Osmanlı Türkçesi Metinleri için Yapay Zekâ Tabanlı Yaklaşımlar: Rikâ, Dîvanî, Ta’lîk ve Nesih Hatlarının Karşılaştırmalı Analizi

1. Uluslararası Sosyal Bilimler Kongresi - Yapay Zekâ, Malatya, Türkiye, 7 Mayıs - 09 Kasım 2026, ss.81-82, (Özet Bildiri)

Osmanlı İmparatorluğunun zengin kültürel ve ilmî birikimi, günümüzde dijitalleşme ile geniş kitlelere

ulaştırılmaya çalışılmaktadır. Osmanlı Türkçesi metinlerinin dijital ortama aktarımında önemli rol oynayan

optik karakter tanıma (OCR) teknolojilerinin performansı, söz konusu mirasın doğru ve etkin kullanımı

açısından büyük önem taşımaktadır. Bu çalışma, yerli bir teknoloji olarak geliştirilen Osmanlica.com5 yapay

zekâ destekli optik karakter tanıma (OCR) modelinin rikâ, dîvanî, ta’lîk ve nesih gibi farklı hat türlerindeki

metinlerin performansını analiz etmeyi amaçlamaktadır. Araştırma, OCR sistemlerinin karakter hata oranı

(CER) ve kelime hata oranı (WER) metrikleri üzerinden değerlendirilen tanıma doğruluğunun, metinlerin hat

türü ve kelime yapıları ile doğrudan ilişkisini nicel verilerle ortaya koymaktadır. Bu kapsamda, derin öğrenme

tabanlı bir mimariyle geliştirilmiş ve geniş bir Osmanlıca veri seti üzerinden eğitilmiş olan Osmanlica.com

yapay zekâ modelinin karakter ve kelime tanıma oranları ile farklı hat türlerinin yapısal özellikleri arasındaki

ilişki, bilimsel verilerle incelenmiştir. Çalışma için rikâ, dîvanî, ta’lîk ve nesih hatlarının her birinden yirmi beş

sayfayı kapsayan, farklı metin türlerini (örneğin tarihî belgeler, edebî eserler, resmî yazışmalar) içeren ve

toplamda yüz sayfadan oluşan bir veri seti oluşturulmuştur. Hazırlanan bu veri seti, Osmanlica.com yapay zekâ

modeline tabi tutulmuş; elde edilen çıktılar, orijinal metinlerin yayımlanmış çeviri yazılarıyla karşılaştırılarak

karakter hata oranı ve kelime hata oranı metrikleri üzerinden istatistiksel bir başarı analizi yapılmıştır.

Araştırma bulguları, modelin karakter tanıma başarısının hat türüne göre değişen tutarlılık seviyeleri

gösterdiğini ortaya koymaktadır. Ayrıca, metin içindeki karmaşık kelime yapılarının yoğun olduğu

durumlarda modelin kelime tanıma performansında, hat türlerine göre farklılıklar sergilediği gözlemlenmiştir.

Böylece bu çalışma, Osmanlica.com yapay zekâ modelinin rikâ, dîvanî, ta’lîk ve nesih hat türlerindeki metinleri

okuma başarısını somut verilerle ortaya koyarak Osmanlıca dijitalleşme projeleri ve gelecekteki OCR

teknolojilerinin geliştirilmesi için önemli bilimsel bir katkı sunmaktadır.