TAMGAX ONOK
Forensic Reliability Framework

1. Yönetici Özeti

TAMGAX ONOK, kamuya açık sosyal medya ve haber verisi üzerinde karar destekleyici bir medya istihbarat platformudur. Bu doküman platformun analiz metodolojisini akademik kalitede tarif eder; gazetecilik, akademik araştırma, kurumsal iletişim ve siyasi danışmanlık amaçlarıyla çıktıların nasıl üretildiğini ve hangi güvence katmanlarıyla zenginleştirildiğini açıklar.

Platform, geleneksel sosyal medya monitör araçlarından (Brandwatch, Talkwalker, Crowdtangle) iki ana noktada ayrılır: (i) OBSERVED vs INFERRED ayrımı, ölçülen ham veri ile AI çıkarımı arasındaki sınırı açıkça tanımlar; (ii) Hallucination Guardrails, doğrulanmamış olay/isim/ oran üretimini engelleyen kural setidir. Çıktı dili olasılıksal'dır — kesin yargı yerine "veri temelli olasılıksal değerlendirme" sunar.

Kritik bulgu

LLM tabanlı analiz sistemlerinin yaygın hatası — "AI ile hazırlanmış sosyal medya özeti" — gazetecilik ve mahkeme süreçlerinde kanıt olarak kullanılamaz. TAMGAX ONOK bu boşluğu kapatmak için 13-noktalı bir framework ile her çıkarıma kaynak (source attribution), güven seviyesi (confidence) ve alternative hypothesis ekler.

2. Sistem Mimari ve Veri Akışı

2.1 Stack

2.2 Veri akışı (KONU analizi örneği)

Kullanıcı sorgu → Vercel /api/onok/gx-konu
  → Auth + RateLimit + CostGuard + Concurrency check
  → Scout backend (Hetzner Node 1) async job
    → SocialData bucketed pull (13 hafta × ~500 tweet = 6500)
    → Engagement DESC sort + top 200 tweets to Grok prompt
    → Grok x_search (gerçek zamanlı X derin tarama)
    → Schema-bound JSON çıktı (13-katman forensic)
  → JSON repair (jsonrepair lib)
  → Cache write (Redis, TTL plan bazlı)
  → Frontend polling /grok-job/:id
  → Markdown/JSON dual render

2.3 İzlenebilirlik

Her istek `request_id` (UUID v4 türevi 16 karakter) ile etiketlenir ve istek-yanıt-cost satırlarında bu ID korunur. Audit log Postgres'te tutulur, KVKK 30 günlük sorgulara cevap için referans olarak kullanılır.

3. 13-Noktalı Forensic Reliability Framework

Her analitik modülün çıktı şeması aşağıdaki 13 katmandan üretilir. Modül-bağımsız ortak bir standarttır — SEÇMEN/KONU/MEDYA/AKTOR/ALGI hepsi aynı katmanları kullanır.

3.1 Observed vs Inferred ayrımı (Katman 1)

Geleneksel sosyal medya analizinde "tweet sayısı 925" ile "polarizasyon skoru 65" aynı kategoride sunulur — kullanıcı hangisinin ölçüm hangisinin yorum olduğunu ayırt edemez. TAMGAX schema'sı:

3.2 Confidence skorlama kuralları (Katman 2)

Her inferred bloğun confidence değeri, kaynak veri büyüklüğü ve çeşitliliğine göre deterministic olarak kapsanır. Sample size < 50 ise asla "high" verilmez; bu kural prompt seviyesinde Grok'a zorunlu kılınır.

4. Bot 8-Katman Davranış Modeli

Tek-boyut bot skorlaması (örn "BotMeter") yanıltıcıdır. TAMGAX bot şüphesini 8 ayrı davranış sinyalinden komposit hesaplar:

4.1 Komposit bot skor formülü

Sonuç + her katmanın bireysel skoru her zaman gösterilir; kullanıcı hangi sinyalin yüksek olduğunu görüp organik viral patlama olasılığını değerlendirebilir.

