tunahanf/turkish-medicine-law

turkish-medicine-law

Bu veri seti, Türkçe tıp ve sağlık hukuku alanında hazırlanmıştır. Türkçe hukuk alanında genel amaçlı birkaç kaynak bulunuyor, ama tıp hukuku özelinde hazırlanmış bir veri seti şimdiye kadar yoktu. Bu proje o boşluğu doldurmayı amaçlıyor.

Veri setindeki örnekler hukukçular, bilirkişiler ve sağlık kuruluşlarının hukuk birimleri için hazırlandı. Hastaya veya hekime doğrudan hukuki görüş sunmak amacıyla kullanılmak üzere tasarlanmadı. Buradaki çıktılar bir ön inceleme ve kontrol listesi niteliğinde düşünülmeli, nihai bir hukuki görüşün yerine geçmemeli.

Önce Okuyun: bu veri seti bir benchmark değil

test.jsonl hukukçu onaylı bir referans küme değildir. İçindeki bütün etiketler ya deterministik bir kurgudan ya da bir dil modelinin gerçek karar metnini okuyup ürettiği çıktıdan geliyor; hiçbiri bir hukukçunun elle onayından geçmedi. Bu yüzden bu dosyayı "makine etiketli karşılaştırma kümesi" olarak adlandırıyoruz. İki modeli birbiriyle kıyaslamak için kullanılabilir; "model tıp hukukunu şu oranda biliyor" gibi bir iddiaya dayanak yapılamaz.

Bunun ne kadar somut bir sınır olduğunu kendi denetimimiz gösterdi: senaryo_analizi içinde kusur_tipi etiketi ["ozen", "aydinlatma"] olan 91 kaydın 63'ünde etiket yanlıştı (bkz. Sürüm Notları, v2.0). Yani makine etiketlerinin hata oranı, en azından bazı alt kümelerde, gözle görülür düzeyde.

Aşağıdaki "Ölçüm Artefaktları" ve "Bilinmesi Gereken Sınırlamalar" bölümlerini sonuç raporlamadan önce okuyun.

Görev Türleri

Veri seti altı görev tipi içeriyor. Her görev hukuk alanında farklı bir düşünme biçimini temsil ediyor: kimi metinden bilgi çıkarmayı, kimi kapalı bir etiket kümesinden seçim yapmayı, kimi ikisini birden istiyor.

"kr" = karakter; medyan uzunluk girdinin ne kadar uzun olduğunu gösteriyor. Bir madde_qa sorusu birkaç satır, bir karar_ozeti girdisi ise kararın tam metni — bu ikisi aynı bağlam penceresini gerektirmiyor.

¹ train'deki 911 sonuc_tahmini satırının 253'ü çoğaltılmış kopya (id'sinde -dup eki taşır), özgün sayı 658; görevin veri setindeki toplam özgün örneği 826. Çoğaltmanın gerekçesi "Nasıl Bölündü" bölümünde.

Toplamda 5295 özgün örnek, dosyalarda 5548 satır var. Her satırın provenance alanı kaynağını söylüyor: synthetic (mevzuattan kurgulandı) ya da court_derived (gerçek karardan türetildi).

Görev başına dikkat edilmesi gerekenler:

• —`madde_qa` test setinin %40'ı (228/565), yani toplam skoru en çok etkileyen görev. Ölçüm artefaktı taşır, aşağıya bakın.
• —`karar_ozeti` çıktısının üç alanı (taraflar_iddiasi, olay_ozeti, hukuki_degerlendirme_ozeti) serbest metin; objektif olarak puanlanamaz.
• —`sonuc_tahmini` mahkeme kodu confound'u taşır, aşağıya bakın.
• —`onam_denetimi`'nin etiketi üretimden ÖNCE deterministik olarak belirlendi: hangi unsurun eksik bırakılacağına biz karar verdik, form ondan sonra üretildi. Dil modelinin kendi çıktısına not verdiği bir görev değil.
• —`kvkk_uyum` deneysel. Test setinde yalnız 3 örneği var; bu görev üzerinden hesaplanan hiçbir oran istatistiksel olarak anlamlı değildir, raporlanmaması önerilir.

Ölçüm Artefaktları

Bir veri setinin dürüst olması, "modelin skoru neyi ölçüyor" sorusunun cevabının açıkça yazılmasını gerektiriyor. İki artefaktı ölçtük; ikisi de hâlâ kısmen mevcut, sayıları burada.

madde_qa — şık konumu (düzeltildi) ve şık uzunluğu (devam ediyor)

Bu görev test setinin %40'ı (228/565), yani toplam skoru en çok etkileyen görev.

