MagPunk’ı Anlayın

Bu sayfa MagPunk’ı tanıtmaz; MagPunk’ın çözmeye çalıştığı sorunu ve kullandığı yöntemi anlatır.

Sayfa kavram–yanıt çiftleri hâlinde ilerler. Önce haberciliğin ya da ölçümün bir kavramı anlatılır — yankı odası, eşik bekçiliği, Jaccard benzerliği, kesinlik ve kapsama. Hemen ardından MagPunk’ın o kavrama verdiği yanıt gelir.

En sonda, uygulamanın yapmadığı ve yapamadığı şeyler, ölçülmüş hata oranlarıyla birlikte, tek blok hâlinde sıralanır.

Uygulamayı indirmeseniz de bir şey öğrenmiş olarak ayrılmanız hedeflenir.

23 kavram · 34 yanıt · 57 kart · yaklaşık 44 dakika

Kart kart ilerlemek yerine tamamını tek sayfada okumayı tercih ederseniz üst çubuktaki Belge düğmesi aynı içeriği yazdırılabilir tek bir sayfada verir. İstediğiniz an mod değiştirebilirsiniz; bulunduğunuz başlıkta kalırsınız.

Haber ve Manşet

Haber, kamuoyunu ilgilendiren yeni bir olayın aktarımıdır; manşet ise bu olaylar arasından en dikkat çekici olanını öne çıkarma biçimidir.

Geleneksel gazetecilikte sayfa alanının sınırlı olması, editörleri günün en önemli olayını seçmeye zorlar. Manşet, bu seçimin sonucudur ve yayının yayın politikasını doğrudan yansıtır. Okuyucu, manşete bakarak o gün dünyada neyin kritik kabul edildiğini hızlıca anlar. Dijital ortamda ise alan sınırı kalksa da, dikkat sınırlı olduğu için manşet mantığı şekil değiştirerek devam etmektedir.

Örnek: Bir gazetenin ilk sayfasında en büyük puntolarla verilen ana haber manşettir.

Yeni Medya

İçeriğin dijital ortamda üretilip dağıtıldığı, okuyucunun sadece tüketici değil aynı zamanda katılımcı olduğu iletişim araçlarının tümüdür.

Geleneksel medyanın aksine yeni medya çift yönlü bir iletişim sunar. Basılı gazeteler veya televizyon yayınları tek taraflı bir bilgi akışı sağlarken, yeni medya platformları yorum, paylaşım ve anında tepki mekanizmaları ile etkileşimi merkeze alır. Bu yapı, bilginin yayılma hızını artırırken, aynı zamanda teyit edilmemiş içeriğin de hızla dolaşıma girmesine zemin hazırlar.

Örnek: Haber sitelerinin yorum bölümleri, sosyal ağlardaki haber paylaşımları ve yurttaş gazeteciliği yeni medyanın parçalarıdır.

İnternet Haberciliği

Haberin toplanma, yazılma ve dağıtılma süreçlerinin tamamen dijital ağlar üzerinden yürütüldüğü sürekli yayıncılık modelidir.

İnternet haberciliği, matbaa saati veya yayın akışı gibi fiziksel sınırları tamamen ortadan kaldırarak gün boyunca kesintisiz ve sürekli bir bilgi akışı sağlar. Haberin anında güncellenebilmesi, olayların anlık olarak takip edilmesine olanak tanır. Ancak bu hız baskısı, derinlemesine araştırmayı zorlaştırarak yüzeysel ve sadece dikkat çekmeye odaklı metinlerin üretilmesine yol açan yapısal bir sorundur.

Örnek: Bir olayın yaşandığı anda birkaç cümlelik son dakika notuyla duyurulup, sonrasında metnin sürekli güncellenmesi tipik internet haberciliğidir.

RSS ve RSS Okuyucular

Web sitelerindeki güncel içerikleri, siteye girmeden standart bir formatta toplayıp okumayı sağlayan veri besleme teknolojisidir.

RSS (Rich Site Summary), yüzlerce farklı kaynağı tek bir yerden takip etmeyi mümkün kılan basit ama güçlü bir protokoldür. Algoritmik akışların aksine, RSS okuyucularda içerik filtrelemesi veya sıralaması yoktur; yayınlanan her içerik kronolojik olarak akar. Bu sayede, okuyucu neyi göreceğine kendisi karar verir ve platformların yönlendirmelerinden tamamen bağımsız bir bilgi tüketimi sağlar.

Örnek: On farklı haber sitesine tek tek girmek yerine, bir RSS okuyucu uygulamasında tüm sitelerin yeni başlıklarını aynı anda görmek.

Kaynak Seçimi: Okuduğunuzu Kim Belirliyor?

Bir haberi veya olayı öğrenmek için hangi platformlara, yayınlara veya aracılara güvenileceği tercihidir.

Modern bilgi tüketiminde okunan içeriği genellikle okurun kendisi değil, kullanılan platformun algoritmaları belirler. Kaynak seçimi, dış dünyanın nasıl algılanacağını çizen filtredir. Eğer haberler yalnızca tek bir görüşü savunan ağlardan veya tek bir sosyal platformdan alınıyorsa, dünya görüşü de o kaynakların sınırları içine hapsolur. Çeşitlilik, bilgi diyetinin en önemli bileşenidir.

Örnek: Sadece belirli bir siyasi eğilime sahip gazeteleri takip eden birinin, diğer görüşlerin argümanlarından tamamen habersiz kalması.

Yankı Odası

Kişilerin yalnızca kendi düşüncelerini onaylayan görüşlerle karşılaştığı ve farklı seslerin dışlandığı kapalı iletişim ortamıdır.

Yankı odası, sosyal ağların etkileşimi artırmak için benzer görüşlü insanları birbirine bağlamasıyla oluşur. Bu ortamda aynı fikirler sürekli tekrar edilerek doğruluğu sorgulanmaz bir gerçeklik hissi yaratır. Farklı görüşler ya hiç görünmez ya da doğrudan saldırı ve alay konusu yapılarak marjinalleştirilir. Bu durum, toplumsal kutuplaşmanın temel sebeplerinden biridir.

