Makine üretimi Türkçe üzerine kamusal söylem: Standart dil ideolojisi ve dilsel otorite

Öz

Makine üretimi akıcı Türkçe, eski bir değerlendirme sorusunu yeniden gündeme getirmiştir: Makine Türkçeyi bozuyor mu, yoksa dili konuşurlarından daha mı iyi yazıyor? Bu makale soruyu ve örgütlediği tutumları çözümleme nesnesi olarak ele alır. Dil ideolojileri kuramına yaslanarak önce makine Türkçesine yönelik yargıların ikonlaşma ve silme mekanizmalarıyla çözümlenebileceğini ve bu mekanizmaların dört tutumu olanaklı kıldığını savunur: bozulma, düzeltme, otantiklik ve kurumsal ölçüt. Tutumlar, 2024–2026 tarihli on beş Türkçe kamusal metinden oluşan amaçlı bir belge setinde izlenir; set Türk Dil Kurumu açıklamalarını, editör ve uygulayıcı yorumlarını, makine üretimi Türkçeyi değerlendiren akademik çalışmaları ve iki görgül ölçümü kapsar. Her birim yargı, ölçüt, anılan özellikler, göstergebilimsel mekanizma, makineye atfedilen rol ve tür muafiyeti boyutlarında kodlanmıştır. Dört tutumun tümü tanıklanmış, kuramsal çerçeveden beklenen tür muafiyeti iki kez gözlenmiştir. Makale, makinenin standartlaşma sürecindeki rolünü üç boyutta tanımlar: İngilizce sistemlerdeki denetimlerin gösterdiği standartlaştırıcı baskı, incelenen metinlerde izlerine rastlanan söylemsel yetkilendirme ve norm otoritesinin yerli bir ortakla başlattığı derlem programıyla kanıtlanan kurumsal eklemlenme. Bu doğrultuda, standartlaşma kuramının niyetli-kurumsal failleri istatistiksel-altyapısal faillerden ayırması gerektiği savunulmaktadır.

Anahtar Kelimeler

• dil ideolojileri
• standartlaşma
• üretken yapay zekâ
• Türkçe
• ikonlaşma
• Türk Dil Kurumu
• belge çözümlemesi

Etik Beyan

This study is based on the analysis of publicly available and published documents. No data was collected from participants; no data collection methods—such as surveys, interviews, focus groups, observations, or experiments—were used; and no personal data of a private or sensitive nature was processed. Only publicly available and academically citable publications and institutional statements were examined. Therefore, this study does not require approval from an ethics committee.

Public discourse on machine-generated Turkish: Standard language ideology and linguistic authority

Öz

Fluent machine-generated Turkish has given new life to an old evaluative question: is the machine ruining Turkish, or does it write the language better than its speakers do? This article treats the question, and the stances it organizes, as objects of analysis. Drawing on the theory of language ideologies, it first argues that judgments of machine Turkish can be analyzed through the mechanisms of iconization and erasure, which make four stances available: degradation, correction, authenticity, and the institutional criterion. The stances are then traced in a purposively selected set of fifteen Turkish public texts from 2024 to 2026, comprising statements of the Türk Dil Kurumu, editorial and practitioner commentary, academic evaluations of machine-generated Turkish, and two empirical measurements. Each unit was coded for its verdict, criterion, named features, semiotic mechanism, assigned role, and any genre exempted from the verdict. All four stances are attested, and the genre exemption that the framework leads one to expect is observed twice. The article then distinguishes three grades of the machine's involvement in standardization: standardizing pressure, documented by audits of English-language systems; discursive authorization, whose traces appear in the set; and institutional coupling, documented in the norm authority's corpus and language-model program with a domestic partner. It proposes that standardization theory distinguish intentional-institutional from statistical-infrastructural agents and reads the Turkish case as their announced coupling.

Anahtar Kelimeler

• language ideologies
• standardization
• generative artificial intelligence
• Turkish
• iconization
• Türk Dil Kurumu
• document analysis

Etik Beyan

Bu çalışma kamuya açık ve yayımlanmış belgelerin çözümlemesine dayanır. Katılımcılardan veri toplanmamış; anket, mülakat, odak grup, gözlem veya deney gibi bir veri toplama aracı kullanılmamış; özel ya da hassas nitelikte kişisel veri işlenmemiş, yalnızca kamuya açık ve akademik olarak atıf verilebilir yayınlar ile kurumsal açıklamalar incelenmiştir. Bu nedenle çalışma etik kurul izni gerektirmemektedir.