Önceki sürümde doğru şık dağılımı düz değildi (test: B %41, C %36, A %16, D %8). Soruyu hiç okumadan "hep B" diyen bir sistem %40.8 alıyordu. Bu sürümde şık sırası, kaydın id'sinden türeyen sabit bir tohumla karıştırıldı; naif taban çizgisi %27.2'ye indi (şansa eşit %25).

Uzunluk yanlılığı devam ediyor ve düzeltilmedi: doğru şık, örneklerin %57.9'unda hâlâ en uzun seçenek. Yani soruyu okumayıp yalnızca en uzun şıkkı seçen bir sistem bu görevde ~%58 alır. Sebebi yapısal: distractor'lar doğru cevapla aynı dil modeli tarafından üretildiği için kısa ve savruk kalıyor. Düzeltmek distractor'ların yeniden üretilmesini, yani etiketlerin ve gerekçelerin değişmesini gerektirir; bu ayrı bir sürümün işi.

Pratik sonuç: madde_qa skorunu raporlarken %58'lik uzunluk taban çizgisini yanına yazın. Bu eşiği geçmeyen bir model, bu görevde hukuk bilgisi göstermiyor.

Şık sırası karıştırılırken gerekçesi şık harfine atıf yapan 83 kayıt (%4.3) bilerek dışarıda bırakıldı — orada harfi değiştirmek gerekçe metnini yalancı yapardı.

kusur_tipi — aynı kararı iki kez puanlama (v3.0'da giderildi)

v2.0'a kadar kusur bilgisi kusur_var_mi (true/false/null) ve kusur_tipi alanlarına yayılmıştı, ve ikisi birbirini tekrar ediyordu: 564 senaryo_analizi satırında istisnasız false → ["yok"], null → []. Yani satırların %55'inde kusur_tipi, kusur_var_mi verilince tamamen belirliydi; kusur_tipi skoru bağımsız bir beceri değil, aynı kararı ikinci kez ölçüyordu.

Bunun büyüklüğü ölçüldü: kusurun gerçekten var olduğu alt kümede (test n=25) fine-tune edilmiş bir modelin skoru 0.566'dan 0.387'ye, karşılaştırma modelinin skoru 0.384'ten 0.140'a düşüyor. Yani manşet sayının yarısı "kusur var mı" bilgisinden geliyordu.

Ayrıca null ve [], json'da "alan yok" / "ayrıştırma hatası" / "model cevap vermedi" durumlarından ayırt edilemiyordu ve boş küme–boş küme karşılaştırması F1'de 1.0 döndüğü için kaçamak cevaba puan veriyordu.

v3.0'da alan kusur_tespiti (var/yok/yapilmadi) olarak açık hale getirildi ve kusur_tipi yalnız var satırlarında dolu bırakıldı. Ölçüm yapan tarafın da bu alanı yalnız o alt kümede puanlaması gerekir.

sonuc_tahmini — mahkeme kodu confound'u

Etiket dağılımı, hangi mahkemenin kararı olduğuyla güçlü şekilde ilişkili: Y3HD kararlarında doğal onama oranı %81 civarında, D10D'de %3 kadar. Test seti içinde her mahkeme için en sık görülen sonucu tahmin eden basit bir kural %70.9 doğru çıkıyor (Y3HD'de %88.9, D10D'de %64.7). Bu değerler split_raporu.json'dan gelir.

Bu artefakt scrub edilemez, çünkü mahkeme kimliği (Danıştay mı Yargıtay mı) meşru ve gerekli bir hukuki bağlam; metinden silmek gerçekçi olmayan bir girdi üretirdi. Bu eşiği belirgin şekilde geçemeyen bir model, hukuki muhakemeden çok mahkeme kodunu öğrenmiş olabilir.

Objektif puanlanamayan hacim

karar_ozeti'nin test'teki 124 örneğinin (test'in %22'si) çıktısı ağırlıklı serbest metin. Bu alanlar için ROUGE/BLEU gibi n-gram örtüşme metrikleri bilinçli olarak önerilmiyor: hukuki isabetle ilgisiz oldukları hâlde sahte bir güven verirler. Bu görevde yalnızca kapalı etiket alanları (sonuc, kusur_tipi, yargi_kolu) ve çıkarımsal alanlar (mahkeme, esas_karar_no) objektif ölçülebilir.

Nasıl Bölündü

Veri seti train, validation ve test olarak üçe ayrıldı. Bölme işlemi tek tek örnekler yerine gruplar üzerinden yapıldı: aynı maddeden, aynı karardan ya da aynı KVKK kararından türetilmiş bütün örnekler her zaman aynı bölümde kaldı, böylece aynı kaynağın bir kısmı eğitimde bir kısmı test setinde görülmedi. Bir kararın hem özeti hem senaryo analizi varsa, bu ikisi de aynı bölümde tutuldu.

train.jsonl içinde ayrıca 253 tane çoğaltılmış örnek var. Bunlar sonuc_tahmini görevinde bazı mahkeme ve sonuç kombinasyonlarının çok az sayıda örneğe sahip olmasını biraz dengelemek için eklendi, orijinal örneklerin en fazla dört katına kadar çoğaltıldı.