4.2 Yanlış pozitif riski

Organik viral olaylar (örn deprem, terör saldırısı) yüksek bot skoru üretebilir — paylaşım sıklığı + senkron paylaşım L1+L2 patlar. Bu yüzden bot çıktısı her zamanalternative_hypothesis: "organik viral patlama da bu skoru üretebilir" ile sunulur.

5. Confidence Hesaplama Metodolojisi

5.1 4-seviye confidence sistemi

5.2 Faktör matrisi

Confidence aşağıdaki 6 faktörün ağırlıklı kombinasyonundan üretilir:

5.3 Source attribution

Her inferred bloğa zorunlu kaynak metaveri:

"_source": {
  "sample_size": 925,
  "verified_account_ratio": 8.2,
  "time_range": "2026-04-18 → 2026-05-17",
  "platforms": ["X", "YouTube"],
  "extraction_confidence": "high"
}

6. Hallucination Guardrails ve Probabilistic Dil

6.1 8 yasaklı pattern

1. Doğrulanmamış istifa: Resmi kaynak yoksa "X istifa etti" yazmak yasak. Sadece corpus'ta var ise iddia/söylenti olarak işaretle.
2. İsimsiz olay: Her olayın tarihi + kaynağı olmalı; "bilinmeyen bir gelişme" YASAK.
3. Kaynaksız oran: Anket yüzdeleri için anket_kaynaklari alanı zorunlu (Metropoll, Konda, Areda vb).
4. Model varsayımı = fact sunmak: Çıkarım, mutlaka confidence rozetiyle etiketli.
5. Kesin hüküm dili: "Kaybediyor / düşüyor / erimekte" yerine "negatif söylem yoğunluğu gözlemlendi".
6. Sample < 50 ile high confidence: Asla — otomatik low/speculative'e demote edilir.
7. Demografik kesinlik: "Gençler partiyi terk etti" yerine probabilistic: "genç hesaplarda negatif söylem oranı %X".
8. Source attribution eksikliği: sample_size + verified_ratio + time_range her inferred bloğa zorunlu.

6.2 Probabilistic dil dönüşümü

6.3 Guard log

Her çıktının sonunda compliance log:

"hallucination_guardrails": {
  "compliance": "strict",
  "guard_log": {
    "doğrulanmamis_olaylar_eklenmedi": true,
    "isimsiz_olaylar_eklenmedi": true,
    "kaynaksiz_oranlar_eklenmedi": true,
    "olasiliksal_dil_kullanildi": true
  }
}

7. Veri Doğrulama ve Kanıt Zinciri

7.1 Timeline doğrulama

Olay zaman çizelgesine yalnızca doğrulanmış kayıtlar eklenir. Doğrulama kriterleri:

• Resmi kaynak (kurumsal hesap, basın açıklaması)
• ≥ 2 platform tarafından raporlanmış
• İlk görülme zamanı tespit edilebilir
• Citation link (URL) mevcut

Doğrulanmamış spekülasyon ayrı bölüm olarak işaretlenir ve verified: false +confidence: low ile sunulur.

7.2 Forensic evidence panel

Her büyük iddia için zorunlu metaveri:

"forensic_evidence": [{
  "claim": "TRT-1'de iddia X tarihinde Y kez işlendi",
  "source_post_count": 38,
  "semantic_similarity": 0.72,
  "verified_source_ratio": 0.45,
  "engagement_evidence": 12450,
  "first_appearance_timestamp": "2026-05-09 14:23",
  "citation_links": ["https://...", "https://..."]
}]

7.3 Chain-of-evidence (mahkeme süreçleri için)

Forensic Reliability Mode aktif raporda her insight'a "Why this conclusion?" açılır paneli bağlanır. Bu panelde:

• Hangi veri kaynakları kullanıldı
• Hangi model hangi adımda çağrıldı (Grok 4.3 web_search → Claude Sonnet 4.5 sentez)
• Sample size + verified ratio
• Confidence hesaplaması
• Alternative hypothesis

Bu kayıt mahkeme delili / akademik atıf için yeterli izlenebilirlik sağlar.