Örnek: Sadece aynı politik görüşe sahip insanları takip eden bir kullanıcının, tüm ülkenin aynı şekilde düşündüğüne inanması.

Çerçeveleme Kuramı

Bir olayın tamamının değil, belirli bir yönünün öne çıkarılarak okuyucunun konuyu nasıl algılayacağının yönlendirilmesidir.

Çerçeveleme, haberin ne anlattığından çok nasıl anlandığıyla ilgilenir. Olay aynı kalsa bile, kullanılan kelimeler, seçilen fotoğraflar ve vurgulanan ayrıntılar anlamı tamamen değiştirir. Bir eylemin ‘protesto’ veya ‘isyan’ olarak adlandırılması, okuyucunun olaya bakış açısını doğrudan belirleyen bir çerçeveleme tercihidir. Bu durum medyanın elindeki en güçlü etki aracıdır.

Örnek: Bir vergi artışının, bazı haberlerde ‘ekonomik tedbir’, bazı haberlerde ise ‘vatandaşa yük’ olarak çerçevelenmesi.

Gündem Belirleme Kuramı

Medyanın insanlara ne düşüneceklerini değil, ne hakkında düşüneceklerini dikte etme gücünü açıklayan yaklaşımdır.

Bir olayın manşetlerde günlerce yer alması, o olayın toplum için en önemli sorun olduğu algısını yaratır. Medya, hangi haberleri öne çıkarıp hangilerini görmezden geleceğine karar vererek kamusal tartışmanın sınırlarını çizer. Okuyucu, medyanın yoğun olarak işlediği konuları ülkenin asıl meseleleri olarak görme eğilimindedir.

Örnek: Aslında istatistiksel olarak düşük bir suç oranına rağmen, medyanın sürekli asayiş haberleri vermesiyle toplumda yaygın bir güvensizlik hissi oluşması.

Eşik Bekçiliği

Milyonlarca olay arasından hangilerinin haber olacağına, hangilerinin ise çöpe gideceğine karar verme sürecidir.

Dünyada her gün sayısız olay gerçekleşir ancak bir yayın organında bunların çok küçük bir kısmı yer bulur. Eşik bekçileri (gatekeepers); editörler, yayın yönetmenleri ve algoritmalar olarak, bilginin akışını filtrelerler. Bu filtreleme süreci, yayın organının öncelikleri, siyasi duruşu ve ekonomik çıkarları doğrultusunda gerçekleşir.

Örnek: Bir editörün, uzak bir kıtadaki felaket haberi yerine, yerel bir siyasinin kısa açıklamasını manşete taşıma kararı.

Tık Tuzağı (Clickbait)

Okuyucunun merakını kasten eksik bilgiyle kışkırtarak, içeriğin tıklanmasını sağlamayı amaçlayan yanıltıcı başlık tekniğidir.

Tık tuzağı, haberin değerini içeriğinde değil, başlığın tıklanma oranında arar. Olayın özeti verilmek yerine, ‘İşte o detay’, ‘Görenleri şoke etti’ gibi ifadelerle bir bilgi boşluğu yaratılır. Okuyucu, eksik kalan bilgiyi tamamlamak için bağlantıya tıklamak zorunda bırakılır. (Not: Tık tuzağı bir kavram adıdır. MagPunk’ın ‘düşük kalite’ etiketi bu kavramla birebir örtüşmez: ölçülebilir kalıpları yakalar, yalnız merak boşluğu bırakan başlıkları çoğu zaman kaçırır — bkz. 2.3.3.)

Örnek: Bir maçın sonucunu ‘Dev derbide sürpriz skor!’ şeklinde verip skoru ancak haberin son paragrafında açıklamak.

Gürültü (İletişim bağlamında)

Asıl bilgiye ulaşmayı zorlaştıran, dikkat dağıtıcı, tekrar eden veya düşük kaliteli içeriklerin tümüdür.

Bilgi çağında asıl sorun veriye ulaşamamak değil, devasa bir veri yığını içinden anlamlı olanı ayıklamaktır. Gürültü; birbirinin kopyası haberler, teyitsiz söylentiler, dikkat dağıtıcı reklamlar ve aşırı üretilmiş içeriklerden oluşur. Çok fazla gürültü, okuyucunun sinyali yani gerçek ve önemli haberi görmesini bütünüyle engeller.

Örnek: Önemli bir yasa değişikliğinin, aynı gün bir ünlünün kıyafeti hakkında atılan binlerce mesaj arasında kaybolup gitmesi.

Veri Gizliliği · vaka: Cambridge Analytica

Kullanıcıya ait dijital ayak izlerinin, onun rızası ve bilgisi dışında başka amaçlar için toplanması ve kullanılması sorunudur.

Kişisel veriler dijital ekonominin yakıtıdır. Ücretsiz sunulan hizmetlerde asıl hedeflenen değer, çoğu zaman bizzat insan verisinin kendisidir. Basit bir kişilik testi veya anket için verilen izinler, arka planda devasa profilleme ağlarına dönüşebilir. Toplanan bu veriler, insanların zaaflarını, korkularını ve eğilimlerini gizlice haritalamak için kullanılır.

Örnek: Masum görünen bir uygulamanın, izin veren kişinin tüm arkadaşlarının verilerini de gizlice toplayıp politik reklam hedeflemesi için satması.

Backend (ve olmamasının önemi)

Bir uygulamanın kullanıcı tarafından görülmeyen, verileri işleyen, depolayan ve uzak sunucularda çalışan arka yüzüdür.

Çoğu modern uygulama bir backend, yani merkezi bir sunucu mimarisi kullanır. Bu sistemlerde, ekranda yapılan her tıklama, okunan her metin internet üzerinden bir sunucuya gönderilir, orada işlenir ve kaydedilir. Backend mimarisinin olmaması, uygulamanın dışarıyla hiçbir veri alışverişi yapmadan tamamen kendi kendine sorunsuz olarak çalışabilmesi demektir.

Örnek: Bulut tabanlı bir not uygulamasının yazılan metinleri sürekli şirketin sunucularına göndermesi backend kullanımına bir örnektir.

