Bu içeriği görüntülemek için JoVE aboneliğiniz gereklidir. Giriş yapın veya ücretsiz denemenizi bugün başlatın.

Araştırma makalesi

Çapraz Kültürel İngilizce Yazma Öğretimi için DeepSeek İstemi Optimizasyonu: Transfer Yeterliliği Üzerine Pratik Bir Çalışma

78 görüntülenme

⸱

DOI:

10.3791/71662

⸱

25 Ağustos 2026

1Ningbo City College of Vocational Technology

Bu makalede

Özet

Bu çalışma, kültürlerarası bağlamlarda İngilizce yazma transfer yetkinliğini artırmak için DeepSeek tabanlı katmanlı bir istem optimizasyon çerçevesi geliştirmektedir. Üç aşamalı bir istem zinciri ve 60 İngilizce bölümü öğrencisi ile yürütülen yarı deneysel bir çalışma sonucunda, deney grubunda kontrol grubuna kıyasla anlamlı bir gelişme olduğu görülmüştür.

Özet

Geleneksel İngilizce yazma öğretiminin dil aktarımının sistematik olarak geliştirilmesini ihmal etmesi ve mevcut istem (prompt) çerçevelerinin sınıf içi öğretime uyum sağlamaması sınırlamalarını gidermek amacıyla, bu çalışma DeepSeek modeli tabanlı, cümle, paragraf, söylem ve kültür olmak üzere dört aşamalı görev seviyesini kapsayan ve tüm görevlerin üçlü formda tanımlandığı hiyerarşik bir aktarım eğitim sistemi oluşturmaktadır. Sözdizimi, yapı, kültür, sicil (register) ve mantığı kapsayan beş boyutlu bir görev kütüphanesi kurulmuş ve öğrencilerin gerçek yazma taslaklarından hedef odaklı istemler otomatik olarak üretilmiştir. Modelin Uzmanlar Karışımı (Mixture of Experts - MoE) mimarisi ile entegre edilen iç içe geçmiş bir istem zinciri, karmaşık ödevleri üç sıralı aşamaya ayırmak için geliştirilmiştir: anlamsal yeniden düzenleme, dilsel revizyon ve kültürel adaptasyon. Yarı deneysel bir tasarım benimseyen bu araştırma, bir üniversiteden 60 ikinci sınıf İngilizce bölümü öğrencisini seçmiş ve onları üç eğitim turu boyunca üç haftalık aşamalı müdahaleye tabi tutulmak üzere, her birinde 30 öğrenci bulunan bir deney grubu ve bir kontrol grubu olarak atamıştır. Deney sonrası sonuçlar, deney grubunun kültürel aktarım puanının 2,8'den 4,5'e yükseldiğini, kontrol grubunda ise bu artışın yalnızca 0,3 olduğunu ortaya koymuştur; deney grubunun öğretmen tarafından değerlendirilen ortalama puanı 59,1'den 74,4'e yükselirken, kontrol grubunda bu puan 60,1'den 64,9'a çıkmıştır. Yapay zeka puanlaması ile öğretmen değerlendirmesi arasındaki korelasyon katsayılarının çoğu 0,8'in üzerindedir ve katılımcıların %90'ından fazlası yapay zeka ile yeniden yazma ve yapısal optimizasyon fonksiyonlarını onaylamaktadır. Bu denemedeki küçük örneklem boyutuna rağmen, söz konusu optimizasyon yaklaşımının üniversite İngilizce yazma derslerinde uygulanması fizibledir.

