İnsan-bilgisayar etkileşimi kullanılarak insan niyetinin tespiti ve yeniden şekillendirilmesi

ŞENCAN C., Erkmen A. M., ERTUGRUL A.

Afyon Kocatepe Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, cilt.26, sa.3, ss.626-640, 2026 (TRDizin)

Özet

Bu çalışmada, insan niyetinin tespit edilmesinin yanı sıra, İnsan-Bilgisayar Etkileşimi (İBE) yöntemi kullanılarak tespit edilen niyetin bilgisayar tarafından önceden belirlenen alternatif bir niyete yeniden şekillendirilmesi amaçlanmıştır. Proaktif görsel uyaranlara dayanan bu yaklaşım, yüz ifadeleri üzerinden derin niyetin belirlenmesini ve psikobiyolojik etki oluşturan tasarlanmış görseller aracılığıyla niyetin yönlendirilmesini hedeflemektedir. Bu kapsamda, gerçek blöf kart oyunu oturumları kaydedilmiş, blöf hamleleri etiketlenmiş ve oluşturulan veri seti Evrişimli Sinir Ağı (CNN) tabanlı derin öğrenme modeli ile eğitilmiştir. Parametre analizleri sonucunda en iyi performansın 64 yığın boyutu ve 40 epokta %95 doğrulama başarısı ile elde edildiği belirlenmiştir. Geliştirilen en iyi model ile blöf niyeti oyun sırasında %68,6 doğruluk oranıyla tespit edilmiştir. Son aşamada, yüz yüze oynanan blöf kart oyunu, İBE yönteminin niyet yeniden şekillendirmede etkin biçimde uygulanabilmesi amacıyla bilgisayar arayüzü bulunan kontrollü bir deney ortamına dönüştürülmüştür. Tespit edilen mevcut niyet, tasarlanan görsel şekillerin bilgisayar arayüzü aracılığıyla oyuncu üzerinde oluşturduğu psikobiyolojik duygusal etki yoluyla yeniden şekillendirilmiştir. Deneysel bulgular, geliştirilen proaktif İBE sisteminin oyuncu niyetini %75 başarı oranıyla yeniden yönlendirebildiğini ve bu başarının rastlantısal olasılıktan anlamlı derecede yüksek olduğunu göstermektedir (iki yönlü binom testi). Elde edilen bulgular, proaktif görsel uyaran temelli İBE yaklaşımının, insan niyetinin hem gerçek zamanlı tespiti hem de kontrollü biçimde yeniden şekillendirilmesi açısından uygulanabilir ve etkili bir yöntem sunduğunu ortaya koymaktadır.
In this study, beyond detecting human intention, the identified intention is reshaped into a computer-predefined alternative intention through a Human–Computer Interaction (HCI) framework. This proactive visual stimulus–based approach aims to determine deep intention from facial expressions and guide it using specially designed visual stimuli that induce psychobiological effects. Within this scope, real bluff card game sessions are recorded, bluff actions are labeled, and the resulting dataset is used to train a Convolutional Neural Network (CNN)–based deep learning model. Parameter analyses indicate that the best performance is achieved with a batch size of 64 and 40 epochs, reaching 95% validation accuracy. Using the best-performing model, bluff intention is detected during gameplay with an accuracy of 68.6%. In the final stage, the face-to-face bluff card game is transformed into a controlled experimental environment with a computer interface to enable effective application of the HCI-based intention reshaping process. The detected intention is reshaped through the psychobiological emotional influence generated by the designed visual stimuli delivered via the computer interface. Experimental results demonstrate that the proposed proactive HCI system redirects player intention with a 75% success rate, which is significantly higher than random chance (two-tailed binomial test). These findings indicate that the proactive visual stimulus–based HCI approach provides a feasible and effective method for both real-time detection and controlled reshaping of human intention.