Edge Computing (cihazda hesaplama)

Veri işleme süreçlerinin uzak bir bulut sunucusunda değil, verinin üretildiği yerde, yani doğrudan kullanıcının kendi cihazında yapılmasıdır.

Bulut bilişimde veriler işlenmek üzere uzak sunuculara gönderilirken, cihazda hesaplama (edge computing) yaklaşımında ağır işlemler telefon veya bilgisayarın kendi işlemcisi üzerinde gerçekleşir. Bu yöntem, verinin dışarı çıkmasını engeller, gecikme süresini asgariye indirir ve sürekli internet bağlantısı zorunluluğunu ortadan kaldırır.

Örnek: Fotoğraflardaki yüzleri tanıma işleminin uzak bir sunucuda değil, telefonun kendi çipi içinde yapılması.

Reklam Algoritmaları (ve olmamasının önemi)

Kullanıcının ilgi alanlarını, davranışlarını ve zaaflarını analiz ederek ona en uygun reklamı göstermeye çalışan matematiksel kurallar bütünüdür.

Reklam algoritmalarının temel amacı insanları bilgilendirmek değil, insan dikkatinin tamamını ticari paraya çevirmektir. Bu sistemler, insanları platformda daha uzun süre tutmak için çoğu zaman öfke, korku veya aşırı merak uyandıran kışkırtıcı içerikleri sürekli öne çıkarır. Metnin değerini, doğruluğu değil tamamen tıklanma olasılığı belirler.

Örnek: Bir ayakkabı aramasından sonra, ziyaret edilen her sitede sürekli ayakkabı reklamlarının göze çarpması.

Çevrimdışı Kalmak

İnternet bağlantısı koptuğunda dahi yazılımın temel işlevlerini eksiksiz yerine getirmeye devam edebilme yeteneğidir.

Modern uygulamaların neredeyse tamamı sürekli bir şekilde kesintisiz internet bağlantısı talep eder. Oysa metin tabanlı veriler önceden cihaza kolaylıkla indirilebilir. Çevrimdışı çalışabilmek, internetin çekmediği veya sansürlendiği olağanüstü durumlarda da bilgiye erişimi daima güvence altına alan son derece hayati bir özelliktir.

Örnek: Metroya binmeden önce indirilen haber başlıklarının, internet bağlantısı yokken de okunup analiz edilebilmesi.

Jaccard Benzerliği

Jaccard benzerliği, iki kümenin ortak öğelerinin o iki kümedeki farklı öğelerin toplamına oranıdır.

İki başlık önce kelime kümesine dönüştürülür. Ortak kelime sayısı, iki kümede geçen farklı kelimelerin toplamına bölünür. Sonuç 0 ile 1 arasında bir sayıdır: 0 hiç ortak kelime yok, 1 iki küme birebir aynı demektir. Ölçüm kelimelerin sırasına bakmaz, yalnız hangi kelimelerin bulunduğuna bakar. Hesabı ucuzdur; binlerce başlık arasında çalıştırılabilir.

Örnek: {deprem, bölge, hasar} ve {deprem, bölge, ekip} kümelerinde ortak kelime 2, toplam farklı kelime 4’tür. Jaccard = 2 / 4 = 0,50.

Klasik ML (Makine Öğrenmesi)

Büyük veri setleri üzerinden istatistiksel örüntüler çıkararak tahmin yapan, kuralları insanlar yerine veriden öğrenen yazılım modelleridir.

Klasik makine öğrenmesi, metni veya bağlamı insanlar gibi kesinlikle anlamaz. Bunun yerine kelimelerin ve harflerin bulunma sıklıklarını matematiksel ağırlıklara dönüştürerek doğrusal olasılık hesapları yapar. Bu nedenle, üstü kapalı ince ironileri çözemese de, belirli örüntüleri istatistiksel sınırları içinde tespit edebilir.

Örnek: Cihazda çalışan ≈7 MB boyutundaki bir modelin, bir haberin içeriğini okumadan sadece başlığındaki kelime sıklıklarına bakarak tahmin yürütmesi.

Kesinlik, Kapsama ve Eşik (P / R / F1)

Bir tespit sisteminin başarısını ölçen metriklerdir; ne kadar az hata yapıldığı (kesinlik) ve hedeflerin ne kadarının bulunabildiği (kapsama) dengesini ifade eder.

Kesinlik (Precision), sistem ‘bu böyledir’ dediğinde ne oranda haklı olduğudur. Kapsama (Recall) ise, gerçekten öyle olanların ne kadarını bulabildiğidir. Eşik değeri, bu ikisi arasındaki denge noktasıdır. Eşik yükseldiğinde daha az ama daha doğru sonuç elde edilirken, eşik düştüğünde araya yanlışlar karışmaya başlar.

Örnek: Spam filtresinde kesinlik yüksekse gerçek mailler asla spame düşmez. Kapsama yüksekse hiçbir spam kaçmaz.

Medya Duygu (Sentiment) Endeksi

Haber metinlerinde kullanılan kelimelerin yarattığı genel tonun pozitif, negatif veya nötr olarak matematiksel hesaplamasıdır.

Bir olayın dışarıya tam olarak nasıl sunulduğu, metinde geçen kelime seçimleriyle ve yazım tarzıyla tamamen doğrudan ilgilidir. Duygu analizi, metindeki sözcüklerin tek tek taşıdığı duygusal yükleri bütünüyle matematiksel olarak toplayarak haberin genel atmosferini başarıyla ve hızlıca ölçer. Bu hesaplama, kelimelerin temel düzeydeki istatistiksel tonunu göstermeyi amaçlar.

Örnek: İçinde ‘kriz’, ‘çöküş’, ‘felaket’ geçen bir başlığın istatistiksel olarak yüksek oranda negatif bir ton vermesi.

Medyada Hız, Trend ve Viral

Bir konunun birden fazla kaynakta eşzamanlı olarak patlaması, hızla yayılması ve dolaşıma girmesi dinamikleridir.

Dijital medyada genellikle temel olaylar değil, kısa süreli geçici trendler çok daha fazla takip edilir. Bir haberin hiçbir engele takılmadan hızlıca kopyalanıp büyük bir hızla yayılması (viral olması), onun yapısal önemini değil, yalnızca yüzeydeki dikkat çekiciliğini gösterir. Konular trend olduğunda akış bütünüyle değişir.

