Güven Motoru ve Veri Tutarlılık Puanı (Confidence Engine)

Bu doküman, Humindx platformunda bir psikometrik profilin ne kadar "olgun" ve ne kadar "doğal" olduğunu ölçen iki eksenli güven mekanizmasını açıklar. B2B panelinde (İK uzmanlarına) sunulan verilerin geçerliliği bu motor tarafından denetlenir.

Kapsam Uyarısı: Bu doküman, güven ve tutarlılık skorlarının hesaplanmasını kapsar. Bu skorları besleyen log mekanizmasının veritabanı yapısı için ../security/audit-trail.md dosyasına, skorların nasıl hesaplandığına dair matematiksel temeller için scoring-algorithms.md dosyasına bakınız.

---

1. Temel Problem: Veri Egemenliği vs. Kurumsal Güven

Humindx, kullanıcıya benzersiz bir özgürlük tanır:

1. Kullanıcılar yapay zekanın önerdiği [SOCIAL] senaryo etiketini [PRO] olarak değiştirebilir.
2. Kullanıcılar Pozitif Transfer Köprüsü ile Sosyal Odalarındaki bir skoru Profesyonel Odalarına kopyalayabilir.

B2B İtiraz Noktası: "Eğer aday kendi skorlarını bu şekilde manipüle edebiliyorsa, ben İK yöneticisi olarak bu profile neden güveneyim?"

Çözüm: Kullanıcının müdahale etmesini engelleme, ancak her müdahaleyi şeffaf bir 'Tutarlılık Puanı' (Integrity Score) üzerinden fiyatlandır. Profilin güvenilirliğini iki eksende ölçerek İK yöneticisine "Bu profilin %90'ı AI onaylı doğal etkileşim, %10'u kullanıcı beyanıdır" şeklinde raporla.

---

2. İki Eksenli Güven Mimarisi

Bir profilin B2B tarafında geçerli olabilmesi için iki skora sahip olması gerekir:

Eksen A: Profil Olgunluk Skoru (Confidence Score - $C_m$)

Sistemin kullanıcıyı ne kadar süredir ve ne kadar derinlikte tanıdığını ölçer. Etkileşim hacmine (Volume) bağlıdır.

Formül (Asimptotik Eğri):

$$C_m=1-e^{-k\cdot n}$$

Burada $n$ = işlenen bağlamsal olay sayısı (skor değişimine yol açan senaryo/sohbet sayısı), $k$ = doygunluk katsayısı.

Kalibrasyon: $k=0.05$ başlangıç değeri ile:

• $C_m(3)\approx 0.14$ (%14 — yeni kullanıcı)
• $C_m(10)\approx 0.39$ (%39 — keşif aşaması)
• $C_m(50)\approx 0.92$ (%92 — olgun profil)
• $C_m(100)\approx 0.99$ (%99 — tam doygunluk)

Bu katsayı, beta kullanıcı verileriyle kalibre edilecektir.

İşlev: B2B paneli, $C_m<0.50$ (%50) olan profilleri "Yetersiz Veri" (Insufficient Data) olarak işaretler ve uyum yüzdesi göstermez.

Eksen B: Veri Tutarlılık Puanı (Integrity Score - $I_s$)

Verinin ne kadarının yapay zeka tarafından doğal akışta (AI-Driven) oluştuğunu, ne kadarının kullanıcının manuel müdahalesiyle (User-Augmented) şekillendiğini ölçer. 100 puan üzerinden başlar ve kullanıcı müdahalelerinde düşer.

Alt Sınır: $I_s=max(0,I_s)$ — Tutarlılık puanı asla negatife düşemez.

---

3. Tutarlılık Puanı ($I_s$) Hesaplama ve Ceza Mantığı

Her kullanıcının Profesyonel Odası $I_s=100$ puan ile başlar (Tamamen doğal etkileşim). Kullanıcı, sisteme manuel müdahale ettiğinde bu puan belirli ağırlıklarla düşer:

3.1. Düşüş (Ceza) Çarpanları

Müdahale Türü	Ceza	Koşul	Audit Trail Kodu
Manuel Etiket Değişimi	$-3$ puan	Değiştirilen senaryo ≤ 3 trait etkiliyorsa	LABEL_OVERRIDE
Manuel Etiket Değişimi (Geniş Etki)	$-5$ puan	Değiştirilen senaryo > 3 trait etkiliyorsa	LABEL_OVERRIDE_WIDE
Pozitif Transfer Köprüsü	$-15$ puan	Transfer edilen her ana faktör (trait) başına	BRIDGE_TRANSFER

3.2. Algoritmik İyileşme (Algorithmic Healing)

Düşen bir tutarlılık puanı sonsuza kadar düşük kalmaz. Humindx, "statik" değil "yaşayan" bir sistemdir.

