Türkiye’de Üniversitelerin Üretken Yapay Zekâ Politikalarında Bilgi ve Belge Yönetimi Gereksinimleri: Kurumsal Görünürlük ve Boşluk Analizi

Öz

Üniversitelerde üretken yapay zekânın hızla yaygınlaşması, kullanım koşullarının kayıt altına alınmasını ve gerektiğinde denetlenebilmesini önemli hâle getirmiştir. Araştırmanın amacı, üniversitelerin üretken yapay zekâ kullanımını kayıt bağlamı, süreç kanıtı, kurumsal saklama, denetim izlenebilirliği ve sorumluluk bakımından nasıl düzenlediğini ortaya koymaktır. Bu amaçla, Yükseköğretim Kurulunun (YÖK) 2025 yılı izleme ve değerlendirme raporunda yer alan 201 üniversitenin resmi web siteleri taranmış ve 21 ilgili belgeye ulaşılmıştır. Bu belgelerin 9’unun kurum geneline yönelik belgeler olduğu, 8’inin belirli süreç ya da birimlere odaklandığı, 4’ünün ise kullanıcıları YÖK’ün 2024 tarihli yapay zekâ etik kılavuzuna yönlendirdiği tespit edilmiştir. Detaylı analiz, birbiriyle karşılaştırılabilir nitelikteki 9 kurum geneli belge ile sınırlandırılmıştır. Üç boyut ve 9 kriterden oluşan yapılandırılmış bir inceleme formu aracılığıyla toplam 81 kodlama kararı üretilmiştir. Geliştirilen çerçevenin tutarlılığını test etmek amacıyla belgeler, bağımsız ikinci kodlayıcı tarafından yeniden analiz edilmiştir. Kodlayıcılar arası güvenilirlik analizinde tam uyum oranı %72,8, ağırlıksız Cohen’s kappa katsayısı ise 0,495 (orta düzeyde uyum) olarak hesaplanmıştır. Görüş ayrılıklarının giderilmesinin ardından yapılan nihai değerlendirmede; 53 karar somut hüküm, 20 karar genel ilke/uyarı, 8 karar ise eksik hüküm olarak sınıflandırılmıştır. İncelenen tüm belgelerde açıklık/şeffaflık, insan gözetimi ve bilgi koruma konularının somut olarak ele alındığı görülmüştür. Süreç kanıtı 3 belgede somut, 1 belgede genel düzeyde düzenlenirken sorumlu kurumsal aktörler 7 belgede tanımlanmış; kurumsal saklama ve denetim izlenebilirliği yalnızca 2 belgede somutlaştırılmış, üçüncü taraf sağlayıcılara ilişkin hükümler ise belgeler arasında değişkenlik göstermiştir. Araştırmanın temel bulgusu; belge bağlamı, süreç kanıtı ve kurumsal yaşam döngüsü hükümlerinin henüz ortak bir politika standardına dönüşmediğini ortaya koymaktadır.

Anahtar Kelimeler

• Üretken yapay zekâ
• Bilgi ve belge yönetimi
• Üniversite politikaları
• Doküman analizi
• Kurumsal hesap verebilirlik

Information and Records Management Requirements in Generative AI Policies of Universities in Türkiye: Institutional Visibility and Gap Analysis

Öz

The rapid spread of generative AI in universities underscores the need to document and audit usage conditions when necessary. This study investigates how universities regulate generative AI use regarding record context, process evidence, institutional recordsretention, audit traceability, and accountability. Official websites of 201 universities in the Council of Higher Education’s (CoHE) 2025 monitoring and evaluation report were screened, identifying 21 relevant documents. Of these, 9 were institution-wide documents, 8 focused on specific processes or units, and 4 redirected to CoHE’s 2024 AI ethics guide. Detailed analysis was limited to the 9 comparable institution-wide documents. A structured review form with three dimensions and nine criteria yielded 81 coding decisions. To test the consistency of the framework developed, the documents were re-analyzed by an independent second coder. Inter-coder reliability analysis showed a 72.8% absolute agreement rate and an unweighted Cohen’s kappa coefficient of 0.495 (moderate agreement). After resolving disagreements, the final evaluation classified 53 decisions as concrete provisions, 20 as general principles/warnings, and 8 as missing provisions. All examined documents concretely addressed openness/transparency, human oversight, and information protection. Conversely, process evidence was concrete in 3 documents and general in 1. Responsible institutional actors were defined in 7 documents, but institutional records retention and audit traceability were concretely regulated in only 2. Provisions concerning third party providers were found to vary. The main finding of this study reveals that provisions for document context, process evidence, and institutional lifecycle have not yet formed a common policy standard.

