Üniversitelerde fakülte sınırlarını yeniden düşünmenin zamanı geldi mi?
University of Birmingham, 2027’den itibaren akademik yapısını üç büyük Fakülte altında yeniden örgütlemeye hazırlanıyor: Arts, Humanities & Social Sciences; Health, Medicine & Life Sciences; Science & Engineering.
İlk bakışta mesele idari görünüyor: Çok sayıda akademik birimi üç büyük çatı altında toplamak. Fakat bence asıl tartışılması gereken dekanlık sayısından ziyade ��disiplinlerarasılık”.
Çünkü günümüzün temel araştırma problemleri artık fakülte sınırlarına uymuyor.
İklim değişikliği yalnızca çevre bilimlerinin; enerji güvenliği yalnızca mühendisliğin; göç yalnızca sosyal bilimlerin; yapay zekâ yalnızca bilgisayar mühendisliğinin konusu değil. Bunların her biri sosyal bilimlerden mühendisliğe, hukuktan ekonomiye, sağlık bilimlerinden veri bilimine uzanan araştırma problemleri.
Buna karşılık üniversitelerimizi hâlâ büyük ölçüde disiplin → bölüm → fakülte mantığıyla örgütlüyoruz. Bu yapı akademik uzmanlaşmayı koruyor; fakat aynı zamanda disiplinler arasında kurumsal duvarlar inşa ediyor.
O halde Birmingham örneğinden hareketle Türkiye için sorulması gereken soru belki de “12 fakülteyi 3 fakülteye indirelim mi?” yerine “Fakülte ve bölüm sınırlarının disiplinlerarası araştırmanın önünde engel oluşturmasını nasıl önleyebiliriz?” olmalı.
Belki de geleceğin araştırma üniversitesinde iki organizasyon aynı anda çalışmalı:
Dikey yapı: Disiplin → Bölüm → Fakülte
Yatay yapı: Sorun/Problem → Araştırma Kümesi → Araştırma Enstitüsü
Böylece bir akademisyenin eğitimdeki kurumsal bağı Uluslararası İlişkiler Bölümü olabilirken; araştırmada iklim güvenliği, enerji, göç, yapay zekâ yönetişimi veya Karadeniz çalışmaları gibi disiplinlerarası bir araştırma kümesinin parçası olabilir.
Bu durumda büyük Fakülte yapılanmasının amacı daha az sayıda dekan olmasından ziyade; disiplinler arasındaki duvarları daha geçirgen hale getirmek olur.
Türkiye’deki üniversiteler açısından tartışmaya değer asıl mesele de bence burada:
Üniversitelerimizi disiplinlere göre mi, yoksa çözmeye çalıştığımız problemlere göre mi örgütlemeliyiz?
Belki de cevap, her ikisini aynı anda mümkün kılan yeni bir akademik mimaridir.
🚨 Matematikçilerden yapay zekâ şirketlerine çok sert bir manifesto geldi:
Aralarında Terence Tao, Peter Scholze, Maryna Viazovska, June Huh ve Cédric Villani’nin de bulunduğu 25 Fields Madalyalı matematikçi, yapay zekâ şirketlerinin matematiği “benchmark” uğruna problem çözme yarışına çevirmesinin bilime zarar verebileceği konusunda uyardı. 👇
🧠 Mesajlarının özü şu: Matematikte önemli olan sadece bir problemin cevabını bulmak değil. Büyük problemler, nesiller boyunca yeni yöntemlerin, fikirlerin ve kavramların geliştirilmesini sağlayan “deniz fenerleri” gibi çalışıyor. Bir problemi çözmek, çoğu zaman asıl değerli olan şeyin sadece son noktası.
🤖 Fakat yapay zekâ şirketleri açısından başarı ölçütü çok daha farklı: “Kaç zor problem çözdük?” Eğer modeller ünlü problemleri art arda, devasa hesaplama gücüyle ve anlaşılması güç ispatlarla çözmeye başlarsa, matematikçiler bu problemlere ulaşmaya çalışırken keşfedecekleri fikirleri, yan yolları ve yeni teorileri geliştirme fırsatını kaybedebilir.
📚 Üstelik bir matematiksel sonucun gerçekten bilime dönüşmesi, yalnızca “ispat doğru” demekle bitmiyor. O ispatın aylarca, bazen yıllarca tartışılması, sadeleştirilmesi, başka çalışmalarla bağlantısının kurulması, yeni yöntemlerinin ayrıştırılması ve sonunda öğrencilerin bile öğrenebileceği bir bilgiye dönüştürülmesi gerekiyor.
⚠️ Matematikçilerin korkusu şu: Eğer AI sistemleri bu sürecin son ürününü saniyeler içinde seri üretmeye başlarsa, doğru cevapların sayısı artarken matematiksel anlayış azalabilir.
Yani elimizde milyonlarca doğru teorem olabilir ama onları gerçekten “anlayan”, neden önemli olduklarını bilen ve bunlardan yeni fikirler üretebilen insan topluluğu giderek zayıflayabilir.
🎓 Manifestoda çok güzel bir nokta daha var: Matematiğin en değerli iki kaynağının öğrenciler ve fikirler olduğunu söylüyorlar. İkisi de zaman, sabır, tartışma ve insan etkileşimiyle gelişiyor. Bir öğrenciye zor bir problem vermemizin amacı sadece doğru cevabı bulması değil; o problemi çözmeye ��alışırken matematikçi hâline gelmesi.
🌍 Ve uyarıları sadece matematikle ilgili değil.
Aynı sorun yazarlarda, sanatçılarda, bilim insanlarında, programcılarda ve belki de yakında bütün toplumda karşımıza çıkabilir:
Eğer yapay zekâ bize yıllarca eğitim aldığımız işlerin “son ürününü” anında verebiliyorsa, o eğitimin bize kazandırması gereken düşünme biçimini nasıl koruyacağız?
🔬 Bu matematikçiler yapay zekâya karşı değiller. Tam tersine, AI’ın matematiksel araştırmayı inanılmaz hızlandırabileceğini kabul ediyorlar.
Ama soruları şu:
Yapay zekâyı bilimi hızlandırmak için mi kullanacağız, yoksa bilimin neden yapıldığını unutacak kadar hızlı sonuç üretmek için mi?
2019 yılında bursiyer seçildiğim an, sadece bir ödül almadım; dünya çapında ilham veren bilim kadınlarından oluşan devasa bir aileye katıldım.
Sen de genç bir bilim kadını olarak , mutlaka başvurmalısın!
#BilimKadınlarıİçin2026#FWIS2026#LOréalTurkiye
Kadın, düşük gelirli ülkeden gelen ve ana dili İngilizce olmayan bir araştırmacı bilimsel üretimde %70 geriden başlıyor. Yine muazzam bir çalışma yapmış Tatsuya Amano ve ekibi 🎈 uzun uzun blog yazılası bir makale ama önce zaman bulmam lazım. https://t.co/bxg6jGXxQT
'Tüm dünyadaki bilimsel dergiler bi avuç ticari yayıncının kontrolünde' yaygın söyleminin ne denli yanlış olduğunu araştırdığımız makale > https://t.co/L3ObDJB994
Baktığınız yerden sadece bir avuç ticari yayıncıyı görüyorsanız konumunuzu değiştirmeniz gerekir biraz. Hafif.
New Research: The relationship between loneliness and internalizing disorders among young adults: the mediating and moderating role of ego-resilience https://t.co/eXzThPPgMU #FrontiersIn#Psychiatry