YAPAY ÖĞRENME VE ADALET

 

Sayısallaşan dünya ile yapay zekânın bir alt dalı olan yapay öğrenmenin (makine öğrenmesi) gündelik hayatımızın birçok yerinde kilit rol oynadığı bir toplum düzenine doğru ilerliyoruz.

Özellikle son yıllarda sağlık, hukuk ve ulaşım gibi alanlarda hayatımızı etkileyecek kararları almada sıklıkla yapay öğrenme yöntemlerine başvurulduğunu biliyoruz.

Temel olarak yapay öğrenme algoritmaları, girdi olarak verilen eğitim veri kümelerini kullanarak, yeni olaylar için tahmin yapma veya karar verme amacıyla bir model oluştururlar.

Örneğin, ABD’deki bazı eyaletlerde adli davalarda hakimler, sanığın yargı sürecinin tutuklu mu tutuksuz mu devam edeceği kararını verirken, sanığın adli geçmişi ile ilgili bilgileri kullanarak yeniden suça karışma riskini tahmin eden bir algoritma kullanıyor. 

Bu algoritma farklı sanıklara ait birçok sabıka kaydını inceleyerek,                                     sanığın tekrar suç işleyip işlemeyeceğine dair bir risk tahmin modeli oluşturuyor.

Benzer şekilde, yapay öğrenme yöntemlerinin sağlık hizmetlerinde de sıklıkla kullanıldığını görüyoruz.

Örneğin yapay öğrenme algoritmaları, büyük bir radyolojik görüntü kümesi ile eğitilerek, yeni görüntüler üzerinde kanser teşhisinde bulunabiliyorlar.

 Bu sistemler üzerinde yürütülen çalışmalar, sistemlerin çeşitli kanser türleri için radyologlardan daha doğru tanılar koyabildiğini gösteriyor.

Yapay öğrenme algoritmaları adil midir?

Yapay öğrenme insanlar için kritik öneme sahip kararların verilmesinde kullanılması beraberinde ciddi etik sorumluluklar da getiriyor.

 Teoride çok iyi sonuçlar veren ve düzgün çalıştığı düşünülen yapay öğrenme yöntemlerinin gerçek hayatta kullanılmaları önceden kestirilmesi zor olan olumsuz sonuçlar doğurabiliyor.

Yapay öğrenme algoritmaları yeni çıkarımlar yapmayı, eğitim verisini kullanarak öğrendiklerinden, eğitim verisinde bulunan önyargıları ve eşitsizlikleri devralabilirler.

Örneğin ABD’de, yargı alanında kullanılan ve yukarıda bahsedilen yöntemin, risk tahmini yaparken sanığın etnik köken bilgisini doğrudan kullanmamasına rağmen siyah ve beyaz sanıklar için farklı risk tahminlerinde bulunduğu görüldü. 

Tutuksuz yargılanmaları sırasında yeniden suç işlemeyen sanıklar arasında yapılan bir araştırmada, siyahi sanıkların sistem tarafından yüksek riskli olarak etiketlenme (yanlış pozitif) ihtimalinin beyaz sanıklara göre iki kat daha fazla olduğu gözlemlendi.

 Bunun sebeplerinden birinin eğitim verisindeki siyahların yeniden suç işleme oranının beyazlara göre daha yüksek olması olduğu düşünülüyor.

Hakimlerin sanıkların tutuklu mu tutuksuz mu yargılanacağına risk puanlarına göre karar verdikleri durumu ele alalım.

Örneğin, risk puanı belirli bir eşiğin üstünde olan bütün sanıkların tutuklu yargılanacağına karar verilsin.

Bu karar adil bir karar mıdır?

 Bu sorunun cevabı bizim adaleti nasıl tanımladığımıza bağlı.

Adaleti farklı etnik gruplara eşit davranmak olarak tanımladığımızı varsayalım.

 Bu durumda siyahların ve beyazların yanlış pozitif oranını eşitlemek adil olacaktır.

Bir başka deyişle, algoritmamız yeniden suç işlemeyen sanıkları siyah ve beyaz olmalarından bağımsız olarak eşit oranda yüksek riskli olarak işaretleyecektir.

Yani algoritmamız her iki grup için de yeniden suça karışmayanlar için eşit oranda hatalı işaretleme yapacaktır.

Eğer hakimler belli risk puanının üstünde sanıkların tutuklu yargılanmasına karar veriyorsa, bu karar yöntemi bu adalet kriterine göre adil değil, çünkü yeniden suç işlemeyen siyahların daha yüksek oranda tutuklu yargılanmasına sebep oluyor.

