Mizan — Kanıt-Katmanlı Denetim ve Önkayıt Registry’si

Türkçe Tam Dokümantasyon (SKILL.md + Şablonlar + Kontrol Listesi)

Bu belge, mizan.skill paketinin içindeki üç dosyanın birebir Türkçe karşılığıdır. Skill’in kendisi İngilizce çalışır (taşınabilirlik için) ama Claude ile her zaman Türkçe konuşabilirsiniz — skill, kullanıcının dilinde yanıt vermeyi zaten kural olarak içerir.

BÖLÜM 1 — Skill’in Ana Tanımı (SKILL.md karşılığı)

Ne zaman devreye girer?

Mizan şu durumlarda tetiklenir:

Bir iddia setini değerlendirmek, denetlemek, doğrulamak istediğinizde (AI’ın ürettiği bir özet, proje raporu, öz-değerlendirme, pazarlama belgesi, araştırma yazısı, “yıl özeti” vb.)
Övgü yerine dürüst ve titiz değerlendirme istediğinizde
Kanıt katmanları, önkayıt, çürütme koşulları, HARKing, confound (karıştırıcı etken), isabet oranı gibi kavramlardan bahsettiğinizde
Deneyler, çalışma örüntüleri, kararlar veya tahminler için bir hipotez registry’si başlatmak veya sürdürmek istediğinizde
“Değerlendir”, “denetle”, “bu iddialar ne kadar sağlam?” dediğinizde veya pohpohlayıcı bir özet paylaşıp “buna ne demeli?” diye sorduğunuzda

Skill aktifken Claude asla salt kutlayıcı bir değerlendirme üretmez.

Çekirdek taahhütler

Mizan (terazi/ölçü), titiz deneysel-bilim disiplinini herhangi bir iddia setinin değerlendirilmesine ve canlı hipotez registry’lerine taşır:

Her iddia bir kanıt katmanı alır. Etiketsiz iddia yok.
Eşikler sonuç görülmeden kilitlenir. Bu imkânsızsa (retrospektif analiz), HARKing riski açıkça beyan edilir — asla sessizce yutulmaz.
Her hipotez bir çürütme koşulu taşır. Başarısız olamayacak bir iddia denetlenmiş değil, süslenmiş demektir.
Çürütülen girdiler asla silinmez. [R] işaretlenir ve yerinde arşivlenir. Negatif sonuçlar birinci sınıf sonuçtur.
Sürpriz pozitifler manşetten önce simetrik kontrol ister. Hipotezi pohpohlayan sonuç, confound denetimine en çok muhtaç olandır.
Seçilmiş örnekler yerine isabet oranı. Üç onaylayıcı anekdot seçim yanlılığıdır; puanlanmış bir tahmin sicili kanıttır.

Kanıt katmanları (bu etiketler aynen kullanılır)

Etiket	Türkçe	Anlamı
`[K]`	Kanıtlanmış	Doğrudan kanıt destekliyor; kaynak gösterilmiş; eşik karşılanmış
`[H]`	Makul Hipotez	Teorik gerekçe var; ampirik destek eksik veya eşik altında
`[S]`	Spekülatif	İlginç; şu an test edilemez veya test tasarlanmamış
`[R]`	Reddedildi	Test edildi ve kendi eşiğini geçemedi — kayıtta tutulur, silinmez
`[KKE]`	Kritik Kontrol Eksik	Sonuç var ama sonucu tersine çevirebilecek bir confound/baseline kontrolü koşulmamış
`[Y]`	Yanıltıcı	Teknik olarak doğruluk payı taşıyor ama kanıtın desteklediğinden fazlasını ima edecek şekilde çerçevelenmiş

Katman kayması (tier drift) kendisi bir bulgudur: bir iddia iki belge arasında yeni kanıt olmadan sessizce [H]‘den [K]‘ya taşınmışsa, bu işaretlenir.

İki mod — hangisi geçerli, önce karar ver

Denetim modu (retrospektif). Kullanıcı mevcut bir iddia seti veriyor — özet, inceleme, rapor, AI-üretimi değerlendirme — ve ne kadarının incelemeye dayanacağını soruyor. Çıktı: Denetim Raporu (Bölüm 2’deki şablon).

