Özet
Bilişim teknolojisindeki hızlı gelişmeler, bilgisayar bilimlerinin daha fazla bilim dalında ve bu arada dilbilimde kullanılması sonucunu doğurmuştur. Dünyada 1900’lü yılların ikinci yarısından itibaren derlem dilbilim (corpus linguistics) araştırmalarının önem kazanmasıyla birlikte bu alanın alt alanları da oluşmaya başlamıştır. Derlem dilbilimi uygulamalarında bilgisayarlar aracılığıyla işlenen insan dili, farklı alt araştırma alanlarında (sözlükbilim, dil öğretimi, söylem çözümlemesi vb.) konu edinilmektedir. Türkçe içinse bu alan henüz oldukça yenidir.
Literatürde derlemler içlemleri ve amaçlılıklarıyla koşut olarak farklı türlerde tanımlanmıştır. Bu türlerden biri de art süremli/tarihsel derlem (diachronic/historical corpus)’dir. Bu derlem türü belirli bir dilde yazılı metinleri sayısallaştırarak bilgisayarlar aracılığıyla işlenebilir-okunur bir platforma taşımayı ve araştırmacıların hizmetine sunmayı hedefler. Bu alana özgü farklı dünya dilleri üzerine yürütülmüş çok sayıda çalışmadan en önemlileri: Cambridge Üniversitesi’nde hazırlanan A Historical Corpus of the Welsh Language 1500-1850 (http://people.pwf.cam.ac.uk/dwew2/hcwl/menu.htm) ile Türkçeyi konu edinen, Eski Türkçenin Uygurca dönemine ait metinleri içeren Johann Wolfgang Goethe Üniversitesi’nde yürütülen Vorislamische Alttürkische Texte: Elektronisches Corpus (http://vatec2.fkidg1.uni-frankfurt.de/) başlıklı çalışmalardır.
“Eski Türkçe ve Karahanlı Türkçesinin Tarihsel Derlemi Projesi”sinin konusu, Eski Türkçenin Orhon Türkçesi ve Uygurca dönemlerine ait metinler ile Karahanlı Türkçesi dönemi metinler yer alacaktır. Bu üç dönem, Türklerin bağlı bulundukları kültürel alanlar, dolayısıyla etkileşimde olunan diller açısından farklılıkların olduğu dönemdir. Orhon Türkçesi dönemi göçebe (ya da yarı göçebe) olan Türk topluluklarının dillerinin de dış etkilere -sonraki dönemlere oranla- daha kapalı olduğu dönemdir. Uygurca döneminde ise özgün metinlerin yanında Budizm, Maniheizm ve Hıristiyanlık dininin etkisiyle bu dinlere özgü metinlerin çevrilmesi sırasında Türkçeye çok sayıda sözcük girmiştir. Ancak, bu dönemdeki yoğun çeviri etkinlikleri nedeniyle Türkçenin çok sayıda yeni sözcük de kazandığını belirtmek gerekir. Karahanlı Türkçesi döneminde ise Türklerin İslamiyet’i kabulü dolayısıyla bu dönem metinleri İslami çevre metinleridir. Bu dönemde de Uygurca döneminde olduğu gibi çeviri ve özgün eserler verilmiştir. Bu dönemde Türkçe, Arapça ve Farsça ile etkileşim içindedir. Bu dönem metinleri edebi türler açısından da çeşitlilik arz etmektedir. Bu dönemlerde, söylev niteliğindeki yazıtlar, fal kitabı, sutra çevirileri, dini içerikli çeşitli anlatılar, masallar, ilahiler, tövbe duaları, Kur’an tercümesi, her iki dönemde de yazılmış şiirler ve şiir parçaları, didaktik metinler, din dışı konular içeren hukuk belgeleri, sözleşmeler, vasiyetnameler, mektuplar vb. türlerde eserler verilmiştir. Eski Türkçe ve Karahanlı Türkçesi metinlerinin genel olarak 7.-13. yy.’da yazılmış metinler olduğunu söylemek mümkündür.