Eğer adalet kriteri, verilen herhangi bir risk puanı için suç işleme oranının etnik kökenden bağımsız olması olarak tanımlansaydı, yukarıda açıklanan karar yöntemi bu adalet kriterine göre adil olacaktı.

Çünkü veri üzerinde yapılan araştırmalar, aynı risk puanına sahip siyah ve beyaz grupların yeniden suç işleme oranlarının birbirine çok yakın olduğunu gösteriyor.

Sonuç olarak, yapay öğrenme algoritmaları önemli kararların verilmesinde kullanılacaksa, bu kararların doğuracağı adalet sorunlarının iyice araştırılarak, algoritmaların seçiminin ve eğitiminin o alanda kabul gören adalet kriterine uygun olarak yapılması gerekli.

Bu hedefe veri bilimciler ile ilgili alandaki karar vericilerin iş birliği ile ulaşılabilir.

Eşitsizlikler eşitsizlikleri besleyebilir

Yukarıdaki örnekte bahsettiğimiz üzere, gerçek dünya verileri kullanılarak eğitilen yapay öğrenme modelleri, veri kümesinde önceden var olan önyargıları ve eşitsizlikleri devralabilir.

 Bu modeller insanları etkileyen kararlar almak için kullanıldıklarında cinsiyet ve etnik köken gibi hassas özniteliklere karşı ayrımcılık gösterebilir.

Dahası, bu modeller tarafından önerilen kararlar, modelleri kullanan kişilerin eylemlerini etkileyebilir ve bu yüzden kararlardaki yanlılıklar gelecekteki modelleri eğitmek için kullanılan veri kümesine de işleyebilir.

Bu kapalı geri besleme döngüsü kendi kendini güçlendirebilir.

Günümüzde, bu gibi problemler yapay öğrenmeye dayalı kullanıcı deneyimi sunan sanal asistan uygulamalarında da sıklıkla görülüyor.

Örneğin, yakın zamanda Amazon Alexa ve Google Home gibi konuşma tanıma ürünlerinde aksan eğilimi olduğu gözlemlendi. 

Araştırmalar sonucunda, bu ürünlerin anadili İngilizce olan kullanıcıların sesli komutlarını yüksek doğrulukla algıladıklarının görülmesine rağmen, anadili İngilizce olmayan kullanıcıların sesli komutlarını aynı doğrulukla algılayamadıkları görüldü.

Yani, ürünlerin servis kalitesi kullanıcının özelliklerine bağlı değişiklik gösterdi ve bu da kullanıcı memnuniyetinde gruplar arası farklılıklara neden oldu.

Bahsi geçen aksana bağlı eğilim, zaman içinde anadili İngilizce olmayan kullanıcıların ürünleri daha az kullanmasına ve bu kullanıcıların sayısının toplam kullanıcı sayısına oranının azalmasına sebep olabilir.

 Bu örnekten de görüldüğü üzere, modelin kullanımından doğan kullanıcı popülasyonundaki değişimler sonraki modellerin eğitilmesini etkiler ve bunun sonucunda anadili İngilizce olmayan kullanıcıların ürün deneyimlerinin sürekli daha kötüye gitmesi ve anadili İngilizce olan kullanıcıların deneyimlerinin sürekli daha iyiye gitmesi gibi tezat oluşturacak durumlar oluşabilir.

Kısa dönemde adil görünen modellerin uzun dönem etkileri

Yapay öğrenmede adalet sorunlarının çözümü için önerilen yöntemlerden birçoğu, modeller eğitilirken farklı demografik gruplar arasında belirli istatistiksel ölçütleri eşitleyen kriterleri kullanıyor.

Bunlara adalet garantili modeller deniyor.

Örneğin, bir bankanın bireysel kredi sistemini ele alalım.

Bu örnekte banka, başvuru sahibinin kredi başvurusunu kredi puanına dayalı olarak onaylayıp onaylamayacağına karar verecektir.

Farklı etnik gruplar arasında aynı gerçek pozitif oranını (eşit fırsat) sağlayan kararlar, bankanın kararlarının daha adil görünmesini sağlayabilir.

Yani bazı etnik gruplardaki bireylerin kredi puanları diğerlerine göre düşük olmasına rağmen, banka eşitliği sağlamak için onlara kredi verebilir (kredi kabulü oranını farklı etnik gruplar için eşitleyen bir kriter kullanır).

Bu durum potansiyel olarak daha yüksek temerrüt riski olan gruptaki başvuru sahiplerine daha fazla kredi verilmesine neden olabilir.

