Halüsinasyonlu Atıf Denetimi: Teslim Öncesi Kontroller

Teslim öncesi halüsinasyonlu atıf denetimi artık temiz bir ekran ile araştırma bütünlüğü uyarısı arasındaki farktır ve bunun neden önemli olduğu da nicel olarak ortaya kondu. PubMed Central’da indekslenen 2,5 milyon biyomedikal makaleyi denetleyen Columbia ekibinden Maxim Topaz, hepimizin içten içe korktuğu bulguyu gün yüzüne çıkardı. Hakemli biyomedikal baskılara dâhil edilen sahte atıfların sayısı, üreten yapay zekâ araçlarının ortalama araştırmacının yazım iş akışına dâhil olmaya başladığı tam anda keskin şekilde arttı.

2026’nın ilk yedi haftasında yayımlanan PubMed indeksli makalelerde her 277 makaleden birinin, bu dört veritabanının hiçbir yerinde bulunmayan en az bir referans gösterdiği tespit edildi: PubMed, Crossref, OpenAlex veya Google Scholar. İki yıl önce bu oran 2.828’de 1 idi. Sahte atıfların literatüre girme hızında 12 katlık bir artıştan söz ediyoruz; en büyük sıçrama, 2024’ün ortasında, tam zamanında, başlıyor.

Topaz denetimi elimizdeki en temiz sayı olsa da tek kaynak bu değil. ArXiv, halüsinasyonlu atıflar dâhil olmak üzere, yapay zekâ üretimi açık biçimde anlaşılır hatalar içeren makaleleri paylaşan yazarlar için bir yıllık gönderim yasağı duyurdu. GPTZero’nun 4.841 NeurIPS 2025 kabul edilmiş makaleye yönelik analizi, üç ila beş uzman değerlendirici tarafından incelendikten sonra 53 makalede en az 100 doğrulanmış halüsinasyonlu atıf bulunduğunu ortaya koydu. Deakin Üniversitesi’nin GPT-4o tarafından üretilen atıflar üzerine yaptığı bir çalışmada, bu atıfların yüzde 56’sının ya uydurma olduğu ya da hatalar içerdiği bulundu; uydurma olanların yüzde 64’ü ise gerçek ama alakasız bir makaleye bağlanan bir DOI ile paketlenmişti, yakalanması en zor varyant da tam olarak bu.

İyi haber şu ki teslim öncesi halüsinasyonlu atıf denetimi, referans listenizin büyüklüğüne bağlı olarak 20 dakika ile iki saat arasında sürer ve editör ya da değerlendirici görmeden önce bu hataların neredeyse tamamını yakalar. Bu yazı, denetimin kendisi: 2026’da halüsinasyonlu atıfların gerçekte nasıl göründüğünü, dört veri tabanlı doğrulama iş akışını, teslim öncesi adım adım kontrol listesini, işi otomatikleştiren araçları ve değerlendirme sürecinde olan bir makalede halüsinasyonlu bir atıf tespit ederseniz ne yapmanız gerektiğini ele alıyoruz.

Halüsinasyonlu Atıf Denetimi Nedir?

Halüsinasyonlu atıf denetimi, gönderim öncesinde yapılan ve makalenizdeki her referansı PubMed, Crossref, OpenAlex ve Google Scholar ile karşılaştırarak uydurulmuş ya da eşleşmeyen atıfları, editör veya değerlendirici görmeden önce yakalamayı amaçlayan bir kontroldür. Referans listenizin büyüklüğüne bağlı olarak 20 dakikadan iki saate kadar sürer ve bu hataların neredeyse tamamını yakalar. Bunun önemi şu: 2026’nın ilk yedi haftasında, PubMed indeksli her 277 makaleden birinde, bu dört veritabanının hiçbirinde var olmayan en az bir referans yer aldı, 2023’teki 2.828’de 1 oranına kıyasla 12 kat artış.

Halüsinasyonlu atıflar neden artık bir tarama (screening) problemi?

2024’ün ikinci yarısına doğru, yaklaşık, editörler teknik ekranlarında halüsinasyonlu referansların belirmeye başladığını fark eder. 2026 ortasında, önde gelen tüm tıp ve yaşam bilimleri dergileri, hakemlik öncesi dâhili prosedürlerine ya da hakemlere yönelik rehberlerine bir referans-varlık kontrolünü ekler. Topaz denetimini yayımlayan Lancet mektubu da, kısmen, derginin kendi alım sürecini güçlendirmeye yönelik kamusal bir taahhüttü.