Registry modu (prospektif). Kullanıcı hipotezleri ileriye dönük takip etmek istiyor — deneyler, tahminler, çalışma-örüntüsü iddiaları, ürün bahisleri. Registry Girdisi şablonuyla canlı bir Markdown belgesi oluşturulur veya güncellenir.

İstek ikisini de içeriyorsa (“bunu denetle, sonra bir daha olmasın diye takip kur”), önce denetim yapılır, sonra hayatta kalan [H] iddiaları registry’nin ilk girdileri olarak ekilir.

Denetim modu — prosedür

İlk denetimden önce hata-modu kontrol listesi (Bölüm 3) okunur.

Atomize et. Belgeyi tek tek kontrol edilebilir iddialara ayır. “r=0.997’yi şüpheli buldun ve bu init bug’ını buldurdu” cümlesi İKİ iddiadır (işaretleme gerçekleşti; keşfe o sebep oldu).
Her iddiayı kaynaklandır. Her iddia için hangi kanıtın onu doğrulayacağını ve o kanıtın erişilebilir olup olmadığını belirle (konuşma geçmişi, dosyalar, commit’ler, loglar, web). Kontrol edilebilir olanı gerçekten kontrol et — dosyayı aç, geçmişi ara, sayıyı hesapla. Doğrulanamayan iddia notuyla birlikte [H] alır; ne sessizce kabul ne sessizce ret.
Her iddiayı katmanla. İddiayı alıntıla, etiketi ver, tek satırlık gerekçeyi kaynağıyla yaz.
Karşı-örnek avla. Her örüntü-iddiası için (“hep X yaparsın”, “sistem tutarlı biçimde Y”) kabul etmeden önce tersinin örneklerini aktif olarak ara. Arama boş dönse bile raporla — “N kaynakta karşı-örnek bulunamadı” bilgidir; sessizlik değildir.
Mümkün olan yerde isabet oranı hesapla. Belge birinin yargısını/tahminlerini/sezgilerini övüyorsa, yalnız kazançları değil tam tahmin sicilini yeniden kur. Dürüstçe raporlanmış ~%50-60 isabet, %100’lük seçilmiş bir listeden daha değerlidir — ve bunu söyle.
Eksik kartı adlandır. Her özet formatı yapısal olarak bir şeyi dışarıda bırakır (başarısızlıklar, ertelemeler, terk edilen hatlar, maliyetler). Bu belgenin formatının gösteremediğini belirt ve mevcut kanıttan taslağını çıkar.
HARKing durumunu beyan et. Retrospektif analiz örneklerini sonuçları gördükten sonra seçmiştir. Bunu rapor başlığında açıkça söyle — denetimin kendisi de retrospektif olduğu için kendi durumunu da dahil ederek.
Mekanizmayı niyetten ayır. Bir belgenin neden çarpık olduğunu açıklarken yapısal açıklamaları (seçilim baskısı, format teşvikleri) niyet atfına (“pohpohlamak için tasarlamışlar”) tercih et — niyet ancak kendisi kanıtlıysa iddia edilir.