Sızıntı kontrolü bağımsız olarak tekrarlandı: birden fazla bölüme düşen source_id yok, bölümler arası birebir aynı girdi yok. 1233 benzersiz karar metni arasında yakın kopya taraması (10 kelimelik shingle, Jaccard ≥ 0.6) tek bir çift buldu — D10D-E2020.1551-K2021.3465 (train) ile D10D-E2019.6828-K2021.3429 (validation), benzerlik 0.98. Bunlar farklı esas/karar numaralı iki ayrı karar, ama metinleri neredeyse aynı. Kayıt altına alındı, çıkarılmadı.

Veri Yapısı

Her satır şöyle bir yapıya sahip:

{
  "id": "...",
  "task_type": "senaryo_analizi",
  "difficulty": "kolay | orta | zor",
  "provenance": "synthetic | court_derived",
  "source_id": "...",
  "messages": [
    {"role": "system", "content": "..."},
    {"role": "user", "content": "..."},
    {"role": "assistant", "content": "..."}
  ]
}

assistant mesajı yapılandırılmış bilgiyi içeren bir json bloğu barındırıyor. madde_qa, onam_denetimi ve kvkk_uyum'da json bloğundan önce ayrıca serbest metin bir gerekçe var. karar_ozeti ve senaryo_analizi'de v2.0'a kadar bulunan serbest metin öneki kaldırıldı, çünkü json içindeki bir alanın birebir kopyasıydı (bkz. Sürüm Notları).

kusur_tespiti — üç değerli kapalı etiket

senaryo_analizi ve karar_ozeti'nde kusur bilgisi iki alanda taşınıyor:

yapilmadi, gerçek kararlarda sık karşılaşılan bir durum: bilirkişi raporu yetersiz ya da çelişkili bulunduğu için dosya usulden bozuluyor ve esasa hiç girilmiyor. Bu satırlarda gerekce alanı mahkemenin neden karar veremediğini açıklıyor. Bir sistemin bu duruma "kusur yok" demesi, mahkemenin kurmadığı bir hükmü ona atfetmek olur; bu yüzden üçüncü bir değer olarak ayrı tutuluyor.

`kusur_tipi` yalnız `kusur_tespiti == "var"` iken doludur. Ölçüm yaparken bu alanın skorunu da yalnız o alt kümede hesaplayın — tüm sette hesaplamak kusur_tespiti kararını ikinci kez puanlar ve skoru şişirir (v2.0'da satırların %55'i bu durumdaydı, bkz. Ölçüm Artefaktları).

kusur_tipi taksonomisi: ozen · aydinlatma · organizasyon · sadakat · sevk. (v2.0'daki yok değeri kaldırıldı; artık kusur_tespiti söylüyor.) Bu etiketlerin veri setindeki gerçek dağılımı bir alttaki tabloda.

Kapalı Etiket Kümeleri

Aşağıdaki alanlar kapalı kümedir — model bu değerlerin dışına çıkarsa hata sayılır. Parantezsiz sayılar veri setinin tamamındaki dağılımdır; bir etiketin ne kadar seyrek olduğunu görmeden o etiketin F1'ini yorumlamayın.

kusur_tipi çok etiketlidir (bir satırda birden fazla değer olabilir), bu yüzden sayıların toplamı satır sayısını aşar. Taksonomide tanımlı olan sadakat etiketi veri setinde hiç geçmiyor: bir model onu öğrenemez, o yüzden ölçümde beklemeyin. karar_ozeti'nde sonuc alanı 33 satırda null — o kararlarda sonuç üç kategoriye oturmuyordu, uydurmak yerine boş bırakıldı.

onam_denetimi 12 kalemlik kapalı bir küme kullanır ve her satır bu 12 kalemin tamamını ikiye ayırır (eksik_unsurlar + mevcut_unsurlar = 12): mudahalenin_niteligi · riskler_ve_komplikasyonlar · alternatif_yontemler · mudahale_edilmemesi_hali · hekim_kimligi · beklenen_fayda · iyilesme_sureci · maliyet_bilgisi · dusunme_suresi · hasta_imzasi · hekim_imzasi · tarih.

dayanak kapalı küme değil, {"kanun": "HHY", "madde": "31"} biçiminde bir atıf listesidir. Kanun kodları kısaltmadır: HHY (Hasta Hakları Yönetmeliği), TCK, TBK, KVKK, CMK, AY (Anayasa), IYUK, TABABET gibi.