Kaynakça

1. Adam, G. (2025.05.02). “TDK, Türkçe Düşünebilen Yapay Zeka İçin ‘Büyük Dil Modeli’ Üzerinde Çalışıyor”. Anadolu Ajansı, https://www.aa.com.tr/tr/bilim-teknoloji/tdk-turkce-dusunebilen-yapay-zeka-icin-buyuk-dil-modeliuzerinde-calisiyor/3554803 (accessed 24.08.2026).
2. Agha, A. (2003). “The Social Life of Cultural Value”. Language & Communication. Vol. 23, No. 3–4, 231–273. https://doi.org/10.1016/S0271-5309(03)00012-0
3. Akben, E. (2025.11.13). “Yapay Zeka Gibi mi Konuşuyoruz? ChatGPT Gündelik Dilimizi Nasıl Ele Geçiriyor?”, https://ertugrulakben.com/yapay-zeka-gibi-mi-konusuyoruz-chatgpt-dilimizi-nasil-degistiriyor/ (accessed 24.08.2026).
4. Akpınar, M. (2025.10.10). “İlk Türkçe Büyük Dil Modeli: Kumru LLM Tanıtıldı”. DonanımHaber, https://www. donanimhaber.com/ilk-turkce-buyuk-dil-modeli-kumru-llm-tanitildi--197149 (accessed 24.08.2026).
5. Alimen, N. (2023). “Makine Çevirisinden Sohbet Robotu Çevirisine: ChatGPT ile Deneysel Bir Çalışma”. RumeliDE Dil ve Edebiyat Araştırmaları Dergisi. No. 36, 1532–1548. https://doi.org/10.29000/rumelide.1369589
6. Alimen, N., Öner Bulut, S. and Karadağ, A. B. (2023). “Yapay Zekâ, Dil ve Çeviri”. Yapay Zekâ: Disiplinlerarası Yaklaşımlar. ed. B. Küçükcan and B. F. Yıldırım. İstanbul: VakıfBank Kültür Yayınları, 81–103.
7. Alvero, A. J., Sedlacek, Q., León, M. and Peña, C. (2025). “Digital Accents, Homogeneity-by-Design, and the Evolving Social Science of Written Language”. Annual Review of Applied Linguistics. Vol. 45, 50–68. https://doi.org/10.1017/S0267190525000042
8. Aytürk, İ. (2004). “Turkish Linguists Against the West: The Origins of Linguistic Nationalism in Atatürk’s Turkey”. Middle Eastern Studies. Vol. 40, No. 6, 1–25. https://doi.org/10.1080/0026320042000282856