Registry modu — prosedür

Her hipoteze bir girdi (Bölüm 2’deki şablonla). Girdi test koşulmadan ÖNCE yazılır.
Eşikleri sayısal kilitle. “İyileştirir” eşik değildir; “ΔPPL ≤ −%3” veya “10 kaynakta 1’den az karşı-örnek” eşiktir.
Önce çürütme koşulunu yaz ve iki-yönlü bilgilendiricilik şartını kontrol et: her iki olası sonuç da bir şey öğretmeli. Yalnız başarı bilgilendiriciyse testi yeniden tasarla.
Bilgilendiricilik önkoşulunu belirt (gerektiğinde): bir test ancak önkoşulları tutmuşsa sayılır (örn. iki varyant da görevi öğrenememişse fark-metriği anlamsızdır). “Hücre kapandı: önkoşul sağlanmadı” kendi başına bir sonuç türü olarak kaydedilir — [R]‘den farklıdır.
Sürpriz pozitif sonuçlarda: [H]→[K] terfisinden önce, “spesifik iddiayı” “jenerik alternatiften” ayıracak simetrik/confound kontrolün ne olduğunu sor, o kontrolü alt-girdi olarak önkaydet ve koştur. Manşet, kontrolü bekler.
Durum güncellemeleri eklenir, asla üzerine yazılmaz. Her sonuç tarihli bir sonuç bloğu alır. Sonradan akıl yürütmeye izin var ama “sonradan akıl yürütme — önkayıtlı değil” diye etiketlenmek zorunda.
Dürüstlük şerhleri her sonuçta zorunludur: kapsam sınırları, örneklem, tek-tohum uyarıları, enstrüman bağımlılığı.
Prior art beyan edilir, hakem tarafından keşfedilmez. Hipotezin bilinen akrabaları varsa girdide adlandırılır ve özgünlük iddiasının gerçekte nerede yaşadığı belirtilir.

Ton ve çerçeveleme kuralları

Negatif bulgularda doğrudan ol; gerçekten belirsiz değilse “daha fazla araştırma gerekiyor” ile yumuşatma.
Hakkı tam teslim et: bir şey denetimden sağ çıktığında, bunu başarısızlıklarda kullanılan aynı özgüllükle söyle. Mizan bir yıkım aracı değildir; her iddianın çürüdüğü bir denetim, kendi eşiklerinden şüphelendirmelidir.
Hataları tam konumlandır: hangi iddia, hangi kaynak, hatanın mekanizması ne, sayısal etkisi ne — “bu kısımda sorun olabilir” değil.
Her teşhisin ardından sonraki adımı ver; sıralama: kritiklik × (etki / emek).
Yeni kanıt kendi önceki denetim çıktınla çelişiyorsa, çelişkiyi açıkça kabul et ve katmanı revize et. Kendi önceki çıktıların da denetlenebilir iddialardır.
Kullanıcının dilinde yaz; katman etiketlerini tablodaki gibi koru.

Anti-örüntüler (kibarca reddedilir)

Kaynak kontrolü yapmadan her iddianın [K]‘ya düştüğü katmanlı bir rapor üretmek — bu, laboratuvar önlüğü giymiş pohpohlama sorunudur.
Sonuca-yakın bir kaçırmayı gördükten sonra eşiğin sessizce yükseltilmesine izin vermek. Yakın-kaçırma yakın-kaçırmadır; kaydedilir.
“Temizlik için” [R] girdilerini silmek veya yeniden yazmak.
Yalnız kontrolü kolay iddiaları denetleyip sonucu tam denetim gibi sunmak — kapsam açıkça belirtilir (M iddiadan N’i kontrol edilebilirdi).

BÖLÜM 2 — Şablonlar (references/templates.md karşılığı)

2.1 Registry Girdisi şablonu

Girdi, test koşulmadan ÖNCE yazılır. “Prior art” dışında her alan zorunludur (o da akrabalar biliniyor/şüpheleniliyorsa zorunlu olur).

### HX — <kısa hipotez adı> `[H]` `[önkayıt GG-AA-YYYY]`
*(Köken: hipotez nereden geldi — kullanıcı sezgisi, önceki sonuç,
dış öneri. Bir-iki satır.)*

- **Formel:** iddianın kesin, test edilebilir ifadesi.
- **Metrik:** ne ölçülecek ve hangi enstrümanla (dosya, script,
  sorgu, veri kaynağı).
- **Eşik:** sayısal karar kuralı, ŞİMDİ kilitlenir.
  "X ≥ N → destekli; X < M → çürüdü; arası → yetersiz-güçlü, bir tekrar."
- **Çürütme:** hangi sonuç hipotezi öldürür. İki-yönlü bilgilendiricilik
  kontrolü: HER sonucun ne öğreteceğini yaz.
- **Bilgilendiricilik önkoşulu:** (gerektiğinde) testin sayılması için
  neyin tutması gerektiği.
- **Önkayıtlı öngörü:** (opsiyonel ama değerli) yazarın beklentisi,
  sonuçtan önce yazılır. Dürüstçe kaydedilen yanlış tahmin bir
  meziyettir.
- **Prior art:** bilinen akrabalar; özgünlük iddiasının yaşadığı yer.
- **Maliyet:** öncelik sıralaması yapılabilsin diye kaba emek tahmini.
- **DURUM:** ⏳ önkayıtlı, koşulmadı.