Giriş

Çapraz kültürel bir bağlamda İngilizce yazma öğretiminde, ana dili İngilizce olmayan öğreniciler, dil bilgisinden pratik uygulamaya geçiş yaparken genellikle yetersiz aktarım yeteneği sorunuyla karşılaşırlar1,2. Öğrenciler belirli bir dil bilgisi ve kelime dağarcığı temeline sahip olsalar da, cümle kalıplarını, yapılarını ve kültürel ifadeleri etkili bir şekilde gerçek yazıya dönüştürmekte zorlanırlar; bu durum, kalıplaşmış bir dil çıktısına ve sınırlı düşünceye yol açarak nihayetinde genel yazım kalitesini etkiler3. Ek olarak, dil yapısı, mantıksal organizasyon ve pragmatik normlardaki çapraz kültürel farklılıklar, yazma aktarımının karmaşıklığını daha da artırmaktadır4. Son yıllarda, büyük dil modelleri (LLM'ler) yazma öğretimi için yeni teknik destek sağlamıştır5. DeepSeek gibi akıllı yazma araçları, dil üretimi ve yeniden yapılandırmada güçlü yetenekler sergilemiştir. Ancak öğretim uygulamalarında, bu araçlar çoğunlukla yüzeysel dil düzeltmeleriyle sınırlı kalmış ve aktarım yeteneğini geliştirmeye odaklanan öğretim sürecine henüz derinlemesine entegre edilmemiştir. Bu araçlar, öğretim hedefi yöneliminden ve üretim davranışının kontrol edilebilirliğinden yoksundur6,7. Yaygın AI destekli yazma uygulamaları, işlevlerini sistemli aktarım yetkinliğinin geliştirilmesini hedeflemek yerine çoğunlukla yüzeysel dil bilgisi hata düzeltmeleriyle sınırlandırmakta, bu da model çıktıları üzerinde öğretim odaklı kontrolün zayıf olmasına neden olmaktadır.

ESL yazma desteği üzerine mevcut araştırmalar üç ana kategoriye ayrılmaktadır: geleneksel istem odaklı yazma geri bildirimi, genel yapay zeka düzeltme müdahalesi ve manuel merkezli aktarım eğitimi. İlk olarak, genel istem mühendisliği araştırmaları, hiyerarşik aktarım öğretimi hedefleriyle eşleşmeksizin soru yanıtlama ve metin yeniden yazımının teknik optimizasyonuna öncelik vermektedir8,9. İkinci olarak, tipik ChatGPT tabanlı ESL özel dersleri, katmanlı sözdizimsel, yapısal ve kültürlerarası aktarım geliştirilmesinden ziyade genel yazma doğruluğunun artırılmasına odaklanmaktadır10. Üçüncü olarak, taklit ve karşılaştırmalı yazıma dayanan geleneksel aktarım pedagojisi, akıllı araçlar tarafından desteklenen kapalı döngü geri bildirimden yoksundur11. Önceki çalışmalardan farklı olarak bu araştırma, çok seviyeli öğretim hedefleriyle uyumlu, aktarım odaklı hiyerarşik istemler özelleştirmekte ve örnek odaklı bir istem otomatik oluşturma iş akışı kurarak; model üretimi, öğretmen geri bildirimi ve öğrenci revizyonunu birleştiren benzersiz bir kapalı döngü eğitim mekanizması oluşturmaktadır.

Önceki literatür; dilsel kültürel farklılaşma, modelin yapısal kısıtlamaları ve kopuk sınıf uygulamaları arasında potansiyel bir bağlantı olduğunu öne sürmektedir, ancak böyle bir nedensel zincir mevcut ampirik çalışmalarda yeterince doğrulanmamıştır ve bu durum, mevcut makalede incelenecek olan temel araştırma hipotezini oluşturmaktadır12,13. Bu makalede değinilen DeepSeek'in doğal özelliklerine gelince, açık talimat arayüzü ve MoE tabanlı uzman yönlendirme tasarımı, mevcut model teknik raporlarında ve uygulamalı dil araştırmalarında belgelenmiştir. Belgelenmiş bu model özelliklerinden yola çıkarak, bu çalışma karmaşık kültürlerarası aktarım görevlerini parçalamak için iç içe geçmiş istem zincirleri tasarlamakta ve farklılaştırılmış aktarım ödevleri için dinamik alt model zamanlama kuralları geliştirmektedir. Yapılandırılmış aktarım yeteneği geliştirmeye odaklanan bu çalışma, büyük dil modellerini genel metin düzenleme araçlarından üniversite İngilizce yazma eğitimi için özelleştirilmiş aktarım eğitim sistemlerine dönüştürmeyi hedefleyerek, hedeflenmiş DeepSeek istem optimizasyonunu araştırmaktadır.

