Örtük Makine Çevirisi Kullanımı: Kullanıcı Bunu Bilmeli mi?

Bir alışveriş sitesinde ürün açıklamasını okurken metnin otomatik çevrildiğini fark ettiğiniz olmuştur. Çoğu zaman ise fark etmezsiniz. İşte bu ikinci duruma örtük makine çevirisi denir: kullanıcı, okuduğu metnin bir motordan geldiğini bilmez. Karşıtı olan açık kullanımda ise kullanıcı düğmeye kendisi basar ve ne aldığını bilir.

İçindekiler

Ayrım teknik değil, iletişimseldir. Aynı motor, aynı kalitede çıktı üretiyor olabilir. Değişen şey, kullanıcının beklentisi ve sorumluluğun nerede durduğudur. Bir metnin otomatik olduğunu bilen okur, tuhaf bir ifadeyle karşılaştığında bunu makineye yorar. Bilmeyen okur ise doğrudan kuruma yorar.

Bu yazıda örtük kullanımın nedenlerini, büyük platformların kurduğu geri bildirim döngülerini ve şeffaflık kararının pratik sonuçlarını ele alıyoruz. Soruyu baştan söyleyelim: kullanıcıya haber vermek zorunda değilsiniz, ancak vermemenin de bir bedeli vardır.

Örtük Makine Çevirisi ile Açık Kullanım Arasındaki Fark

Açık kullanımda kullanıcı, metnin makine çıktısı olduğunun farkındadır. Sayfadaki dil düğmesine kendisi basmıştır ya da arayüzde bunu belirten bir not vardır. Beklenti buna göre kurulur; kullanıcı hızlı bir fikir edinmek ister ve kusurlara karşı toleranslıdır.

Örtük kullanımda ise böyle bir işaret yoktur. Büyük portallar içeriği kullanıcının tercih ettiği yerel ayara göre doğrudan sunar. Seçim çoğunlukla işletim sisteminin diline ya da bağlantının coğrafi konumuna bakılarak yapılır. Kullanıcı ekranda gördüğü metnin nasıl üretildiğini hiç sorgulamaz.

Bu ayrımın önemi hata anında ortaya çıkar. Açık kullanımda bozuk bir cümle motorun sınırı olarak okunur. Örtük kullanımda aynı cümle kurumsal özensizlik olarak okunur. Yani örtük kullanım, kalite riskini doğrudan marka itibarına bağlar.

Ölçüt	Açık kullanım	Örtük kullanım
Kullanıcının bilgisi	Metnin otomatik olduğunu bilir	Bilmez
Tetikleyen	Kullanıcının kendi seçimi	Sistem, yerel ayar veya konum
Hata algısı	Motorun sınırı	Kurumun özensizliği
Tolerans	Yüksek	Düşük
Tipik alan	Kamu portalları, arşiv sayfaları	Büyük ticaret ve ilan platformları

Büyük Portallar Neden Haber Vermez?

İlk gerekçe akışın korunmasıdır. Satın alma yolculuğunda kullanıcıya ek bir uyarı göstermek, dikkat dağıtır ve dönüşüm oranını düşürebilir. Platformlar bu nedenle çeviriyi görünmez bir altyapı katmanı gibi kurgular. Kullanıcı bir ürün görür, kaynak dilin ne olduğuyla ilgilenmez.

İkinci gerekçe ölçektir. Milyonlarca ilanın bulunduğu bir platformda her kalemin nasıl üretildiğini tek tek işaretlemek ciddi bir yönetim yüküdür. Üstelik aynı sayfada bazı alanlar insan eliyle, bazıları otomatik olarak üretilmiş olabilir. Tek bir etiket bu karmaşıklığı doğru anlatmaz.

Üçüncü gerekçe ise ticari algıdır. Otomatik çeviri etiketi, bazı pazarlarda ürünün ya da satıcının daha az güvenilir görünmesine yol açabilir. Bu kaygı anlaşılırdır; ancak kullanıcı zaten kusuru fark ediyorsa etiketin yokluğu güveni korumaz, yalnızca açıklamayı ortadan kaldırır.

Buna karşılık örtük kullanımın bir bedeli daha vardır: geri bildirim kanalı kapanır. Kullanıcı metnin otomatik olduğunu bilmediğinde hatayı bildirme ihtiyacı duymaz, çünkü karşısındaki metni kurumun bilinçli tercihi sanır. Böylece kalite sorunları sisteme geri dönmez ve yıllarca fark edilmeden yayında kalabilir.

Amaca Uygunluk Testi: Yardım Sayfaları Modeli

Örtük kullanımın en olgun biçimi, yayımdan sonra ölçüm yapan modellerdir. Microsoft, otomatik çevrilen destek ve yardım sayfalarında kullanıcılara sayfanın sorunlarını çözüp çözmediğini sormuştu. Yanıtlar olumluysa o sayfa amaca uygun kabul ediliyordu.