Anahtar Kelimeler

• Generative AI
• Information and records management
• University policies
• Document analysis
• Institutional accountability

Kaynakça

1. Abdullah Gül Üniversitesi. (t.y.). Yapay zekâ kullanım ilkeleri. http://www.agu.edu.tr/yapay-zeka-ilkeleri Alakuş, H., & Yılmaz, K. (2025). Bilimsel araştırmalarda yapay zekâ kullanımı etik ilkeleri. MANAS Sosyal Araştırmalar Dergisi, 14(Eğitim Bilimleri Ek Sayısı), 193–217. https://doi.org/10.33206/mjss.1663647
2. An, Y., Yu, J. H., & James, S. (2025). Investigating the higher education institutions’ guidelines and policies regarding the use of generative AI in teaching, learning, research, and administration. International Journal of Educational Technology in Higher Education, 22, Article 10. https://doi.org/10.1186/s41239-025-00507-3
3. Arias Hernández, R., & Rockembach, M. (2025). Building trustworthy AI solutions: Integrating artificial intelligence literacy into records management and archival systems. AI & Society, 40, 4265–4282. https://doi.org/10.1007/s00146-025-02194-0
4. Autio, C., Schwartz, R., Dunietz, J., Jain, S., Stanley, M., Tabassi, E., Hall, P., & Roberts, K. (2024). Artificial intelligence risk management framework: Generative artificial intelligence profile (NIST AI 600-1). National Institute of Standards and Technology. https://doi.org/10.6028/NIST.AI.600-1
5. Aydın, C. (2023). Dijital dönüşüm bağlamında belgenin yaşam döngüsü süreçlerinin yönetiminde yapay zekâ kullanımı. Bilgi Yönetimi, 6(1), 21–42. https://doi.org/10.33721/by.1268483
6. Bowen, G. A. (2009). Document analysis as a qualitative research method. Qualitative Research Journal, 9(2), 27–40. https://doi.org/10.3316/QRJ0902027
7. Cameron, S., Franks, P. C., Huvila, I., & Mooradian, N. (2025). Navigating accountability: The role of paradata in AI documentation and governance. Journal of Documentation, 81(4), 906–926. https://doi.org/10.1108/JD-01-2025-0009
8. Carrasco, L. B., Engvall, T. S., & Dobslaw, F. (2026). A conceptual crosswalk between trustworthy records and trustworthy AI. Philosophy & Technology, 39, Article 100. https://doi.org/10.1007/s13347-026-01112-6