Örnek: Bir ünlü açıklamasının 3 saat içinde tüm mecralarda tamamen aynı cümlelerle son dakika olarak verilmesi.

Medyada İçerik Yoğunluğu

Aynı konuda, çoğunlukla aynı kelimelerle üretilmiş birbirinin tekrarı haberlerin akışta kapladığı hacimdir.

Bir olay yaşandığında, farklı yayıncıların kendi özgün araştırmalarını yapmak yerine ajans metinlerini aynen kopyalayarak sürekli kullanması devasa bir içerik yoğunluğu yaratır. Bu rahatsız edici durum, insanların sürekli karşısına çıkan farklı başlıkların aslında sadece tek bir kaynaktan beslenen kopyalar olmasına kalıcı olarak yol açar.

Örnek: Farklı görüşlere sahip olduğu düşünülen on sitenin, tamamen aynı kelimelerden oluşan bir metni kopyalayarak yayımlaması.

Eğilim, Tarafsızlık ve Objektiflik — ve bunları ölçmenin sınırı

Yayın organının dünya görüşü (eğilim), olayları aktarırken yansız kalabilme çabası (tarafsızlık) ve gerçeği bükmeden sunma hedefidir (objektiflik).

Bu kavramlar insan iletişiminin çok açık biçimde en temel ve en karmaşık olan doğal unsurlarıdır. Hiçbir metin tamamen ve bütünüyle yansız olamaz çünkü hangi kelimenin özenle seçildiği bile gizli bir ideolojik eğilim yansıtır. Yazılımların bu derin insani kavramları mutlak ve kesin olarak tamamen formüle edebilmesi tümüyle imkansızdır.

Örnek: Aynı olayın, bir gazetede ‘özgürlük mücadelesi’, diğerinde ‘güvenlik tehdidi’ olarak sunulmasındaki insan yorumu.

Sunucusu Yok — Hesap Yok, Giriş Yok

MagPunk’ın merkezi bir sunucusu yoktur; verileriniz uzak bir bilgisayarda tutulmaz ve işlenmez.

Uygulamayı indirdiğiniz an her şey çalışmaya başlar. Herhangi bir e-posta adresi vermenize, şifre belirlemenize veya hesap açmanıza gerek yoktur. Tüm ayarlarınız, okuma geçmişiniz ve favorileriniz doğrudan kendi telefonunuzun depolama alanında güvenle tutulur. Bu mimari, kişisel verilerinizin başka bir şirketin sunucularına aktarılmasını yapısal olarak engeller.

Örnek: Telefonunuzu uçak moduna alıp uygulamayı açtığınızda kayıtlı verilerinizin eksiksiz yüklenmesi.

Her Şey Cihazınızda Hesaplanır

Haberlerin analiz edilmesi ve etiketlenmesi gibi ağır işlemler, bulutta değil telefonunuzun kendi işlemcisinde (edge computing) yapılır.

MagPunk, haber başlıklarını uzak bir sunucuya gönderip sonucu beklemek yerine, cihazınıza entegre edilmiş küçük boyutlu analiz modellerini kullanır. Siz bir haber başlığını indirdiğiniz anda, telefonunuz bu veriyi kendi içinde tarar, hesaplamaları yapar ve sonucu ekrana basar. Bu durum dışarıyla gereksiz veri paylaşımının önüne geçer.

Örnek: Kritik etiketinin, dış bir sunucudan yanıt gelmeden telefonunuzun kendi işlemcisi tarafından verilmesi.

Popülerlik Sinyali ve Reklam Yok

İçerikler, ne kadar çok tıklandığına veya ne kadar çok reklam geliri getireceğine göre değil, yalnızca bilgi değerine göre öne çıkar.

Uygulama içinde reklam alanları veya sponsorlu içerikler yoktur. MagPunk, ‘en çok okunanlar’ veya ‘trend olanlar’ gibi kullanıcı davranışlarına dayalı popülerlik sinyallerini akışta belirleyici bir faktör olarak görmez. Sistem, yalnızca haberin kendisini istatistiksel kurallarına göre değerlendirir, böylece dikkatiniz kışkırtıcı içeriklere veya reklamlara satılmaz.

Örnek: Bir haberin, sosyal medyada milyonlarca kez tıklansa bile MagPunk akışında sadece taşıdığı bilgi değerine göre skor alması.

İnternetsiz de Çalışır

Veriler cihazınızda tutulduğu için, internet bağlantınız koptuğunda dahi önceden indirdiğiniz içeriklere tam erişim sağlarsınız.

Uygulamayı açtığınızda güncel akış telefonunuza iner. Daha sonra metroya bindiğinizde veya internetin çekmediği bir bölgeye geçtiğinizde, indirilmiş olan tüm başlıkları, özetleri ve analiz etiketlerini sorunsuz biçimde okumaya devam edersiniz. İnternet sadece yeni veri çekmek için kullanılır, uygulamanın çalışması için şart değildir.

Örnek: İnternet bağlantınızı kapattıktan sonra bile akıştaki haber özetlerini okuyabilmeniz ve etiketlerini görebilmeniz.

Kaynak Listesi Sizindir — 435 Kaynaklık Katalog Bir Başlangıçtır

MagPunk’ta neyi okuyacağınızı algoritmalar değil, tamamen siz belirlersiniz; size sadece küratörlü bir başlangıç noktası sunulur.

Uygulamanın içinde 435 kaynaklık hazır bir katalog bulunur ancak bu bir kalite sıralaması değildir. Siz bu katalogdan istediklerinizi seçerek veya listede olmayan kendi favori kaynaklarınızı ekleyerek tamamen kişisel bir okuma listesi oluşturursunuz. Algoritmalar, sizin seçmediğiniz hiçbir kaynağı gizlice önünüze çıkaramaz.

Örnek: Katalogda yer almayan yerel bir gazetenin adresini ekleyerek sadece o gazetenin haberlerini okuyabilmeniz.