Bahsi geçen bireyler arasındaki düşük geri ödeme oranı, bireylerin kredi puanlarının gelecekte daha da düşmesine neden olur ve bunun sonucunda ilgili grubun puan dağılımı yüksek temerrüt riskine doğru kayar.

 Örnekten anlaşıldığı gibi kısa vadede adil görünen kararlar veren modeller uzun vadede belirli gruplara karşı önyargının artmasına ve istenmeyen sonuçların belirmesine neden olabilir.

Yapay öğrenmede adalet garantili modeller kullanıldığında zaman içinde grup temsilinin nasıl değişeceği ile ilgili önemli bir çalışmayı Bilkent Üniversitesi ve Michigan Üniversitesi işbirliğiyle gerçekleştirdik. 

Çalışmada, kullanıcıların sisteme katılma ve sistemden ayrılma kararlarında modellerin başarısının etkili olduğu durumları inceledik.

Kısa vadede adil gibi görünen kararların grup temsil eşitsizliğinin zamanla arttırdığı ve dezavantajlı grupların sistemden tümüyle ayrılmasına sebep olabildiğini gösterdik.

Örneğin, yukarıda bahsedilen bireysel kredi sisteminde kısa dönemde her gruba eşit fırsat sunmak, bazı grupların kredi puanlarının dağılımını olumsuz yönde etkileyerek, uzun dönemde bu grupları tümüyle sistem dışına itebileceğini gösterdik.

Çalışmanın sonucuna göre, eğer adalet kriteri tarafından eşitlenen faktörler kullanıcının sistemde kalmasını tetikleyen faktörlerle uyuşmazsa, modelin başarısının kullanıcı grupları arasındaki dengesizliği nedeniyle zaman içinde temsil eşitsizliği artıyor. 

Bir başka deyişle, kısa dönemde adil olan modeller kullanılarak verilen kararlar, farklı kullanıcı gruplarını farklı şekillerde etkileyerek, bu kullanıcı grupların özelliklerini ve toplam nüfusa oranlarını değiştirebiliyor.

Bu değişiklikler zaman içinde azınlık olan grubu negatif yönde etkileyerek, temsil eşitsizliğini arttırıyor.

Adalet ve temsil eşitsizliği ile ilgili sorunları nasıl giderebiliriz?

Yapay öğrenmede adilliği tanımlarken, modellerin hedef kitlesi olan kullanıcıların, modellerin verdiği kararlardan nasıl etkilendiğinin iyice anlaşılması önemli.

Örneğin, bireysel kredi sistemi uygulamasında adalet kriteri, kredi onaylama algoritmasının çıktılarının farklı grupların kredi puan dağılımlarını ne şekilde etkileyeceği göz önüne alınarak tasarlanmalı.

Bununla birlikte, eğer kullanıcıların sistemin kararlarından ne şekilde etkilendikleri, bir başka değişle kullanıcı dinamikleri, yeteri kadar biliniyorsa, modellerin eğitilmesinde bu dinamikleri ele alarak temsil eşitsizliğini azaltan uygun adalet kriterini bulmak da mümkün.

Yukarıdaki ifadeye örnek oluşturması için konuşma tanıma ürünlerini ele alalım.

 Bu ürünlerin sesli komutları doğru algılama yüzdesinin kullanıcı grupları arasında değişiklik gösterdiği biliniyor.

 Bunun en önemli sebeplerinden biri modeller oluşturulurken kullanılan eğitim veri kümesindeki temsil eşitsizliğidir.

 Temsil eşitsizliğinin geri besleme ile daha da artmasını engellemek, kullanıcı dinamiklerini hesaba katan adil modeller ile mümkündür.

Örneğin, bu ürünleri kullananların sistemde kalma olasılıklarının, sistemin kullandığı modelin kullanıcıların sesli komutlarını doğru algılama yüzdesi ile doğru orantılı olduğu biliniyorsa, farklı kullanıcı gruplarının toplam nüfustaki oranlarını dengelemek için, yapay öğrenme yöntemleri eğitilirken farklı gruplar için sınıflandırma hatasının eşlenmesi sağlanabilir.

Bu sayede azınlık olan grupların sistemin dışına itilmesi önlenebilir.

Yapay öğrenme yöntemlerinin gündelik hayatta kullanılması tıptan hukuka kadar birçok alanda karar vericilerin daha doğru ve objektif kararlar verebilmesine olanak sağlıyor.

Bu yöntemlerin kullanılması ile oluşan verinin incelenmesi sayesinde, önyargıların ve eşitsizliğin hangi koşullarda oluşabileceği ve artabileceği hakkında önemli bilgiler edinebiliyoruz.

