Çince ve İngilizcede Fiil-İsim Tercihinin Dillerarası Analizi: İkinci Dil Olarak Çince Yazma Üzerine Çıkarımlar

İçindekiler

1. Giriş

İsimler ve fiiller, tüm insan dillerinde ortak olan temel sözcük sınıflarıdır. Gentner'ın (1982) evrensel isim avantajı görüşü gibi dil edinimi araştırmaları, isimlerin kavramsal olarak daha kolay ve daha erken edinildiğini öne sürer. Ancak, dillerarası çalışmalar kullanım tercihlerinde önemli farklılıklar olduğunu ortaya koymaktadır. İngilizce, özellikle resmi ve akademik yazında güçlü bir isim tercihi sergilerken, Çince belirgin bir fiil tercihi gösterir. Bu çalışma, bu karşıtlığı modern gazete derlemleri kullanarak deneysel olarak araştırmakta ve İngilizce konuşan Çince öğrencileri için çıkarımlarını keşfetmektedir.

2. İsim/Fiil Tercihi ve Ontolojik Metafor

İsim/fiil kullanımındaki farklılığın, farklı ontolojik metafor (Lakoff & Johnson, 1980) bağımlılıklarından kaynaklandığı teorize edilir. Ontolojik metafor, soyut fikirleri, duyguları veya süreçleri somut varlıklar olarak kavramsallaştırmayı içerir. İngilizce sıklıkla süreçleri adlaştırır (örn., "my fear", "her decision"), onları manipüle edilebilir nesneler olarak ele alır. Buna karşılık Çince, durumları ve süreçleri doğrudan tanımlamak için fiil formunu koruma eğilimindedir (örn., "I fear", "she decided"). Link (2013) edebi alıntılar aracılığıyla ön kanıtlar sunmuş, ancak örneklemi sınırlı kalmıştır. Bu çalışma, sistematik, nicel bir analiz için bu teorik temel üzerine inşa edilmektedir.

3. Derlem Tabanlı Karşılaştırmalı Çalışma

3.1 Araştırma Materyallerinin Kaynağı

Modern dil kullanımının temsil edilebilirliğini sağlamak için iki derlem oluşturuldu:

• Çince Derlem: Çin'in önde gelen resmi gazetesi People's Daily (《人民日报》)'den makaleler.
• İngilizce Derlem: Büyük bir Amerikan gazetesi olan The New York Times'tan makaleler.

Alan varyasyonunu kontrol altına almak için aynı zaman diliminden ve benzer konuları (örn., siyaset, ekonomi, kültür) kapsayan makaleler seçildi.

3.2 Araştırma Yöntemi ve Veri İşleme

Metinler, sözcük türü (POS) etiketlemesi için doğal dil işleme araçları kullanılarak işlendi:

• Çince: Stanford CoreNLP Çince modeli veya Jieba POS etiketleyicisi kullanıldı.
• İngilizce: Stanford CoreNLP İngilizce modeli kullanıldı.

İsimler (cins ve özel isimler dahil) ve fiiller (ana fiiller ve ilgili bağlamlarda yardımcı fiiller dahil) otomatik olarak tanımlandı ve sayıldı. Hesaplanan temel metrik İsim-Fiil Oranı (NVR) idi:

$NVR = \frac{Count(Nouns)}{Count(Verbs)}$

Derlemler arasındaki farkların anlamlılığını belirlemek için istatistiksel testler (örn., t-testleri) yapıldı.

3.3 Sonuçlar ve Analiz

Analiz, varsayılan karşıtlığı doğruladı:

4. İngilizce Konuşan Çince Öğrencileri Üzerindeki Etkisi

Çalışma, orta-ileri seviye İngilizce konuşan Çince öğrencilerinden alınan yazma örneklerini daha ileri analiz etti. Sonuçlar, bu öğrencilerin Çince kompozisyonlarının ortalama NVR'sinin yaklaşık 1.8 : 1 olduğunu gösterdi. Bu oran, anadili Çince olan yazarların oranından (1.1:1'e daha yakın) önemli ölçüde daha yüksektir ve İngilizce kalıbına doğru yönelir. Bu, L2 Çince yazılarında fiillerin yetersiz kullanımına ve adlaştırılmış yapılara aşırı güvenmeye yol açan, L1'lerinden (İngilizce) olumsuz aktarım olduğunu göstermektedir.