Her Görevden Bir Örnek

Örnekler veri setinden birebir alındı; yalnız uzun girdiler kısaltıldı ve kısaltıldığı yere not düşüldü. Gerçek kararlardan gelen metinlerde kişi adları [HASTA_ADI] gibi etiketlerle maskelenmiştir (bkz. Kaynaklar Nereden Geldi).

madde_qa — mevzuat sorusu

id: F1-HHY-m42-1 · test · provenance: synthetic · difficulty: kolay · source_id: HHY-m42

system:
Sen Türkçe tıp hukuku alanında uzman bir hukuk eğitmenisin. Sana bir mevzuat maddesine dayanan çoktan seçmeli bir soru verilecek. Doğru şıkkı ve gerekçesini belirt.

user:
Hasta Hakları Yönetmeliği'ne göre, hasta haklarının ihlal edilmesi durumunda hastanın sahip olduğu hak aşağıdakilerden hangisidir?

A) Sadece tazminat davası açma hakkı
B) Sadece idari mercilere şikayet hakkı
C) Sadece hasta hakları kuruluna başvurma hakkı
D) Her türlü müracaat, şikayet ve dava hakkı

assistant:
Madde metni, hasta haklarının ihlali halinde hastanın 'mevzuat çerçevesinde her türlü müracaat, şikayet ve dava hakları' olduğunu açıkça belirtmektedir.

{ "dogru_sik": "D" }

senaryo_analizi — kusur değerlendirmesi

id: F2-D10D-E2021.7228-K2023.631-senaryo · train · provenance: court_derived · difficulty: orta · source_id: D10D-E2021.7228-K2023.631

system:
Sen Türkçe tıp hukuku alanında uzman bir hukukçusun. Sana bir tıbbi olay (vaka) anlatılacak. Hekim/hastane/sağlık personeli kusuru olup olmadığını hukuki gerekçesiyle değerlendir.

user:
Vaka:
**Danıştay 10. Daire Başkanlığı         2021/7228 E.  ,  2023/631 K.**

**"İçtihat Metni"**

T.C.
D A N I Ş T A Y
ONUNCU DAİRE
Esas No : 2021/7228
Karar No : 2023/631

TEMYİZ EDENLER (DAVACILAR) : 1- … 2- …
VEKİLİ : Av. …

TEMYİZ EDEN (DAVALI) : … Bakanlığı / ANKARA
VEKİLLERİ : Hukuk Müşaviri Av. … Hukuk Müşaviri …

İSTEMİN\_KONUSU : … Bölge İdare Mahkemesi ... İdari Dava Dairesinin … tarih ve E:…, K:… sayılı kararının, taraflarca aleyhlerine olan kısımlarının temyizen incelenerek bozulması istenilmektedir.

YARGILAMA SÜRECİ :

[... girdi burada kısaltıldı, tam metin dosyada ...]

assistant:

{ "kusurtespiti": "var", "kusurtipi": [ "aydinlatma" ], "gerekce": "Hastanın yapılacak enjeksiyonun olası sonuçları hakkında yeterince bilgilendirilmediği ve yazılı onamının alınmadığı tespit edilmiştir. Bu durum, yürütülen sağlık hizmetinin gereği gibi işlemediği anlamına gelmektedir.", "dayanak": [ { "kanun": "AY", "madde": "125" }, { "kanun": "IYUK", "madde": "2" }, { "kanun": "AY", "madde": "56" }, { "kanun": "TABABET", "madde": "70" } ], "yargikolu": "idari", "ispatyuku": "belirsiz" }

onam_denetimi — onam formunda eksik unsurlar

id: ONAM-0627 · train · provenance: synthetic · difficulty: kolay · source_id: ONAM-0627

system:
Sen Türkçe tıp hukuku alanında uzman bir hukukçusun. Sana bir hasta onam (aydınlatılmış rıza) formu verilecek. Hasta Hakları Yönetmeliği uyarınca hangi unsurların eksik olduğunu belirt.

user:
**TİROİDEKTOMİ (Tiroid Bezi Ameliyatı) HASTA ONAY FORMU**

Bu belge, tiroid bezinizin tamamının veya bir kısmının cerrahi olarak çıkarılması işlemi olan tiroidektomi hakkında sizi bilgilendirmek ve onayınızı almak amacıyla hazırlanmıştır.

**Müdahalenin Niteliği:** Tiroidektomi ameliyatı, genellikle boynun ön kısmında yapılan bir kesi ile tiroid bezinin cerrahi olarak çıkarılmasını içerir. Ameliyat sırasında çevre dokular, özellikle de ses tellerini kontrol eden sinirler ve paratiroid bezleri korunmaya çalışılacaktır. Gerekli görülmesi halinde boyundaki lenf bezleri de çıkarılabilir.