İkinci dil yazma araştırmaları alanında, aktarım fenomeni uzun süredir temel bir konu olmuştur14,15. Geleneksel dil aktarım teorisi, özellikle fonetik, kelime dağarcığı ve sözdizimine vurgu yaparak, ana dilin hedef dil edinme süreci üzerindeki pozitif ve negatif aktarım etkilerine odaklanmaktadır16. Mirzayev E, İkinci Dil olarak İngilizce (ESL) yazma öğretiminde, birinci dilden gelen negatif aktarımın öğrencilerin yazma becerilerinin gelişimini sınırlayan temel bir faktör olmaya devam ettiğini belirtmiştir17. Araştırma kapsamı genişledikçe, akademik camia odağını kademeli olarak yazı yapısı aktarımına genişletmiştir18. Ara dil yazımlarında, birçok faktör nedeniyle sıklıkla dil hataları ve fosilleşme görülür19. Aynı zamanda, bilişsel aktarım teorisi de giderek daha fazla dikkat çekmektedir20. Bu teori, yazma sürecindeki bilişsel organizasyon ve ifade kalıpları arasındaki farkları vurgular. Örneğin, Batı tarzı yazım doğrusal akıl yürütmeyi ve açık mantığı vurgularken, Çin geleneği sarmal bir yaklaşımı ve anlamsal belirsizliği tercih eder. Bu ikisi arasında belirgin bir gerilim vardır. Bu nedenle, dil aktarımı sadece dil birimlerinin dönüştürülmesini değil, aynı zamanda daha derin bir düzeyde düşünce yapılarının ve kültürel ifade normlarının uyarlanmasını ve dönüştürülmesini de içerir ki bu, güncel İngilizce yazma öğretiminde önemli bir zorluktur21.

Aktarım yeteneğini geliştirme uygulamalarında, mevcut çalışmalar genellikle öğrenicilerin hedef dil aktarım mekanizmasını anlamalarını ve uygulamalarını geliştirmek için taklitçi yazma22, karşılaştırmalı yazma23 ve çeviri eğitimi24 gibi stratejiler kullanmaktadır. Taklitçi yazma, temel söylem yeteneğinin oluşturulmasına yardımcı olur ancak kolayca yapısal katılığa yol açabilir; karşılaştırmalı yazma, dil stilini ve kültürel farkındalığı geliştirebilir ancak sistematik görev katmanlandırmasından ve kişiselleştirilmiş geri bildirimden yoksundur; çeviri eğitimi kültürel metafor tanımayı teşvik edebilir ancak rehberlik olmadan kolayca anlamsal sapmalara veya pragmatik uygunsuzluklara neden olabilir. Yukarıdaki stratejiler öncelikle manuel gösterime ve deneyimsel rehberliğe25 dayanmakta olup, aktarım stratejilerinin açık inşasından ve sistematik geri bildirim mekanizmalarından yoksundur; ayrıca dil yeterliliğindeki ve bilişsel stillerdeki bireysel farklılıklara uyum sağlamaları zordur. Bazı çalışmalar aktarım eğitimini çeşitlendirilmiş yazma görevleri aracılığıyla genişletmeye çalışmış olsa da26,27, öğretim süreci henüz "aktarım hedefi-dil üretimi-strateji geri bildirimi" şeklinde kapalı bir döngü oluşturmamıştır; aktarım stratejilerinin içselleştirilme etkisi sınırlıdır ve öğrencilerin gerçek yazma görevlerindeki aktarım yeteneği gelişimi hâlâ yetersizdir28.