Eğitim veri kümelerindeki önyargıların ve yapay öğrenme algoritmaları kullanılarak verilen kararların kullanıcılar üzerindeki etkilerini gözlemleyebiliyoruz.

Bu bilgiler sayesinde, gelecekte daha eşit ve adil kararlar verilmesini sağlayacak yeni teknikler geliştirebiliyoruz.

 SİSTEM TEORİSİ

 

 

Sistem teorisi, disiplinlerarası bir bilim olup incelenen bir sorunu veya olguyu bir sistem olarak ele alan bilimsel ve düşünsel anlayıştır.

Organizmaları, yapıları, örgütleri, mekanizmaları, doğal oluşumları bir bütün oluşturacak biçimde birbirleriyle ve çevreleriyle ilişkili veya bağıntılı unsurlar dizisi olarak inceler.

Değişik oluşumları içindeki unsurları ve nitelikleri arasındaki ilişkiler topluluğu olarak algılayan ve açıklayan bir yaklaşımdır.

Olayların, durumların ve gelişmelerin incelenmesinde kullanılan bir bakış açısı bir düşünce tarzı, bir metottur.

Sistem yaklaşımı, olaylar ve olgular arasındaki ilişkilerin ve karşılıklı etkileşimini inceleyerek analizlerde bulunur.

 

Sistem yaklaşımının tarihi

 

“Sistem” bir kelime ve kavram olarak Sistem Yaklaşımı’nın ortaya çıkışından çok daha eski dönemlerden bu yana kullanılmaktadır hatta bilimsel bir terim olarak da zaten yerleşmiş durumdadır.

Örneğin Danimarkalı astronom Tyco Brahe Güneş Sistemini inceleyerek tüm evrende geçerli genel bir gökcisimleri sistem modelini tanımlamak ve tespit etmek için uğraşmıştır.

Sistem Yaklaşımı zaten var olan bu terim üzerinden 1900’lü yılların ilk yarısından itibaren belirli bir bilimsel yöntem geliştirmeyi amaçlamış ve yalnızca sistem örneklerini değil kavramının kendisini ele alarak incelemiş ve özelliklerini tespit etmiştir.

Alman filozof Friedrich Hegel tarafından bazı temel kavramlar 1800’lü yılların sonunda oluşturulmuş olsa da çok fazla ilgi çekmemiştir. 

II. Dünya Savaşı patlak vermesinden önceki yıllarından itibaren bilimsel konuların ele alınışına yeni bir bakış açısı hakim olmaya başlamıştır.

Disiplinlerarası ortak bir yöntem oluşturma amacı güden bu anlayış evrenin bütünü üzerinden Tümdengelim yöntemini kullanarak her şeyin birbirine bağımlı olduğu fikrini başlangıç noktası olarak görmüştür.

Ancak elde edilen sonuçların Tümevarım ile doğrulanması gerektiği savunulmuştur.

Bütün bunlara uygun olan kavramın ise “Sistem” olduğu öngörülmüştür.

Fizik bilimindeki ilerlemeler ve teknolojideki gelişim ile de desteklenen ve bütün bunların yanı sıra insanlık tarihinde eşine rastlanmayan bir topyekûn savaşın yıkıcı etkilerinin dünyadaki en uzak çevreyi bile dikkate almak gerektiğini göstermesi ve böylece dünyanın bütünsel olarak değerlendirilmesi ile pratik olarak önemi anlaşılan bu yaklaşım yaygınlaşmıştır.

Bunun sonucunda “Sistem Yaklaşımı” olarak bilinen bu yeni düşünce tarzı Avusturyalı biyolog Ludwig von Bertalanffy’nin 1920’lerde başlattığı “Genel sistem teorisi” bilim dünyasında dikkat çekmiştir.

Alman felsefe ekollerinin savaş öncesi Almanca konuşulan komşu ülkelerdeki (Avusturya, İsviçre) etkinliği bilimde yöntem arayışlarına katkı sağlamıştır.

Biyolojide sistemlerin gözlemlenebilirliğinin pek çok bilim dalına nazaran daha kolay ve belirgin olması bu yaklaşımın ilk kez bu alanda ortaya çıkışının önemli nedenlerinden birisidir.

Bertalanffy biyolojide uyguladığı sistem teorisini diğer alanlara da uygulamak istemiş ve çeşitli disiplinler için ortak prensiplerin var olduğunu göstererek hepsine uygulanabilecek genel bir analitik model geliştirmeye çalışmıştır.