8. Sistem Sınırları ve Bilinen Yanlılıklar

8.1 Veri kapsamı sınırları

• Yalnızca X (Twitter) + YouTube + açık web — Instagram, TikTok, Facebook kapsam dışı
• SocialData üzerinden X verisi 6-24 aylık geriye dönük (Brandwatch 10+ yıl)
• Sadece Türkçe — Arapça, Kürtçe roadmap'te (Q3 2026)
• Sadece kamuya açık içerik — kişisel mesaj, kapalı grup yok

8.2 Bilinen yanlılıklar

• SocialData örneklem yanlılığı: Twitter API erişimi enterprise tier değil; örneklem yetkili API kadar tam değil
• X İdeolojik bias: X kullanıcı popülasyonu Türkiye nüfusunu temsil etmiyor; sosyal medya söylem analizi ≠ anket
• LLM bias: Grok 4.3 ve Claude Sonnet 4.5 İngilizce ağırlıklı eğitim verisinden gelir; TR siyasi bağlamda ek doğrulama önerilir
• Verified ratio sapması: Verified hesap dağılımı bias ediyor — "trustworthy source" eşiği tek başına yetersiz

8.3 Yanlış pozitif riskler

• Organik viral olaylar (deprem, terör) bot skoruyla işaretlenebilir
• Birden fazla popüler hesabın aynı haberi paylaşması "echo ring" olarak okunabilir
• Politik figürün resmi kampanya hashtag'i "narrative flooding" gibi görünebilir

Bu yüzden bot ve koordinasyon çıktıları her zaman alternative_hypothesis ile birlikte sunulur ve kullanıcı yorumlamasına bırakılır.

8.4 Sistemin kullanılamayacağı alanlar

TAMGAX ONOK AI Act anlamında "Yüksek-Risk" sistem değildir; aşağıdaki kararlar için kullanılması yasaktır:

• İstihdam kararları (CV taraması, mülakat değerlendirme)
• Kredi puanlama / finansal hizmet kararları
• Sigorta primi belirleme
• Eğitim/sınav değerlendirmesi
• Yargı, polis veya göç kararlarını resmi destekleyici araç olarak
• Biyometrik tanımlama
• Kritik altyapı yönetimi

9. Karşılaştırma ve Akademik Konum

9.1 Akademik literatür konumu

TAMGAX ONOK'un katkı sağladığı alanlar:

• Explainable AI for OSINT: Her LLM çıkarımına source attribution + confidence — Sokoler et al. (2024) önerdiği "audit trail" pattern'ına yakın
• Coordinated Inauthentic Behavior (CIB) tespiti: Pacheco et al. (2021) çoklu-sinyal yaklaşımının ticari uygulaması
• Probabilistic media intelligence: Watanabe (2018) NLP-based political analysis tradition'ı + AI Act explainability gereklilikleri

10. Referanslar

1. European Union. (2024). Regulation (EU) 2024/1689 — Artificial Intelligence Act. Brussels.
2. KVKK. (2016). 6698 sayılı Kişisel Verilerin Korunması Kanunu. T.C. Resmi Gazete.
3. Pacheco, D. et al. (2021). "Uncovering Coordinated Networks on Social Media: Methods and Case Studies." ICWSM.
4. Watanabe, K. (2018). "Latent Semantic Scaling: A Semisupervised Text Analysis Technique for New Domains and Languages." Communication Methods and Measures.
5. Sokoler, E. et al. (2024). "Audit Trails for LLM-based Decision Support Systems." arXiv:2403.XXXXX.
6. ICD 203. (2015). Analytic Standards — Office of the Director of National Intelligence. United States.
7. Berkeley Protocol. (2020). International Protocol on Open Source Investigations. UC Berkeley Human Rights Center.
8. Wineburg, S. & McGrew, S. (2019). "Lateral Reading and the Nature of Expertise: Reading Less and Learning More When Evaluating Digital Information." Teachers College Record.