esen, E., Elibol, G. C. & Koca, D. (2018). Basic design education and Bauhaus. Turkish Online Journal of Design Art and Communication, 8(1), 37-44. https://doi.org/10.7456/10801100/004
34. Farrokhnia, M., Banihashem, S. K., Noroozi, O., & Wals, A. (2024). A SWOT analysis of ChatGPT: Implications for educational practice and research. Innovations in education and teaching international, 61(3), 460-474. https://doi.org/10.1080/14703297.2023.2195846
35. Ghosh, A., & Fossas, G. (2022). Can there be art without an artist?. arXiv preprint arXiv:2209.07667. https://doi.org/10.48550/arXiv.2209.07667
36. Gokaydin, N. (1990). Egitimde Tasarım ve Görsel Algı. Sedir Yayinevi.
37. Goodfellow, I., Pouget-Abadie, J., Mirza, M., Xu, B., Warde-Farley, D., Ozair, S., ... & Bengio, Y. (2014). Generative adversarial nets. Advances in Neural Information Processing Systems, 27. https://doi.org/10.48550/arXiv.1406.2661
38. Gök, E. (2019). Güncel konut cephe tasarım anlayışının temel tasarım ilkeleri doğrultusunda Fenerbahçe Faruk Ayanoğlu caddesi örneğinde incelenmesi yeri (Thesis No: 575307). [Master’s thesis, İstanbul Ticaret University]. YÖK Thesis Center.
39. Güngör, İ. H. (1983). Temel tasar (Basic design) (2nd ed.). AFA Matbaacılık.
40. Gürer, L. (1990). Temel Tasarım. İTÜ Rektörlüğü.
41. Haenlein, M., & Kaplan, A. (2019). A brief history of artificial intelligence: On the past, present, and future of artificial intelligence. California Management Review, 61(4), 5-14. http://dx.doi.org/10.1177/0008125619864925
42. Hanafy, N. O. (2023). Artificial intelligence's effects on design process creativity:" A study on used AI Text-to-Image in architecture". Journal of Building Engineering, 80, 107999. https://doi.org/10.1016/j.jobe.2023.107999
43. Kahraman, M. U., Şekerci, Y., Develier, M., & Koyuncu, F. (2024). Integrating artificial intelligence in interior design education: concept development. Journal of Computational Design, 5(1), 31-60. https://doi.org/10.53710/jcode.1418783
44. Kaido, J. (2021, September 7). Abstract art: past, present, future. Medium. https://medium.com/@jackkaido7/abstract-art-past-present-future-c4cfb400324f
45. Kandinsky, W. (2012). Concerning the spiritual in art (M. T. H. Sadler, Trans.). Courier Corporation. (Original work published 1911).
46. Kaptan, B. B. (2003). 20. yüzyıldaki toplumsal değişimler paralelinde iç mekan tasarımı eğitiminin gelişimi (Thesis No: 132914). [Proficiency in Art Thesis, Hacettepe University]. YÖK Thesis Center.
47. Korniienko, A. O. (2017). The Main Principles of Interior Design. In Наукові розробки молоді на сучасному етапі. Київський національний університет технологій та дизайну. https://er.knutd.edu.ua/bitstream/123456789/8391/1/NRMSE2017_V3_P648-649.pdf
48. Marmara University (2015). Genel Bilgiler, http://tem.gsf.marmara.edu.tr/genel-bilgiler
49. Meron, Y., & Araci, Y. T. (2023). Artificial intelligence in design education: evaluating ChatGPT as a virtual colleague for post-graduate course development. Design Science, 9, e30. https://doi.org/10.1017/dsj.2023.28
50. Oppenlaender, J. (2022, November). The creativity of text-to-image generation. In Proceedings of the 25th international academic mindtrek. conference (pp. 192-202). https://doi.org/10.1145/3569219.3569352
51. Özkar, M. (2004). Uncertainties of reason: pragmatist plurality in basic design education [Doctoral dissertation, Massachusetts Institute of Technology]. http://hdl.handle.net/1721.1/28808
52. Öztuna, H. Y. (2007). Görsel iletişimde temel tasarım. Tiblan Publishing.