Operasyonel olarak bunun bu kadar kritik olmasının nedeni şudur: halüsinasyonlu bir atıf artık dikkatsiz bir hata gibi ele alınmaz. Bir araştırma bütünlüğü uyarısı olarak görülür. “Yazarlar bir yılı yanlış yazdı”dan “Yazarlar bu kaynağı okumadı; çünkü mevcut değil”a geçiş kısa bir mesafedir ve editörler artık bunu yapacak biçimde eğitilmektedir. Çoğu dergide, 60 maddelik bir listenin içinden tek bir referansı yanlış vermek makalenin reddine yeter olabilir; en katı olanlarda (Lancet, BMJ ve Nature Portfolio kapsamındaki bazı yayınlar) ise kurumun araştırma bütünlüğü ofisine yönlendirilmesini tetikleyebilir.

arXiv politikası da aynı noktayı daha keskin bir dille vurgular. Halüsinasyonlu bir referans içeren bir makale gönderen herhangi bir yazar, arXiv’den bir yıl süreyle men edilebilir. Yasağın ardından, arXiv’in kabul etmeden önce her bir sonraki arXiv gönderiminin önce saygın bir platformda hakemlikten geçmesi gerekir. Bu, tek bir doğrulanmamış atıfa dayanan kalıcı bir itibar asimetrisidir. Sahte atıf “pubmed sorunu” yalnızca PubMed problemi değildir.

Halüsinasyonlu atıflar gerçekte nasıl görünür?

Çoğu yazar halüsinasyonlu bir atfı bariz biçimde bozulmuş olarak hayal eder: hatalı biçimlendirilmiş bir başlık, olmayan bir dergi adı, geleceğe ayarlanmış bir yıl. Bunlar vardır ve problemin en kolay yüzde 30’luk kısmını oluşturur. Daha zor olan yüzde 70 ise meşru görünür ve hızlı bir görsel kontrolden sağ çıkabilir.

Dört tekrar eden örüntü görüyoruz.

Örüntü 1: gerçek yazarlar, gerçek dergi, makul bir başlık; ancak böyle bir makale yok. Model, hangi yazarların nerede yayın yaptığını ve hangi konularda çalıştığını öğreten eğitim verilerinden hareketle atfı bir araya getirir. Çıktı gerçek bir referans gibi okunur. DOI varsa ya hiç çözülmez ya da bambaşka bir makaleye gider.

Örüntü 2: gerçek makale, yanlış yazar veya yanlış yıl. Model makalenin var olduğunu bilmesine rağmen bir meta veri alanını eşleştirmemiştir. Atıf, Google Scholar başlık aramasından geçer; DOI doğrulamasında başarısız olur. Çoğu zaman yakalanması en zor olan bu türdür; çünkü atfedilen iddia, gerçek makalede aslında başka bir yazar ya da yıl altında mevcut olabilir.

Örüntü 3: gerçek DOI; ancak alakasız bir makale. Deakin çalışması örneği. Model, makul görünümlü bir atıf üretir ve çözülen bir DOI ekler; fakat bu DOI tamamen alakasız bir çalışmaya yönlenir. DOI’nin gerçek olduğunu görsel kontrol gösterir; ama asıl sorun, bağlantılı makaleyi okumakla ortaya çıkar. Bu, sahte atıfların yüzde 64’lük varyantıdır.

Örüntü 4: atfın çevresinde eziyete uğramış (tortured) ifade zincirleri. Cabanac Problematic Paper Screener, yeniden ifade etme/parafraz yazılımları tarafından yapılan parafrazların etrafında üretilmiş, çoğu zaman uydurma atıfların çevresinde kümelenmiş, eziyete uğramış ifadeler içeren 19.000’den fazla makaleyi işaretledi. Birleşik Devletler için “Joined Together States”, meme kanseri için “bosom peril”, böbrek yetmezliği için “kidney disappointment”. Bir atfın etrafındaki anlatım parafrazla “yıkanmış” gibi okunuyorsa, atfın kendisinin de halüsinasyon olma olasılığı artar. Parafraz konusundaki notumuzda atıfları koruyan parafraz, ilk etapta Örüntü 4’ü üreten teknik farkı ele alır. Örüntü 4, Örüntü 1’den 3’e ile ilişkilidir; onlardan bağımsız değildir.