5. Tartışma ve Pedagojik Çıkarımlar

Bulguların Yabancı Dil Olarak Çince Öğretimi (TCFL) için doğrudan çıkarımları vardır:

• Farkındalık Yaratma: Eğitmenler, Çince'deki fiil tercihi kavramını açıkça öğretmeli, bunu İngilizce isim tercihi ile karşılaştırmalıdır.
• Girdi Zenginleştirme: Öğrencilere doğal Çince fiil kullanımını vurgulayan bol miktarda özgün materyal sağlanmalıdır.
• Odaklanmış Pratik: Garip adlaştırılmış ifadeleri (çeviri dili) daha doğal fiilsel yapılara dönüştürmeyi gerektiren alıştırmalar tasarlanmalıdır.
• Hata Düzeltme: Öğrenci geri bildirimlerinde "isimsel" yazım sistematik olarak ele alınmalıdır.

6. Temel Kavrayışlar

• Deneysel Doğrulama: Çince ve İngilizce arasındaki teorik fiil-isim tercihi ikiliği için güçlü, derlem tabanlı kanıt sağlar.
• L1 Aktarımı: Kökleşmiş L1 dilbilgisi kalıplarının (isim tercihi) L2 üretiminde nasıl devam ettiğini ve biçemsel doğallığı etkilediğini açıkça gösterir.
• Sözdiziminin Ötesinde: Dil farklılığının yalnızca sözdizimsel olmadığını, bilişsel stillerde (ontolojik metafor kullanımı) kök saldığını vurgular.
• Pedagojik Boşluk: Geleneksel dilbilgi odaklı öğretimde sıklıkla gözden kaçan spesifik, ölçülebilir bir alanı (fiil kullanım sıklığı) tanımlar.

7. Özgün Analiz ve Uzman Yorumu

Çekirdek Kavrayış: Bu makale sadece kelime saymakla ilgili değildir; dilbilgisinde taşlaşmış bilişsel stil üzerine adli bir analizdir. Asıl hikaye, İngilizce'nin ontolojik metafor tercihinin bir mirası olan "isim merkezli" dünya görüşünün, Çince öğrenenlerde kalıcı bir biçemsel aksana nasıl yol açtığıdır—NVR gibi metriklerin artık cerrahi bir hassasiyetle ölçebildiği bir aksan. Çalışma, teorik bilişsel dilbilim (Lakoff & Johnson) ile uygulamalı derlem tabanlı İkinci Dil Edinimi araştırmalarının genellikle ayrı dünyalarını başarıyla birleştirmektedir.

Mantıksal Akış: Argüman zarif bir şekilde doğrusaldır: Teori (Ontolojik Metafor) -> Önceki Gözlem (Link'in edebi analizi) -> Hipotez (Modern medya aynı ayrımı gösterecek) -> Deneysel Test (NYT vs. People's Daily derlem analizi) -> Doğrulama -> Genişletme (L1 aktarımı L2 çıktısını etkiler mi?) -> İkinci Deneysel Test (Öğrenci derlemi analizi) -> Doğrulama -> Pratik Çıkarımlar. Bu, sağlam, kademeli araştırma tasarımının ders kitabı örneğidir.

Güçlü ve Zayıf Yönler: Başlıca gücü metodolojik titizliği ve net operasyonelleştirmedir (NVR). Karşılaştırılabilir gazete türlerinin kullanılması, dillerarası çalışmalardaki yaygın bir kusur olan kaydı kontrol eder. Ancak, analizin kör noktaları vardır. İlk olarak, "isim" ve "fiil"i monolitik kategoriler olarak ele alır. Universal Dependencies projesinden gelen araştırmaların gösterdiği gibi, ince ayrımlar (örn., fiilden türeme isimler, hafif fiiller) önemlidir. Çince teknik olarak bir isim içeren ancak fiilsel işlev gören daha fazla hafif fiil yapısı (örn., 进行讨论) kullanıyor olabilir mi? Bu, isim sayılarını şişirebilir. İkincisi, öğrenci çalışması muhtemelen yetenekten ziyade temel yeterliliği yakalar. Öğrenciler karmaşık fiil zincirlerini ele alamadıkları için mi aşırı adlaştırma yapıyor, yoksa bu saf L1 aktarımı mı? Bir sesli düşünme protokolü çalışması bunu çözebilir.