“Eski Türkçe ve Karahanlı Türkçesinin Tarihsel Derlemi Projesi”nden beklenen sonuçlar: 1- Türkçenin yazıya ilk geçirildiği dönem olan Eski Türkçe ve Karahanlı Türkçesinin söz varlığını bilgisayarlarca okunabilir-işlenebilir hale getirmek. 2- Söz varlığı ve sözdizimi açıdan ilgili dönemin Türkçesini sayısal platforma taşımak. 3- 7.-13. Yüzyıl Türkçesiyle ilgili olarak araştırmacıların erişimine açık bir platform oluşturarak araştırmacılara dönemle ilgili dilsel malzemeye erişim kolaylığı sağlamak. 4- Söz konusu dönemlerin söz varlığına ve sözdizimi özelliklerine ilişkin karşılaştırmalı ve istatistiksel çalışmalar yapmaya olanak sağlamak. 5- Kültür tarihi araştırmalarında söz varlığının izleğinde katkıda bulunmak. 6- “Türkçenin Tarihsel Sözlüğü”nün hazırlanmasında Türkçenin ilk ürünlerini bu anlamda yordanabilir hale getirmektir.
Projenin aşamaları ise: 1- Derlemde yer alacak metinlerin belirlemek ve sayısallaştırarak bilgisayar ortamına aktarmak. 2- Proje için geliştirilecek yazılım ve platformlar aracılığıyla dilsel malzemeyi sözcükbirimsel, sözdizimsel, dönem, tür vb. yönlerden işaretlemek. 3- Projenin çıktılarını sanal ortamda araştırmacıların kullanımına sunmaktır.
Amaç
Bilişim teknolojisinin ve bilgisayar bilimlerinin hızla gelişimi, bilgisayarı her alanda daha yaygın kullanılır bir araç haline getirmiştir. Öyle ki, günümüzde belirli alanlar için bilgisayarın vazgeçilmez olduğu görülmektedir. Bilgi teknolojisinde ve bilgisayar bilimlerinde yaşanan bu hızlı gelişmeler, dil araştırmalarının da bilgisayar destekli olmasını gerektirmiş, tüm bu gelişmeler, diğer bir adlandırmayla Doğal Dil İşleme (DDİ) çalışmalarının bir mühendislik alanına dönüşmesini sağlamıştır. Günümüzde Türkiye’de de bilgisayar destekli dil çalışmalarının ivme kazandığı gözlenmektedir. Son on yılda Türkiye’de, güvenilir ve hızlı erişilebilir bir ortamda sözlükbilim ve sözdizimi ile ilgili çalışmalar bu anlamda öne çıkmaktadır. Bu çalışmalar, Türkçenin sıklığı yüksek yapılarını ortaya koymayı ve böylelikle özellikle yabancı dil ve ana dili öğretiminde, kolay ve hızlı öğretmeyi amaçlayan verilere ulaşmayı hedefleyen çalışmalar olarak dikkat çekmektedir.
Bilgisayar bilimlerinin sunduğu olanaklar doğrultusunda bilgisayarlı dilbilimde derlem (corpus) ya da bütünce olarak adlandırılan yapı, belirli amaçlar doğrultusunda yazılı veya sözlü dile dayalı ürünlerin birtakım ölçünlenmiş işaretlemelerle bir araya getirilmesinden oluşan bütün olarak dil çalışmalarında yerini almıştır (Say vd. 2002). Var olan biçimiyle derlemler içlemleri ve amaçlılıklarıyla koşut olarak yazılı ve/ya sözlü içeriğe sahip ve belirli bir dilde dilsel çeşitliliği yansıtabilen genel derlemler (general corpora); petrokimya derlemi ya da bilgisayar bilimleri derlemi benzeri özel alan derlemleri (specialized corpora); belirli bir yazı dilini, belirli dönem ve örneklemlerle içeren yazılı derlemler (written corpora); genel derlemlerin içleminde ya da bağımsız olarak sözlü dili temsil için tasarımlanan sözlü derlemler (spoken corpora); eş süremli olarak dilsel veriler içeren eş süremli derlemler (synchronic corpora); belirli bir dilin farklı zaman aralıklarıyla içlemlendiği art süremli derlemler (diachronic or historical corpora); yine ana dili ve yabancı dil olarak belirli bir dilin öğretiminde temel verilerin derlenmesi amaçlı tasarımlanan öğrenici derlemleri (learner corpora) ve diğer derlem türlerinden daha hacimli ve ayrıntılandırılmış, kapsamlı derlemlerden olan izlem derlemleri (monitor corpora) olarak karşımıza çıkmaktadır (McEnery, vd. 2006).
