Veri Seti v7: Altı Altın Kural'ın Tespitine Dair Bir Süreç Notu

Objective Projection veri setinin v7 sürümü, metodolojiyi bir iddia olmaktan çıkarıp denetlenebilir bir yapıya taşıyan üç parça ekledim: her sahnenin hangi kurallara uyduğunu işaretleyen şeffaf bir tespit hattı, makine-okunabilir atıf altyapısı ve tam-metin metodoloji makaleleri. Bu not, neden bu yolu seçtiğimi ve hangi dürüst sınırları açıkça beyan ettiğimi anlatıyor.

Sorun: "Etiketi sildim, demek ki uyumluyum" yanılgısı

Objective Projection altı kural üzerine kurulu: Duygu Ambargosu, Benzetme Yasağı, Maddeleşen Metaforlar, Mikro Odak (Ng), Zamansal Çapa, Atmosfer Çelişkisi. Bir veri setinin "bu kurallara uyuyor" demesi kolay; bunu kanıtlaması zor. v7'ye kadar, 500 sahnelik korpusun her birinin hangi kurallara uyduğu okuyucunun gözüne ve güvenine kalıyordu. Bu, akademik bir kayıt için yeterli değil.

Çözüm: deterministik, kural-tabanlı, açık bir tespit hattı

v7 ile her sahneye bir applied_rules bloğu eklendi. Bu bloğu üreten şey bir dil modeli (LLM-as-judge) değil — apply_rules.py adlı, tek dosyalık, bağımlılıksız, kelime-sınırı eşleştirmesi yapan bir Python betiği. Bunu bilinçli seçtik:

• Tekrarlanabilir. Depoyu klonla, betiği çalıştır, birebir aynı çıktıyı al. Bir LLM yargıcının aksine, sonuç rastgele değişmez.
• Denetlenebilir. Her kuralın hangi kalıplara baktığı betiğin içinde açıkça yazılı. Bir araştırmacı belirli bir kararı görebilir, eşikleri değiştirebilir veya bir tespite itiraz edebilir.
• Şeffaf. Kara kutu yok. Tespit mantığının tamamı okunabilir durumda.

Her applied_rules bloğu altı boolean bayrak, bir active_count, primary_rule, detection_method ve doctrine_version taşır. Mevcut hiçbir alan değiştirilmedi, yeniden adlandırılmadı veya silinmedi — yalnızca eklendi.

Dürüst sınır beyanı: kuralların güvenilirliği eşit değil

İşte bu sürümün en önemli kısmı, ve çoğu veri setinin sakladığı şey. Kural-tabanlı bir denetleyici, tasarımı gereği kör bir alettir. Hedef çıktılar üzerindeki tespit oranları kurala göre değişir:

• Yüksek güvenilirlik (%95+): Benzetme Yasağı ve Duygu Ambargosu — deterministik sözlük eşleştirmesi.
• Orta güvenilirlik (%60–80): Zamansal Çapa, Maddeleşen Metaforlar, Mikro Odak — yapısal/sezgisel kalıplar.
• Bilinçli olarak muhafazakâr (~%10): Atmosfer Çelişkisi.

Son satır kasıtlı. Atmosfer Çelişkisi, regex'in güvenilir biçimde göremeyeceği anlamsal bir yazarlık tercihidir. Bu yüzden hattı yanlış-pozitif yerine yanlış-negatif verecek şekilde ayarladık: kuralı yanlışlıkla "var" demektense atlamayı tercih eder. Sebep basit — veri setinin pozitif etiketlerinin güvenilir kalması, kapsama oranından daha önemli. Bir peer reviewer için bu bir zayıflık değil, güç işaretidir.

Yanında gelen atıf altyapısı

• CITATION.cff — Citation File Format v1.2.0. Hugging Face, GitHub ve Zenodo bu dosyayı tanır ve otomatik bir "Cite this dataset" düğmesi sunar. Birincil HF DOI'si (10.57967/hf/8960) ve Zenodo arşiv DOI'si (10.5281/zenodo.19511369) ile mimari çerçeve ve Sₙ pilot raporuna çapraz referanslar içerir.
• academic/ altında iki tam-metin makale: kısa-form metodoloji makalesi (Beyond the Cortical Label) ve Sₙ pilot raporu (10.5281/zenodo.20362901).

Özet

v7, yeni sahne eklemekle ilgili değildi. Mevcut 500 sahnenin kanıtlanabilir hale gelmesiyle ilgiliydi. Bir metodolojinin "literatür bir his değil, bir fizik" iddiasını ciddiye almasını istiyorsanız, o iddianın denetlenebilir, tekrarlanabilir ve dürüstçe sınırlandırılmış olması gerekir. v7 bunu hedefledi.

Veri seti: huggingface.co/datasets/leventbulut/objective-projection · DOI: 10.57967/hf/8960 · Tam teknik makale: huggingface.co/blog/leventbulut/objective-projection