Bu örüntüler, tek bir veri tabanı kontrolünün yeterli olmamasının nedenidir. Yalnızca başlıkla yapılan Google Scholar araması Örüntü 2 ve 3’ü kaçırır. Yalnızca DOI ile yapılan Crossref araması Örüntü 1’i kaçırır. Dört veri tabanlı iş akışı vardır; çünkü her bir veri tabanı farklı bir başarısızlık türünü yakalar.

Yapay zekâ atıfları nasıl doğrulanır: dört veri tabanlı iş akışı

Halüsinasyonlu bir referansı, PubMed, Crossref, OpenAlex veya Google Scholar’ın herhangi birinde bulunmayan referans olarak tanımlıyoruz. Gönderim öncesi denetimlerimizde bu dört kaynağa güveniyoruz; çünkü her biri diğer üçündeki boşlukları tamamlıyor.

PubMed. Biyomedikal ve klinik literatür için en iyi kapsama. Referansınızın bir PMID’ı varsa, PMID ile arama yapın. Değilse, referansı başlık ve ilk yazarın soyadı üzerinden arayın. PubMed, Crossref’in kabul ettiği pek çok “gerçek ama yanlış” atfı reddeder.

Crossref. Tüm alanlar genelinde DOI’ler için en iyi kapsama. Bu doi.crossref.org aramasıyla DOI üzerinden referansı arayın veya api.crossref.org/works/[DOI] adresindeki herkese açık API’leri kullanın. Çalışmazsa, bu kesin olarak halüsinasyondur. Çalışırsa, başlığı, yazarları ve yılı kontrol edin.

OpenAlex. En geniş kapsama alanı, ücretsizdir ve PubMed ile Crossref’te kapsanmayan atıfları açığa çıkarır (beşeri bilimler, bilgisayar bilimi konferans bildirileri, bölgesel dergiler). Referansı başlık üzerinden arayın ve yazarların doğru olduğundan emin olun. OpenAlex ayrıca, DOI’lenmiş yayın olarak henüz görünmemiş ama var olan atıfları ön baskı (preprint) olarak ortaya çıkarması bakımından da faydalıdır.

Google Scholar. En geniş kapsama, ancak en düşük doğrulukla kontrol olarak sona bırakın. PubMed, Crossref, OpenAlex veya Google Scholar’da hiç görünmeyen bir referans, işlevsel olarak kesin biçimde halüsinasyonludur. Yalnızca Google Scholar’da görünen ama yapılandırılmış veri tabanlarının hiçbirinde görünmeyen bir referans şüphelidir: var olabilir (gri literatür, tez, DOI’siz bildiri) ancak gönderim öncesinde atfın manuel olarak kontrol edilmesi gerekir.

Bu iş akışı, manuel yapılırsa referans başına yaklaşık bir dakika sürer. 60 referanslık bir makale bir saattir. 200 referanslık bir sistematik derleme ise yaklaşık üç saate daha yakındır. Denetim sıkıcı ama mekaniktir; bu da onu otomasyon için doğal bir hedef haline getirir. Araçlar bir sonraki, bir-önceki değil ama sonraki, bölümde.

Teslim öncesi denetim: adım adım

Yazım sırasında bir üreten yapay zekâ aracına temas etmiş her makalede uyguladığımız, tekrarlanabilir bir kontrol listesi. Sekiz adım; hiçbirinin ücretli bir araca ihtiyacı yok.

1. Referans listesini düz bir formata dönüştürün. Referans yöneticinizden (Zotero, Mendeley, EndNote, Paperpile) BibTeX veya RIS olarak dışa aktarın. Makaleniz, bir yönetici kullanılmadan Word’de hazırlandıysa, referans listesini düz metin bir dosyaya yapıştırın. Her girdiyi numaralandırın. Doğrulaması yapılan referansları takip etmek için bu numaralandırmaya ihtiyacınız olacak.