9. Bucholtz, M. (2003). “Sociolinguistic Nostalgia and the Authentication of Identity”. Journal of Sociolinguistics. Vol.7, No. 3, 398–416. https://doi.org/10.1111/1467-9481.00232
10. Coşar, A. M. (2025). “Söz Dizimi Açısından ChatGPT’nin Türkçesine Bir Bakış”. Uludağ Üniversitesi Fen-Edebiyat Fakültesi Sosyal Bilimler Dergisi. Vol. 26, No. 48, 377–389. https://doi.org/10.21550/sosbilder.1568554
11. Coupland, N. (2003). “Sociolinguistic Authenticities”. Journal of Sociolinguistics. Vol. 7, No. 3, 417–431. https://doi.org/10.1111/1467-9481.00233
12. Çolak, Y. (2004). “Language Policy and Official Ideology in Early Republican Turkey”. Middle Eastern Studies. Vol.40, No. 6, 67–91. https://doi.org/10.1080/0026320042000282883
13. Doğan, Ö. F. (2026.05.30). “Yapay Zekada ‘Türk Aklı’: Türkiye Neden Kendi Büyük Dil Modelini İstiyor?”. TGRT Haber, https://www.tgrthaber.com/ozel-haber/yapay-zekada-turk-akli-turkiye-neden-kendi-buyuk-dil-modeliniistiyor-3338534 (accessed 24.08.2026).
14. Doshi, A. R. and Hauser, O. P. (2024). “Generative AI Enhances Individual Creativity but Reduces the Collective Diversity of Novel Content”. Science Advances. Vol. 10, No. 28, eadn5290. https://doi.org/10.1126/sciadv.adn5290
15. Erdocia, I., Schneider, B. and Migge, B. (2026). “Language in the Age of AI Technology: From Human to NonHuman Authenticity, from Public Governance to Privatised Assemblages”. Language in Society. Vol. 55, No. 3, 523–543. https://doi.org/10.1017/S004740452500017X
16. Eroğlu, U. F. (2026.07.19). “Yapay Zekâ Artık Söz Dinliyor”. Hürriyet, https://www.hurriyet.com.tr/yazarlar/umutfirat-eroglu/yapay-zeka-artik-soz-dinliyor-43244118 (accessed 24.08.2026).
17. Gal, S. and Irvine, J. T. (2019). Signs of Difference: Language and Ideology in Social Life. Cambridge: Cambridge University Press. https://doi.org/10.1017/9781108649209
18. Gazaz, D. C. and Gazaz, G. (2024). “Geleceğin İletişiminde Yapay Zekâ Sohbet Robotları: Ekşi Sözlük Girdilerinin İçerik Analizi”. Türkiye İletişim Araştırmaları Dergisi. Special Issue: Cumhuriyetin 100. Yılında Geleceğin İletişimi, 30–54. https://doi.org/10.17829/turcom.1360268
19. Gururangan, S., Card, D., Dreier, S., Gade, E., Wang, L., Wang, Z., Zettlemoyer, L. and Smith, N. A. (2022). “Whose Language Counts as High Quality? Measuring Language Ideologies in Text Data Selection”. Proceedings of the 2022 Conference on Empirical Methods in Natural Language Processing. Abu Dhabi: Association for Computational Linguistics, 2562–2580. https://doi.org/10.18653/v1/2022.emnlp-main.165
20. Haugen, E. (1966). “Dialect, Language, Nation”. American Anthropologist. Vol. 68, No. 4, 922–935. https://doi.org/10.1525/aa.1966.68.4.02a00040
21. Hofmann, V., Kalluri, P. R., Jurafsky, D. and King, S. (2024). “AI Generates Covertly Racist Decisions About People Based on Their Dialect”. Nature. Vol. 633, No. 8028, 147–154. https://doi.org/10.1038/s41586-024-07856-5
22. Höhn, S., Migge, B., Dippold, D., Schneider, B. and Mauw, S. (2024). “Language Ideology Bias in Conversational Technology”. Chatbot Research and Design: 7th International Workshop, CONVERSATIONS 2023, Revised Selected Papers. ed. A. Følstad et al. Lecture Notes in Computer Science 14524. Cham: Springer, 133–148. https://doi.org/10.1007/978-3-031-54975-5_8
23. Irvine, J. T. and Gal, S. (2000). “Language Ideology and Linguistic Differentiation”. Regimes of Language: Ideologies, Polities, and Identities. ed. P. V. Kroskrity. Santa Fe: School of American Research Press, 35–83.
24. İmer, K. (1998). Türkiye’de Dil Planlaması: Türk Dil Devrimi. Ankara: T.C. Kültür Bakanlığı Yayınları.
25. İnsanca (2026). “İnsanca: Türkçe Metinlerdeki Yapay Zeka Yazım İzlerini Temizleyen Agent Skill’i” [software and documentation; main branch, version consulted on the access date], https://github.com/tahiryildiz/insanca (accessed24.08.2026).