53. Pippin, R. B. (2002). What was abstract art? (From the point of view of Hegel). Critical Inquiry, 29(1), 1-24. https://doi.org/10.1017/CBO9780511614637.015
54. Radford, A., Kim, J. W., Hallacy, C., Ramesh, A., Goh, G., Agarwal, S., ... & Sutskever, I. (2021, July). Learning transferable visual models from natural language supervision. In International conference on machine learning (pp. 8748-8763). PMLR. https://doi.org/10.48550/arXiv.2103.00020
55. Ramesh, A., Pavlov, M., Goh, G., Gray, S., Voss, C., Radford, A., ... & Sutskever, I. (2021, July). Zero-shot text-to-image generation. In International conference on machine learning (pp. 8821-8831). PMLR. https://doi.org/10.48550/arXiv.2102.12092
56. Ringvold, T. A., Strand, I., Haakonsen, P., & Strand, K. S. (2023, October). AI Text-to-Image Generation in Art and Design Teacher Education: A Creative Tool or a Hindrance to Future Creativity?. In The 40th International Pupils’ Attitudes Towards Technology Conference Proceedings 2023 (Vol. 1, No. October). https://openjournals.ljmu.ac.uk/PATT40/article/download/1350/947
57. Robinson, S., & Pallasmaa, J. (2015). Mind in architecture: Neuroscience, embodiment, and the future of design. MIT Press. https://doi.org/10.7551/mitpress/10318.001.0001
58. Rombach, R., Blattmann, A., Lorenz, D., Esser, P., & Ommer, B. (2022). High-resolution image synthesis with latent diffusion models. In Proceedings of the IEEE/CVF conference on computer vision and pattern recognition (pp. 10684-10695). https://doi.org/10.48550/arXiv.2112.10752
59. Russo, I. (2022, November). Creative text-to-image generation: suggestions for a benchmark. In Proceedings of the 2nd International Workshop on Natural Language Processing for Digital Humanities (pp. 145-154). Association for Computational Linguistics. https://doi.org/10.18653/v1/2022.nlp4dh-1.18
60. Sezer, A., & Sezer, C. (2020). Resim sanatı tarihindeki ilk soyut resim üzerine. Akademik Sanat, 5(9), 6-14. https://dergipark.org.tr/tr/pub/akademiksanat/issue/53949/692692
61. Shaveta. (2023). A review on machine learning. International Journal of Science and Research Archive, 9(1), 281–285. https://doi.org/10.30574/ijsra.2023.9.1.0410
62. So, C. (2018). A Pragmatic AI Approach to Creating Artistic Visual Variations by Neural Style Transfer. https://arxiv.org/abs/1805.10852
63. Susmuş, Y. (1999). Kentsel mekanda estetik değerler (Thesis No: 100586). [Master’s thesis, Istanbul Technical University.]. YÖK Thesis Center.
64. Tang, T., Li, P., & Tang, Q. (2022). New strategies and practices of design education under the background of artificial intelligence technology: online animation design studio. Frontiers in psychology, 13, 767295. https://doi.org/10.3389/fpsyg.2022.767295
65. Tepecik, A. (2002). Grafik sanatlar: Tarih-tasarım-teknoloji. Detay Publishing.
66. Timuroğlu, V. (2013). Estetik: Estetik üzerine (Vol. 218). Berfin Basın Yayın ve Tic. Ltd. Şti..
67. Tunalı, İ. (2008). Felsefenin ışığında modern resim: Modern resimden avangard resme (7th ed.). Remzi Kitabevi.
68. Xu, T., Zhang, P., Huang, Q., Zhang, H., Gan, Z., Huang, X., & He, X. (2018). Attngan: Fine-grained text to image generation with attentional generative adversarial networks. In Proceedings of the IEEE conference on computer vision and pattern recognition (pp. 1316-1324). https://doi.org/10.48550/arXiv.1711.10485
69. Zhang, H., Xu, T., Li, H., Zhang, S., Wang, X., Huang, X., & Metaxas, D. N. (2017). Stackgan: Text to photo-realistic image synthesis with stacked generative adversarial networks. In Proceedings of the IEEE international conference on computer vision (pp. 5907-5915). https://doi.org/10.48550/arXiv.1612.03242