2. Başlığını tanımadığınız her referansı işaretleyin. Bir makaleyi kafanızda canlandıramıyorsanız, onu neredeyse kesin olarak okumamışsınızdır. Halüsinasyonlu referanslar en yüksek sahte olma riskine sahiptir. En kapsamlı kontrol için onları işaretleyin.

3. Her DOI’yi çözün. Her bir DOI’yi https://doi.org/[DOI] adresine yapıştırın. DOI çözülmezse referans halüsinasyondur. Çözülürse, hedef makalenin başlık ve yazarlarını kendi atfınızla karşılaştırın. Eşleşmezlikler Örüntü 3 halüsinasyonlarıdır.

4. DOI olmayan her referansı PubMed veya Crossref’te doğrulayın. Başlık araması + ilk yazarın soyadı. Makale varsa kayıtlarınız için PMID ya da DOI’yi yakalayın. İki veritabanının ikisinde de yoksa 5. adıma yükseltin.

5. Yükseltilen referansları OpenAlex ve Google Scholar’da çapraz kontrol edin. Bir referans Crossref ve PubMed’de başarısız oluyorsa, OpenAlex ve Google Scholar kontrolleri belirleyici aramadır. Dört veri tabanının tamamında başarısızlık, referansın halüsinasyon olduğuna dair kanıtınızdır. Yalnızca Google Scholar’da görünen bir referans varsa, bağlantılı kaynağı manuel inceleyin.

6. Ön baskılar için hem ön baskıyı hem de varsa yayımlanmış sürümü doğrulayın. 2024 ortası ve sonrasında yaygın bir örüntü: model gerçek bir ön baskı gösterir ama aynı çalışmanın hayali bir dergi yayını şeklinde uydurur. arXiv, bioRxiv, medRxiv ve SSRN’de herhangi bir ön baskı referansını açıkça kontrol edin.

7. Metin içindeki ifadeyi kaynağa karşı nokta atışı kontrol edin. Gerçek makaleyi açın ve atıf yaptığınız belirli iddiayı, referanslarınızın en az yüzde 10’unda desteklediğini kontrol edin (ya da sistematik derleme örneğinde, hepsinde). Deakin çalışmasının yüzde 56’lık hata oranı, atıf yapılan makalenin var olup iddiayı desteklememesi durumlarını; Örüntü 2 vakalarını, da içerir.

8. Denetimi belgeleyin. Denetim kaydını kaydedin (doğrulanmış referanslar, hangi veritabanlarına karşı kontrol edildiği ve hangi tarihte). Dergi hakemlik sırasında sorarsa, elinizde kayıt olur. Bir değerlendirici belirli bir atıfa itiraz ederse, doğrulama adımınıza işaret edebilirsiniz.

Denetimi çalıştırmanın maliyeti iki saattir. Bunu atlamanın maliyeti ise, yakalanırsanız, teknik ekran reddinden arXiv yasağına kadar değişir. Denetimi çalıştırın.

Denetimi otomatikleştiren araçlar

Sekiz adımın hepsini manuel yapabilirsiniz. Araçlarla çok daha hızlı olursunuz.

Crossref herkese açık API. Ücretsiz, kayıt gerektirmez. api.crossref.org/works/[DOI] uç noktası; başlığın kanonik biçimini, yazarları ve yılı JSON olarak döndürür. Referans listenizi dolaşan ve bu uç noktaya istek atan 20 satırlık bir Python betiği, her referans başına saniyeler içinde Örüntü 1 ve 3’ü yakalar. Bu, uygulanabilecek en hafif otomasyondur ve genellikle 60 referanslık bir makale için yeterlidir.

Scite (scite.ai). Referansları doğrular ve bir sonraki makalenin çalışmayı destekleyip desteklemediğini ya da çürütüp çürütmediğini raporlar. İçerikle etkileşime girdiği için diğer araçlardan daha iyi biçimde Örüntü 2’yi (gerçek makale, yanlış iddia) yakalar. Ücretsiz bir katmanı vardır; tam entegrasyon için ücretli sürüm gereklidir.

Problematic Paper Screener (Cabanac, Labbe, Magazinov). Ücretsiz ve açık; büyük ölçüde bir yayımdan sonra tarama aracıdır, ancak algılama araç seti Örüntü 4 için teslim öncesi denetimde kullanışlıdır. dbrech.irit.fr/pls/apex/f?p=9999:1 adresinde arama yapın. Atıflarınızın etrafındaki anlatımın, para-mill (paper-mill) çıktısı gibi görünmeyecek noktaya kadar parafrazla “yıkanıp yıkanmadığını” doğrulamak için faydalıdır.