Verinin Envanteri: Ne Saklanıyor, Nereye Gidiyor

Hangi verinizin nerede durduğunu, ne kadar süre saklandığını ve cihaz dışına hangi durumlarda çıktığını açıkça gösteren tam listedir.

Okuma alışkanlıklarınız cihazdan asla çıkmaz. Geri bildirim formu kullandığınızda (sadece yazdığınız metin) gönüllü olarak gönderilir. Cihaz dışına çıkan tek istisna ‘Web’de ara’ işlevidir; bu da otomatik çalışmaz, yalnız aranan kelimeyi doğrudan sağlayıcıya iletir. Sizin kim olduğunuzu belirten hiçbir veri toplanmaz.

Örnek: Siz bir düğmeye basmadıkça arama motoruna dahi hiçbir isteğin otomatik olarak gitmemesi.

Kronoloji Yerine Skor (10–100)

Haberlerin en yenidenden eskiye doğru değil, 10 ile 100 arasındaki bir bilgi değeri skoruna göre sıralanmasıdır.

Sürekli akan kronolojik bir liste, aslında önemsiz olan ama en son girilen haberin en tepede görünmesine yol açar. MagPunk, akışı zaman sıralamasına göre değil, haberin skoruna göre dizer. Böylece birkaç saat önce girilmiş değerli bir içerik, az önce girilmiş önemsiz bir içeriğin altında kalmaz.

Örnek: Beş dakika önce girilmiş bir magazin haberi 20 skorla altta kalırken, iki saat önceki 85 skorlu haberin en üstte kalması.

Skoru Ne Yükseltir, Ne Düşürür

Taban puandan başlayan skorun, haberin niteliklerine göre (manşet, otorite, kalite) matematiksel olarak hangi kurallarla değiştiğidir.

Skor 60 taban puanıyla başlar. Eğer haber manşetse +10 puan alır, manşet değilse tarama sırasına göre eksi puan alır (sıra×2). Haberin çok sayıda kaynakta işlenmesi +(8 × otorite) katkısı, düşük kaliteli bir içerik (örneğin tık tuzağı) olması ise -25 ceza puanı getirir.

Örnek: Manşet olan (+10) ancak düşük kalite (-25) etiketli bir haberin skorunun 60’tan 45’e düşmesi.

Erime: Hiçbir Başlık Kalıcı Değildir

Haberin skoru ne kadar yüksek olursa olsun, zaman geçtikçe bu skorun istatistiksel bir formülle giderek düşmesi ve haberin akışta aşağı inmesidir.

Bilgi zamanla eskir. 90 skorlu çok önemli bir haber, yayına girdikten saatler sonra hala en tepede durmamalıdır. Erime (decay) fonksiyonu, 10 ile 99 arasındaki skorları zamanla kademeli olarak aşağı çeker. Kritik içerik (10-100 aralığında çalışır) en tepeden başlar ama aynı hızla erir; ayrıcalığı başlangıç noktasıdır, dayanıklılık değil. Rozeti 3 saat durur; skoru ise donmaz, ilk andan itibaren erir.

Örnek: Sabah 90 skorla en üstte olan bir haberin, akşam saatlerine doğru eriyerek daha aşağılara inmesi.

Fırsat Eşitliği: Dar İlgi Alanları Ezilmez

Ana akım medyanın yoğunluğu içinde kaybolabilecek niş (özel ilgi alanı) haberlerinin, kategorisinde az kaynak varsa ekstra puanla desteklenmesidir.

Sadece tek bir yerel gazeteden gelen haber, yüzlerce ajansın geçtiği ana akım bir habere karşı normalde ezilir. MagPunk, eğer içerik çok kaynaklı değilse ve kategorisinde (örneğin bilim veya yerel haberler) 3’ten az kaynak varsa o içeriğe +8 fırsat eşitliği puanı verir. Böylece azınlıkta kalan sesler görünürlüğünü korur.

Örnek: Yüzlerce siyaset haberinin arasında, tek bir teknoloji dergisinden gelen önemli bir makalenin üst sıralara tırmanabilmesi.

Eşikler Sizin Elinizde — Kendi Eşik Bekçiniz

Akışa girecek içeriklerin zorluk derecesini belirleyen, yani hangi orandaki şüphenin kabul edileceğini gösteren sınır değerlerini kendinizin ayarlayabilmesidir.

MagPunk size sabit kurallar dayatmaz. Örtüşme ve benzerlik eşiklerini, erime hızını, düşük kalite cezasını, referans ve trend katkısını ayarlayabilirsiniz. Eşiği yükseltirseniz, sistem daha az hata yapar ama bazı içerikleri gözden kaçırabilir (yüksek kesinlik, düşük kapsama); düşürürseniz daha çok içeriği yakalar ancak araya yanlış tahminler karışabilir.

Örnek: Bildirim skor eşiğini çok yükseğe ayarlayarak yalnızca gerçekten devasa olayların bildirimini almayı tercih etmeniz.

Cihazdaki Sınıflandırıcı

Haberin kalitesini, kritik olup olmadığını ve duygusunu cihazınızda ölçen yaklaşık 7 MB boyutundaki yerleşik klasik makine öğrenmesi sistemidir.

MagPunk, buluttaki devasa modelleri kullanmak yerine, cihazınıza entegre edilmiş küçük boyutlu (≈7 MB) klasik makine öğrenmesi algoritmaları çalıştırır. Harf ve kelimelerden oluşan 16.000 (8.000 + 8.000) civarı boyuta sahip bir alanda L2 normalizasyonu ile eğitilmiş bu hafif model, size gelen her haberin istatistiksel tonunu hızla hesaplar.

Örnek: İnternetiniz yokken bile telefonunuzun haberdeki negatif kelime yoğunluğunu saniyeler içinde hesaplayabilmesi.

Kritik Etiketi ve Üç Saatlik Rozet

Toplumu derinden etkileyebilecek afet, savaş veya çok hayati politika değişikliklerine verilen yüksek önem işaretidir.

Kritik etiketi, akıştaki en hayati haberlerin arasında kaybolmasını önler. Bu içerikler standart 99 tavanının da üstüne çıkarak doğrudan 100 puanı alırlar. Kritik etiketine sahip bir haber, uygulamanızda 3 saat boyunca korumalı bir rozetle görüntülenir. Kritik içerik en tepeden başlar ama aynı hızla erir; ayrıcalığı başlangıç noktasıdır, dayanıklılık değil.

