Oğuz Atay’ın “Beyaz Mantolu Adam” Öyküsünün Yapay Zekâ Destekli Dilbilimsel Çözümlemesi

Öz

Türk edebiyatında modern roman ve öykünün önemli temsilcilerinden biri olan Oğuz Atay, eserlerinde sıkça “öteki” temasını işleyerek hem sanatsal bir anlatım sunmuş hem de dile yeni boyutlar kazandırmıştır. Atay’ın eserleri, dönemin toplumsal ve bireysel sorunlarını derinlemesine ele alırken dilin olanaklarını ustaca kullanmasıyla dikkat çekmektedir. Uzun cümle yapıları ve ironik üslubu, okuyucunun düşünme biçimini şekillendirmekte ve metinlere zenginlik katmaktadır. Cumhuriyet döneminde Türkçenin durumunu daha iyi kavrayabilmek için Oğuz Atay’ın eserlerini dil özellikleri açısından incelemek çok önemlidir. Bu çalışma, Atay’ın Beyaz Mantolu Adam öyküsünü yapay zekâ destekli doğal dil işleme (DDİ) yöntemleriyle analiz etmektedir. İncelemede kelime sıklığı, ses sıklığı ve Word2Vec tabanlı anlamsal benzerlik analizleri birlikte değerlendirilmiştir. AntConc yazılımı ve Python destekli spaCy ile Gensim kütüphaneleri kullanılarak yapılan analizlerde hem işlevsel hem anlamsal kelimelerin bağlamsal örüntüleri ortaya konmuştur. Özellikle “bir” kelimesi etrafında yapılan cluster analizleri, anlatıda belirsizlik, anonimlik ve düşünsel derinlik gibi temaları görünür kılmıştır. Çalışmanın amacı, Atay’ın anlatı stratejilerini niceliksel veriler aracılığıyla çözümlemek ve yapay zekâ destekli yaklaşımların edebi metin çözümlemelerine sunduğu katkıyı ortaya koymaktır.

Anahtar Kelimeler

• Oğuz Atay
• Doğal Dil İşleme (DDİ)
• Ses ve Kelime Sıklığı
• Kelime Vektörleri
• Yapay Zekâ

A Linguistic Analysis of Oğuz Atay’s Short Story The Man with the White Coat Supported by Artificial Intelligence

Öz

Oğuz Atay, one of the prominent figures of modern Turkish fiction, frequently explores the theme of the “other” in his works, offering both an artistic narrative style and expanding the expressive possibilities of the Turkish language. His writings stand out for their deep engagement with the social and individual issues of his time, as well as his masterful use of linguistic features. His long sentence structures and ironic tone shape the reader’s interpretive processes and add depth to the narrative. In order to better understand the status and transformation of the Turkish language during the Republican period, it is crucial to analyze Atay’s linguistic features. This study analyzes Atay’s short story The Man with the White Coat using artificial intelligence-supported Natural Language Processing (NLP) methods. The analysis incorporates word frequency, phoneme frequency, and Word2Vec-based semantic similarity measurements. Through the use of AntConc software and Python-based libraries such as spaCy and Gensim, the study reveals contextual patterns formed by both functional and semantic words. Cluster analyses focusing on the word bir (a/one) highlight narrative themes such as ambiguity, anonymity, and intellectual depth. The aim of the study is to examine Atay’s narrative strategies through quantitative data and to demonstrate the analytical potential that AI-assisted methods offer for literary text analysis.

Anahtar Kelimeler

• Oğuz Atay
• Natural Language Processing (NLP)
• Phoneme and Word Frequency
• Word Embeddings
• Artificial Intelligence (AI)

Kaynakça

1. Biber, D. (1993). Representativeness in corpus design. Literary and Linguistic Computing, 8(4), 243–257. https://doi.org/10.1093/llc/8.4.243
2. Devlin, J., Chang, M. W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of deep bidirectional transformers for language understanding. arXiv preprint, arXiv:1810.04805. https://doi.org/10.48550/arXiv.1810.04805
3. Firth, J. R. (1957). Papers in linguistics: 1934–1951. Oxford University Press.
4. Halliday, M. A. K., & Hasan, R. (1976). Cohesion in English. Longman.
5. İmer, K., Kocaman, A., & Özsoy, A. S. (2011). Dilbilim sözlüğü. Boğaziçi Üniversitesi Yay.
6. Karaağaç, G. (2013). Dilbilimi terimleri sözlüğü. BilgeSu Yay.
7. Malinowski, B. (1923). The problem of meaning in primitive languages. In C. K. Ogden & I. A. Richards (Eds.), The meaning of meaning (pp. 296–336). Kegan Paul, Trench, Trubner & Co.
8. Malinowski, B. (1935). Coral gardens and their magic: Volume II: The language of magic and gardening. George Allen & Unwin Ltd.

9. McEnery, T., & Hardie, A. (2012). Corpus linguistics: Method, theory and practice. Cambridge University Press.
10. Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv preprint, arXiv:1301.3781. https://doi.org/10.48550/arXiv.1301.3781
11. Moran, B. (1997). Türk romanına eleştirel bir bakış I. İletişim Yay.
12. Özmen, M. (2012). Türkiye Türkçesinde ses sıklığı. In Prof. Dr. Mine Mengi adına Türkoloji Sempozyumu Bildirileri (ss. 729–739). Çukurova Üniversitesi Yay.
13. Pennington, J., Socher, R., & Manning, C. (2014). GloVe: Global vectors for word representation. In Proceedings of the 2014 conference on empirical methods in natural language processing (EMNLP) (pp. 1532–1543). https://doi.org/10.3115/v1/D14-1162
14. Platon. (2016). Kratylos: Giriş, metin, çeviri ve dizinler (Çev. E. Gören). Dergâh Yay.
15. Tahiroğlu, B. T. (2019). Oğuz Atay’ın söz varlığı üzerine niceliksel bir inceleme. In Akdeniz 2. Uluslararası Sosyal Bilimler Kongresi (ss. 40–53). Hatay.
16. Tahiroğlu, B. T. (2023). Bilgisayar Destekli Söz Varlığı İncelemeleri. Ankara: Gece Kitaplığı
17. Vardar, B. (2002). Açıklamalı dilbilim terimleri sözlüğü. Multilingual Yay.
18. Bird, S., Klein, E., & Loper, E. (2009). Natural language processing with Python: Analyzing text with the natural language toolkit. O’Reilly Media.
19. Gensim. (2024). Topic modelling for humans. https://radimrehurek.com/gensim/
20. AntConc. (2023). A freeware corpus analysis toolkit for concordancing and text analysis. https://www.laurenceanthony.net/software/antconc/
21. spaCy. (2024). Industrial-strength natural language processing in Python. https://spacy.io/
22. Scikit-learn. (2024). Machine learning in Python. https://scikit-learn.org/