METİNDİLBİLİMSEL AÇIDAN YAPAY ZEKÂ VE İNSAN ÇEVİRİLERİNDE GÖNDERİM TÜRLERİNİN KULLANIMI: SCHACHNOVELLE ÖRNEĞİ
Author :
Abstract
Bu çalışmanın amacı Almancadan Türkçeye yapılan insan ve yapay zekâ çevirilerinde metinsel bağlaşıklık unsurlarının nasıl kullanıldığını incelemek ve iki çeviri türü arasındaki farkı ortaya çıkarmaktadır. Metindilbilimsel olarak Halliday ve Hasan (1976) tasnifindeki gönderim başlığı altında kişisel gönderim, işaret/gösterme gönderimi, karşılaştırmalı gönderim ve metin dışı gönderim olarak adlandırılan türleri incelenmiştir. Bu incelemeyle yapay zekâ uygulaması çevirilerinin metindilbilimsel olarak geçerliliği ve metinselliğinin ortaya konulması amaçlanmıştır. Yöntemsel olarak çalışma karma yöntem tasarımını benimsemektedir. Nicel aşamada kaynak metin ve onun iki insan çevirisi ile iki yapay zekâ çevirisinin (DeepL, ChatGPT) Halliday ve Hasan’ın gönderim kategorilerine dayalı içerik çözümlemesi yürütülmüş olup, önce kaynak metindeki türlerin sıklık verileri çıkarılıp daha sonra aynı inceleme diğer çeviri türlerinde de incelenip çıkan sayısal veriler arasında karşılaştırma yapılmıştır. Türkçe dil yapısındaki kişi ve iyelik eklerinin kişisel gönderimin biçimbilimsel taşıyıcıları olması nedeniyle (pro-drop; öznenin kişi ekiyle gerçekleşmesi) bu ekler de kişisel gönderim sayımına dahil edilmiştir. Böylece Almancanın açık özne eğilimi ile Türkçenin gizli özne yapısı arasındaki yapısal farkın doğuracağı sapma en aza indirilmiştir. Nitel aşamada ise nicel bulguların metinler üzerindeki sıklık ve frekanslarının yakın okuması yapılmış ve gönderim türlerinin çevirilerdeki dil ve yapay zekâ etkileri üzerinde tartışılmıştır. Şahıs ve iyelik eklerinin kategoriye dahil edilmesiyle, kişisel gönderimlerde Almancanın açık özne kullanımı ile Türkçenin gizli özne yapısı arasındaki farklılıklar minimum düzeye indirilmiştir. İşaret/gösterme gönderimlerinde Almancanın relatif zamirler ve belirli artikeller kullanımından dolayı orijinal metinde yüksek oran beklenmiş ve bu beklenti doğrulanmıştır. Yapay zekâ çevirilerinde ise DeepL ve ChatGPT çevirilerinde dil kaynaklı düşüş belirginleşmiştir. Karşılaştırmalı ve metin dışı gönderimlerde dil yapısının minimal etkisi nedeniyle orijinal metne yakın sonuçlar beklenmiş ve karşılaştırmalı gönderim kategorisinde ChatGPT haricinde beklenti karşılanmış, metin dışı gönderimde ise tüm çeviriler minimal farklılıklar sergilemiştir.
Keywords
Abstract
The aim of this study is to examine how textual cohesion elements are used in human and machine translations from German to Turkish and to reveal the difference between the two types of translation. The text was examined linguistically under the heading of reference in Halliday and Hasan’s (1976) classification, looking at types called personal reference, indexical/demonstrative reference, comparative reference, and extra-textual reference. This study aims to reveal the text-linguistic validity and textuality of AI application translations. Methodologically, the study adopts a mixed-method design. In the quantitative phase, content analysis based on Halliday and Hasan’s categories of reference was conducted on the source text and its two human translations, as well as two AI translations (DeepL, ChatGPT). First, frequency data for the types in the source text were extracted, and then the same analysis was conducted on the other translation types, and a comparison was made between the numerical data obtained. Because the person and possessive suffixes in Turkish grammar are morphological carriers of personal reference (pro-drop; realization of the subject with a person suffix), these suffixes have also been included in the personal reference count. Thus, the deviation that would arise from the structural difference between German’s tendency toward explicit subjects and Turkish’s structure of implicit subjects has been minimized. At the qualitative stage, the frequency and occurrence of quantitative findings in the texts were closely examined, and the effects of reference types on language and artificial intelligence in translations were discussed. By including personal pronouns and possessive suffixes in the category, the differences between German’s use of explicit subjects and Turkish’s implicit subject structure in personal messages have been minimized. In reference/indication messages, a high rate was expected in the original text due to German’s use of relative pronouns and definite articles, and this expectation was confirmed. In artificial intelligence translations, however, a language-related decline was evident in DeepL and ChatGPT translations. In comparative and non-textual transmissions, results close to the original text were expected due to the minimal effect of language structure. In the comparative transmission category, expectations were met except for ChatGPT, while in non-textual transmission, all translations showed minimal differences.