Projenin amacı, 7. yy.’ın sonlarından başlayarak yazılı ürünlerle izleyebildiğimiz Türk yazı dilinin Eski Türkçe ve Karahanlı Türkçesi dönemlerinde yazılan metinleri derleyerek, söz konusu dönem metinlerinin söz varlığını, bilgisayarlar aracılığıyla araştırmacıların kolaylıkla erişebileceği dil malzemesi haline getirmek ve Türkçe için bir art süremli/tarihsel derlem oluşturmaktır.
Bunun yanı sıra, Türkçenin yazıya ilk geçirildiği dönem olan Eski Türkçe ve Karahanlı Türkçesinin söz varlığını bilgisayarlarca okunabilir-işlenebilir hale getirmek; söz varlığı ve sözdizimi açıdan ilgili dönemin Türkçesini sayısal platforma taşımak; 7.-13. yüzyıllar Türkçesiyle ilgili olarak araştırmacıların erişimine açık bir platform oluşturarak araştırmacılara dönemle ilgili dilsel malzemeye erişim kolaylığı sağlamak; söz konusu dönemlerin söz varlığına ve sözdizimi özelliklerine ilişkin karşılaştırmalı ve istatistiksel çalışmalar yapmaya olanak sağlanmak; kültür tarihi araştırmalarında söz varlığının izleğinde katkıda bulunmak; “Türkçenin Tarihsel Sözlüğü”nün hazırlanmasında Türkçenin ilk ürünlerini bu anlamda yordanabilir hale getirmek diğer amaçlar arasında sayılabilir.
Eski Türkçe ve Karahanlı Türkçesinin tarihsel derlemi yaklaşık 600 yıllık bir dönemin yazılı ürünlerinden oluşan sözcükbirimsel ve sözdizimsel olarak işaretlenmiş, ayrıca dönem, saha, tür vb. yönlerden ayrıntılı olarak veri girişleri yapılmış ve sorgulanabilen 400-450 bin sözcüklük bir derlem olacaktır. Bu anlamda, proje dünyada oldukça geniş bir sahada varlık sürdürmüş bir dil olan Türkçenin ilk ürünlerini konu edinmesi bakımından oldukça önem taşımaktadır. Oluşturulacak derlem, söz konusu dönem Türkçesinin söz varlığının ortaya konulması açısından son derece önemli bir çalışma olacaktır. Ayrıca, eş süremli ve art süremli olarak Türk dili ile ilgili karşılaştırmalı çalışmalarda araştırmacıların dilsel verilere ulaşımını kolaylaştıracak, etimoloji (köken bilgisi) çalışmalarında ve yukarıda belirttiğimiz gibi “Türkçenin Tarihsel Sözlüğü”nün hazırlanması ile kültür tarihi çalışmalarında kullanılabilecek önemli ölçüde dilsel veri yordanabilir hale getirilmiş olacaktır.
Yöntem
Derlem dilbilimi konusunda daha önce de değinildiği gibi, Türkiye’deki ve Batı’daki çalışmalar karşılaştırıldığında Türkiye için bu alanın henüz çok yeni olduğu görülmektedir. Türlü nedenlerle Türkçenin dilsel verilerini bütünüyle ortaya koyabilecek çalışmalar yapılabilmiş değildir. Bu nedenle, Türkçe için temsil gücü yüksek derlemin oluşturulması yapılması gereken en önemli çalışmalardan biri olmalıdır.