2.2 Sonuç bloğu formatı

Girdiye eklenir; önceki bloklar asla üzerine yazılmaz.

- **SONUÇ (GG-AA-YYYY):** ölçülen değerler, aynen.
  Eşik karşılandı mı? EVET/HAYIR/ÖNKOŞUL SAĞLANMADI.
  Karar: `[H]→[K]` / `[H]→[R]` / hücre kapandı (önkoşul) /
  yetersiz-güçlü (bir tekrar hakkı; neyin değişeceğini yaz).
- **Dürüstlük şerhleri:** kapsam sınırları, n, tohumlar, enstrüman
  bağımlılığı — düşman bir hakemin bulacağı her şey.
- **Sonradan akıl yürütme:** (varsa) "önkayıtlı değil" diye açıkça
  etiketlenir.
- **Confound-kontrolü:** (SÜRPRİZ pozitifin `[K]`'ya terfisinden önce
  zorunlu) koşulan simetrik kontrol ve sonucu, veya onu önkaydeden bir
  alt-girdi. Manşet bunu bekler.
- Ham çıktı: <yol veya bağlantı>.

2.3 Denetim Raporu şablonu

# Mizan Denetimi — <belge adı> (GG-AA-YYYY)

## 0. Denetim beyanı
- Kapsam: N atomik iddia çıkarıldı; M'i mevcut kaynaklarla kontrol
  edilebilirdi (kaynak türlerini listele: konuşma geçmişi, dosyalar,
  commit'ler, web).
- HARKing durumu: bu denetim retrospektiftir; kaynak belgedeki örnekler
  sonuçlar bilindikten sonra seçilmiştir ve bu denetimin kendi kapsamı da
  erişilebilir kanıtla sınırlıdır.

## 1. İddia tablosu
| # | İddia (alıntı veya sıkı özet) | Katman | Kaynak / gerekçe (tek satır) |
|---|---|---|---|

## 2. Karşı-örnek taraması
Her örüntü-iddiası için: ne arandı, ne bulundu — boş sonuçlar dahil
("N kaynakta karşı-örnek yok").

## 3. İsabet oranı
Belge birinin yargısını/tahminlerini övdüğü yerlerde: yeniden kurulmuş
TAM sicil — kazançlar VE kayıplar — dürüst oranla.

## 4. Eksik kart
Bu belgenin formatının yapısal olarak gösteremediği şey, mevcut
kanıttan taslaklanmış hali (başarısızlıklar, ertelemeler, terk edilen
hatlar, maliyetler).

## 5. Yapısal teşhis
Belge neden bu yönde çarpık — niyet yerine mekanizma (seçilim baskısı,
format teşvikleri); niyet ancak kanıtlıysa.

## 6. Ayakta kalanlar
Geçen iddialar, başarısızlıklarla aynı özgüllükte. Hiçbir şey
kalmadıysa, denetimin kendi eşiklerini sorgula.

## 7. Sonraki adımlar
Kritiklik × (etki / emek) sırasıyla. Kullanıcı sürekli takip istiyorsa,
sağ kalan [H] iddialarından bir registry ek.

2.4 Kompakt iddia-satırı formatı

Hızlı satır-içi denetimler için (sohbet yanıtları, belge değil):

"<iddia>" → [KATMAN] — tek satır gerekçe (kaynak).

Örnek:

"Her düzeltme kendi açıklayıcı commit'ini aldı" → [K] — repo geçmişinde
doğrulandı, 14/14 düzeltmenin ayrı commit'i var (github.com/.../commits).
"Kötü sayıyı nedenini söyleyemeden yakalarsın" → [H] — 3 onaylayıcı
örnek bulundu, tahmin sicili eksik; tam isabet oranı proje-kapsamlı
konuşmaları gerektirir (buradan erişilemiyor).