**Alternatif Tanı/Tedavi Yöntemleri:** Tiroid nodülleriniz veya guatrınızın durumuna göre ilaç tedavisi, radyoaktif iyot tedavisi veya sadece takip gibi alternatif yöntemler değerlendirilmiş olup, sizin durumunuzda cerrahi müdahale en uygun seçenek olarak belirlenmiştir.

[... girdi burada kısaltıldı, tam metin dosyada ...]

assistant:
Metin, kurgu gereği şu unsurları içermeyecek şekilde üretildi: karar vermek için tanınan düşünme süresi, işlemi yapacak hekimin kimliği/unvanı, iyileşme/ameliyat sonrası süreç, maliyet/ücret bilgisi, müdahale yapılmadığı takdirde ortaya çıkabilecek durum, tarih alanı.

{ "eksikunsurlar": [ "dusunmesuresi", "hekimkimligi", "iyilesmesureci", "maliyetbilgisi", "mudahaleedilmemesihali", "tarih" ], "mevcutunsurlar": [ "alternatifyontemler", "beklenenfayda", "hastaimzasi", "hekimimzasi", "mudahaleninniteligi", "risklerve_komplikasyonlar" ] }

karar_ozeti — kararın yapılandırılmış özeti

id: F2-Y12CD-E2019.5516-K2019.10560-ozet · train · provenance: court_derived · difficulty: orta · source_id: Y12CD-E2019.5516-K2019.10560

system:
Sen Türkçe tıp hukuku alanında uzman bir hukukçusun. Sana bir mahkeme kararının tam metni verilecek. Kararı yapılandırılmış şekilde özetle.

user:
**12. Ceza Dairesi         2019/5516 E.  ,  2019/10560 K.**

**"İçtihat Metni"**

Mahkemesi :Asliye Ceza Mahkemesi
Suç : Taksirle öldürme
Hüküm : CMK’nın 223/2-e maddesi gereğince beraat

Taksirle öldürme suçundan sanığın beraatine ilişkin hüküm, katılanlar vekili tarafından temyiz edilmekle, dosya incelenerek gereği düşünüldü:
12 yaşında olan ...’in 04.04.2010 tarihinde bisikletten düştüğü, 05.04.2010 tarihinde Alanya Devlet Hastanesine getirildiği ve burada sanık, doktor tarafından muayene edilerek evine gönderildiği, 06.04.2010 tarihinde künt karın travmasına bağlı mide barsak perforasyonu ve sonrasında gelişen peritonit sonucu ölümünün gerçekleştiği olayda, Adli Tıp 1. İhtisas Kurulunun 18.07.2012 tarihli raporunda "04.04.2010 tarihinde bisikletten düştüğü ve 06.04.2010 tarihinde öldüğü bildirilen ... doğumlu ... hakkında düzenlenmiş dava dosyasında mevcut;

[... girdi burada kısaltıldı, tam metin dosyada ...]

assistant:

{ "mahkeme": "12. Ceza Dairesi", "esaskararno": "2019/5516 / 2019/10560", "yargikolu": "adli", "taraflariddiasi": "Katılanlar vekili, sanık doktorun taksirle öldürme suçunu işlediğini iddia ederek beraat kararına itiraz etmiştir. Sanık doktor ise olayda kusuru olmadığını savunmuştur.", "olayozeti": "12 yaşındaki [HASTAADI], bisikletten düştükten sonra hastaneye getirilmiş ve doktor tarafından muayene edilip evine gönderilmiştir. Bir gün sonra künt karın travmasına bağlı mide barsak perforasyonu ve peritonit sonucu ölmüştür. Adli Tıp raporu, ölümün travmaya bağlı perforasyon ve peritonit sonucu gerçekleştiğini belirtmiştir.", "hukukidegerlendirmeozeti": "Mahkeme, Adli Tıp raporundaki çelişkileri dikkate alarak, çocuğun babasının ifadesinde karın ağrısı ve kusma şikayetlerinin belirtilmediği kabul edilirse doktorun kusurunun bulunmadığına karar vermiştir. Karın ağrısı ve kusma şikayetlerinin belirtilmesi durumunda ise organ yaralanmasının araştırılmaması veya konsültasyon istenmemesinin eksiklik olduğu ancak bu durumun adli tahkikatla aydınlatılması gerektiği belirtilmiştir.", "sonuc": "onama", "kusurtespiti": "yok", "kusurtipi": [] }

sonuc_tahmini — üst mahkeme ne diyecek

id: F2-D10D-E2021.4274-K2025.1889-sonuc · train · provenance: court_derived · difficulty: orta · source_id: D10D-E2021.4274-K2025.1889

system:
Sen Türkçe tıp hukuku alanında uzman bir hukukçusun. Sana bir tıbbi malpraktis davasının olay kısmı verilecek. Üst mahkemenin vereceği kararı tahmin et.

user:
Vaka:
**Danıştay 10. Daire Başkanlığı         2021/4274 E.  ,  2025/1889 K.**
**"İçtihat Metni"**

T.C.
D A N I Ş T A Y
ONUNCU DAİRE
Esas No : 2021/4274
Karar No : 2025/1889

TEMYİZ EDEN (DAVACILAR) : 1-... (müteveffa) mirasçıları;
 2-...
 3- ...
 4- ...
VEKİLİ : Av. ...