Referans yöneticilere gömülü referans denetleyiciler. Zotero bir halüsinasyonlu referans görürse, “Find Available PDF” işlevi çalışmaz. Meta verileri doldurmaya yönelik Mendeley özelliği de aynı etkiyi yaratır. Bu bilinçli bir halüsinasyon denetleyicisi değildir; ancak normal kullanım sırasında kullandığınızda en kolay sorunları tespit eder.

Bizim düzeltmenimiz. Yapay zekâ düzeltmenimiz, dört veri tabanlı denetimi tek bir geçişte çalıştırarak halüsinasyonlu ve eşleşmeyen referansları vurgular ve makaleyle birlikte saklayabileceğiniz temiz bir kayıt dosyası dışa aktarır. Bu aracı, araştırma makaleleri için daha geniş yapay zekâ proofreading araçları setimizin bir parçası olarak sunuyoruz; buna eşlik eden dilbilgisi, atıf biçimlendirme ve temiz bir referans denetimiyle gelen izlenebilir değişiklikler süreçleri de dâhildir.

Tam düzeltme öncesi bağımsız bir kontrol için ücretsiz AI atıf denetleyicimiz, yapıştırılan herhangi bir kaynakça listesindeki kayıtların varlığını Crossref, Semantic Scholar ve diğer açık kayıtlar üzerinde aynı şekilde tarar, doğrudan tarayıcıda ve kayıt olmadan.

Çoğu zaman Crossref API betiği ve manuel bir yükseltme listesi, çoğu yazar için problemin yüzde 90’ını yakalar. Araçlar; sistematik derlemeler, çok sayıda gönderimi olan araştırma grupları ve tek bir kaçırılmış halüsinasyonun maliyetinin yüksek olduğu durumlar için (Lancet ya da NEJM gönderimi, önceki bir işaretlemeden sonra arXiv’e yeniden gönderim) değer kazanır.

Halüsinasyonlu bir atıf bulursanız ne yapmalısınız?

Onu bulacaksınız. LLM’ye dokunmuş neredeyse her referans listesinde en az bir tane olduğuna dair deneyimimiz var. Makalenizin hangi aşamada olduğuna bağlı olarak iki seçeneğiniz var.

Gönderim öncesi. En kolay senaryo. Atfı çıkarın ya da iddiayı gerçekten destekleyen gerçek bir referansla değiştirin ya da desteklenmeyen iddiayı kaldıracak şekilde çevreleyen cümleyi yeniden yazın. Değişikliği denetim kayıtlarınızda belgeleyin.

Hakem değerlendirmesi sürerken. Halüsinasyonu doğrular doğrulamaz, yazılı biçimde ilgili editöre bildirin. Düzeltilmiş referans listesini ve bir açıklama sunun: ne bulduğunuz, nasıl bulduğunuz, kalan referansları doğrulamak için ne yaptığınız. Editörler, kendiliğinden düzeltme yapan yazarlar yerine, bir değerlendirici tarafından yakalanan yazarları daha zayıf şekilde geri dönüte alır.

Kabul edilmiş ama henüz yayımlanmamış. Üretim (production) editörüyle hemen iletişime geçin. Çoğu yayıncı, düzeltmeyi rutin bir edit yerine “bütünlük temelli öz-düzeltme” olarak sunduğunuzda, prova aşamasında geç bir düzeltmeyi kabul eder.

Yayımlanmışsa. Dergiyle iletişime geçin ve bir erratum (düzeltme) talep edin; ciddi durumlarda ise corrigendum isteyin. Halüsinasyonlu atıf makaledeki iddialardan anlamlı bir iddiayı destekliyorsa, düzeltmenin doğrudan iddianın kendisine de uzanması gerekebilir. Bu, en çok kaçınmak istenen yoldur; denetimin önlediği yoldur.

Kullanılan herhangi bir yapay zekâ aracı referans listesine dokunduysa, örneğin parafraz araçları veya atıf üreteçleri, makalenizde AI açıklama beyanı yapın. Ayrıca bir denetim yaptığınızı ve öz-düzeltme yaptığınızı kapak mektubunda da açıklayabilirsiniz. Alarm vermekten ziyade profesyonel bir davranış gibi görünür.