Büyük dil modeli teknolojisinin gelişmesiyle birlikte, bu teknolojinin dil öğretimindeki yardımcı potansiyeli giderek daha fazla dikkat çekmeye başlamıştır29. ChatGPT (Chat Generative Pre-trained Transformer)30 ve DeepSeek31 tarafından temsil edilen üretken yapay zeka araçları; metin parlatma, dil yeniden yazımı ve dil düzenlemesi gibi senaryolarda yaygın olarak kullanılmaktadır. Diasamidze ve arkadaşları, ChatGPT kullanan ESL öğrencilerinin dil bilgisel doğruluk, kelime dağarcığı zenginliği ve metin organizasyon yeteneği açısından geleneksel öğretim grubundan daha iyi performans gösterdiğini saptamıştır32. Ancak mevcut uygulamalar çoğunlukla yüzeysel dil işleme ile sınırlıdır ve aktarım hedefleri konusunda sistematik rehberlikten yoksundur. Ranade, güncel eğitim senaryolarındaki istem tabanlı projelerin çoğunlukla genel şablonlara dayandığını ve üretilen içeriğin bağlamsal adaptasyon ve görev özgüllüğü eksikliği yaşadığını belirtmiştir33. Ayrıca, ana akım model eğitimi açık bir derlemeleme (corpus) üzerinden yürütülmekte olup Çince ve İngilizce kültürel ifadeler arasındaki farkların derinlemesine modellenmesinden yoksundur. Üretilen metinlerde kültürel uygunsuzluklar ve doğal olmayan pragmatik yapıların ortaya çıkma eğilimi vardır34,35; bu durum, teknolojinin kültürlerarası yazı aktarım öğretimindeki derinlemesine uygulamasını sınırlamaktadır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Protokol

Etik onay

Deney öncesinde, yazarlar kolejden onay almış (Onay Numarası: NBCC-ETH-2026-037) ve tüm öğrenci katılımcılara bilgilendirilmiş onam formları dağıtmıştır. Tüm öğrenciler; araştırma amaçları, deneysel prosedürler ve veri kullanım düzenlemeleri hakkında açıkça bilgilendirilmiştir. Katılım gönüllülük esasına dayalıdır ve katılımcılar istedikleri zaman çalışmadan çekilebilmişlerdir. Gizliliği korumak amacıyla tüm kişisel veriler ve yazılı çalışmalar anonim hale getirilmiş ve yalnızca akademik analizler için kullanılmıştır. Toplam 60 katılımcı, araştırmaya yer almadan önce onam formunu imzalamıştır. Katılımcılar, aynı yüksek meslek yüksekokulundaki paralel iki ikinci sınıf İngilizce yazma dersinden, uygunluk örneklemesi yöntemi kullanılarak seçilmiştir. Dahil edilme kriterleri şunları içermekteydi: CET-6 sınavını şu puanla geçmek > 425 kişi, bu dönem hiç devamsızlık yapmamış ve son iki ünite yazılı sınavından ortalama puanlar almış. Dışlama kriterleri şunları içermekteydi: ders dışında ticari İngilizce yapay zeka yazma yazılımlarının uzun süreli kullanımı ve ağır disleksi.

Tüm sürekli sonuç değişkenleri için değişkenlik, ortalama ± standart sapma (SD) olarak raporlanmıştır. Tüm analizler, grup başına n = 30 katılımcı (deney grubuya karşı kontrol grubu), toplam N = 60 örneklem büyüklüğü ile gerçekleştirilmiştir. Boylamsal tekrarlanan ölçüm verileri için, grup ve zamanın ana etkilerini ve grup-zaman etkileşimini incelemek amacıyla tekrarlanan ölçümler varyans analizi (RM-ANOVA) kullanılmıştır. Münferit zaman noktalarındaki post-hoc ikili karşılaştırmalar için bağımsız örneklemler t-testleri kullanılmıştır. Kontrol grubu, geleneksel yazma eğitimiyle birlikte genel, ücretsiz ve özelleştirilmemiş bir yapay zeka yazma aracı (kademeli istemler veya aktarım odaklı şablonlar olmaksızın) almıştır. Bu çalışmada kullanılan özelleştirilmiş iç içe geçmiş istem zinciri ve beş seviyeli görev kütüphanesi müdahalesinin eksikliği dışında; eğitim saatleri, yazma görevleri, geri bildirim sıklığı ve eğitim metinleri deney grubu ile aynıdır. Deney grubu, iç içe geçmiş istem zinciri rehberliği, kültürlerarası adaptasyon çıktısı ve "üretim-yansıtma-yeniden üretim" mekanizmasını içeren, yazma eğitimini optimize etmek için DeepSeek modeline dayalı talimatlar kullanmıştır. Buna karşılık kontrol grubu, geleneksel öğretim yöntemlerini veya optimize edilmemiş yapay zeka destekli araçları kullanmıştır. İki grubun öğretim etkileri karşılaştırılarak, büyük dil modeline dayalı aktarım eğitim yönteminin öğrencilerin yazma aktarım yeteneğini geliştirmedeki etkinliği doğrulanmıştır.

