Sosyal Medyada Kutuplaşma: Algoritma Suçu mu, Yoksa Doğal Bir Olgu mu?

Sosyal medya kutuplaşması, günümüzün en sıcak tartışmalarından biri haline geldi. 2024 ABD başkanlık seçimleri sonrası milyonlarca kullanıcı, X platformundaki (eski Twitter) aşırı partidizandan kaçmak için Bluesky’ye göç etti. Bu platform, algoritmasız tasarımıyla daha sakin bir ortam vaat ediyordu. Ancak kısa sürede Bluesky de sol eğilimli bir yankı odası haline geldi. Araştırmalar, kutuplaşmanın sadece algoritmalardan değil, paylaşım ve takip gibi temel işlevlerden kaynaklanabileceğini gösteriyor. Bu makale, AI simülasyonları ve güncel verilerle konuyu inceliyor (Törnberg & Larooij, 2025).

Sosyal Medyanın Temel Dinamikleri ve Kutuplaşma Kökenleri

Paylaşım ve Takip Mekanizmalarının Rolü

Sosyal medya platformları, kullanıcıların paylaşım yapması, yeniden paylaşması ve başkalarını takip etmesi gibi basit işlevlerle çalışır. Bu dinamikler, kullanıcıların benzer görüşlü kişilerle bağ kurmasını teşvik eder. Son araştırmalar, bu temel eylemlerin bile kutuplaşmayı tetiklediğini ortaya koyuyor. Örneğin, AI tabanlı simülasyonlarda, algoritmasız bir platformda bile kullanıcılar hızla gruplaşıyor. Bu, insan doğasının dikkat dinamikleriyle birleştiğinde, platformları zehirli hale getiriyor (Pennisi, 2025). Araştırmacılar, bu sürecin kaçınılmaz olduğunu savunuyor.

Kutuplaşma, kullanıcıların feed’lerinde gördükleri içerikle güçlenir. Pew Araştırma Merkezi’nin 2024 verilerine göre, ABD’li yetişkinlerin %54’ü haberleri sosyal medyadan alıyor ve bu oran artıyor. Bu, benzer görüşlerin yoğunlaşmasına yol açıyor. Sonuçta, platformlar doğal olarak bölünmüş topluluklar yaratıyor (Pew Research Center, 2024).

AI Simülasyonları ile Kutuplaşmanın İncelenmesi

Sanal Kullanıcılar ve Gerçekçi Senaryolar

Araştırmacılar, büyük dil modellerini (LLM’ler) kullanarak sanal sosyal medya platformları oluşturuyor. Bu simülasyonlarda, 500 sanal kullanıcı gerçek demografik verilere dayalı profillerle donatılıyor. Kullanıcılar, haber seçip paylaşabiliyor, yeniden paylaşabiliyor veya takip edebiliyor. Üç farklı LLM – ChatGPT, Llama ve DeepSeek – kullanılarak yapılan denemelerde, platform her seferinde kutuplaşma gösteriyor (Törnberg & Larooij, 2025).

Bu simülasyonlar, pahalı gerçek deneylere alternatif sunuyor. University of Washington’dan Kate Starbird, sonuçların hipotezlerle uyumlu olduğunu belirtiyor. AI kullanıcıları, insan davranışlarını taklit ederek echo chambers oluşturuyor. Ancak bazı uzmanlar, LLM’lerin eğitim verilerindeki önyargı nedeniyle sonuçların yanıltıcı olabileceğini söylüyor (Menczer, 2025).

Echo Chambers’ın Oluşumu ve Toplumsal Etkileri

Benzer Görüşlerin Yankılanması

Echo chambers (yankı odaları), kullanıcıların sadece benzer görüşleri gördüğü kapalı topluluklardır. Simülasyonlarda, kullanıcılar doğal olarak partizan gruplara ayrılıyor. Pew’in 2023 raporuna göre, gençlerin %32’si TikTok gibi platformlarda haber alıyor ve bu, kutuplaşmayı artırıyor. Bu odalar, yanlış bilgilerin yayılmasını kolaylaştırıyor (Pew Research Center, 2023).

Kutuplaşma, siyaseti etkiliyor. 2024 seçimlerinde X’teki aşırı içerikler, kullanıcıları Bluesky’ye itti. Ancak Bluesky de hızla sol eğilimli bir echo chamber haline geldi. Kullanıcı şikayetleri, platformun çeşitliliği sınırladığını gösteriyor (X postları, 2025).

Aşırı Seslerin Yükselişi ve Etkileri

Sosyal Medya Prizması Etkisi

Simülasyonlarda, aşırı görüşler hızla yayılıyor ve az sayıda kullanıcı büyük etki kazanıyor. Bu, “sosyal medya prizması” olarak adlandırılıyor ve siyasi söylemi bozuyor. 2023 Nature çalışması, Facebook’ta benzer kaynakların yaygın olduğunu ama kutuplaşmayı artırmadığını bulsa da, son veriler aksini gösteriyor (Nyhan et al., 2023).