KARŞI TARAF (DAVALI) : ... Üniversitesi Rektörlüğü / ...
VEKİLİ : Av. ...

İSTEMİN\_KONUSU : ... Bölge İdare Mahkemesi ... İdari Dava Dairesinin ... tarih ve E:..., K:... sayılı kararının temyizen incelenerek bozulması istenilmektedir.

YARGILAMA SÜRECİ :

[... girdi burada kısaltıldı, tam metin dosyada ...]

assistant:

{ "sonuc": "bozma" }

kvkk_uyum — kişisel veri ihlali değerlendirmesi

id: KVKK-6914-2020-407 · train · provenance: court_derived · difficulty: orta · source_id: 6914/2020-407

system:
Sen Türkçe kişisel veri koruma hukuku (KVKK) alanında uzman bir hukukçusun. Sana bir olay anlatılacak. 6698 sayılı Kanun kapsamında bir kişisel veri ihlali olup olmadığını hukuki dayanağıyla değerlendir.

user:
Vaka:
|  |  |  |
| --- | --- | --- |
| **Karar Tarihi** | : | 20/05/2020 |
| **Karar No** | : | 2020/407 |
| **Konu Özeti** | : | İlgili kişinin tahlil sonuçlarının veri sorumlusu Hastane tarafından hukuka aykırı şekilde üçüncü kişilere aktarılması |

İlgili kişinin şikâyetinde özetle; şikayete konu hastanenin Tüp Bebek bölümüne tahlil için başvurduğu, tahlil sonuçlarının e-posta yoluyla kendisine iletildiği, ancak aynı e-postanın başka bir e-posta adresine ve tanımadığı bir kişiye daha gönderildiğini fark ettiği, veri sorumlusu Hastanenin “Kişisel Verilerin Korunması ve İşletilmesi Politikası” kapsamında kişisel verilerinin muhafazasında gerekli tedbirleri almadığı, kişisel verilerinin işlenme amacının gereklilikleri doğrultusunda üçüncü kişilere aktarılmasında ilgili mevzuata ve alt düzenlemelere uygun davranmadığı, bu sebeple veri sorumlusundan ihtarname ile bilgi talebinde bulunduğu, söz konusu talebine ilişkin veri sorumlusu tarafından hatanın kabul edildiğini içeren bir cevap ver

[... girdi burada kısaltıldı, tam metin dosyada ...]

assistant:
İlgili kişinin sağlık verileri özel nitelikli kişisel veri olup, veri sorumlusu Hastane tarafından ilgili kişinin açık rızası veya kanuni bir istisna olmaksızın doktorun asistanına e-posta yoluyla aktarılması hukuka aykırıdır. Bu durum, veri sorumlusunun kişisel verilerin hukuka aykırı olarak işlenmesini önleme yükümlülüğünü ihlal ettiğinden idari para cezası uygulanmıştır.

{ "ihlalvarmi": true, "yaptirim": "ceza", "dayanak": [ { "kanun": "KVKK", "madde": "6" }, { "kanun": "KVKK", "madde": "5" }, { "kanun": "KVKK", "madde": "22" }, { "kanun": "KVKK", "madde": "8" }, { "kanun": "KVKK", "madde": "12" } ] }

Kaynaklar Nereden Geldi

Mevzuat metinleri elle toplandı, toplam 439 madde. Hiçbir mevzuat metni yapay zeka ile özetlenmedi ya da yeniden yazılmadı, çünkü hukuki metinlerde böyle bir işlem yanlış bilgi üretme riski taşıyor.

Mahkeme kararları (1705 tanesi) Yargıtay ve Danıştay'a ait gerçek kararlar, resmi bir arayüz üzerinden toplandı. KVKK Kurulu kararları (25 tanesi) yine Kurulun kendi yayımladığı karar özetlerinden alındı.

Kullanılan Kanun ve Yönetmelikler

Türk Ceza Kanunu ve Türk Borçlar Kanunu'nun tamamı değil, sadece tıp hukukuyla doğrudan ilgili bölümleri kullanıldı. Diğer yedi kaynak ise neredeyse baştan sona dahil edildi.

Her örnekteki kanun maddesi atıfları, elimizdeki madde tablosuna karşı programatik olarak doğrulandı. Doğrulanamayan atıflar (yaklaşık yüzde 13 ile 14 arasında) eğitim setine dahil edilmedi.

