TÜRKÇEDE MAKİNE ÇEVİRİSİNİN SÖZ DİZİMSEL VE ANLAMSAL HATALARI: GOOGLE TRANSLATE VE DEEPL ÖRNEKLERİ

Öz

Bu çalışmada, Türkçenin esnek söz dizimsel yapısının çeviri motorları -DeepL ve Google Translate- tarafından ne ölçüde kavranabildiği ele alınmaktadır. Özellikle İngilizce gibi daha kuralcı ve yapısal söz dizimi kurgusuna sahip bir dil temel alınarak geliştirilen bu çeviri motorlarının, Türkçeyi işlerken karşılaştıkları zorluklar; ana dili Türkçe olan kullanıcıların doğal üretimleri üzerinden incelenmiştir. Çalışmada kullanılan örneklem, anlam katmanları açısından giderek karmaşıklaşan 20 cümleden oluşmaktadır. Bu cümleler hem anlamsal hem de biçimsel düzeyde analiz edilerek, çeviri motorlarının Türkçeye özgü biçimsel, sözcüksel, söz dizimsel ve anlam parametrelerinde yaptığı hatalar değerlendirilmiştir. Çalışmanın dört ana bölümden oluşan yapısında: İlk bölümde; cümle kavramı ile onun sosyal ve toplumsal ekseni tartışılmış, cümledeki öbeklerin tekrar, devinim ve kullanıcıya bağlı olarak değişen anlamsal karşılıkları üzerinde durulmuştur. İkinci bölümde; makine çevirilerinde Türkçeye özgü söz dizimsel hataların nedenleri; özellikle ögelerin pragmatik etkileri, vurgu, tema-rema ilişkisi çerçevesinde analiz edilmiştir. Üçüncü bölümde; seçilen 20 cümle çeviri motorları tarafından nasıl işlendiği açısından incelenmiş; işlevsel ve biçimsel düzeydeki farklılıklar nitel bir yöntemle ortaya konmuştur. Sonuç bölümünde ise, Türkçede kiplik, zaman algısı, vurgu, metaforik anlam gibi unsurlarda yetersiz kalan makine çevirilerinin; sosyal bağlam ve dilsel kurguyu karşılama konusunda ne ölçüde başarısız olduğu nitel verilerle ortaya konulmuştur.

Anahtar Kelimeler

• Çeviri hataları
• Dil-toplum etkileşimi
• Makine çevirisi
• Semantik uyumsuzluk
• Söz Dizimi.

SYNTACTIC AND SEMANTIC ERRORS IN MACHINE TRANSLATION INTO TURKISH: A COMPARATIVE ANALYSIS OF GOOGLE TRANSLATE AND DEEPL

Abstract

This study investigates how well machine translation systems-specifically DeepL and Google Translate—can grasp and reproduce the flexible syntactic structure of the Turkish language. Given that these translation tools are primarily developed based on English, the study analyzes the challenges they face when processing Turkish. The analysis compares naturally produced sentences by native Turkish speakers with machine-translated sentences generated from English sources. The sample consists of 20 sentences that gradually increase in semantic complexity. These sentences are analyzed at both semantic and structural levels to evaluate the syntactic and semantic errors made by the translation engines in terms of morphological, lexical, syntactic, and semantic parameters. The study is divided into four main sections: The first section discusses the concept of the sentence in relation to its social and societal dimensions, emphasizing the semantic variations of recurring and shifting syntactic phrases that depend on the user. The second section examines the reasons for syntactic errors specific to Turkish in machine translations, focusing on the pragmatic functions of sentence elements, including emphasis, theme, and rheme. The third section presents a qualitative analysis of how the selected 20 sentences are processed by the translation engines in terms of both function and form. Finally, the conclusion identifies, through quantitative data, the instances in which machine translations fail to capture modality, tense perception, emphasis, and metaphorical meaning in Turkish, as well as their shortcomings in aligning linguistic structure with social context.

Keywords

• Translation errors
• Language-society interaction
• Machine translation
• Semantic mismatch
• Syntax.