Kullanıcı müdahalesinden sonra, kullanıcı AI ajanlarıyla [PRO] etiketli doğal (müdahalesiz) sohbetler yapmaya devam ettikçe, tutarlılık puanı yavaş yavaş kendini onarır.

İyileşme Formülü:

$$I_s^{new}=I_s^{old}+0.05\times (100-I_s^{old})$$

AI tarafından onaylanmış her başarılı senaryo, mevcut açığın (100 - $I_s$) %5'ini kapatır. Bu asimptotik yaklaşım:

• $I_s=50$ → iyileşme = $+2.5$ puan/senaryo (hızlı toparlanma)
• $I_s=85$ → iyileşme = $+0.75$ puan/senaryo (yavaşlama)
• $I_s=95$ → iyileşme = $+0.25$ puan/senaryo (100'e ulaşmak çok zor)

Kullanıcı profilini manuel şişirse bile, o şişirilmiş profili "doğal iş simülasyonu (Shadow Interview)" gibi etkileşimlerde kanıtlamak zorunda kalır. Kanıtlarsa güven skoru geri yükselir; kanıtlayamazsa sistem (Scoring Engine'deki EMA algoritmaları) o skoru zaten aşağı çekecektir.

---

4. İK Paneli Görünümü (B2B UI Representation)

İK Müdürü (Merve) paneli açtığında, adayın Uyum Skorunun hemen yanında bir "Veri Güvenilirlik Rozeti" görür. Bu rozet, $I_s$ ve $C_m$ skorlarının birleşimidir.

Rozet / Durum	Şartlar	İK Yöneticisine Sunulan İfade
AI Onaylı (Doğal)	$I_s>85$ ve $C_m>0.70$	"Profil yüksek etkileşimle ve organik olarak oluşmuştur. Müdahale minimaldir."
Kullanıcı Destekli	$60\le I_s\le 85$	"Aday, bazı sosyal yetkinliklerini kendi beyanıyla bu profile taşımıştır. Mülakatta bu yetkinliklerin çapraz kontrolü önerilir."
Şüpheli / Ham Veri	$I_s<60$ veya $C_m<0.50$	"Profilde aşırı düzeyde manuel etiket değişimi veya transfer bulunmaktadır, ya da yetersiz etkileşim verisi mevcuttur. Güvenilirliği düşüktür."

Not: İK Yöneticisi, "Kullanıcı Destekli" rozetine tıkladığında Audit Trail özetini görür: "Aday, 12.04.2026 tarihinde Sosyal Odasındaki İkna Kabiliyeti skorunu Profesyonel Odasına transfer etmiştir."

---

5. EU AI Act Kapsamında Önemi (İnsan Gözetimi)

Avrupa Birliği Yapay Zeka Yasası (EU AI Act), işe alım algoritmalarının tamamen kara kutu olmasını ve "İnsan Gözetimi" (Human Oversight) olmaksızın karar vermesini kısıtlar.

• Humindx'in Veri Tutarlılık Puanı ($I_s$), sistemin kullanıcının kaderini "tek başına belirlemediğinin" ispatıdır.
• Kullanıcıya kendi verisine müdahale etme hakkı verilmesi "Right to Contest" (İtiraz Hakkı) prensibini karşılar.
• İK Yöneticisine bu müdahalenin oranını göstermek ise "Şeffaflık" prensibini karşılar.
• Sistem "Adayı Ele" kararı vermez; sadece İK uzmanına kararın doğallık indeksini sunar.

---

Son Güncelleme: 2026-04-15 — Profil Olgunluk Skoru (k=0.05 kalibrasyonu), Veri Tutarlılık Puanı (deterministik ceza tablosu, asimptotik iyileşme formülü), B2B rozet matrisi ve EU AI Act uyumu tanımlandı.