Bazı örneklerde madde tablomuzun kapsamı dışındaki kanunlara (Anayasa, HMK, İYUK, CMK, TMK) atıf var. Bunlar gerçek ve doğru atıflar, sadece bizim doğrulama tablomuzda karşılıkları yok; verified bayrağı taşımazlar.

Mahkeme kararlarındaki kişi isimleri tespit edilip [HASTAADI], [HEKIMADI], [TC_NO] gibi etiketlerle maskelendi. Bu işlem hem yapay zeka destekli tespit hem de kural tabanlı doğrulama ile yapıldı.

Bilinmesi Gereken Sınırlamalar

Bu veri setinde bazı bilinçli tercihler ve bazı eksikler var, bunları saklamak yerine açıkça yazmayı tercih ediyoruz.

Örneklerin hiçbirinde ilgili mevzuat maddeleri ayrıca bir bağlam olarak gömülmedi. Yani bu, örneklerin çıplak halde, herhangi bir belge getirme (retrieval) katmanı olmadan sunulduğu bir sürüm. Gerçek bir uygulamada kullanılacaksa, ilgili mevzuatı getiren ayrı bir katmanla birlikte kullanılması öneriyoruz.

Bazı görevler hedeflenen sayıya ulaşamadı. maddeqa hedefinin yaklaşık yarısında, senaryoanalizi üçte birinde kaldı. kvkk_uyum özellikle az: hedeflenen sayının sadece yüzde birkaçı kadar örnek var, çünkü KVKK kararlarına erişim için kullanılan arama servisinin kendi indeksi sığ, daha fazla arama sorgusu denesek bile derinlemesine sonuç vermiyor.

karar_ozeti ve senaryo_analizi örneklerinin etiketleri, gerçek karar metnini okuyan bir dil modeli tarafından üretildi; toplamda 1797 örnek, yani veri setinin yaklaşık üçte biri. Denetim katmanı da dil modeli tabanlı. Bu iki görevin etiketlerini bağımsız gerçek zemin olarak kullanmayın.

Kişisel veri maskeleme süreci korpusun tamamını taradı ve bulabildiği isim sızıntılarını temizledi, ama bu yöntem kusursuz değil. Sıfır sızıntı garantisi verilemez.

kusur_tipi gibi etiket kategorileri gerçek davalarla kalibre edildi, ama akademik ya da mesleki bir uzlaşı sürecinden geçmedi.

Sürüm Notları

v3.0 — kusur etiketlerinin şeması değişti. Bu sürüm v2.0 ile doğrudan karşılaştırılamaz: alan adı ve değer kümesi değiştiği için v2.0'da ölçülmüş skorlar taşınamaz, iki model de bu sürümde yeniden koşulmalıdır.

Etiket şeması. kusur_var_mi (true/false/null) alanı kaldırıldı, yerine kusur_tespiti (var/yok/yapilmadi) geldi. kusur_tipi'ndeki gereksiz ["yok"] değeri boşaltıldı — o bilgiyi artık kusur_tespiti taşıyor. Aynı alan karar_ozeti'ne de eklendi; orada ayrım daha önce yalnız kusur_tipi'nin biçimine gömülüydü ve tek satıra bakarak anlaşılamıyordu. Toplam 1797 satır etkilendi (senaryo_analizi 564: 267 var / 194 yok / 103 yapilmadi — karar_ozeti 1233: 411 / 462 / 360).

Gerekçesi Ölçüm Artefaktları bölümünde: eski kodlamada kusur_tipi skoru satırların %55'inde kusur_var_mi kararını tekrar ölçüyordu, ve null/[] gerçek hata durumlarından ayırt edilemiyordu.

Etiket düzeltmesi. Bir kayıtta gerçek bir gold hatası bulundu ve düzeltildi: F2-D10D-E2019.5981-K2021.3355-ozet "kusur yok" diyordu, ama aynı kararın senaryo_analizi satırı "mahkeme kusur olup olmadığına dair bir değerlendirme yapmamıştır" diyor — dava süre aşımından reddedilmiş, o ret bozulmuş, esasa hiç girilmemiş. yapilmadi yapıldı. Kayıt train setinde, test ve validation etkilenmedi. Bu hata elle aranarak değil, dönüşümün "iki görev birbirini doğrulamıyorsa dur" kontrolüyle bulundu.

Kart. Bu sürümde veri kartı genişletildi: görev tablosu (kaynak, girdi uzunluğu, çıktı alanları, bölüm başına sayılar), kapalı etiket kümelerinin dağılımı ve her görevden birer örnek eklendi. Bu tablolar ve örnekler elle yazılmadı, yayın dosyalarından üretildi ve bir test onları dosyalara karşı doğruluyor; veri değişip kart eskirse test düşer. Veri dosyalarına dokunulmadı.

