| Ders Adı | Kodu | Yerel Kredi | AKTS | Ders (saat/hafta) | Uygulama (saat/hafta) | Laboratuar (saat/hafta) |
|---|---|---|---|---|---|---|
| Makine Çevrisi Uygulamaları | MTF5113 | 3 | 7.5 | 3 | 0 | 0 |
| Önkoşullar | Yok |
|---|
| Yarıyıl | Güz, Bahar |
|---|
| Dersin Dili | Türkçe |
|---|---|
| Dersin Seviyesi | Yüksek Lisans |
| Dersin Türü | Seçmeli @ Batı Dil. ve Edeb. ABD Fransızca Mütercim Tercümanlık Yüksek Lisans Programı |
| Ders Kategorisi | Uzmanlık/Alan Dersleri |
| Dersin Veriliş Şekli | Yüz yüze |
| Dersi Sunan Akademik Birim | Batı Dilleri ve Edebiyatı Bölümü |
|---|---|
| Dersin Koordinatörü | Ayse Banu Karadag |
| Dersi Veren(ler) | Ayse Banu Karadag |
| Asistan(lar)ı |
| Dersin Amacı | Bu dersin amacı, öğrencilerin makine çevirisi teknolojilerine eleştirel ve uygulamalı bir perspektifle yaklaşmalarını sağlamaktır. Öğrenciler, kural temelli, istatistiksel ve nöral makine çevirisi sistemlerinin çalışma prensiplerini karşılaştırmalı biçimde inceleyecek; farklı çeviri platformlarını deneyimleyecek; çeviri belleği, sözlükler ve ön-düzenleme (pre-editing) gibi destekleyici araçların etkisini analiz edeceklerdir. Ayrıca, öğrencilerden çeşitli metin türleri üzerinde makine çevirisi çıktılarının kalite değerlendirmesini yapmaları ve post-editing stratejileri geliştirmeleri beklenmektedir. |
|---|---|
| Dersin İçeriği | Makine çevirisinin tarihçesi ve kuramsal temelleri; kural temelli (RBMT), istatistiksel (SMT) ve sinir ağı temelli (NMT) çeviri sistemlerinin temel özellikleri ve karşılaştırmalı analizi. Makine çevirisinin çeviri sürecindeki yeri ve insan çevirmen ile etkileşimi. Pre-editing ve post-editing uygulamaları. Farklı alanlara (teknik, edebi, tıbbi vb.) yönelik makine çevirisi çıktılarının değerlendirilmesi. Çeviri bellekleri, terminoloji veritabanları ve entegrasyon araçları. Fransızca-Türkçe dil çiftine özgü zorluklar ve örnek uygulamalar. ChatGPT gibi yeni nesil üretken yapay zekâ araçlarının çeviri bağlamındaki yeri ve kullanımı. |
| Ders Kitabı / Malzemesi / Önerilen Kaynaklar |
|
| Opsiyonel Program Bileşenleri | Yok |
Ders Öğrenim Çıktıları
- Kural temelli, istatistiksel ve nöral makine çevirisi sistemlerinin temel ilkelerini açıklar ve karşılaştırır.
- Belirli metin türleri üzerinden makine çevirisi çıktılarının kalite değerlendirmesini yapar.
- Farklı çeviri senaryolarında ön düzenleme (pre-editing) ve son düzenleme (post-editing) stratejilerini uygular.
- Çeviri sürecinde çeviri belleği ve terminoloji yönetimi gibi destekleyici araçların işlevini analiz eder.
- Fransızca-Türkçe dil çiftine özgü makine çevirisi sorunlarını tanımlar ve örnek metinlerle çözüm önerileri geliştirir.