Genel araştırma fikri

Bu çalışma, öğrencilerin İngilizce yazı aktarım yeteneklerini geliştirmeyi ve özellikle DeepSeek'in eğitim amaçlı adaptasyonuna odaklanarak etkili öğretim tasarımı yöntemleri geliştirmeyi amaçlamıştır. İlk olarak, model istemlerini (prompt) yeniden tasarlamak için bir öğretim optimizasyon stratejisi önerilmiştir. Bu strateji, oluşturulan çıktıların sözdizimsel yapı, paragraf mantığı ve kültürel ifade dahil olmak üzere yazı öğretimindeki çoklu aktarım hedefleriyle uyumunu artırmıştır. İkinci olarak, öğretmenlerin yazı görevleri, yapılandırılmış ve hedef odaklı istem şablonlarına dönüştürülmüştür. Ardından, öğretim görevleri ile model davranışları arasında bir eşleme ilişkisi kurulmuştur. Bu durum, modelin kontrol edilebilirliğini artırmış ve oluşturulan içeriğin pedagojik olarak ilgili olmasını sağlamıştır. Son olarak çalışma, “üretim–yansıma–yeniden yazım–yeniden üretim” şeklinde kapalı döngülü bir aktarım eğitim süreci geliştirmiştir. Bu süreç, öğrencileri aktarım stratejilerini belirlemeye ve model desteğiyle dil ifadelerini aktif olarak geliştirmeye teşvik etmiştir. Tekrarlanan yinelemeler yoluyla öğrencilerin diller arası ve kültürler arası yazı aktarım yetenekleri sürekli olarak güçlendirilmiştir. Cümle yapısı dönüşüm adımları Şekil 1A–D'de gösterilmektedir.

Yapay zeka destekli yazma eğitim sisteminin tüm çalışma mantığını açıklığa kavuşturmak ve tekrarlanabilirliği artırmak için, ham girdi, öğretmen müdahaleleri, istem uygulaması, öğrenci etkinlikleri, nihai çıktılar ve ilgili değerlendirme kriterleri dahil olmak üzere temel bağlantıları kapsayan genel uygulama iş akışı Tablo 1'de özetlenmiştir.

Transfer odaklı görev oluşturma stratejisi

Bu çalışma, İngilizce yazma becerilerinde transfer yeteneğinin geliştirilmesine odaklanmıştır. Öğrencilerin çok seviyeli dil transfer stratejilerini sistematik olarak kavramalarını ve uygulamalarını sağlamak amacıyla, sığdan derine doğru ilerleyen bir transfer görevi yolu oluşturulmuştur. Yolun genel yapısını tanımlamak için bu süreç, dört seviyeli bir görev seti olarak belirlenmiştir:

T = {T1,T2,T3,T4} (1)