Değişmeyenler. Soru metinleri, sistem mesajları, satır kimlikleri, bölünme (split) ve kusur dışındaki bütün json alanları birebir korundu; dönüşüm çıktıyı geri okuyup kaynakla alan alan karşılaştırarak bunu doğruluyor.

Üretim script'i ingest/etiket_semasi_v6.py, doğrulaması tests/test_etiket_semasi_v6.py. Sayaçlar ve dosya hash'leri release_manifest.json'da.

v2.0 — denetim düzeltmeleri, ölçüm artefaktının kısmi giderilmesi ve sunum temizliği. Bu sürüm v1.1 ile doğrudan karşılaştırılamaz; eski eval sonuçları geçersizdir, iki model de aynı sürümde yeniden koşulmalıdır.

Etiket düzeltmeleri. Tüm veri seti iki bağımsız dil modeliyle tarandı (5296 özgün kayıt taranarak, 833'ünde ikinci bir kontrol yapıldı). Taramanın bulduğu ve elle doğrulanan asıl hata: senaryo_analizi'nde kusur_tipi ["ozen", "aydinlatma"] olan 91 kaydın büyük kısmında "ozen" fazlaydı. Tipik kalıp — Adli Tıp raporu kusur bulmuyor, mahkeme maddi tazminatı reddedip yalnızca aydınlatma eksikliği nedeniyle manevi tazminata hükmediyor, ama üretim iki etiketi birden yazmış. 62 kayıtta "ozen" kaldırıldı, 1 kayıtta "organizasyon" ile değiştirildi. Ayrıca 247 birebir tekrar eden metin bloğu temizlendi. Hiçbir dil modeli önerisi doğrudan uygulanmadı; her düzeltme ya deterministik ya da elle doğrulanmış.

Ölçüm artefaktı. madde_qa şık sırası deterministik olarak karıştırıldı, konum taban çizgisi test setinde %40.8'den %27.2'ye indi. Uzunluk yanlılığı (%57.9) düzeltilmedi ve artık kartta açıkça raporlanıyor. Bu artefakt v1.x'te ölçülmemişti.

Sunum. karar_ozeti ve senaryo_analizi'nin tamamında (1797 satır) asistan mesajı, json içindeki bir alanı önce düz metin olarak tekrarlıyordu. Bu tekrar kaldırıldı; json bloğu ve etiketler değişmedi.

Ayrılan satır. F2-Y12CD-E2025.1601-K2026.302-senaryo train'den çıkarıldı: dayanak girdilerinin tamamı {"kanun": "YOK", "madde": "<kanun numarası>"} biçimindeydi, yani model kanun numaralarını madde alanına yazmıştı. Deterministik olarak onarılamadığı için silinmedi, ayrilan_satirlar.jsonl dosyasına taşındı. Bir kayıtta çıplak kanun numarası ("5271") kanun koduna (CMK) çevrildi.

Bu sürümdeki bütün dönüşümler deterministik ve tekrarlanabilir; üretim script'i ingest/yayin_surumu_hazirla.py, doğrulaması tests/test_yayin_surumu.py içinde. Dönüşüm sayaçları ve dosya hash'leri release_manifest.json'da.

v1.1 (26 Ağustos 2026) — sekiz onam_denetimi örneğinde bozuk metin düzeltildi.

Bu örneklerin form gövdesinden sonra gelen imza çizgisi, üretim sırasında bir tekrar döngüsüne girmiş ve \_ dizisi on binlerce kez yinelenerek yaklaşık 130.000 karakterlik anlamsız bir bloğa dönüşmüştü. Etkilenen örnekler: train setinde ONAM-0023, 0200, 0249, 0434, 0477, 0554, 0581; test setinde ONAM-0604. Modelin bağlam penceresine sığmadıkları için bu örneklerin asıl form metni pratikte kesiliyordu.

Düzeltme deterministik yapıldı: kaçan blok normal uzunlukta bir imza çizgisine indirildi, metnin geri kalanına ve etiketlere dokunulmadı.

v1.0 (10 Ağustos 2026) — ilk yayın.

Lisans

CC-BY-4.0 lisansı ile paylaşılıyor. Kaynak metinlerin büyük kısmı, yani mevzuat maddeleri ve mahkeme kararları, Türk hukukunda resmi belge sayıldığı için zaten telif hakkına konu değil. Bu veri setine katılan asıl emek, soru cevap çiftlerinin hazırlanması, etiketlerin oluşturulması, kusur analizlerinin yazılması ve kişisel verilerin maskelenmesi gibi kısımlar. CC-BY-4.0, bu emeğin atıfla birlikte serbestçe kullanılmasına izin veriyor.