 Ayrıca Lotka tarafından 1930'ların başlarında temel ilkeleri ve bağıntıları belirginleşmeye başlamış olsa da, ilk kez yazılı metinlere geçişi ancak 2. Dünya Savaşı sonrasını bulmuştur.

Çünkü Avusturya’nın Almanya’ya ilhak edilmesi ile birlikte bu alanda da bir duraklama yaşanmıştır.

Matematikçi Norbert Wiener 1948 yılında sistemlerin birleşimi üzerine bir yaklaşım geliştirmiştir.

Genel sistem teorisi, her türden sistemlere ilişkin yöntemlerin, sorunların, ilkelerin ve genel kavramların tümünü içeren ortak bir yaklaşım oluşturmayı amaçlamıştır.

Bu yönüyle, bir teoriden ziyade metodolojik bir yaklaşım veya çalışma alanı olduğu yönünde eleştiriler yöneltilmiştir.

Bu sebeple sıklıkla “Genel Sistemler Araştırması” olarak da adlandırılmıştır.

 Doğu literatüründe ise Arapça "Nazariyet-ul Nizâm" olarak da bilinir ve bu tamlama "sistem teorisi" manası taşır.

Von Bertalaneffy genel sistem teorisinin sadece oluşturucusu değil, aynı zamanda bu anlayışın yaygınlaştırılmasına dayalı bir hareketin ve bilimsel örgütlenmenin başta gelen öncüsü ve organizatörüdür.

 

Genel sistem teorisinın özellikleri

 

Son derece metodolojik prensipler içeren bu yaklaşım ilk dönemlerinde felsefi temellerinin oluşturulmaya çalışılması ve mantık biliminin önermelerinden yararlanması bakımından geniş kitleler tarafından anlaşılabilir olmaktan uzaktır.

Ancak özet olarak “her olayı belirli bir çevre içinde başka olaylarla ilişkili olarak incelemenin olayları anlama, tahmin ve kontrol etme açısından geleneksel yöntemlere göre daha etkin olduğu” ileri sürülmüştür.

Genel olarak sistemlere ve bunların özel türlerine veya bağımsız alt sistemlerine ve aralarındaki ilişkilere uygulanan modeller, ilkeler ve yasaların tespit edilebileceği savunulmuştur.

Deneysel olarak sistemler algılandıkları biçimde gözlenip incelenir ve daha sonra bu gözlem sonuçları değerlendirilir.

Bütün bu yöntem tespiti çalışmalarına rağmen Bertalanffy Sistem yaklaşımının bazı pratik sonuçları da olduğunu öne sürmüş ve oluşturduğu yöntemi kullanarak ve basit çıkarımlarda da bulunmuştur.

Bilim adamlarının sistem yaklaşımından bihaber olarak, çevreden kopukluğu bir yaşam biçimi olarak benimsediklerini ve bu nedenle bir kapsül içinde olduklarını ve onları oradan çıkarmanın neredeyse imkânsız olduğunu belirtmiştir ve iddiaları dönemin bilim dünyasında belirli düzeyde tepki ile karşılanmıştır.

 

Günümüzde sistem yaklaşımı

 

Günümüzde sistem yaklaşımı metodolojik bir alan olmaktan ziyade bir yöntem, bir bakış açısı ve bir değerlendirme yöntemi olarak fen bilimlerinin yanı sıra eğitim, psikoloji, sosyoloji, siyaset, ekonomi gibi sosyal bilimlerde de yaygın olarak kullanılmaktadır.

 

Genel sistemler teorisi birliği

 

1954'te ilk olarak “Genel Sistemler Teorisi’ni Geliştirme Birliği” adıyla kurulan organizasyon sonradan “Genel Sistemler Teorisi Birliği” adını almıştır ve kamuya açıklanan amaçları başlıca şunlardır:

1.  Çeşitli alanlardaki kanun, model ve kavramlar arasında yapı benzerliklerini araştırmak ve bir alandan diğerine gerekli transferleri gerçekleştirmek;

2.  İhtiyaç duyulan alanlarda ortaya çıkan teorik sistem modellerin yaygınlaştırılmasını ve geliştirilmesini teşvik etmek;

3.  Farklı bilim dallarında çalışan uzmanlar arasında iletişimin artırılması sayesinde bilimde ortak genel geçer bir modele ulaşmak.

Yani bu kuruluş yaygınlaştırmaya çalıştığı sistem teorisini aynı zamanda bir yöntem olarak benimsemiştir.

Dolayısıyla bu teorinin bilinçli bir biçimde kullanılan ilk uygulamasını gerçekleştirmiştir.