Örnek: Büyük bir deprem haberinin kırmızı bir kritik etiketiyle yayımlanması ve üç saat boyunca rozet taşıması.

Düşük Kalite Etiketi

Bilgi değeri düşük içerikleri, taşıdıkları ölçülebilir kalıplardan tanıyıp işaretleyen sistemdir.

Etiket başlığın niyetini değil, biçimini okur: liste ve servis başlıkları (‘7 pratik yöntem’), fal, burç, rüya yorumu türü içerikler ve ‘kimdir’, ‘ne zaman’ gibi soru kalıpları. Etiketi alan içeriğin skorundan anında -25 ceza puanı düşülür. Makine öğrenmesi modeli düşük kalite TR tespitinde F1: 0.75, kural motoru ise belirli ifadelere (‘ne zaman’, ‘kimdir’ vb.) veya soru işareti kalıplarına (2 ve üzeri ‘?’) bakarak F1: 0.41 başarısına sahiptir.

Kalıp taşımayan, yalnız merak boşluğu bırakan başlıklar bu etiketi çoğunlukla almaz. ‘İşte o detay’ ya da ‘Görenleri şoke etti’ türü bir başlık okuyucunun zamanını aynı biçimde çalar ama ölçülebilir bir işaret bırakmaz; sistem onu göremez.

Örnek: ‘Rüyada su görmek ne anlama geliyor?’ başlığının düşük kalite etiketi alması — buna karşılık ‘İşte milyonları ilgilendiren o gelişme!’ başlığının almaması.

Duygu ve Statüko Testi

Kelimelerin tek tek olumlu veya olumsuz oluşuna değil, içerikteki eylemin dünkü duruma göre neyi değiştirdiğine bakan sistemdir.

Duygu analizi kelime tonlarına bakmaz; yeni bir zarar varsa negatif, zarar bitiyorsa pozitif, çark dönüyor ve net bir sonuç yoksa nötr (statüko) kararı verir. Bu nedenle aynı kelimelerin geçtiği zıt durumlar başarıyla ayrışır.

Örnek: ‘Hırsızlık yapıldı’ başlığının negatif, ‘hırsız yakalandı’ başlığının ise pozitif ayrışması.

Siyasi Tarafsızlık Kuralı

Sınıflandırma modelinin, belirli bir siyasi figürü, partiyi veya ideolojiyi destekleyen ya da onlara karşı olan ifadeleri etiketlemekten kasten kaçınmasıdır.

MagPunk’ın amacı bir haberin siyasi olarak doğru ya da yanlış olduğunu söylemek değildir. Model, siyasi içerikli metinlerde taraf tutmaz ve ‘bu haber taraflı’ veya ‘bu haber objektif’ gibi imalarda bulunmaz. Uygulamanın işi yalnızca teknik (düşük kalite) veya istatistiksel (negatif) ölçüm yapmaktır.

Örnek: İki farklı görüşteki gazetenin aynı siyasi haberi farklı vermesine rağmen modelin ideolojik bir etiket basmaması.

“Neden Bu Etiket?” — Açıklanabilirlik

Cihazınızdaki makine öğrenmesi modelinin, bir habere o etiketi tam olarak hangi kelimenin katkısıyla verdiğini gösteren şeffaflık ekranıdır.

Sistem bir etiket atadığında bunun arkasında kapalı bir kutu yoktur. ‘Neden bu etiket?’ düğmesine bastığınızda, modelin o kararı verirken hangi kelimeden kaç puan aldığını açıkça görürsünüz. Şeffaflık değişmezi gereği; kelimelerin matematiksel katkılarının toplamı ve sistemin taban değeri (Σ(kelime katkısı) + taban = skor) her zaman etiketin son skoruna eşittir.

Örnek: Bir başlıkta ‘deprem’ kelimesinin modele +0.42 puanlık doğrudan bir katkı sağladığının ekranda şeffafça görülmesi.

Kural Motoru: Model Yüklenmezse Devreye Giren Sigorta

Makine öğrenmesi modeli (ML) yüklenemezse devreye giren yedek ve açık sözlük tabanlı sistemdir.

Bu motor yalnızca bir sigortadır; ML modeli yüklüyse hiç çalışmaz. İkisi aynı anda çalışıp birbiriyle çelişmez. Kural motoru karmaşık bir matematik kullanmaz; doğrudan kelime listelerine, katı mantıksal şartlara (başlıkta peş peşe soru işareti olması gibi) veya sözlük puanlamasına bakar.

Örnek: Model dosyası herhangi bir sebeple yüklenemediğinde, kural motorunun devreye girip haberleri temel düzeyde sınıflandırmaya devam etmesi.

Parmak İzi ve Jaccard Karşılaştırması

MagPunk her başlığı bir kelime öbeği kümesine indirger ve bu kümeleri Jaccard oranıyla karşılaştırarak aynı olayı anlatan içerikleri bulur.

Başlık önce sadeleştirilir: küçük harfe çevrilir, kesme işaretleri ve ekler silinir, noktalama atılır (Türkçe harfler korunur), tek başına duran sayılar ve üç harften kısa kelimeler elenir. Kalan kelimelerin kökü alınır; stopword’ler ve dört harften kısa kökler ayıklanır. Geriye kalanlardan bir, iki ve üç kelimelik öbekler çıkarılır. Bu öbek kümesi başlığın parmak izidir.

Örnek: Jaccard oranı %50 ve üstündeyse iki içerik referans, %30–49 arasındaysa benzer, %30’un altındaysa ilişkisiz sayılır.

Referans, Benzer, İlişkisiz

İki haber metninin kelime ve anlam kökleri üzerinden ne kadar örtüştüğünü gösteren benzerlik derecelendirmesidir.