Bu yaklaşım kalite tanımını değiştirir. Ölçüt artık dilbilimsel kusursuzluk değil, kullanıcının işini görebilmesidir. Bir yardım makalesi biraz kaba bir Türkçeyle yazılmış olsa da kullanıcı ayarı bulup sorununu çözebiliyorsa, o metin işlevini yerine getirmiş sayılır.

Modelin gücü ölçülebilir olmasındadır. Hangi sayfanın işe yaramadığı tahminle değil, veriyle belirlenir. Böylece insan düzeltmesi bütçesi rastgele değil, en çok başarısız olan sayfalara yönlendirilir. Kalite tanımları arasındaki farkı bilgi merkezimizdeki kalite yazılarında ayrıntılı olarak ele alıyoruz.

Yöntemin sınırı da açıktır. Geri bildirim veren kullanıcılar tüm kullanıcıları temsil etmeyebilir. Sayfayı anlamayıp hemen terk edenler ankete hiç ulaşmaz. Bu nedenle geri bildirim verisini terk oranı gibi davranış ölçümleriyle birlikte okumak gerekir.

Talep Sinyaliyle Yükseltme: Ticaret Platformu Modeli

İkinci olgun model talebi izler. Bir ticaret platformunda ürün açıklamaları önce otomatik çeviriyle yayımlanır. Belirli bir bölgeden gelen ziyaret ya da satın alma talebi yükseldiğinde, o sayfa insan düzeltmesi veya tam yerelleştirme için işaretlenir. Yatırım, ilgi kanıtlandıktan sonra yapılır.

Bu mantık küçük ölçekli siteler için de uyarlanabilir. Tüm katalogu baştan yerelleştirmek yerine, ilk aşamada geniş bir otomatik kapsama açılır. Analiz araçlarından gelen dil ve ülke verisi, hangi sayfaların terfi ettirileceğini gösterir. Böylece bütçe kanıta dayanarak dağıtılır.

Modelin bir yan etkisi vardır: ilk izlenim otomatik çıktıyla oluşur. Talep zaten düşükse, bunun nedeninin ürün mü yoksa kötü çeviri mi olduğunu ayırt etmek zorlaşır. Bu nedenle en azından kategori sayfaları ve ana giriş noktaları insan eliyle hazırlanmalıdır.

Terfi eşiğini önceden yazılı hâle getirmek de işi kolaylaştırır. Örneğin belirli bir dilde aylık ziyaret sayısı ya da sepete ekleme oranı bir seviyeyi aştığında sayfanın insan düzeltmesine gönderileceği kural olarak tanımlanabilir. Böylece karar her seferinde yeniden tartışılmaz ve bütçe öngörülebilir kalır.

Kitlesel Son Düzeltme: Kullanıcıyı Sürece Katmak

Üçüncü yaklaşım kullanıcıyı düzeltmeye davet eder. Kitlesel son düzeltme olarak anılan bu uygulamada topluluk üyeleri metni sıfırdan çevirmez, motor çıktısını düzeltir (Tatsumi vd. 2012). Mitchell ve arkadaşları (2014) bunu, doğrudan çeviri yerine düzeltme yapan topluluk pratiği olarak tanımlar.

Microsoft’un topluluk çeviri çerçevesi bu yaklaşımın bilinen örneklerindendir (Aikawa vd. 2012). Katılımcılar otomatik çevrilmiş sayfalarda düzeltme önerebiliyordu. Benzer bir düzenek büyük arama motorlarının çeviri hizmetlerinde de kullanıldı. Ortak fikir, hatayı en iyi fark edecek kişinin okuyucu olmasıdır.

Yaklaşımın işlemesi için istekli bir topluluk gerekir. Sadık kullanıcı kitlesi olmayan kurumlarda katılım genellikle düşük kalır. Ayrıca gelen önerilerin denetlenmesi ayrı bir emek ister; denetimsiz kabul edilen düzeltmeler tutarlılığı bozabilir.

Şeffaflık Kararı: Etiketlemek Neyi Değiştirir?

Etiketleme kararı bir denge sorunudur. Otomatik çeviri notu koymak beklentiyi düşürür ve olası kusurları açıklar. Aynı not, bazı kullanıcılarda içeriğin ikinci sınıf olduğu izlenimini yaratabilir. Doğru yanıt içerik türüne göre değişir.

Pratik bir ölçüt şudur: metnin yanlış anlaşılması kullanıcıya zarar verebiliyorsa, örtük kullanımdan kaçınılmalıdır. Sağlık, hukuk, güvenlik ve finans içeriklerinde ham motor çıktısını haber vermeden yayımlamak savunulabilir bir tercih değildir.

Etiketleme ayrıca bir geri bildirim kanalı açar. Kullanıcı metnin otomatik olduğunu bildiğinde hata bildirmesi kolaylaşır. Bu da zamanla düzeltme önceliklerini besleyen ücretsiz bir kalite verisi üretir. Şeffaflık, yalnızca etik bir tercih değil, işlevsel bir araçtır.