Kaynakça

1. Aksan, D. (2019). En eski Türkçenin izlerinde. Bilgi.
2. Aksan, Y. (2002). Tümce konusu: Tanımı ve kapsamı. L. Uzun & E. Huber (Ed.), Türkçede bilgi yapısı ve bilimsel metinler içinde (s. 13-36). VerlagDie Blaue Eule.
3. Ayık Akça, T. (2022). Edebî metinlerde ve uzamanlık alan metinlerinde makine çevirisinin olanakları/olanaksızlığı: Çevirmenin değişen görev tanımlarına yeniden bakmak. RumeliDE Dil ve Edebiyat Araştırmaları Dergisi, 30, 1321-1343.
4. Bahdanau, D., Cho, K. & Bengio, Y. (2014). Neural machine translation by jointly learning to align and translate. https://arxiv.org/abs/1409.0473
5. Börekçi, M. (2015). Söz dizim kuramları bağlamında Türkçe söz dizimi. Turkish Studies International Periodical for the Languages, Literature and History of Turkish or Turkic, 10(16), 355-370. http://dx.doi.org/10.7827/TurkishStudies.8986
6. Castilho, S., Moorkens, J., Gaspari, F., Calixto, I., Tinsley, J. & Way, A. (2017). Is neural machine translation the new state of the art?. The Prague Bulletin of Mathematical Linguistics, 108, 109-120.
7. Cruse, A. (2000). Meaning in language: An introduction to semantics and pragmatics. Oxford University.
8. Dalmış, E. & Yıldız, M. (2025). Makine çevirisinin sınırları: Edebî metin türünde makine çevirisi kalite analizi. Uluslararası Dil, Edebiyat ve Kültür Araştırmaları Dergisi (UDEKAD), 8(1), 314-326. https://doi.org/10.37999/udekad.1627217