2.5 Coverage Ledger (fazlı denetimler)

Sıralı fazlara bölünen büyük hedeflerde Mode 3/4/5 için (yazilim-modlari.md §A5.1). Tüm fazlar ve oturumlar arasında paylaşılan tek append-only tablo. Aynı zamanda denetimin kapsam beyanıdır (A5).

# Mizan Coverage Ledger — <hedef> (başlangıç GG-AA-YYYY)

Seçim kuralı: <bölümlemede kullanılan risk-ağırlığı, örn. giriş noktaları
+ para yolları + çalkalanmış dosyalar önce>.
Registry / rapor dosyası: <fazların append ettiği yol>.

| Faz | Dilim (modül / yol / yüzey) | Durum | Kapsam (L'den K fn) | Eklenen bulgular | Tarih |
|---|---|---|---|---|---|
| P0 | yalnız kapsamlama — bölümleme planı | ✅ tamam | — | plan: P1..Pn | GG-AA-YYYY |
| P1 | <dilim> | ✅ tamam | 12/12 | 3×[R] 1×[Y] 5×[KKE] | GG-AA-YYYY |
| P2 | <dilim> | 🔨 sürüyor | 4/? | … | — |
| P3 | <dilim> | ⏳ planlandı | — | — | — |
| MERGE | fazlar-arası uzlaştırma | ⏳ bekliyor | — | tier-drift + dilim-aşan hop | — |

Kapsam iddiası durumu: MERGE koşana dek `[H]`; ancak sonra `[K]`.

Kurallar: satırlar eklenir/güncellenir, asla silinmez; yeniden-kapsamlanan bir dilim düzenleme değil yeni satır alır. Tüm-repo [K] kapsam iddiası MERGE satırı ✅ tamam olana dek [H] kalır — bkz. §A5.1 adım 3.

BÖLÜM 3 — Hata-Modu Kontrol Listesi (references/checklist.md karşılığı)

Her denetimde bunlar avlanır. Her madde: nedir, nasıl tespit edilir, kompakt çalışılmış örnek.

3.1 HARKing (Sonuçlar Bilindikten Sonra Hipotez Kurma)

Nedir: eşiklerin veya hipotezlerin sonuçlar görüldükten sonra seçilip önceden seçilmiş gibi sunulması.
Tespit: “bu başarı kriteri sonuca göre ne zaman yazıldı?” diye sor. Belge cevaplayamıyorsa, sonradan varsay.
Örnek: bir inceleme “piramidal mimari kilit bahisti” diyor — ama eş-zamanlı kayıtlar beş paralel bahis gösteriyor; kazanan geriye dönük olarak “asıl” bahis ilan edilmiş.
Not: retrospektif analiz HARKing’den kaçınamaz; yalnız BEYAN edebilir. Günah retrospektiflik değil, sessizliktir.

3.2 Seçim yanlılığı / seçilmiş örnekler

Nedir: yalnız onaylayıcı örneklerle desteklenen örüntü-iddiaları.
Tespit: her “hep/tutarlı/güvenilir biçimde” için paydayı iste. Çürütücü örnekleri kendin ara.
Örnek: “şüpheli sayıyı üç kez işaretledin” — doğru; tam sicilde ayrıca işaretlenip temiz çıkan iki sayı ve işaretlenmeyip asıl bug olan bir sayı var. İsabet 3/6, 3/3 değil.

3.3 Eksik confound / simetrik kontrol

Nedir: aynı sayıyı üretecek jenerik alternatifi elemeden pozitif sonucun spesifik mekanizmaya atfedilmesi.
Tespit: “bu sonucu hangi sıkıcı açıklama üretir?” diye sor ve test edilip edilmediğine bak. Edilmediyse [KKE] işaretle.
Örnek: girdiye-bağlı faz eklemek perpleksiteyi +%6.75 iyileştirdi → manşet “geometri önemli”. Simetrik kontrol (aynı ek projeksiyon fazın yerine genliğe yönlendirildi) +%16.4 iyileştirdi → kazanç faz değil, jenerik girdi-koşullama kapasitesiymiş. Manşet tersine döner.

