Bert Tabanlı Sahte Haber Tespiti: Veri Sızıntısını Önleyen Yenilikçi Bir Yaklaşım ve Metodolojik Katkılar

Dijital çağda sahte haberlerin hızla yayılması, toplumsal güven ve demokratik süreçler açısından kritik bir tehdit unsuru oluşturmaya başlamıştır. Sunulan araştırma, BERT (Bidirectional Encoder Representations from Transformers) tabanlı yenilikçi bir sahte haber tespit yaklaşımı ortaya koymakta olup, veri sızıntısı (data leakage) problemini sistematik biçimde ele almayı hedeflemektedir. Araştırmanın temel amacı, literatürde sıklıkla karşılaşılan metodolojik hataları gidererek güvenilir bir performans değerlendirmesi gerçekleştirmektir. Materyal olarak herkesin erişimine açık Kaggle platformundan temin edilen ISOT Sahte Haber Veri Seti tercih edilmiştir. Yöntem olarak MD5 hash tabanlı tekrar tespiti, katmanlı örnekleme ile veri bölme ve BERT-base-uncased modeli üzerinde ince ayar (fine-tuning) stratejisi benimsenmiştir. Veri temizliği aşamasında 6.252 tekrarlı örnek (%13.9) belirlenerek veri setinden çıkarılmış, eğitim-test seti örtüşmesi 1.950 örnekten 2'ye indirgenmiştir. Elde edilen bulgular, temizlenmiş veri seti üzerinde %99.97 test doğruluğuna ulaşıldığını, sahte haber sınıfı için %99.92 kesinlik ve %100 duyarlılık değerlerinin sağlandığını ortaya koymaktadır. AUC-ROC skoru 0.9997 olarak hesaplanmıştır. Sonuç olarak, metodolojik titizlik gözetildiğinde BERT modellerinin sahte haber tespitinde üstün performans sergileyebildiği doğrulanmış; veri sızıntısı önleme stratejilerinin model değerlendirmesindeki belirleyici rolü açık biçimde gösterilmiştir.