9. Cibaroğlu, M. O. (2025). Hesaplamalı arşiv bilimi ile görüntü sınıflandırma ve dijital provenans. Bilgi Yönetimi, 8(2), 244–283. https://doi.org/10.33721/by.1772464
10. Cibaroğlu, M. O., & Yalçınkaya, B. (2019). Belge ve arşiv yönetimi süreçlerinde büyük veri analitiği ve yapay zekâ uygulamaları. Bilgi Yönetimi, 2(1), 44–58. https://doi.org/10.33721/by.570634
11. Cohen, J. (1960). A coefficient of agreement for nominal scales. Educational and Psychological Measurement, 20(1), 37–46. https://doi.org/10.1177/001316446002000104
12. Cohen, J. (1968). Weighted kappa: Nominal scale agreement with provision for scaled disagreement or partial credit. Psychological Bulletin, 70(4), 213–220. https://doi.org/10.1037/h0026256
13. Çakmak, T., & Eroğlu, Ş. (2025). The use of artificial intelligence in university libraries in Türkiye: Practices, and perspectives of library directors. Information Development, 41(3), 642–655. https://doi.org/10.1177/02666669241264743
14. Dayanan Uğur, İ., & Saylık, A. (2025). Nitel verilerin analizinde kavram bunalımı: Teorik bir çözümleme. Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 16(1), 299–316. https://doi.org/10.54558/jiss.1478526 Davet, J., Hamidzadeh, B., & Franks, P. C. (2023). Archivist in the machine: Paradata for AI-based automation in the archives. Archival Science, 23, 275–295. https://doi.org/10.1007/s10502-023-09408-8
15. Durmuş Şenyapar, H. N., & Bayındır, R. (2026). Artificial intelligence in higher education governance: Integrating AI into quality assurance and strategic management. Journal of University Research, 9(2), 168–184. https://doi.org/10.32329/uad.1868361 European Data Protection Board. (2024). Opinion 28/2024 on certain data protection aspects related to the processing of personal data in the context of AI models. https://www.edpb.europa.eu/our-work-tools/our-documents/opinion-board-art-64/opinion-282024-certain-data-protection-aspects_en Gazi Üniversitesi. (t.y.). Üretken yapay zekâ araçlarının kullanımına ilişkin etik ilkeler ve öneriler rehberi (Sürüm 1.0). https://aicenter.gazi.edu.tr/files/etik-ilkeler.pdf
16. Hallgren, K. A. (2012). Computing inter-rater reliability for observational data: An overview and tutorial. Tutorials in Quantitative Methods for Psychology, 8(1), 23–34. https://doi.org/10.20982/tqmp.08.1.p023 International Organization for Standardization. (2016). Information and documentation—Records management—Part 1: Concepts and principles (ISO 15489-1:2016). https://www.iso.org/standard/62542.html International Organization for Standardization. (2017). Information and documentation—Records management processes—Metadata for records—Part 1: Principles (ISO 23081-1:2017). https://www.iso.org/standard/73172.html
17. Kocaman, P., & Çevik Tekin, İ. (2026). Akademisyenlerin yapay zekâ araçlarının kullanımına ilişkin görüşleri üzerine nitel bir araştırma. Journal of University Research, 9(2), 185–197. https://doi.org/10.32329/uad.1924080 Koç Üniversitesi. (t.y.). Yapay zekâ araçlarının kullanımında genel ilkeler. https://it.ku.edu.tr/yapay-zeka-kullanimi/genel-ilkeler/ Krippendorff, K. (2018). Content analysis: An introduction to its methodology (4th ed.). SAGE. Marmara Üniversitesi. (t.y.). Marmara Üniversitesi yapay zekâ politikası. https://ebe.marmara.edu.tr/idari/marmara-universitesi-yapay-zeka-politikasi
18. McDonald, N., Johri, A., Ali, A., & Hingle Collier, A. (2025). Generative artificial intelligence in higher education: Evidence from an analysis of institutional policies and guidelines. Computers in Human Behavior: Artificial Humans, 3, Article 100121. https://doi.org/10.1016/j.chbah.2025.100121
19. MEF Üniversitesi. (2024). MEF Üniversitesi yapay zekâ politikası (Sürüm 2.0). https://www.mef.edu.tr/tr/celt/mef-universitesi-yapay-zeka-politikasi Modiba, M. (2023). Policy framework to apply artificial intelligence for the management of records at the Council for Scientific and Industrial Research. Collection and Curation, 42(2), 53–60. https://doi.org/10.1108/CC-11-2021-0034 Moorhouse, B. L., Yeo, M. A., & Wan, Y. (2023). Generative AI tools and assessment: Guidelines of the world’s top-ranking universities. Computers and Education Open, 5, Article 100151. https://doi.org/10.1016/j.caeo.2023.100151
20. O’Connor, C., & Joffe, H. (2020). Intercoder reliability in qualitative research: Debates and practical guidelines. International Journal of Qualitative Methods, 19, 1–13. https://doi.org/10.1177/1609406919899220
21. Ondokuz Mayıs Üniversitesi. (2026). İdarî, eğitim-öğretim, araştırma ve yayın amaçlı faaliyetlerde üretken yapay zekânın sorumlu ve güvenilir kullanım rehberi (R0). https://lisansustu.omu.edu.tr/tr/enstitumuz/mevzuat/Yapay%20Zeka%20Rehberi.pdf
22. Özyeğin Üniversitesi. (t.y.). Özyeğin Üniversitesi yapay zekâ kullanım rehberi. https://www.ozyegin.edu.tr/tr/hakkimizda/ilkeler-ve-politikalar/yapay-zeka-kullanim-politikasi/ozyegin-universitesi-yapay-zeka
23. Sakarya Üniversitesi. (2025). Üretken yapay zekâ kullanım ilkeleri rehberi (Senato kararı 716/12). https://ortadogu.sakarya.edu.tr/sites/ortadogu.sakarya.edu.tr/file/SAKARYA_UNIVERSITESI_URETKEN_YAPAY_ZEKA_KULLANIM_ILKELERI_REHBERI.pdf
24. Sarı, B., & Erçetin, Ş. Ş. (2025). Üniversite web sitelerinde iklim değişikliği politikalarının görünürlüğü: Küresel ölçekte karşılaştırmalı bir değerlendirme. Journal of University Research, 8(1), 20–35. https://doi.org/10.32329/uad.1605435
25. Telli, S. G., & Aydın, S. (2025). Üniversitelerde yapay zekânın kullanımı: Dönüşümler, getiriler ve geleceğe hazırlık. Journal of University Research, 8(1), 139–148. https://doi.org/10.32329/uad.1609305
26. Ullah, M., Bin Naeem, S., & Kamel Boulos, M. N. (2024). Assessing the guidelines on the use of generative artificial intelligence tools in universities: A survey of the world’s top 50 universities. Big Data and Cognitive Computing, 8(12), Article 194. https://doi.org/10.3390/bdcc8120194
27. Yaşar Üniversitesi. (2025). Yapay zekâ politikası. https://kalite.yasar.edu.tr/yapay_zeka_politikasi/ Yükseköğretim Kurulu. (2024, 20 Mayıs). Yükseköğretim kurumları bilimsel araştırma ve yayın faaliyetlerinde üretken yapay zekâ kullanımına dair etik rehber. https://www.yok.gov.tr/Documents/Yayinlar/Yayinlarimiz/2024/yuksekogretim-kurumlari-bilimsel-arastirma-ve-yayin-faaliyetlerinde-uretken-yapay-zeka-rehberi.pdf
28. Yükseköğretim Kurulu. (2025). Üniversite izleme ve değerlendirme genel raporu—2025. https://veriyonetim.yok.gov.tr/documentFiles/1766133304915.2025-universite-izleme-ve-degerlendirme-genel-raporu.pdf