Güncel istatistikler, kutuplaşmanın arttığını doğruluyor. Pew’in 2025 verilerine göre, Cumhuriyetçiler haber kaynaklarına güvenini artırdı ancak sosyal medya hala bölünmüş. Bu, toplumda gerilimi yükseltiyor (Pew Research Center, 2025).

Aşağıdaki tablo, platformlara göre kutuplaşma seviyelerini özetliyor:

Müdahale Yöntemleri ve Başarısızlık Nedenleri

Anti-Algoritmalar ve Kronolojik Akışlar

Araştırmacılar, altı müdahale test etti: Kronolojik akışlar, az etkileşimli içerikler veya karşı görüşler gösteren rutinler. Ancak hiçbirisi tamamen başarılı olmadı; bazıları toksikliği artırdı. Bu, kutuplaşmanın temel dinamiklerden kaynaklandığını gösteriyor (Törnberg & Larooij, 2025).

New York University’den Jennifer Allen, bireysel kullanıcıların tarafsız içerik paylaşarak katkı sağlayabileceğini öneriyor. Ancak sistemsel değişiklikler şart. 2024 Brookings raporu, hükümet müdahalelerini tartışıyor ama özgürlükle çelişki yaratıyor (Brookings, 2024).

Güncel Örnekler: X ve Bluesky Karşılaştırması

Platformlar Arasındaki Farklar ve Benzerlikler

X, algoritmasıyla aşırı içerikleri öne çıkarıyor ve 2024’te kullanıcı kaybı yaşadı. Bluesky, decentralize yapısıyla alternatif sunuyor ancak 2025’te echo chamber eleştirileri aldı. Pew’in 2024 anketi, haber tüketicilerinin partizan olduğunu gösteriyor (Pew Research Center, 2024).

Kullanıcı yorumları, Bluesky’nin liberallere hitap ettiğini belirtiyor. Bu, kutuplaşmanın platform bağımsız olduğunu kanıtlıyor. Gelecekte, Mastodon gibi alternatifler çeşitliliği artırabilir (X postları, 2025).

Gelecek Öngörüleri ve Çözüm Önerileri

Yeniden Tasarım ve Kullanıcı Bilinci

Sosyal medya kutuplaşması, AI gelişimiyle derinleşebilir. Araştırmalar, platform mimarisinin yeniden düşünülmesini öneriyor. Chris Bail, etkileşimleri yeniden şekillendirmeyi savunuyor (Bail, 2024).

Kullanıcılar, çeşitli içerikler takip ederek katkı sağlayabilir. 2025 trendleri, decentralize platformların yükselişini gösteriyor. Ancak, toksiklik devam ederse, düzenlemeler kaçınılmaz olabilir (Menczer, 2025).

Sonuç

Sosyal medya kutuplaşması, algoritmalardan öte temel işlevlerden kaynaklanıyor. AI simülasyonları, echo chambers ve aşırı seslerin kaçınılmazlığını gösteriyor. Müdahaleler sınırlı başarı sağlıyor. Kullanıcılar ve platformlar, tarafsız içerikle değişim yaratabilir. Bu anlayış, siyaseti ve toplumu korumak için kritik (Starbird, 2025).

Kaynakça

• Bail, C. (2024). How social media polarizes us. Allianz. https://www.allianz.com/en/mediacenter/news/articles/241118-how-social-media-polarizes-us-by-christopher-andrew-bail.html
• Nyhan, B., et al. (2023). Like-minded sources on Facebook are prevalent but not polarizing. Nature. https://doi.org/10.1038/s41586-023-06297-w
• Pennisi, E. (2025). Don’t blame the algorithm: Polarization may be inherent in social media. Science. https://www.science.org/content/article/don-t-blame-algorithm-polarization-may-be-inherent-social-media
• Pew Research Center. (2023). Teens, Social Media and Technology 2023. https://www.pewresearch.org/internet/2023/12/11/teens-social-media-and-technology-2023/
• Pew Research Center. (2024). Social Media Fact Sheet. https://www.pewresearch.org/internet/fact-sheet/social-media/
• Pew Research Center. (2025). Republicans’ trust in info from news outlets and social media rises. https://www.pewresearch.org/short-reads/2025/05/08/republicans-have-become-more-likely-since-2024-to-trust-information-from-news-outlets-social-media/
• Törnberg, P., & Larooij, M. (2025). Can We Fix Social Media? Testing Prosocial Interventions using Generative Social Simulation. arXiv preprint arXiv:2508.03385. https://arxiv.org/abs/2508.03385