Sistem yaklaşımı değişik alanlarda farklılaşarak bilim dallarına özgü ayrıntılar belirginleşmeye başlamıştır.

Antropoloji alanında Margaret Mead, sosyolojide Talcott Parsons ve Niklas Luhmann, ekolojide Fritjof Capra, Yönetim bilimlerinde özellikle Beşinci Disiplin adlı eseri ile Peter Senge, İnsan Kaynakları alanında Richard Swanson, Fizikte Köhler, sistem yaklaşımının başlıca savunucuları olmuşlardır.

 

Teorinin günümüzdeki temel belirleyicileri

 

Sistem, belirli parçalardan oluşan, bu parçalar arasında belirli ilişkiler olan, bu parçaların aynı zamanda dış çevre ile ilişkili olduğu, bir amaca veya sonuca ulaşmak üzere fiziksel veya kavramsal, birden çok bileşenin oluşturduğu bütündür.

Başka bir bakış açısıyla sistem, birbiriyle ilişkili küçük parçalardan oluşan, fakat kendisi de daha büyük bir sistemin parçası olarak işlevde bulunan bir bütündür.

Sistem içerisindeki bileşenler dinamik olarak birbirleri ile ilişkili veya bağımlıdırlar.

Sistemin dışında kalan öğeler, onun çevresini oluşturmaktadır.

 Sistemde düzenli ve uyumlu bir işleyiş söz konusudur.

Epistemolojik açısından bakıldığında bu durum evrendeki düzenli işleyişin doğal bir sonucudur.

Düzenli ve uyumlu işleyişteki bir aksaklık veya uyumsuzluk bir soruna yol açar.

Bu sorunun büyümesi ise krize dönüşür.

Örneğin siyasal anlamdaki sistem krizleri veya ekonomik krizler gibi…

 

Sistem ve çevre ilişkisi

 

Her sistemde, enerjinin tükenmesi, faaliyetlerin bozulması, dengenin kaybolması, karışıklık ve aksamaların belirmesi ve sonunda sistemin faaliyetlerinin durması yönünde bir eğilim vardır.

 İşte “entropi” bu eğilimi ifade eden kavramdır.

Kapalı sistemlerde entropi kuvvetlidir ve belirli bir süre sonunda sistemi durduran en önemli faktördür.

Açık sistemlerde entropi durdurulabilir.

Başka bir deyişle, açık sistemler çevrelerinden aldıkları bilgi enerji ve materyal ile entropinin etkilerini negatif hale getirebilir.

Dolayısıyla açık sistemlerde negentropi (negatif entropi) vardır.

Bozulan sistemin dengesini yeniden kurmak için gerekli önlemlerin alınması gerekir.

Entropi kavramı doğrudan Fizik biliminden alınma bir terim olup “Termodinamiğin İkinci Yasası” olarak da bilinmektedir.

Bu prensibe göre evrende var olan her şey bozulma eğilimindedir.

 Kendi haline bırakılan her şey eninde sonunda enerjiye dönüşecektir.

 

Sistem döngüsü

1.  Girdiler: Sistemin amacını gerçekleştirmek için dışarıdan alınan ve gerekli olan her tür malzeme, bilgi ve insan kaynağı girdi olarak tanımlanabilir.

Örneğin bir üniversitenin girdileri, öğrenciler, binalar, öğretim görevlileri, bilgi, para, vb. olabilir.

Bir sistemin çıktıları başka bir sistemin girdileri olabilir.

Her sistemin girdisi, o sistemin amacına uygun nicelik ve nitelikte olmalıdır.

Çıktı kalitesi için girdinin kalitesi son derece önemlidir.

 Üretim işletmeleri için bu girdi hammaddedir.

2.  Süreç ve İşlemler: Sistemin girdilerinin, amaçlar doğrultusunda işlendiği, biçimlendiği ve ürün durumuna getirildiği bölümdür.

Sistemin en önemli öğesi işlemlerdir ve tüm sistemlerin işlemleri vardır.

Örneğin selüloz fabrikasının girdisi ağaç işlenerek kâğıt olur, daha sonra kâğıt işlenir kitap olur.

 Süreç doğru çalışmadığı zaman örgütsel bozukluklar başlar.

3.  Çıktılar: İşlemler sonucunda ortaya çıkan ürünlerin tümüdür.

 Eğer sistemin girdileriyle çıktıları arasında farklılık oluşmamışsa sistemden söz edilemez.

Örneğin ilköğretim birinci sınıf öğrencileri okuma yazmayı öğrenememişse sistem işlemiyor demektir.