T1 , öğrencilerin çeşitli cümle yapısı yöntemlerinde ustalaşmalarına yardımcı olmak için kısa cümle genişletme, çatı değişimi ve yan cümle değiştirme gibi temel dilbilgisi yapısı işlemlerine odaklanan cümle düzeyindeki aktarım görevini temsil eder. T2 , öğrencilerin paragraf içindeki bilgilerin organizasyonuna ve bağlantısına dikkat etmelerini sağlayan ve ana cümle çıkarımı ile cümleler arası mantığın düzenlenmesi yoluyla paragrafın yapısal netliğini ve ifade tutarlılığını geliştirmeleri için onları eğiten paragraf düzeyindeki aktarım görevidir. T3, bölümün genel mantıksal düzenine ve argümantasyon ritmine kadar uzanan ve öğrencileri paragrafların sırasını ayarlayıp yapısal yan yana getirme ilişkisini optimize ederek tam bir argümantasyon sistemine sahip İngilizce bir makale oluşturmaya yönlendiren söylem düzeyi görevini temsil eder. T4 , öğrencilerin ana dil yazımındaki örtük sözcükler ve anlamsal ipuçları gibi örtük kültürel ifade özelliklerini belirlemelerini ve bunları hedef dil kültürüne uygun doğrudan ifadelere veya mantıksal açık formlara dönüştürmelerini gerektiren kültürel düzeydeki aktarım görevidir. Bunun evrim süreci Şekil 2'de gösterilmiştir. Görev tasarımının uygulanabilirliğini ve değerlendirmesini artırmak için, bu çalışma her görev düzeyini daha fazla bir üçlü form olarak tanımlamıştır:

Ti = (Si,Gi,Ei) (2)

Sj görev giriş örneğini, Gi hedef aktarım işlemini ve Ei destekleyici değerlendirme kriterlerini temsil eder. Bu yapılandırılmış ifade aracılığıyla, görevin her seviyesinin bir önceki seviyedeki stratejinin ustalığı üzerine inşa edilmesi ve uygun örnekler, hedef tanımlamaları ve performans kriterleri ile donatılması sağlanarak, aktarım yolunun istikrarlı bir şekilde ilerlemesi için bir mekanizma oluşturulmuştur. Aktarım eğitimi sisteminin oluşturulma sürecinde, görev türlerinin sistematik olarak kapsanması ve öğretim çağrılarının verimli yönetimi amacıyla, bu çalışma yazı aktarımındaki yaygın dil dönüşüm boyutlarına dayalı olarak beş farklı aktarım hedefi türünü kapsayan yapılandırılmış bir görev kütüphanesi oluşturmuştur. Görev kütüphanesi resmi olarak şu şekilde ifade edilmiştir:

M = {(Dj,TDj)∣j = 1,2,3,4,5} (3)

Dj  beş transfer boyutuna karşılık gelir: sözdizimsel transfer, yapısal transfer, kültürel transfer, sicil transferi ve mantıksal transfer; her boyutla ilişkili TDj  görev seti, o boyutun işlem alt kümesini temsil eder. Görev kütüphanesinin geliştirilme sürecinde yazarlar öncelikle, çok sayıda gerçek öğrenci yazı örneğine dayanarak yaygın transfer zorluklarını ve dil hata türlerini özetleyip sınıflandırmış; ardından gerçek öğretim ihtiyaçları ve değerlendirme standartları ile birleştirerek farklı transfer türlerini fonksiyonel alanlara ayırmış ve her bir görevin temel eğitim hedeflerini ve işlem modlarını belirlemişlerdir. Her bir görev, soyut olarak aşağıdaki üçlü yapı şeklinde temsil edilmiştir:

Ti,j = (Si,j,Gi,j,Ci,j) (4)

Si,j görev girdi örneğini, Gi,j görevin transfer hedef açıklamasını ve Ci,j görevin değerlendirme ve kontrol boyutunu temsil eder. Sözdizimsel transfer görevinde bu çalışma; cümle bağlama, yan cümlecik iç içe geçirmeleri, edilgen yapıya dönüştürme ve ilgili kavramları kapsayan, basitten zora doğru ilerleyen bir cümle yeniden düzenleme dizisi tasarlayarak öğrencilerin cümle genişletme ve dilbilgisel dönüşüm yeteneklerini geliştirmeyi amaçlamıştır. Yapısal transfer görevi; ana cümleyi yeniden yazma, destekleyici cümleleri sıralama ve neden-sonuç ile örnekleme ilişkilerini yeniden yapılandırma yoluyla paragraf mantığının optimize edilmesine, bilgi organizasyonunun güçlendirilmesine ve mantıksal kurgu yeteneğinin artırılmasına odaklanmıştır. Kültürel transfer görevi, kültürlerarası bir korpusa dayalı olup örtük ifadeler ve eufemizmler gibi pragmatik sapmaları hedeflemiştir. Kültürel uyumluluğun gelişimini teşvik etmek için gerçek bağlama yakın ifade dönüşümleri tasarlanmıştır. Sicil transfer görevi, öğrencilere sözlü ifadeleri akademik dile dönüştürme ve sicil değiştirme stratejilerini ustalıkla kullanma konusunda rehberlik etmiştir. Mantıksal transfer görevi ise bağlaçların kullanımı, mantıksal ilişkilerin açık hale getirilmesi ve paragraf geçişleri üzerine eğitimler yürütürken, akıl yürütme zincirleri oluşturmaya ve ifadenin netliğini sağlamaya odaklanmıştır.