26. Jakesch, M., French, M., Ma, X., Hancock, J. T. and Naaman, M. (2019). “AI-Mediated Communication: How the Perception That Profile Text Was Written by AI Affects Trustworthiness”. Proceedings of the 2019 CHI Conference on Human Factors in Computing Systems. New York: Association for Computing Machinery, Paper 239, 1–13.https://doi.org/10.1145/3290605.3300469
27. Jakesch, M., Hancock, J. T. and Naaman, M. (2023). “Human Heuristics for AI-Generated Language Are Flawed”. Proceedings of the National Academy of Sciences. Vol. 120, No. 11, e2208839120. https://doi.org/10.1073/pnas.2208839120
28. Katı, T. N. and Can, U. (2024). “Yapay Zekâ ile Üretilen Metinlerin Yabancı Dil Olarak Türkçe Öğretiminde Okuma Becerisine Yönelik Kullanılabilirliği: ChatGPT-3.5 Örneği”. İnönü Üniversitesi Eğitim Fakültesi Dergisi. Vol. 25, No. 2, 538–569. https://doi.org/10.17679/inuefd.1415303
29. Kerimoğlu, C. (2026). “Yapay Zekâ, Dilin Doğuştanlığını Yıkabilir mi? Büyük Dil Modelleri Karşısında Uyaran Eksikliği Argümanı”. Dil Araştırmaları. Vol. 20, No. 38, 1–24. https://doi.org/10.54316/dilarastirmalari.1879242
30. Kesim, Y. D. and Başbuğ, F. (2025). “Resmi Bilginin Grameri: Yüksek Etkili Sınav Metinlerinde Ailenin Söylemsel İnşası”. Sanat ve Dil Araştırmaları I. ed. Z. Başbuğ and F. Başbuğ. Gaziantep: Özgür Yayınları, 215–242. https://doi.org/10.58830/ozgur.pub1016
31. Kobak, D., González-Márquez, R., Horvát, E.-Á. and Lause, J. (2025). “Delving into LLM-Assisted Writing in Biomedical Publications Through Excess Vocabulary”. Science Advances. Vol. 11, No. 27, eadt3813. https://doi.org/10.1126/sciadv.adt3813
32. Kroskrity, P. V. (2000). “Regimenting Languages: Language Ideological Perspectives”. Regimes of Language: Ideologies, Polities, and Identities. ed. P. V. Kroskrity. Santa Fe: School of American Research Press, 1–34.
33. Kuru, Ş., Başbuğ, F. and Andiç, S. (2023). “Büyük Veri, Duygular, Dil ve Etik Üzerine Bir Değerlendirme”. Nesne Psikoloji Dergisi. Vol. 11, No. 28, 336–345. https://doi.org/10.7816/nesne-11-28-10
34. Lewis, G. (1999). The Turkish Language Reform: A Catastrophic Success. Oxford: Oxford University Press. https://doi.org/10.1093/oso/9780198238560.001.0001
35. Lippi-Green, R. (2012). English with an Accent: Language, Ideology, and Discrimination in the United States. London: Routledge, 2nd ed.
36. Markl, N. (2025). “Defining Language and Managing Its Use: Language Technology as Language Management”. Language & Communication. Vol. 105, 245–258. https://doi.org/10.1016/j.langcom.2025.10.004
37. Milroy, J. (2001). “Language Ideologies and the Consequences of Standardization”. Journal of Sociolinguistics. Vol.5, No. 4, 530–555. https://doi.org/10.1111/1467-9481.00163
38. Milroy, J. and Milroy, L. (2012). Authority in Language: Investigating Standard English. London: Routledge, 4th
39. ed.Moon, K., Green, A. E. and Kushlev, K. (2025). “Homogenizing Effect of Large Language Models (LLMs) on Creative Diversity: An Empirical Comparison of Human and ChatGPT Writing”. Computers in Human Behavior: Artificial Humans. Vol. 6, 100207. https://doi.org/10.1016/j.chbah.2025.100207
40. Nayeem, M. T. and Rafiei, D. (2026). “Which English Do LLMs Prefer? Triangulating Structural Bias Towards American English in Foundation Models”. arXiv preprint, v1 (5 April 2026), https://arxiv.org/abs/2604.04204v1 (ac‐cessed 24.08.2026).
41. Özaydın, Ü. (2024.01.27). “Yapay Zeka, ChatGPT ve Güzel Türkçe”. Temiz Türkçe, https://temizturkce.com/yapayzeka-chatgpt-ve-guzel-turkce/ (accessed 24.08.2026).
42. Özdemir, O. (2026). “From Perceptions to Evidence: Detecting AI-Generated Content in Turkish News Media with a Fine-Tuned BERT Classifier”. arXiv preprint, v1 (13 February 2026), https://arxiv.org/abs/2602.13504v1 (accessed24.08.2026).
43. Özkul, B. (2026.07.26). “Türkçenin Yapay Zekâyla İmtihanı”. Birikim Haftalık, https://birikimdergisi.com/haftalik/ 12521/turkcenin-yapay-zekayla-imtihani (accessed 24.08.2026).
44. Padmakumar, V. and He, H. (2024). “Does Writing with Language Models Reduce Content Diversity?”. Proceedings of the Twelfth International Conference on Learning Representations (ICLR 2024), https://arxiv.org/abs/2309.05196 (accessed 24.08.2026).