Çıktılar, nicelik ve nitelik bakımından sistemin amaçlarını ne derece fazla karşılıyorsa sistem o kadar iyi işliyor demektir.

4.  Geri bildirim (İng. “İngilizce: feedback”): Sistemin amacının gerçekleşme derecesine bakılarak sistemin işleyip işlemediğini, işlemeyen yanlarının neler olduğunu ve bunların nasıl giderileceğini belirlemek amacıyla yapılan etkinliklerdir.

Geri bildirim sayesinde sistem faaliyetlerini değerleme ve gerekirse ayarlama imkânını bulur.

 

Sistem teorisindeki akımlar

 

Sistemler farklı ölçütlere göre farklı biçimlerde sınıflanmaktadır.

Üç farklı sistem yaklaşımını bulunur.

Bu yaklaşımlar aşağıdaki gibi özetlenebilir:

1.  Parça-Bütün Yaklaşımı: Bu yaklaşıma göre sistem, birbiriyle etkileşim içinde olan parçaların oluşturduğu bir bütün olarak ele alınmaktadır.

2.  Süreç Yaklaşımı: Bu yaklaşıma göre, sistem belirli bir girdiyi işleyerek çıktıya dönüştüren bir süreç olarak ele alınmaktadır.

3.  Diyalektik Yaklaşım: Bu yaklaşıma göre iç çelişkisi olan her şey bir sistemdir. 

Diyalektik süreç Tez + Antitez = Sentez bağıntısına göre işler.

 

Holizm

Holizm kavramı Eski Yunanca bütün, tamam, tüm anlamlarına gelen “Holos” sözcüğünden türemiş olup İngilizce “Whole” (bütün) kelimesi ile aynı kökenden gelmektedir.

Bu yaklaşıma göre herhangi bir alanda (fizik, biyoloji, kimya, sosyoloji, ekonomi, dilbilim, felsefe) bir doğal sistemin bütünü kendisini oluşturan parçalardan ve alt sistemlerden farklı bir yapı oluşturur.

Örneğin insan bağışıklık sistemi ve solunum sisteminden oluşsa da bunlarla belirlenemez.

Kendisini oluşturan sistemlerden bambaşka bir varlıktır.

Bütün parçaların toplamından daha büyük bir etki yaratır (Sinerji).

Bu anlayış Aristo’nun “bütün parçaların toplamından daha fazladır” sözü ile özetlenebilir.

 

Sibernetik

 

Sibernetik yaklaşıma göre mantık biliminde birbirine bağımlı olarak kullanılabilen ve birbirine bağlı olarak sonuç doğuran önermeler dizisidir.

Örneğin “Eğer evren en üst sistem ise, tüm her şey bir alt sistemdir” cümlesi mantıksal bir sistemi özetler.

 Mantıksal bir döngüyü özetleyen “Algoritma” şemaları da yine bir sistemi temsil ederler.

Sibernetiğin kökenini oluşturan Sembolik Mantık üzerine ilk sistemli çalışma Leibniz tarafından yapılmıştır.

Ancak asıl olarak terimin de oluşturucusu olan Norbert Wiener tarafından geliştirmiştir.

Tüm canlılar ve makinalarla ilgili bir kontrol ve iletişim teorisi geliştirilmeye çalışılmıştır.

 Bu yaklaşıma göre, sistem belirli bir girdiyi işleyerek çıktıya dönüştüren bir süreç olarak ele alınmaktadır.

 Sibernetik canlı ve cansız tüm karmaşık sistemlerin denetlenmesini ve yönetilmesini, yapılarını araştıran inceleyen bilim dalıdır.

Bu sistemler mekanik, fiziksel, biyolojik, düşünsel ve sosyal olabilir.

 

Yapısalcılık (strukturalizm) ve yapısalcı teoriler

Ferdinand de Saussure ve Levi Strauss tarafından geliştirilen Yapısalcılık teorisi farklı bilim dallarında uygulanmış ve yine sistem yaklaşımının gelişimine doğrudan veya dolaylı olarak katkılarda bulunmuştur.

Tarihsel olarak Sistem yaklaşımından daha önce ortaya çıkan Yapısalcılık ilerleyen dönemlerde sistem teorisindan etkilenmiştir.

Yapısalcılık da bir sistem öngörmekle beraber en basit biçimiyle izah edilecek olursa sistem teorisinin iç içe geçmiş alt ve üst birimler modellemesine karşın yapısalcı yaklaşımlarda üst üste eklemlenen veya peş peşe gelen birimler öngörülmektedir.