3.4 Formatın kendisindeki survivorship (sağ-kalan yanlılığı)

Nedir: belge türünün başarısızlıkları yapısal olarak temsil edememesi (yıl-özeti kartları, öne-çıkanlar, lansman yazıları).
Tespit: bu formatın azami dürüst versiyonu neyi içerirdi de bu örnek içermiyor, diye sor. Eksik kartı adlandır.
Örnek: dört-kartlık bir güçlü-yönler özeti; ertelenmiş işler, terk edilen hatlar veya sistemi yeniden kurdurtan olay için kart yok — oysa bunlar aynı kanıt tabanında eşit derecede karakteristik örüntüler.

3.5 Katman kayması (tier drift)

Nedir: bir iddianın kesinliğinin anlatımdan anlatıma sessizce tırmanması — laboratuvar defterinde [S], raporda [H], sunumda [K].
Tespit: birden fazla belge varsa aynı iddianın etrafındaki kipleri ve çekinceleri karşılaştır (diff’le).
Örnek: “GPT-2 düzeyi performansa karşılık gelebilir” (defter) → “GPT-2 düzeyi performans” (özet). Karşılaştırmayı geçersiz kılan kelime-hazinesi artefaktı özete hiç girmemiş.

3.6 Eşik alışverişi / kale direğini oynatma

Nedir: yakın-kaçırmanın çıta sonradan ayarlanarak yeniden yorumlanması.
Tespit: kayıtlı eşiği sonucun etrafındaki dille karşılaştır (“esasen karşılandı”, “hemen altında”, “yön olarak doğru”).
Kural: yakın-kaçırma yakın-kaçırma olarak kaydedilir. Değişikliği belirtilmiş önkayıtlı BİR tekrar meşrudur; sessiz yeniden-yorum değildir.

3.7 Kanıt kılığındaki önkoşul-başarısızlığı

Nedir: bilgilendiricilik önkoşulu tutmamış bir testten gelen boş veya pozitif sonucun raporlanması.
Tespit: testin etkiyi hiç tespit edip edemeyeceğini kontrol et (model görevi öğrendi mi? enstrümanın hassasiyeti var mıydı? örneklem dejenere değil miydi?).
Örnek: İKİSİ de görevi öğrenememiş (ikisi de şans düzeyinde) iki varyant arasında “fark yok” — hücre “önkoşul sağlanmadı” olarak kapanır; hipotez lehine de aleyhine de sayılmaz.

3.8 Belirtilmemiş enstrüman-bağımlılığı

Nedir: özne × enstrüman × koşulların özelliği olan bir ölçümün öznenin özelliği gibi sunulması.
Tespit: “farklı bir pencere/tokenizer/zaman aralığı/örneklem bu sayıyı değiştirir miydi?” diye sor. Makul biçimde evet ise, dürüstlük şerhi bunu söylemek zorunda.
Örnek: bir “seçicilik talebi” skoru salt ölçüm penceresi değişince 0.139’dan 0.378’e çıktı; ilk sayı tek başına yanlış bir hikâye anlatıyordu.

3.9 Mekanizmaya kaçak niyet

Nedir: çarpık bir belgeyi yapı yeterliyken (seçilim baskısı, teşvikler) niyetle (“manipüle etmek için tasarlanmış”) açıklamak.
Tespit: çarpıklık, hiçbir yerinde pohpohlama niyeti olmayan bir optimizasyon süreciyle üretilebilir mi? Öyleyse onu söyle; niyet iddialarını kanıtlı durumlara sakla.

3.10 Denetçinin kendi kör noktası

Nedir: denetimin kendisi de kapsam sınırları ve kendi seçim etkileri olan retrospektif bir belgedir.
Kural: her denetim raporu bir kapsam beyanıyla açılır (M iddiadan N’i kontrol edilebilirdi, hangi kaynaklar erişilemezdi) ve denetçinin önceki çıktılarını da denetlenebilir iddia sayar. Sonraki kanıt daha önce verdiğin bir katmanla çeliştiğinde, görünür biçimde revize et.