Sık sorulan sorular

S: 2026’da halüsinasyonlu atıflar ne kadar yaygın?

Columbia analizi (Topaz ve ark., Lancet 2026) 2026’nın ilk yedi haftasında yayımlanan PubMed indeksli her 277 makaleden birinin içinde en az bir referans bulunduğunu saptadı. Bu, 2023’teki 2.828’de 1 oranına göre 12 kat artış demek. Trend yükseliyor. Sıkı hakemlik yapılan konferanslarda GPTZero NeurIPS 2025 analizi, 4.841 kabul edilmiş makalenin 53’ünde, konferansın yaklaşık yüzde 1’i olacak şekilde en az 100 halüsinasyonlu atıf saptadı.

S: Neden yüzde 64’lük DOI varyantı yakalanması en zor olanı?

Bir LLM referansı halüsinasyon yaptığında bazen eğitim verilerinden gerçek bir DOI’yi alıp, atıfta edilenden farklı bir makaleye yönlendirebilir. DOI çözülür, başka makale vardır ve hızlı bir görsel kontrol “tamam” gibi görünür. Gerçek sorun, referans yapılan makaleye giden bağlantıya tıkladıktan sonra ortaya çıkar: atfedilen referansın başlığı, yazarları ya da içeriği atfın kendisiyle eşleşmez. Deakin çalışması, GPT-4o ile üretilen sahte atıfların yüzde 64’ü için bunun doğru olduğunu gösterir. Yalnızca DOI’yi çözümlemek yeterli değildir; bağlantılı makalenin gerçekten atıfla eşleştiğinin doğrulanması gerekir.

S: arXiv gerçekten halüsinasyonlu bir atıf için beni bir yıl yasaklar mı?

Evet, ihmal açık biçimde anlaşılırsa. Thomas Dietterich, LLM çıktısının kontrol edilmeden yapıştırıldığı; bunun da halüsinasyonlu atıflara, chatbot yer tutucu metinlerin kalmasına veya verilere yol açtığı vakaları ele almayı amaçlayan Mayıs 2026 arXiv politikasını duyuruyor. ArXiv, gerçekten tartışmalı ya da sınırda (borderline) vakaların kapsam dışı olduğunu açıkça belirtti. Yasağın süresi dolduktan sonra, gelecekte yapılacak her arXiv gönderiminde arXiv kabul etmeden önce önce saygın bir platformda hakemlikten geçme şartı aranır.

S: Atıf listemi sadece ChatGPT ya da Claude üzerinden kontrol ettirebilir miyim?

Hayır. Referansı halüsinasyonlayan aynı model, doğrulamayı da halüsinasyonla yapabilir. Eğitimden gelen LLM’lerin, DOI’lerin geçerli olduğunu güvenle “doğruladığını” gördük. Kontrol, başka bir LLM’ye karşı değil; yetkili meta veriye sahip harici yapılandırılmış veri tabanlarına (PubMed, Crossref, OpenAlex, Google Scholar) karşı yapılmalıdır.

S: Ya bir referans yalnızca Google Scholar’da varsa?

PubMed, Crossref veya OpenAlex’te değil de yalnızca Google Scholar’da görünen bir referans şüphelidir; kesin halüsinasyon olduğu söylenemez. Bazı gerçek kaynaklar (bir tez, DOI’siz bir konferans bildirisi, bir çalışma notu, bölgesel bir dergi) yapılandırılmış veri tabanı kapsamı olmadan Google Scholar’da görünebilir. Bağlantılı kaynağı manuel inceleyin. Makaleyi açıp iddiayı doğrulayabiliyorsanız, referans gerçektir ancak dizinlenmesi eksiktir; ona güvenle atıf yapın. Kaynağı açamazsanız ya da bağlantı çalışmıyorsa, onu halüsinasyon kabul edip çıkarın ya da değiştirin.

Dergi Gönderimleri İçin Referans Doğrulama Metin İncelemesi

PubMed, Crossref, OpenAlex ve Google Scholar karşısında tek geçişte uydurma atıf denetimi, kayıtlarınız için indirilebilir doğrulama günlüğüyle birlikte.