Uygulanabilir Kavrayışlar: Eğitimciler için: Bu çalışma, teşhis aracını (NVR) ve tedavi planını (karşılaştırmalı farkındalık) sağlar. Teknologlar için: Bu, Yapay Zeka için bir altın madenidir. GPT-4 gibi Büyük Dil Modelleri (LLM'ler) hala ikinci bir dilde biçemsel olarak doğal metin üretmekte zorlanmaktadır. Bir "fiil tercihi" kayıp fonksiyonu eklemek veya NVR dengeli derlemler üzerinde ince ayar yapmak, makine çevirisi veya YZ tarafından üretilen Çince metnin doğallığını, sadece dilbilgisel doğruluk ötesine taşıyarak önemli ölçüde iyileştirebilir. Araştırmacılar için: Bir sonraki adım dinamik analizdir. LIWC (Linguistic Inquiry and Word Count) veya benzeri özel sözlükler gibi araçlar, bir öğrencinin NVR'sinin hedeflenen öğretimle zaman içinde nasıl evrildiğini izleyebilir, pedagojik etkinlik için net bir metrik sunabilir.

8. Teknik Detaylar ve Matematiksel Formülasyon

Temel metrik olan İsim-Fiil Oranı (NVR), basit ancak güçlü bir tanımlayıcı istatistiktir:

$\text{NVR}_{corpus} = \frac{\sum_{i=1}^{n} N_i}{\sum_{i=1}^{n} V_i}$

Burada $N_i$, metin örneği $i$'deki isim sayısı, $V_i$ ise metin örneği $i$'deki fiil sayısıdır; $n$, derlemdeki örnek sayısıdır.

İki derlem arasındaki anlamlı farkları test etmek için (örn., Anadili Çince vs. Öğrenci Çincesi) tipik olarak bağımsız örneklemler t-testi kullanılır:

$t = \frac{\bar{X}_1 - \bar{X}_2}{s_p \sqrt{\frac{1}{n_1} + \frac{1}{n_2}}}$

Burada $\bar{X}_1$ ve $\bar{X}_2$ iki grubun ortalama NVR'leri, $n_1$ ve $n_2$ örneklem büyüklükleri ve $s_p$ birleştirilmiş standart sapmadır.

9. Deneysel Sonuçlar ve Grafik Açıklaması

Grafik Açıklaması (Tasarlanmış): Gruplanmış bir çubuk grafik, sonuçları net bir şekilde görselleştirir. X ekseninde üç kategori vardır: "Anadili İngilizce (NYT)", "Anadili Çince (People's Daily)" ve "L2 Çince Öğrencileri". Y ekseni Ortalama İsim-Fiil Oranını (NVR) temsil eder.

• "Anadili İngilizce" çubuğu en uzundur, ~2.4'e ulaşır.
• "Anadili Çince" çubuğu en kısadır, ~1.1'dedir.
• "L2 Çince Öğrencileri" çubuğu arada, ~1.8'dedir, aktarım etkisini görsel olarak göstermektedir—anadili Çince'den ziyade İngilizce'ye daha yakın.

Her çubuktaki hata çubukları (standart sapmayı temsil eden) her grup içindeki değişkenliği gösterir. Çubukların üzerindeki yıldız işaretleri, her üç grup arasındaki istatistiksel olarak anlamlı farkları (p < 0.01) belirtir.

10. Analitik Çerçeve: Örnek Vaka

Vaka: Bir Öğrencinin Cümlesini Analiz Etme

Öğrenci Çıktısı (Çeviri Dili): "我对失败的可能性有考虑。" (Kelime çevirisi: "Başarısızlık olasılığı için düşüncem var.")
NVR Analizi: İsimler: 我 (ben-zamir, genellikle sayılır), 可能性 (olasılık), 考虑 (düşünce-isim). Fiiller: 有 (var). Yaklaşık NVR = 3/1 = 3.0 (Çok yüksek, İngilizce benzeri).