 Dolayısıyla aşağıda yer alan taban olmadan üzerine yeni bir şey ilave edilmesi veya öncelenen bir olgu olmadan sonrakinin gelebilmesi mümkün değildir.

Altyapı ve Üstyapı gibi kavramlar bu anlayışın bir sonucudur.

Buradaki en geleneksel örnek yapısalcılığın bir eve temel, zemin kat, üst katlar ve çatı olarak bakarken, sistem yaklaşımının su tesisatı, elektrik tesisatı, kanalizasyon tesisatı, asansör tertibatı, anten hatları, hatta evlerde yaşayan ailelere bir alt sistem olarak yaklaşmasıdır.

Dolayısıyla yapısalcılığa göre evin temeli olmadan birinci katı asla olamayacağı gibi diğer tesisatlarda kurulamaz.

Ancak sistem yaklaşımı su tesisatı olmayan bir evin var olabileceği ancak bu durumun çeşitli sorunlar doğuracağı sonucuna ulaşır.

Hatta temeli olmayan bir yapı bile kurulabileceğini ve bunun kısa bir süre de olsa ayakta kalabileceğini dikkate alır.

Yani sistem yaklaşımı bağımlılık ilişkisinin zorunluluğundan ziyade derecesine odaklanır.

 

Disiplinlerarası yaklaşım

 

Hem genel sistem teorisinin tüm disiplinlere uygulanabilmesi hem de bazı bilim dallarının birbirleriyle kesin olarak ayrılamaması, disiplinlerarası yaklaşımın gündeme gelmesini sağlamıştır.

Bu gelişim, çeşitli bilimlerin doğmasına ve bilim alanlarının alt bölümlere ayrılarak uzmanlaşmanın artmasına neden olmuştur.

Disiplinlerarası yaklaşımda, sistem içindeki sorunlara değişik fikirlerle çözüm arama söz konusudur.

 

Örgütler ve sistem teorisi

 

Sistem Yaklaşımı yönetsel birimlerinin birbirleri ile olan ilişkilerini ve bu ilişkilerin niteliklerini incelemeyi, belirli bir birimdeki gelişmelerin diğer birimler üzerindeki etkilerini araştırmayı; kısacası yönetim olaylarını başka olaylarla ve dış çevre şartları ile ilişkili olarak değerlendirmeyi bir yöntem olarak benimser.

Her olayı belirli bir çerçeve içinde, başka olaylarla ilişkili olarak incelemenin, olayları anlama, tahmin etme ve kontrol etme açılarından daha etkili olduğu öngörülerek “bütüncü” görüşün yönetim konularına uygulanması ile yönetimde Sistem Yaklaşımı ortaya çıkmıştır.

Klasik yönetim anlayışları örgüte önem veren bir bakış açısına önem vermişlerdir.

Bu açıdan bakıldığında bütünsel olarak bakıldığında Sistem Yaklaşımı ile klasik yaklaşımlar arasında örgüte verilen önem noktasında bir çelişki görülmez.

Çünkü örgütün kendisi asıl sistemi oluşturmaktadır.

Fakat burada bir üst sistem olarak çevrenin dikkate alınması gerekliliği bulunurken Klasik teorilerde çevre konusuna yeterince önem verilmemiştir.

Yine insanı dikkate almayan Klasik yaklaşımların aksine Sistem Yaklaşımı hem birey olarak hem de gruplar halinde insanı dikkate almayı zorunlu kılar.

Örneğin informel gruplar, sendikal örgütlerin kurum içi yapılanmaları, çalışma takımları, yönetim birimlerindeki ve alt bölümlerinde çalışanların hem mekan hem de statü olarak konumlanmaları Sistem açısından önem arz eder.

Çünkü bunların hepsi sistem içindeki alt sistemler veya birimlerdir.

Neoklasik Teorilerde ise insan merkezli bir yaklaşım söz konusu iken, örgüt hiç dikkate alınmamıştır.

Bu açıdan sistem yaklaşımı ile aralarında önemli bakış açısı farklılığı söz konusudur.

 Sistem yaklaşımının terminolojisi ile ifade edilecek olursa Neoklasik görüşlerde alt sistemler (insan ve gruplar, onları motive eden faktörler) dikkate alınırken üst sistem üzerinde hiç durulmamıştır.

Bu da Sistemci görüşler açısından son derece eksik bulunur.

Çünkü Tümdengelim yöntemi ile de belirli ortak noktalar içeren Sistem anlayışının belirleyici özelliklerine bütünü anlamadan parçaları değerlendirebilmek mümkün değildir.