Türkçe ve İngilizce Dilleri Arasında Denizcilik Metinlerinin Çevirisinde Özelleştirilmiş Makine Çevirisi Sistemi Kullanmanın Etkisi Üzerine Bir Karşılaştırmalı Çalışma

Abstract

Makine çevirisinin (MT) profesyonel çeviri süreçlerine giderek daha fazla entegre edilmesiyle birlikte, MT'nin verimliliği, kullanılabilirlik derecesi ve çeviri sürecini ne ölçüde hızlandırdığı sorgulanmaya başlanmıştır. Bu tezde, genel ve alana özgü verilerin bir araya getirildiği sınırlı bir derlem ile eğitilmiş olan özelleştirilmiş bir MT modelinin, Türkçe-İngilizce dil çiftinde teknik içeriği doğru bir şekilde aktaran ve profesyonel bağlamda kullanılabilir çeviriler üretip üretemeyeceği araştırılmıştır. Özelleştirilmiş iki farklı model, önde gelen çeviri sistemleri (Google Translate, DeepL, Microsoft Translator) ve ChatGPT-4 ile birlikte incelenmiştir. Modellerin performanslarını değerlendirmek için otomatik değerlendirme metrikleri (BLEU, METEOR, chrF++, TER) ve kısa insan yorumları kullanılmıştır. Bu değerlendirme neticesinde, özelleştirilmiş modellerden birinin Türkçeden İngilizceye çeviride rakiplerine kıyasla en yüksek performansı gösterdiği görülmüştür. Sonuç olarak, yapılan özelleştirmenin, özellikle denizcilik metinlerinde daha yüksek terminolojik doğruluk, akıcılık ve yapısal tutarlılık sağladığı görülmüştür. Bu bulgular ışığında, özelleştirilmiş MT'nin özellikle uzmanlık gerektiren alanlarda çeviri verimliliğini ve kalitesini artırabildiği söylenebilir.

With the increasing integration of machine translation (MT) into professional workflows, questions have arisen regarding its effectiveness, usability, and how much it accelerates the translation process. This thesis investigates whether a custom MT model, trained on a limited corpus combining general and domain-specific data, can generate translations that accurately convey technical content and are professionally usable within the Turkish-English language pair. Two customized models were evaluated alongside leading commercial systems (Google Translate, DeepL, Microsoft Translator) and ChatGPT-4. To evaluate system performance, automatic evaluation metrics (BLEU, METEOR, chrF++, TER) were used together with brief human commentary. Based on this assessment, one of the customized models outperformed all others in Turkish-to-English translation. Overall, the results indicate that domain adaptation through customization leads to higher terminological accuracy, fluency, and structural consistency, particularly in maritime texts. These findings suggest that custom MT can enhance translation efficiency and quality, especially in specialized domains.