9. Dursunoğlu, H. (2006). Türkiye Türkçesinde vurgu. Journal of Graduate School of Social Sciences, 7(1), 267-276. Eggins, S. (1994). An introduction to systemic functional linguistics. Pinter.
10. Foucault, M. (2011). Bilginin arkeolojisi (Çev. V. Urhan). Ayrıntı.
11. Gencer Baloğlu, Zeynep. (2022). Yapay zekâ Soseki’yi nasıl okur? -eyleyenler modeli oluşturma ve duygu analizi denemesi-. HUMANITAS-Uluslararası Sosyal Bilimler Dergisi, 10(20), 160-182. https://doi.org/10.20304/humanitas.1147658.
12. Gözen, G. (2022). A comparative study on the performance of Google Translate between the translation of different text types in the lighat of the multidimensional quality metrics. [Yüksek lisans tezi]. Atılım Üniversitesi. Guzev, V. G. & Deniz Yılmaz, Ö. (2008). İşlevsel Türkçe söz diziminin bazı sav ve kavramları üzerine. Türk Dili Araştırmaları Yıllığı-Belleten, 56(2), 125-143.
13. Halliday, M. A. K. (1978). Language as social semiotic: The social interpretation of language and meaning. Edward Arnold.
14. Halliday, M. A. K. & Hasan, R. (1985). Language, context and text: Aspects of language in a social-semiotic perspective. Deakin University.
15. Halliday, M. A. K. & Martin, J. R. (2005). Writing science literacy and discursive power. The Falmer. Hockett, C. F. (1958). A course in modern linguistics. Macmillan.
16. Kansu-Yetkiner, N., Oktar, L., Yavuz, Y. & Özgen, M. (2014). Sözlü çeviride kip kaydırmalarına dizgeci işlevsel dilbilgisi çerçevesinde bütünce temelli bir yaklaşım. Dilbilim Araştırmaları, 1, 82-104.
17. Karpuz, H. Ö. (2004). Olma bildiren eylemler için bir terim önerisi: Olgan çatı. V. Uluslararası Türk Dili Kurultayı Bildirirleri I içinde (s. 11673-1683). Türk Dil Kurumu.
18. Kayadibinli, E. & Abdal, G. (2024). Edebî metni makine çevirmenden okumak: Çevirmen okurun makine çevirisi alımlaması. Karamanoğlu Mehmetbey Üniversitesi Uluslararası Filoloji ve Çeviribilim Dergisi, 6(1), 127-146. https://doi.org/10.55036/ufced.1496065.
19. Koçer Güldal, B., & İşisağ, K. U. (2019). A comparative study on google translate: An error analysis of Turkish-to English translations in terms of the text typology of Katherina Reiss. RumeliDE Dil ve Edebiyat Araştırmaları Dergisi, Ö5, 367-376. https://doi.org/10.29000/rumelide.606217
20. Kozan, O. (2019). Çeviri eğitiminde Türkçenin dil bilgisi: İşlevsel yaklaşım. Selçuk Üniversitesi Edebiyat Fakültesi Dergisi, 41, 143-156. https://doi.org/10.21497/sefad.586611
21. Lakoff, G., & Johnson, M. (2003). Metaphors we live by. University of Chicago.
22. Lederer, M. (1994). LA traduction aujourd’hui. Hachette-Livre.
23. Martin, J. R. (1992). English text: System and structure. Benjamins.
24. Martin, J. R. & Rose, D. (2007). Working with discourse: Meaning beyond the clause. Continuum.
25. Mellinger, C. D. (2019). Computer-assisted interpreting Technologies and interpreter cognition: A product and process-oriented perspective. Revista Tradumàtica. Tecnologies de la Traducció, 17, 33-44.
26. Odacıoğlu, M. C. (2019). Çeviri sürecinde Google Translate kullanımının değerlendirilmesi. Turkish Studies Language and Literature, 14(3), 1375-1393.
27. Özcan, O. (2020). Dünya klasikleri bağlamında makine çevirisi üzerine bir değerlendirme: Balzac örneği. Çeviride Teknoloji içinde (s. 149-185). Grafiker.
28. Özcan Dost, B. (2024). Haber çevirisinde makine çevirisi araçlarının kullanımına yönelik bir inceleme: Google Translate ve DeepL örneği. Söylem Filoloji Dergisi, 9(1), 259-276.
29. Parlak, A. (2023). Cümle ögelerinin tasniflarindeki farklılıklar: Yeni bir tasnif yapılabilir mi?. Erzurum Teknik Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 16, 55-72. https://doi.org/10.29157/etusbed.1228176
30. Sargın, M. (2024). Google çeviri programı üzerine bir inceleme: Sıfat yantümcelerinin çevirisindeki hatalar. Elektronik Sosyal Bilimler Dergisi, 23(92), 1526-1543. https://doi.org/10.17755/esosder.1474149
31. Sartre, J. P. (2014). Varlık ve hiçlik-fenomenolojik ontoloji denemesi. (Çev. T. Ilgaz & G. Çankaya Eksen). İthaki.
32. Şen, E. (2020). Ortaokul Türkçe ders kitaplarında yer alan kurmaca metinlerin “odaklayım” ve “anlatıcı” açısından incelenmesi. Turkish Studies-Educational Sciences, 15(4), 2961-2980.
33. Tanış Polat, N. (2023). Yapay zekâ ve çeviri: Mütercim-tercümanlık alanında yeni bir paradigma. Diyalog Interkulturelle Zeitschrift Für Germanistik, 11(2), 482-487.
34. Tok, Z. (2020). Bilgisayar destekli çeviri. Grafiker.
35. Toral, A. & Way, A. (2018). What level of quality can neural machine translation attain on literary text?. Translation Quality Assessment From Principles to Practice içinde (s. 263-287). Springer International Publishing.
36. Yaman, İ. (2023). DeepL translate ve Google Translate sistemlerinin İngilizce-Türkçe ve Türkçe-İngilizce çeviri performanslarının karşılaştırması. Söylem Filoloji Dergisi, Çeviribilim Özel Sayısı, 29-41.