Notun biçimi de önemlidir. Sayfanın en altına gizlenmiş küçük bir uyarı ile içeriğin başında görünen kısa bir açıklama aynı etkiyi yaratmaz. Amaç kullanıcıyı korkutmak değil, beklentiyi doğru yere oturtmaktır. Tek cümlelik, sade ve suçlayıcı olmayan bir ifade çoğu durumda yeterlidir.

Türkiye bağlamı

Türkiye’de örtük kullanım en çok pazar yerlerinde ve ilan sitelerinde görülür. Yurt dışından gelen ürün açıklamaları çoğunlukla otomatik olarak Türkçeleştirilir. Sonuçta ortaya çıkan tuhaf ürün adları, tüketicide satıcıya yönelik bir güven sorunu yaratabilir.

Türkçenin yapısı bu riski büyütür. Sondan eklemeli yapı nedeniyle kısa ürün başlıklarında yanlış çekim hemen göze çarpar. Ayrıca İngilizceden gelen ölçü birimleri, beden tabloları ve malzeme adları yerel karşılığa çevrilmediğinde alıcı için doğrudan bir belirsizlik doğurur.

Tüketici mevzuatı açısından da dikkat gerekir. Ürünün temel nitelikleri, garanti koşulları ve cayma hakkı gibi bilgilerin doğru ve anlaşılır sunulması beklenir. Otomatik çeviri hatası bu bilgileri bozuyorsa sorumluluk satıcıda kalır. Bu yazı genel bilgilendirme amaçlıdır, hukuki görüş değildir.

Bu sizin için ne anlama geliyor?

Otomatik çeviriyi tamamen dışlamak çoğu içerik hacminde gerçekçi değildir. Yapılabilecek şey, örtük kullanımı bilinçli bir karara dönüştürmektir. Aşağıdaki sıralama bu kararı kurmanıza yardımcı olabilir.

1. İçeriklerinizi hata maliyetine göre üç gruba ayırın: kritik, orta ve düşük riskli.
2. Kritik grupta otomatik çıktı yayımlamayın; düzeltme yapılmadan yayına almayın.
3. Orta gruptaki sayfalara kısa bir otomatik çeviri notu ekleyin ve hata bildirim bağlantısı koyun.
4. Düşük riskli grupta ölçüm kurun; terk oranı ve geri bildirim verisine göre terfi listesi oluşturun.
5. Terfi eden sayfaları üç aylık dönemlerle insan düzeltmesine gönderin ve sonucu ölçün.

Bu döngü kurulduğunda otomatik çeviri bir risk kaynağı olmaktan çıkıp yönetilen bir katmana dönüşür. İçeriklerinizi hangi gruba koyacağınızdan emin değilseniz, örnek sayfalarınızla birlikte bize ulaşabilirsiniz; risk sınıflandırmasını birlikte çıkarabiliriz.

Sık sorulan sorular

Örtük makine çevirisi ne demektir?

Kullanıcının okuduğu metnin otomatik çeviri olduğunu bilmediği durumlara örtük kullanım denir. Açık kullanımda ise kullanıcı bir düğmeye basar ve çıktının makineden geldiğini bilir. Fark, beklentinin ve sorumluluğun nerede durduğudur.

Platformlar neden örtük kullanımı tercih ediyor?

Gerekçe genellikle akışın kesilmemesidir. Kullanıcıya ek bir seçim sunmak dönüşüm oranını düşürebilir. Ayrıca içerik hacmi çok yüksek olduğunda hangi sayfanın nasıl üretildiğini tek tek işaretlemek yönetimsel yük getirir.

Amaca uygunluk ölçütü nasıl işler?

İçerik yayımlandıktan sonra kullanıcıdan geri bildirim toplanır. Örneğin bir yardım sayfasının sorunu çözüp çözmediği sorulur. Çoğunluk sorununu çözebiliyorsa o sayfa amaca uygun sayılır; çözemiyorsa insan düzeltmesi için sıraya alınır.

Otomatik çeviri kullandığımı belirtmeli miyim?

Zorunluluk bulunmasa da belirtmek çoğu durumda lehinize olur. Kullanıcı beklentisini doğru kurar, hata bildirimini kolaylaştırır ve olası bir anlaşmazlıkta iyi niyeti gösterir. Yasal ve tıbbi içerikte otomatik çıktı yayımlamamak en güvenli yoldur.

Kaynaklar

• Jiménez-Crespo, M. A. (2024). Localization in Translation. Routledge, s. 246-247.
• Tatsumi, M. vd. (2012). How good is crowd post-editing? AMTA Workshop on Post-editing Technology and Practice.
• Mitchell, L. vd. (2014). Community post-editing of machine-translated user-generated content. Post-editing of Machine Translation.
• Aikawa, T. vd. (2012). The impact of crowdsourcing post-editing with the collaborative translation framework. JapTAL Proceedings.