Anadili Benzeri Yeniden Düzenleme (Fiil Tercihi): "我考虑过可能会失败。" ("Başarısız olabileceğimi düşündüm.")
NVR Analizi: İsimler: 我, 可能 (olasılık?). Fiiller: 考虑过 (düşündüm), 会 (olabilir), 失败 (başarısız olmak). Yaklaşık NVR = 2/3 ≈ 0.67 (Düşük, fiil ağırlıklı).

Bu mikro vaka, analitik çerçevenin L1 müdahalesinin tam konumunu—"考虑" (düşünce) kelimesinin adlaştırılması ve iyelik yapısının kullanımı—nasıl tespit ettiğini ve onun daha doğal bir fiilsel yapıya doğru düzeltilmesine rehberlik ettiğini göstermektedir.

11. Gelecekteki Uygulamalar ve Araştırma Yönleri

• YZ & Doğal Dil İşleme: NVR ve benzeri biçemsel metrikleri makine çevirisi ve metin üretimi için değerlendirme kriterlerine entegre edin. Çıktı metninin "isimselliğini" hedef dil normlarına uyacak şekilde ayarlamak için özel olarak eğitilmiş stil transfer modelleri geliştirin.
• Uyarlanabilir Öğrenme Platformları: Öğrencilerin çıktılarını hedef dil normlarına doğru kademeli olarak kaydırmalarına yardımcı olmak için NVR gibi biçemsel metrikler üzerinde gerçek zamanlı geri bildirim sağlayan yazma asistanları oluşturun.
• Nörodilbilim: Yüksek NVR'li (isimsel) Çince cümleleri işlemenin, L2 öğrencilerinde anadili konuşanlara kıyasla farklı beyin bölgelerini aktive edip etmediğini araştırmak için fMRI veya EEG kullanın, davranışsal kalıpları nöral işlemeye bağlayın.
• Daha Geniş Dillerarası Çalışmalar: Bu çerçeveyi diğer dil çiftlerine (örn., Almanca vs. İspanyolca, Japonca vs. Korece) uygulayarak "isim yanlısı" ve "fiil yanlısı" dillerin bir tipolojisini haritalayın ve ontolojik metafor teorisini geliştirin.
• Boylamsal Çalışmalar: Öğrencileri yıllar boyunca takip ederek NVR'nin doğal olarak anadili normlarına dalma yoluyla yakınsayıp yakınsamadığını veya kalıcı değişim için açık öğretimin gerekli olup olmadığını görün.

12. Kaynakça

1. Biber, D., Conrad, S., & Reppen, R. (1998). Corpus linguistics: Investigating language structure and use. Cambridge University Press.
2. Gentner, D. (1982). Why nouns are learned before verbs: Linguistic relativity versus natural partitioning. In S. A. Kuczaj II (Ed.), Language development: Vol. 2. Language, thought, and culture (pp. 301–334). Erlbaum.
3. Lakoff, G., & Johnson, M. (1980). Metaphors we live by. University of Chicago Press.
4. Link, P. (2013). An anatomy of Chinese: Rhythm, metaphor, politics. Harvard University Press.
5. Tardif, T. (1996). Nouns are not always learned before verbs: Evidence from Mandarin speakers' early vocabularies. Developmental Psychology, 32(3), 492–504.
6. Tardif, T., Gelman, S. A., & Xu, F. (1999). Putting the "noun bias" in context: A comparison of English and Mandarin. Child Development, 70(3), 620–635.
7. Zhu, Y., Yan, S., & Li, S. (2021). International Journal of Chinese Language Teaching, 2(2), 32-43. (Analiz edilen makale).
8. Universal Dependencies Consortium. (2023). Universal Dependencies. https://universaldependencies.org/
9. Pennebaker, J.W., Boyd, R.L., Jordan, K., & Blackburn, K. (2015). The development and psychometric properties of LIWC2015. University of Texas at Austin.