Ders Öğrenim Çıktısı & Program Çıktısı Matrisi
| DÖÇ-1 | DÖÇ-2 | DÖÇ-3 | DÖÇ-4 | DÖÇ-5 | |
| PÇ-1 | - | - | - | - | - |
| PÇ-2 | - | - | - | - | - |
| PÇ-3 | - | - | - | - | - |
| PÇ-4 | - | - | - | - | - |
| PÇ-5 | - | - | - | - | - |
| PÇ-6 | - | - | - | - | - |
| PÇ-7 | 5 | - | - | - | 5 |
| PÇ-8 | - | 5 | 5 | 5 | - |
| PÇ-9 | - | - | - | - | - |
| PÇ-10 | - | - | - | - | - |
| PÇ-11 | - | - | - | - | - |
| PÇ-12 | - | - | - | - | - |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Derse giriş: Makine çevirisine genel bakış ve tarihsel gelişim | Alimen, N., Öner-Bulut, S., & Karadağ, A. B. (2023). Yapay zekâ, dil ve çeviri. In B. Küçükcan & B. F. Yıldırım (Eds.), Yapay zekâ: Disiplinlerarası yaklaşımlar (ss. 81–103). VakıfBank Kültür Yayınları. |
| 2 | Kural temelli makine çevirisi (RBMT): yapı ve sınırlılıklar | Ders notları + Örnek RBMT gösterimi |
| 3 | İstatistiksel makine çevirisi (SMT): veri bağımlılığı ve hizalama modelleri | Ders notları + SMT sistem tanıtımı ve sınıf içi uygulama |
| 4 | Nöral temelli makine çevirisi (NMT): yapı, eğitim verisi, çıktı özellikleri | Ders notları + NMT araçlarının karşılaştırması (DeepL, Google, Systran) |
| 5 | MT sistemlerinin karşılaştırması ve insan müdahalesi | Alimen, N., & Öner-Bulut, S. (2020). Çevirinin teknolojikleşmesi bağlamında insan çevirmenin rollerini yeniden düşünmek: Çevirmen eğitiminde teknik metin yazarlığı. Turkish Studies, 15(3), 1047–1062. |
| 6 | Ön düzenleme (pre-editing) stratejileri ve araçları | Eğitmen tarafından sağlanacak örnek metinler üzerinden uygulamalar |
| 7 | Son düzenleme (post-editing): türleri, çaba düzeyi, kalite standartları | TAUS (2010). Post-editing Guidelines |
| 8 | Ara Sınav 1 | |
| 9 | MT çıktılarının değerlendirilmesi: hata türleri ve kalite ölçütleri | TAUS Quality Evaluation Framework (seçili bölümler) Sınıf içi örnek MT çıktısı analizi |
| 10 | Farklı alanlarda MT uygulamaları: teknik, edebi, hukuki, tıbbi | Alanlara özgü seçilmiş metinler + MT karşılaştırmaları |
| 11 | CAT araçları: MT ile çeviri belleği ve terim veritabanı entegrasyonu | Araç tanıtımı + örnek uygulamalar |
| 12 | Ara Sınav 2 | |
| 13 | MT ve mesleki etik: yazarlık, sorumluluk, şeffaflık | Sınıf içi vaka tartışması: intihal mi, destekli üretim mi? |
| 14 | MT ve yapay zekâ tabanlı platformlar: ChatGPT ve üretken dil modelleri | Alimen, N. (2023). Makine çevirisinden sohbet robotu çevirisine: ChatGPT ile deneysel bir çalışma. RumeliDE, 36, 1532–1548. |
| 15 | Genel Değerlendirme ve Kapanış | Önceki haftalara ait okuma ve örnek post-editing uygulamalarının tekrarı |
| 16 | Final |
Değerlendirme Sistemi
| Etkinlikler | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | ||
| Laboratuar | ||
| Uygulama | ||
| Arazi Çalışması | ||
| Derse Özgü Staj | ||
| Küçük Sınavlar/Stüdyo Kritiği | ||
| Ödev | ||
| Sunum/Jüri | ||
| Projeler | ||
| Seminer/Workshop | ||
| Ara Sınavlar | 2 | 60 |
| Final | 1 | 40 |
| Dönem İçi Çalışmaların Başarı Notuna Katkısı | ||
| Final Sınavının Başarı Notuna Katkısı | ||
| TOPLAM | 100 | |
AKTS İşyükü Tablosu
| Etkinlikler | Sayı | Süresi (Saat) | Toplam İşyükü |
|---|---|---|---|
| Ders Saati | 14 | 3 | |
| Laboratuar | |||
| Uygulama | |||
| Arazi Çalışması | |||
| Sınıf Dışı Ders Çalışması | 14 | 11 | |
| Derse Özgü Staj | |||
| Ödev | |||
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Projeler | |||
| Sunum / Seminer | |||
| Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi) | 2 | 10 | |
| Final (Sınav Süresi + Sınav Hazırlık Süresi) | 1 | 5 | |
| Toplam İşyükü : | |||
| Toplam İşyükü / 30(s) : | |||
| AKTS Kredisi : | |||
| Diğer Notlar | Yok |
|---|
