Türkçe Dil Araştırmaları İçin Yapay Zekâ Araçlarında Kod Üretimi: Prompt Stratejileri, Örnekleri ve Python Uygulamaları

Bu bildiri, yapay zekâ (YZ) araçlarına doğru istemlerle Google Colab veya Python'da çalıştırılacak kodlar yazdırarak kodlamayı bilmeden de bu uygulamaların Türkçe dil araştırmalarında nasıl kullanılabileceğini göstermek amacıyla hazırlanmıştır. ChatGPT, Claude, Qwen, DeepSeek, Gemini, Copilot gibi büyük dil modellerine Google Colab veya Python ortamlarında çalıştırılabilir kodlar yazdırmak için promtların (istemlerin); açık, spesifik, bağlama uygun, formatı tanımlı, kütüphane tercihleri belirli, kısıtları ve şartları belli, örnekli, çıktısı tanımlı gibi nitelikleri taşıması gerekmektedir. Etkili prompt stratejileriyle yazdırılan ve aşağıdaki işleri yapan kodların hatasız çalıştığı test edilmiştir. Bu bildiride, dil araştırmalarında kullanılabilecek kodları YZ araçlarına yazdırmak için örnek promtlar (istemler) sıralanmıştır. Bu örnek istemlerle YZ araçlarına yazdırılan kodlar, kopyalanıp Google Colab'a veya Python'a yapıştırılarak kelime sıklığı analizi, kelime bulutu oluşturma, kavram ağı görselleştirme, kelime türü belirleme, kelime dağılımı, grafik oluşturma, metin ayıklama, söz varlığı tespiti, metin karşılaştırma, morfolojik analiz, okunabilirlik analizi gibi işler kolaylıkla yapılabilmektedir. Bunların nasıl yapılacağı da anlatıldı ancak bildiri sınırlarını fazlasıyla aşacağından analizi yapılacak örnek metne ve Python kodlarına yer verilmedi.

Ayrıca doğru istemler girilerek word makroları yazdırılabilir ve bu makrolarla birtakım metin düzenlemeleri word programıyla da yapılabilir. Kod gereksinimi olmadan da YZ araçlarına doğru istemler girilerek mesela tarihî metinlerin günümüz Türkçesine aktarılması, işlevsel analiz gibi işler için de daha doğru çıktılar alınabilir.
Bildiri, YZ araçlarının Türkçe dil araştırmalarında da zaman tasarrufu ve kolaylık sağlayan, doğruluğu yüksek, tekrarlanabilir, erişilebilir çözümler sunduğunu örnekleriyle ortaya koymaktadır. Dil araştırmacılarının/uzmanlarının teknik programlama bilgisi olmadan da karmaşık metin analizleri yapabilmesine imkân veren bu yaklaşım, dijital filolojinin geleceği için yeni bakış açıları ortaya koymaktadır.