45. Platzgummer, V., McCrae, J. and Ahmadi, S. (2026). “Versteasch du mi? Computational and Socio-Linguistic Perspectives on GenAI, LLMs, and Non-Standard Language”. arXiv preprint, v2 (15 July 2026), https://arxiv.org/abs/2603.28213v2 (accessed 24.08.2026).
46. Sadoğlu, H. (2003). Türkiye’de Ulusçuluk ve Dil Politikaları. İstanbul: İstanbul Bilgi Üniversitesi Yayınları.
47. Schieffelin, B. B., Woolard, K. A. and Kroskrity, P. V. (eds.) (1998). Language Ideologies: Practice and Theory. New York: Oxford University Press. https://doi.org/10.1093/oso/9780195105612.001.0001
48. Schneider, B. (2022). “Multilingualism and AI: The Regimentation of Language in the Age of Digital Capitalism”. Signs and Society. Vol. 10, No. 3, 362–387. https://doi.org/10.1086/721757
49. Silverstein, M. (1979). “Language Structure and Linguistic Ideology”. The Elements: A Parasession on Linguistic Units and Levels. ed. P. R. Clyne, W. F. Hanks and C. L. Hofbauer. Chicago: Chicago Linguistic Society, 193–247.
50. Silverstein, M. (1996). “Monoglot ‘Standard’ in America: Standardization and Metaphors of Linguistic Hegemony”. The Matrix of Language: Contemporary Linguistic Anthropology. ed. D. Brenneis and R. K. S. Macaulay. Boulder: Westview Press, 284–306.
51. Smith, G., Fleisig, E., Rustagi, I. and Yin, X. (2026). “Standard Language Ideology in AI-Generated Language”. Proceedings of the 2026 ACM Conference on Fairness, Accountability, and Transparency (FAccT ’26). New York: Association for Computing Machinery, 3349–3366. https://doi.org/10.1145/3805689.3806504
52. Şen, R. (2025). “Gazetecilik ve Yapay Zekâ: Haber Üretiminde ChatGPT ve DeepSeek Uygulamalarının Karşılaştırmalı Analizi”. Çukurova Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. Vol. 34, Special Issue: Uygarlığın Dönüşümü: Yapay Zekâ, 493–517. https://doi.org/10.35379/cusosbil.1685596
53. Tunç, G. (2026). “Öykü Yazarı Olarak Yapay Zekâ: ChatGPT Örneğinde Yapay Zekânın Öykü Yazma Kabiliyeti”. Folklor/Edebiyat. No. 126, 459–482. https://doi.org/10.22559/folklor.5014
54. Türk Dil Kurumu [TDK] (2025.06.21). “Türk Dil Kurumu ile HAVELSAN Arasında İş Birliği Protokolü İmzalandı”, https://tdk.gov.tr/icerik/basindan/turk-dil-kurumu-ile-havelsan-arasinda-is-birligi-protokolu-imzalandi/ (accessed24.08.2026).
55. Türk Dil Kurumu [TDK] (2026a.01.08). “TDK Türkçe Sözlük 2025 Arama Verilerini Paylaştı”, https://tdk.gov.tr/ icerik/basindan/tdk-turkce-sozluk-2025-arama-verilerini-paylasti/ (accessed 24.08.2026).
56. Türk Dil Kurumu [TDK] (2026b.08.07). “Tarihî Projede İmzalar Atıldı: Türk Dili Bilgi Sistemi Projesi, Türk Dil Kurumu ile Havelsan İş Birliğinde Başlıyor”, https://tdk.gov.tr/icerik/basindan/tarihi-projede-imzalar-atildi-turk-dilibilgi-sistemi-projesi-turk-dil-kurumu-ile-havelsan-is-birliginde-basliyor/ (accessed 10.10.2026).
57. Watson, J., Lee, S. S., Beekhuizen, B. and Stevenson, S. (2025). “Do Language Models Practice What They Preach Examining Language Ideologies About Gendered Language Reform Encoded in LLMs”. Proceedings of the 31st International Conference on Computational Linguistics. Abu Dhabi: Association for Computational Linguistics, 1201–1223. https://aclanthology.org/2025.coling-main.80/
58. Woolard, K. A. (2016). Singular and Plural: Ideologies of Linguistic Authority in 21st Century Catalonia. Oxford: Oxford University Press. https://doi.org/10.1093/acprof:oso/9780190258610.001.0001
59. Woolard, K. A. and Schieffelin, B. B. (1994). “Language Ideology”. Annual Review of Anthropology. Vol. 23, 55–82. https://doi.org/10.1146/annurev.an.23.100194.000415
60. Yeşildal Eraydın, Y. (2025). “Dijitalleşme, Büyük Dil Modelleri ve Sosyodilbilim: Dil ve Toplum Çalışmalarında Yapay Zekâya Dair Kuramsal Perspektifler”. Uluslararası Türk Lehçe Araştırmaları Dergisi (TÜRKLAD). Vol. 9, No. 2, 401–410. https://doi.org/10.30563/turklad.1826422