Yazın çevirisinde çevirmen ve makine çevirisi üzerine eleştirel bir karşılaştırma: "To Kıll a Mockıngbırd" örneği = A critical comparison of translator and machine translation in literary translation: The case of "To Kill a Mockingbird"

Abstract

Çeviribilimin en tartışmalı alanlarından biri olan yazın çevirisi ve Makine Çevirisi üzerine yapılan bu çalışmada insan çevirmenler arası yapılacak bir karşılaştırmadan ziyade, çeviri sürecinde çevirmenler için büyük kolaylıklar sağlayan Makine Çevirisinin edebi metinlerdeki başarısı incelenmek istenmiştir. Yapay zeka teknolojisinin hayatın her alanına entegre olmasıyla son yıllarda popülerliği gitgide artan Nöral Makine Çeviri araçları içinden Google Çeviri'nin, hem sınırlılıklarını hem de potansiyelini göz önünde bulundurarak ön ve son düzeltmesiz yapılan çevirilerinin dilsel, kültürel ve bağlamsal açıdan Toury'nin öncül normlarından kabul edilebilirlik ilkesine göre incelenmesi çalışmanın çıkış noktasını oluşturmaktadır. Bu sebeple, araştırma nesneleri olarak, yayınlandığı dönemden günümüze kadar hem edebi alanda hem de popüler kültürde büyük bir yer etmiş ve 2016 yılında yazarın vefatıyla tekrar gündeme gelmiş Harper Lee'nin "To Kill a Mockingbird'' (1960) kitabı kaynak metin olarak, kitabın Ülker İnce tarafından yapılan ve en güncel Türkçe çevirisi olan "Bülbülü Öldürmek'' (2021) ve Google Çeviri (2022) tarafından yapılan ön ve son düzeltmesiz ham çevirisi erek metinler olarak seçilmiştir. Betimsel araştırma yöntemlerinden karşılaştırmalı analiz yöntemi ile hem metin çözümlemeleri incelenmiş hem de çeviri metinlerin insan çevirmen ve Google Çeviri kararları bağlamında karşılaştırmalı bir incelemesi yapılmıştır. Bu çalışma mevcut Makine Çeviri sistemlerinin çalışma prensiplerini, kaynak metnin bağlamsal olarak anlaşılmamasından kaynaklanan yapay zeka sorunlarını ve Google Çeviri gibi Nöral Makine Çeviri sistemleri için dil edinci dışında kültür edincinin çevirideki yerini tartışmaktadır. Çalışma, Nöral Makine Çevirisinde yapay zekanın çevirdiği metin türünü tanıyarak bağlamı daha iyi kavrayabileceğini ve bunun da kaliteli bir edebi çeviri üretmeye yönelik ilk adım olabileceğini savunmaktadır.

This study focuses on literary translation and Machine Translation, one of the most controversial areas of translation studies, rather than a comparison between human translators. It is aimed to examine the success of Machine Translation on literary texts, which provides great convenience to translators in the translation process. With the integration of artificial intelligence technology into all areas of life, Google Translate, a Neural Machine Translation system, has increased in popularity in recent years. Considering its limitations and potential, the starting point of the study is whether the translation made with Google Translate without pre- and post-editing can achieve a translation that is linguistically, culturally and contextually acceptable according to Toury's initial norms. As research objects, Harper Lee's "To Kill a Mockingbird" (1960), which has had a great place in both the literary and popular culture from the time it was published to the present, and which came to the fore after the death of the author in 2016, is chosen as the source text. "Bülbülü Öldürmek" (2021), the most up-to-date Turkish translation of the book by Ülker İnce, and the translations by Google Translate (2022) without the pre- and post-editing are selected as the target texts. With the comparative analysis method, which is one of the descriptive research methods, both text analysis and a comparative analysis of translated texts in the context of human translator and Google Translate decisions are conducted. This study discusses the working principles of existing Machine Translation systems, artificial intelligence problems arising from the lack of contextual understanding of the source text, and the place of cultural competence in translation apart from language competence. The study also argues that in Neural Machine Translation, artificial intelligence can better understand the context when it can recognize the type of text, and this can be the first step towards producing a quality literary translation.