Sistem, haberlerin parmak izlerini alarak birbirleriyle eşleştirir. Eğer benzerlik ≥ %50 ise içerik referans, %30-49 arasındaysa benzer, < %30 ise ilişkisiz kabul edilir. Referans etiketi bir kopyacılık veya intihal suçlaması değildir; aynı resmi ajans metnini kullanan, konuyu tamamen aynı kelimelerle işleyen kaliteli yayınlar da doğal olarak yüksek benzerlik alır.

Örnek: Bakanlığın yaptığı bir açıklamanın on farklı sitede aynı kelimelerle yayımlanması üzerine tümünün birbirine referans olarak bağlanması.

Öncü mü, Takipçi mi? (Otorite Çarpanı)

Bir kaynağın genelde haberleri ilk veren mi yoksa haberi sonra veren mi olduğunu 3 günlük pencerede hesaplayan otorite çarpanıdır.

Eğer bir haberin aynı gruptaki tüm referansları arasında sizin yayınlanma saatiniz hep en erken ise kaynak otorite kazanır. Son 3 günlük otorite penceresinde, kaynağın ilk yayınlama oranı ≥%60 ise ÖNCÜ (1.5× otorite çarpanı), <%30 ise TAKİPÇİ (0.5× otorite çarpanı) etiketi alır. Sistemde yeterli veri yoksa (3’ten az içerik) çarpan 1.0× olarak sabitlenir.

Örnek: Bir haber sitesinin, son üç gün içinde bir olayı hep ilk duyuran kaynak olmasıyla ‘Öncü’ çarpanını kapması.

Viral: Yayılma Hızının Aritmetiği

Bir haberin kısa süre içinde birden fazla bağımsız kaynakta aynı anda patlamasını belirten yayılma etiketidir.

Viral etiketi, olayın önemini değil ne kadar hızlı yayıldığını ölçer. Viral rozeti kazanmak için içeriğin yaşının ≤ 3 saat olması ve en az bir referans ile iki benzer (veya en az iki referans ile bir benzer) bağlantısına sahip olması gerekir. Bu etiket, akıştaki anlık fırtınaları görmenizi sağlar ve 4 saat boyunca içerik kartında kalır.

Örnek: Ünlü bir oyuncunun yaptığı açıklamanın iki saat içinde dört farklı mecrada manşet olmasıyla içeriğin viral rozeti alması.

Spam Kümesi: Aynı Kaynağın Kendini Tekrarı

Bir kaynağın kendi içinde aynı haberi defalarca yayımlayarak sistemi manipüle etmesini engelleyen otomatik filtreleme mekanizmasıdır.

Farklı kaynakların aynı haberi geçmesi olayın büyüklüğünü (otoriteyi) gösterir; ancak aynı kaynağın aynı haberi çok ufak değişikliklerle sürekli yeniden geçmesi sistem için bir spam’dir. Sistem, aynı kaynaktan peş peşe gelen referansları bir küme içine toplar ve otorite bonusu vermez.

Örnek: Bir sitenin, aynı trafik kazası haberini SEO için beş farklı bağlantıyla tekrar yayımladığında puan kazanamaması.

Raporlar ve Kıyas: İki Kaynak Aynı Olaya Nasıl Baktı?

Hangi kaynağın ne kadar haber ürettiğini ve aynı olayı birbirlerine göre kaç dakika farkla ve hangi başlıklarla verdiklerini hesaplayan analiz ekranıdır.

MagPunk arka planda verilerinizi gizlice analiz etmez, sizin isteğinizle indirdiğiniz haberlerin kıyaslamasını yapar. Raporlar sekmesinde her kaynağın genel performansını görebilirken, Pro sürümüne özel Kıyas sekmesinde iki farklı kaynağı seçip aynı haberi veriş hızlarını (örneğin “NTV gündemi ort. 23 dk geriden” şeklinde) doğrudan eşleştirebilirsiniz.

Örnek: İki farklı haber kanalının aynı olaya nasıl baktığını, başlıklarını ve kimin haberi önce girdiğini Kıyas ekranında yan yana görmeniz.

Bildirimin Geçtiği Yedi Kapı

Bir haberin telefonunuzda bildirim olarak titreşmeden önce cihaz içinde sessizce test edildiği yedi farklı kontrol aşamasıdır.

MagPunk, sizi sürekli bildirimlerle rahatsız etmez. Bir haberin bildirim çubuğunuza düşmesi için sistem içinde tam 7 farklı kapıdan geçmesi gerekir. Tüm içerikler (kritik olanlar dahil) 80 skor eşiğini aşmak zorundadır. Kritik içeriklerin tek ayrıcalığı kategori, dil ve kaynak filtrelerini atlamalarıdır. Böylece değerli dikkatiniz sıradan gelişmelerle bölünmez.

Örnek: Sıradan bir kaza haberinin akışa girmesi ancak bildirim kapılarından geçemediği için telefonunuzu titretmemesi.

Günlük Bülten ve Flaş Süresi

Son 24 saat içinde gerçekleşen en önemli 10 haberi akşamları size sunan özet ve olayların sıcaklık süresini belirten metriktir.

Her gün saat 19:00’da cihazınız son 24 saatin özetini çıkararak sizi bilgilendirir. Bültene giren 10 içeriğin en fazla 3 tanesi kritik haber olabilir. Sistemdeki flaş süresi ise, doğrudan tam 80 eşiğini aşan haberlerin o değerin üstünde kalabildiği aktif süreyi gösterir.

Örnek: Akşam eve döndüğünüzde, gün boyunca yaşanan yüzlerce gelişmenin sadece en önemli 10 tanesinin özetini okuyabilmeniz.

Nabız: Kaynak Kaynak Yüksek Skorlu İçerik

Ana akışı filtreleyerek sadece son 24 saatte ≥ 85 skor eşiğini aşan haberleri sade bir listede birleştiren ekrandır.

Nabız görünümü, tüm haberleri okumak istemeyenler için bir ‘seçkinler’ özetidir. Yalnızca son 24 saat içindeki en güçlü içeriklerden oluşur. Nabız doğrudan kaynak kaynak dizilir; her kaynağın en yüksek skorlu içeriklerini gruplar ve listeleme tavanı kaynak başına en fazla 15 içeriktir (Pro sürümde kaynak ve eşik ayarları değiştirilebilir).

