Güncel Açık Kaynak Büyük Dil Modellerinin Kişilik Değerlendirme Performansı: IPIP Verileri Üzerinde İnsan ve Yapay Zekâ Karşılaştırması

Yapay zekâ tabanlı sohbet botlarının yaygın kullanımı, bu sistemlerin yalnızca doğruluğunun değil, aynı zamanda sergiledikleri dilsel ve davranışsal örüntülerin de incelenmesini gerekli kılmıştır. Kullanıcı etkileşimleri sırasında ortaya çıkan yanıtların üslubu ve tonu, bu sistemlerin belirli kişilik özellikleri sergilediği yönünde algılar oluşturabilmektedir. Bu çalışma, yapay zekâ (YZ) sohbet botlarının (COPILOT, ChatGPT, Gemini, Meta AI, Grok, Perplexity AI ve Claude) insan kişilik özelliklerini ne ölçüde taklit edebildiğini, Beş Faktör Kişilik Test (IPIP- Big Five) Modeli çerçevesinde incelemektedir. Veriler, uygulanan 5 seviyeli Likert tipi ölçek aracılığıyla toplanmıştır. Yapay zekâ yanıtları, 1=Kesinlikle Katılmıyorum ile 5=Kesinlikle Katılıyorum arasında derecelendirilen 5’li Likert ölçeği kullanılarak ölçülmüştür. İnsan verileri ile farklı YZ sohbet botlarından elde edilen yanıtlar, normal dağılım varsayımı altında Z-test kullanılarak karşılaştırılmıştır. Analizler, dışadönüklük (z = 0,403) ve deneyime açıklık (z = 1,57) boyutlarında sık kullandığımız gruplar arasında istatistiksel olarak anlamlı fark bulunmadığını göstermektedir. Buna karşılık, duygusal dengesizlik (nörotisizm) (z =-5,876), uyumluluk (z = 5,069) ve sorumluluk (z = 2,739) boyutlarında anlamlı farklılıklar tespit edilmiştir. Bulgular, YZ sistemlerinin düşük duygusal duyarlılık ve yüksek uyumluluk ile sorumluluk skorları üretme eğiliminde olduğunu, dolayısıyla insan kişiliğini kısmen taklit edebilse de belirli boyutlarda sistematik sapmalar gösterdiğini ortaya koymaktadır. Bu çalışma, YZ sistemlerinin kişilik simülasyonunu nicel olarak değerlendirebilen istatistiksel yeni bir çerçeve sunmaktadır.