Türkçe için temsil niteliği olan bir derlemin oluşturulamamasının nedenlerinden biri, bir derlemin, bilgisayar tarafından okunabilecek yapıda işaretlenmiş olması zorunluluğudur. Bu işaretlemeler, XML (Extansible Mark-up Language), SGML (Standard Generalized Mark-up Language) ve TEI (Text Encoding Initative) gibi işaretleme dilleri aracılığıyla yapılan ayrıntılı işaretlemelerdir. Bunun yanında kimi derlemlerin kendilerine özgü etiketleme sistemi geliştirdikleri de görülmektedir. Derlem işaretleme işlemleri zaman alıcı ve yüksek maliyetli çalışmalardır. Yukarıda sayılan ya da bunlara benzer programlarla işaretlenerek bilgisayarlarca işlenebilir ve okunabilir hale getirilen bir derlem Java, Perl, PHP vb. türlü programlama dilleriyle hazırlanan görsel arayüze sahip yazılımlarla sorgulanabilmektedir. Böylelikle dilsel verilerin görünümlerinin belirlenmesi, sorgulanabilmesi hızlı ve güvenilir biçimde kullanılması bir dijital ortamla mümkün olmaktadır.
Temsil gücü yüksek bir derlemin oluşturulabilmesi için yöntemle ilgili ilk aşama kuşkusuz dönemi temsil edebilecek sayıda ve nitelikte eserlerin seçilmesidir. Bu, projenin başarılı olmasının en temel koşullarından biridir. Bu amaçla, farklı türlerde ve yeterli sayıda yazılı ürünün seçilmesi dönemin genel söz varlığının yeterli derecede temsil edilmesini sağlayacaktır. Yukarıda da belirtildiği gibi, dönem ürünleri tür açısından çeşitlilik arz etmektedir.
Orhon Türkçesi döneminde çoğunluğu taşa, bir ölünün ardından yazılan metinler, kimi zaman salt kendini geleceğe taşıma çabasıyla yazılmış bir tür not görünümündeyken kimi zaman da ölünün geçmişte yaptıklarını, savaşlarını, başarılarını anlatan, gelecek kuşakların ders almasının beklendiği söylev niteliğinde ürünlerdir. Bu yazıtlar, hacimce sınırlı olmalarına karşın dil özellikleri ve söz varlığı açılarından oldukça gelişmiş ve geniş kapsamlı bir yapıya sahiptir.
Uygurca döneminde yazılan metinler ise Orhon Türkçesindeki metinlere oranla daha hacimli, dil özellikleri ve söz varlığı açılarından daha gelişmiş bir görünüm arz etmektedir. Bu dönemde kabul edilen dinlerin etkisiyle, bu dinleri anlamak, öğrenmek ve yaygınlaşmasını sağlamak amacıyla dini içerikli metinleri Çince, Sanskritçe, Toharca ve Sogdca gibi dillerden çeviren Uygurlar, özgün yapıtlar da meydana getirerek son derece gelişmiş bir edebiyat dili yaratmışlardır. Bu dönemde, masallar, hikâyeler, biyografi türünde eserler, dualar, tövbe duaları, fal kitabı, dini bilgiler içeren kitaplar, sutralar, ilahiler gibi dini içerikli eserler yanında vasiyetname, kira sözleşmesi, satış sözleşmesi, mektup gibi din dışı konularda düzyazı ve şiir türünde ürünler meydana getirilmiştir.
Karahanlı Türkçesi döneminde İslamiyet’in Türklerce kabulü dolayısıyla Kur’an tercümelerinin yapıldığı gözlenmektedir. Bunun yanında bu dönemin en önemli ürünleri Türk dilinin de en önemli yapıtları olan Kutadgu Bilig ve Divanü Lugati’t-Türk’tür. Atebetü’l-Hakayık da Karahanlı Türkçesi döneminde kaleme alınmış didaktik türde bir eserdir. Tüm bu metinlerin derlenmesi işlemi, 5846 Numaralı Fikir ve Sanat Eserleri Kanunu’nun 35. Maddesi (1.-4. fıkralar)’nde belirtilen hükümler çerçevesinde yapılacaktır.
