Skip to content
OKTA

İşlem Hattı

Arşiv rafındaki bir gazete sayfasının doğrulanmış tarihsel bulguya dönüşene kadar izlediği yol. Yöntem dört ana fazdan oluşuyor; her faz bir sonrakinin girdisini üretiyor.

  • 1923–1938
  • 8 süreli yayın
  • 5.000+ hedef mektup
  • 24 ay
  • 6 iş paketi
  1. 01

    Veri Toplama

    Farklı siyasi çizgilerden sekiz süreli yayının 1923–1938 arası sayıları taranıyor; okuyucu mektupları ile hükümet gündemine dair manşet ve haberler tespit ediliyor.

    • Cumhuriyet, Hâkimiyet-i Milliye, İkdam, Vakit, Akşam ve Tanin gazeteleri ile Sebîlürreşâd ve İctihad dergileri
    • Online koleksiyonların yanı sıra Ankara ve İstanbul'daki arşiv ve kütüphanelerden görüntü temini
    • Ön çalışmada 1.100'den fazla mektuba ve yakın sayıda habere ulaşıldı; hedef en az 5.000 mektup
    • Arşiv taraması
    • Kronolojik kataloglama
    • Bursiyer ekibi
  2. 02

    Veri Hazırlama ve Dijitalleştirme

    Toplanan görüntüler gazete, yıl ve ay bazında kataloglanıyor; 1928 öncesi metinler günümüz alfabesine aktarılıyor ve makine tarafından işlenebilir formatlara dönüştürülüyor.

    • Eski alfabeden günümüz Türkçesine transkripsiyon; Transleyt destekli, manuel doğrulamalı
    • OCR ile karakter, kelime, cümle, paragraf ve sayfa bazlı dijitalleştirme
    • Stop-word temizliği ve lemmatizasyon ile analiz öncesi dilsel ön işleme
    • OCR
    • Transkripsiyon
    • XML · TEI · CSV
  3. 03

    Modelleme

    Temizlenen veri seti üç analiz ekseninde işleniyor. Her görev klasik NLP, kodlayıcı tabanlı dil modelleri ve açık kaynak büyük dil modelleriyle ayrı ayrı deneniyor; en başarılı yöntem o görevde kullanılıyor.

    • Dönem Türkçesine devam eğitimiyle (continual learning) uyarlanmış modeller
    • Tematik analiz: duygu, anahtar kelime ve konu
    • Zaman serisi analizi ve halk–hükümet gündem karşılaştırması
    • BERTurk
    • BERTopic
    • KeyBERT
    • LSTM
    • K-Means
  4. 04

    Değerlendirme ve Doğrulama

    Model çıktıları önce göreve özgü metriklerle nicel olarak sınanıyor, ardından tarihçiler tarafından nitel olarak yorumlanıyor. Son adım, bulguların aşağıdan tarih perspektifiyle bütüncül bir dönem anlatısına dönüştürülmesi.

    • Nicel doğrulama: F1, ROC AUC, topic coherence ve perplexity ölçütleri
    • Nitel değerlendirme: uzman tarihçi incelemesi ve manuel kontrol
    • Cross-validation ile modellerin güvenilirlik sınaması
    • F1
    • ROC AUC
    • Coherence
    • Perplexity

Modellemenin üç ekseni

Modelleme fazı aynı veri setine üç ayrı sorudan bakıyor: halk ne hissediyor ve neden bahsediyordu, bu gündem zaman içinde nasıl değişti ve hükümetin gündemiyle nerede örtüşüyordu?

Tematik Analiz

Mektuplardaki duygu, kavram ve temaların katmanlı yapısını ayrıştırır.

Duygu Analizi

Pozitif, negatif ve nötrün ötesinde öfke, umut, kaygı gibi ayrıntılı duygu sınıfları; dönem diline uyarlanmış BERTurk ve ELECTRA modelleriyle.

Anahtar Kelime Çıkarımı

KeyBERT ile bağlamsal anahtar kelimeler; büyük dil modelleriyle aday üretme, eleme ve birleştirme adımlarından oluşan iteratif çıkarım.

Konu Modellemesi

LDA, BERTopic ve LLM tabanlı yönlendirilmiş özetlemenin karşılaştırıldığı, coherence skorlarıyla doğrulanan konu haritaları.

Zaman Serisi Analizi

Her mektup bir gömme vektörüne dönüştürülüyor; aylık ve yıllık ortalamalar LSTM ile işlenerek toplumsal duygu ve taleplerin 1923'ten 1938'e seyri izleniyor.

  1. Embedding çıkarımı
  2. Aylık ve yıllık diziler
  3. LSTM ile örüntü analizi
  4. t-SNE / PCA görselleştirme

Halk–Hükümet Gündem Karşılaştırması

Mektuplardan çıkan halk gündemi ile manşetlerden çıkan hükümet gündemi ayrı ayrı kümeleniyor ve eşleştiriliyor. Ortak, ayrık ve hiç dile gelmeyen konular, dönemin sansür bağlamıyla birlikte okunuyor.

  1. Ön işleme ve embedding
  2. K-Means kümeleme
  3. Jaccard / cosine karşılaştırma
  4. Zamana yayılmış gündem analizi

Aynı görev, üç yaklaşım

Projeyi hibrit kılan ilke şu: hiçbir yöntem peşinen doğru kabul edilmiyor. Duygu analizi, anahtar kelime çıkarımı ve konu modellemesinin her biri üç yaklaşımla ayrı ayrı deneniyor; göreve özgü metriklerde en yüksek başarıyı gösteren yöntem o görevin sahibi oluyor.

Klasik NLP

LDA, TF-IDF, kelime eş-oluşum analizleri

Kodlayıcı Dil Modelleri

BERTurk, ConvBERTurk, Turkish ELECTRA, XLM-RoBERTa

Açık Kaynak LLM

LLaMA 3.1, Gemma, Mistral; veri güvenliği için yerel ortamda

Göreve özgü metriklerle karşılaştırılır, en başarılı yöntem seçilir

Modeller 1930'ların Türkçesini öğreniyor

Modern Türkçeyle eğitilmiş modeller, dönemin kelime dağarcığında yanılabiliyor. Bu yüzden tüm modeller, Osmanlıca kökenli kelimeler ve dönemin yazım biçimlerini içeren özel bir veri setiyle devam eğitiminden geçiriliyor.

İş-zaman çizelgesi

Yirmi dört aylık takvim altı iş paketine bölünüyor; veri toplama sürerken model denemeleri paralel yürüyor.

Ay
147101316192224
  1. İP1

    Veri Toplama ve Dijitalleştirme

    1–9. ay

  2. İP2

    Modellerin Öncül Denemesi

    3–5. ay

  3. İP3

    Etiketleme ve İnce Ayar

    5–12. ay

  4. İP4

    Manuel Kontrol

    10–15. ay

  5. İP5

    Toplam Veri Setinin Analizi

    16–18. ay

  6. İP6

    Nitel Değerlendirme

    19–24. ay

Hattı çalışırken görün

Örnek bir mektup üzerinde analiz adımlarını deneyimleyin veya hattın beslendiği veri setlerini inceleyin.

Test EtVeri Setleri