Örnek: Uzun bir yolculuktan sonra haberlere bakarken, önemsiz detayları atlayıp yalnızca skoru çok yüksek gelişmelere göz atmanız.

İzlenen Sözcükler — ve Neden Skoru Değiştirmez

Takip etmek istediğiniz kelimeleri belirleyerek, bu kelimelerin geçtiği haberleri akış içinde renkli veya belirgin şekilde görmenizi sağlayan özelliktir.

İzlenen sözcükler görsel bir işarettir ve kalıcılığı artırır (içeriği arşiv temizliğinden muaf tutar); ancak cihazınıza o haberin skorunu doğrudan değiştirme yetkisi vermez. Kendi seçtiğiniz spesifik bir kelime habere puan ekleseydi, kendi ellerinizle yapay bir yankı odası yaratmış olurdunuz. Bu nedenle skor bonusu sadece sistemin tespit ettiği trend sözcüklere aittir.

Örnek: ‘Uzay’ kelimesini izlediğinizde, akışta bu kelimenin geçtiği haberlerin altının çizili olması ama en tepeye çıkmaması.

Dürüst Karne — Gerçek Akışta Ölçülmüş Sayılar

Dürüst karne, etiketleme başarımının laboratuvar ortamında değil, doğal dağılımlı gerçek bir akış üzerinde ölçülmüş hâlidir.

Ölçüm 17 Temmuz 2026’da, eğitime hiç girmemiş 1110 başlık üzerinde, cihazdaki kalibre edilmiş eşiklerle yapıldı. Değerler dile göre ayrı verilir, çünkü model her dilde farklı davranır. P etiketlediklerimizin ne kadarının doğru olduğunu, R etiketlenmesi gerekenlerin ne kadarını yakaladığımızı gösterir. Zayıf satırlar da tabloda duruyor; kesilmiş ya da yuvarlanmış hiçbir sayı yok.

Örnek: Düşük Kalite TR’de kesinlik 0.99, kapsama 0.61. Etiketi bastığında neredeyse hiç yanılmıyor, ama düşük kaliteli içeriklerin ancak bir kısmını yakalıyor.

Yalnız Başlık Okunur: Bilgi Tavanı

Modelin ve kural motorunun, analizlerini yaparken haberin tam metnine değil yalnızca haberin başlığına bakması sınırıdır.

Cihazınızdaki makine öğrenmesi modeli ve kural motoru, haberin içeriğini analiz etmez. Sistem kararlarını yalnızca haber başlığına odaklanarak verdiğinden, başlığın açıkça yansıtmadığı detaylar ölçülemez ve skora dahil edilemez. Bu tasarım, haberin metnindeki ince ayrıntıların veya bağlamın tespit edilmesini tamamen imkansız hâle getirir.

Örnek: Haberin metni son derece detaylı olsa da, başlık yetersizse sistemin bunu düşük kalite olarak işaretleyebilmesi.

Doğruluk Denetimi Yapmaz

MagPunk’ın, bir haberin gerçekte yaşanıp yaşanmadığını, bilgilerin doğru olup olmadığını araştırma yeteneği kesinlikle yoktur.

Sistem, verilerin (isimlerin, sayıların veya olayların) dış dünyadaki gerçekliğini teyit etmez. Uygulama sadece kelimelerin istatistiksel tonunu ve haberlerin birbirine referansla yayılma hızını ölçer. Bir haber, yayıncı kaynak tarafından tümüyle yalan veya kurgu olarak üretildiğinde sistem bunu hiçbir şekilde kesinlikle algılayamaz.

Örnek: Uydurma bir olayın, on farklı kaynakta büyük harflerle yayılması durumunda sistemin bunu kritik veya viral sayması.

Tarafsızlık Ölçmez

Uygulamanın bir haber kaynağının ideolojik durumunu, politik pozisyonunu veya ne kadar objektif olduğunu tespit edememesidir.

MagPunk hiçbir içeriğin siyasi olarak tarafsız veya yansız olduğunu iddia edemez. Sistem sadece negatif, pozitif ve nötr duyguyu ölçer, bu istatistiksel duygusal ton kesinlikle tarafsızlık demek değildir. Bir haberin çok yoğun bir taraf tuttuğu, istatistiksel olarak ‘nötr’ kelimeler kullanılarak da gizlenebilir.

Örnek: Bir grubun, kelimeleri çok özenli ve nötr seçerek aslında tamamen tek taraflı ve yanlı bir metin üretmesi.

Etiketler İstatistiksel Tahmindir, Hüküm Değil

Ekranda gördüğünüz hiçbir rozet veya etiketin mutlak bir doğru veya nihai bir yargı anlamına gelmemesidir.

Uygulamanın bastığı düşük kalite veya kritik gibi etiketlerin tamamı basit birer olasılık hesabından ibarettir. Makine öğrenmesi modeli (≈7 MB boyutundaki) ve arkasındaki eşik değerleri, matematikle belirlenmiş bir ihtimali ekrana yansıtır. Sistem çalışırken bazen tamamen yanılabilir ve zaman zaman yanlış etiketler üretebilir.

Örnek: Sistemin yüzde doksan (0.90) kesinlikle çalıştığı bir ayarda bile her on karardan birinde istatistiksel olarak hata yapması.

Yanlış Etiket Gördünüz mü? → Geri Bildirim

Modelin yanlış etiketlediği bir içeriği, ne gönderileceğini kendiniz görüp onayladıktan sonra bize iletebilmenizdir.

Etiketi uygulama içinde elle değiştiremezsiniz; bu bilinçli bir tercihtir, çünkü tek bir cihazdaki düzeltme modeli eğitmez, yalnızca o içeriği bozar. Bunun yerine okuma panelindeki “hata bildir” bağlantısına dokunur, hangi etiketin yanlış olduğunu ya da hangisinin eksik kaldığını işaretlersiniz. Bildirim panonuza kopyalanır ve tarayıcıda gönderim sayfası açılır. Siz “Gönder” demeden cihazınızdan hiçbir şey çıkmaz.

Örnek: Sıradan bir haberin içindeki kelimeler yüzünden kritik etiketi alması ve bunu, gönderilecek metni okuduktan sonra bildirmeniz.