Derlemin kapsamını oluşturan dönem metinlerinin içerik ve tür açısından zengin bir görünüme sahip olması, derlemin temsil gücünün yüksek olacağı konusunda da bize açık bilgiler vermektedir.
Son yıllardaki teknolojik gelişmelere koşut olarak dil çalışmalarında, bilgisayar bilimlerindeki yeni yöntem ve uygulamaların daha hacimli dil malzemesini doğru ve daha faydacı amaçlar doğrultusunda işleme olanağı da araştırmacıların hizmetine sunulmaktadır. DDİ olarak adlandırılan alana özgü yöntem ve uygulamaların derlemin oluşturulmasında ve araştırmacıların hizmetine sunulmasında önemli katkılar sağlayacağı açıktır.
Derlem için seçilen metinlerin ortak yazı karakterleri belirlendikten sonra bilgisayar ortamına aktarılmasıyla birlikte yukarıda söz edilen uygulamalar ve dil programları aracılığıyla metinlerin işaretlenerek bilgisayarlarca okunabilir hale getirilmesi işlemi başlayacaktır. Uzun zaman gerektiren bu işlemin ayrıca yoğun çalışmalarla denetlenmesi ve doğacak hataların giderilmesi amacıyla bilgisayar ortamındaki verilerin tekrar tekrar kontrolü gerekmektedir. Bu işlemler sırasında derleme özgü yeni yazılımların geliştirilmesi gibi bir durum da söz konusudur.
Tüm bu işlemlerin tamamlanmasının ardından yine derlemimiz için oluşturulacak bir arayüzle derlem kullanıcının hizmetine sunulacaktır. Kullanıcı, projenin tamamlanmasıyla, aradığı sözcüğün türünü, kullanım sıklığını, kullanıldığı metinleri, yazım özelliklerini hızlı ve güvenilir bir biçimde görme olanağına sahip olacaktır.
Eski Türkçenin Orhon Türkçesi ve Uygurca dönemi ile Karahanlı Türkçesi dönemleri ses, biçim vb. dil özellikleri açısından benzer pek çok yönü barındırmanın yanında kimi farklılıkları da barındırmaktadır. Örneğin Orhon Türkçesinin söz içi ve söz sonu -b-, -b sesleri Uygurcada -v-, -v; Karahanlı Türkçesinde -w-, -w olarak gelişmiştir. Dolayısıyla Orhon Türkçesinin eb “ev” sözcüğü Uygurcada ev; Karahanlı Türkçesinde ew biçimindedir. Bu durumda okuyucu derlemde eb sözcüğünü aradığında, sözcüğün yanında ev ve ew sözcüklerini ve bunların ilgisini görebilmelidir. Bunun gibi, Orhon Türkçesinin anyıg “kötü, fena” sözcüğü, Uygurcada anıg ve ayıg; Karahanlı Türkçesinde ayıg biçiminde görülmektedir. Okuyucu, anyıg sözcüğünü aradığında söz konusu farkı üç biçimi de görecek ve karşılaştırabilecektir.
Bir verinin metin içinde hangi türlerde kullanıldığı, farklı yazım özelliğinin olup olmadığı gibi durumlar veri işleme sırasında ortaya konulacak işlemlerdir. Projede görev alacak araştırmacı ve bursiyerler, herhangi bir verinin sözcük türü olarak görevini ve yazım biçimini proje için geliştirilecek yazılım aracılığıyla oluşturulacak veri tabanına gönderecektir. Yazılım, gönderilen verilerin kim tarafından, ne zaman gönderildiğinin proje yürütücüsü tarafından görüntülenmesine olanak verecektir. Böylelikle gönderilen veriler, yürütücü ve araştırmacılarca denetlenecek, olası hatalara başlangıçta önlemler alınacaktır. Öyle ki, projenin başarısı veri tabanına aktarılan bilgilerin doğruluğuna bağlıdır. Sistemin işleyişinin sağlıklı olması amacıyla projede görev alacak yazılım uzmanı, teknik uzman ve bilgi işlem sorumlusundan destek alınacaktır.