Öğrencilerin gerçek yazı örneklerine dayanan bu çalışma, talimatların ilgisini ve üretilen içeriğin pratikliğini artırmayı amaçlayarak, öğretim görevleriyle yakından bağlantılı bir istem oluşturma süreci geliştirmiştir. Süreç, öğretim süreci boyunca gereksiz cümleler, karmaşık yapılar ve uygunsuz kültürel ifadeler gibi tipik aktarım sorunlarına odaklanarak temsili öğrenci metin parçalarını seçen öğretmenler tarafından yönetilmiştir. Ardından, eğitim hedeflerini netleştirmek için örnekleri sistem arayüzü üzerinden aktarım türleriyle etiketlemişlerdir. Etiketleme bilgilerini alan sistem, aktarım görevi tanımlama modülünü otomatik olarak etkinleştirmiştir. Daha sonra girdiyi, önceden tanımlanmış görev kütüphanesi ve istem şablon kütüphanesi ile eşleştirmiştir. Eşleştirme işlemi; aktarım türü, dilbilimsel özellikler ve metin yapısı gibi faktörleri dikkate almıştır. Bu faktörlere dayanarak sistem, en uygun şablonu seçmiş ve başlangıç istemini oluşturmuştur. Sistem ayrıca yapılandırılmış geliştirme işlemini de desteklemiştir. Öğretmen etiketlemeleri, model tarafından kolayca yorumlanabilen standart bir formata dönüştürülmüştür. Modelin hem öğretmenin niyetlerini hem de öğrencinin sorularını doğru şekilde anlamasına yardımcı olmak için isteme ilgili öğretim ipuçları yerleştirilmiştir. Talimatların esnekliğini ve kontrol edilebilirliğini artırmak için sistem, bir öğretmen destek modülü içermiştir. Bu modül; öğretmenlerin öğretim kılavuzlarını değiştirerek, bağlamsal ayarları düzenleyerek ve ton ile stili özelleştirerek istemleri rafine etmelerine olanak sağlamıştır. Sonuç olarak, öğretmenler oluşturma süreci üzerinde daha fazla kontrol sağlamış ve süreci farklı öğretim senaryolarına daha iyi uyarlamışlardır.

Deepseek komut optimizasyon mekanizması

İngilizce yazı aktarım eğitiminin pratik ihtiyaçlarına dayanarak, bu çalışma aktarım odaklı beş tip istem şablonu geliştirmiştir. Bu şablonlar, büyük dil modelinin üretim davranışını yönlendirmek ve düzenlemek için tasarlanmıştır. Yapısal aktarım şablonu, paragraf organizasyonuna ve söylem yapısına odaklanmıştır. Öğrencilerin giriş–gelişme–sonuç gibi yapıları benimseyerek ve fikirlerin mantıksal akışını iyileştirerek metinleri yeniden düzenlemelerine yardımcı olmuştur. Sözdizimsel aktarım şablonu, cümle düzeyindeki karmaşıklığa vurgu yapmıştır. Yazılı ifadenin gelişmişliğini artırmak için edilgen çatı, paralel yapılar ve karmaşık yan cümleler dahil olmak üzere çeşitli dilbilgisel yapıların kullanımını teşvik etmiştir. Kültürel aktarım şablonu, yazıdaki kültürel uygunluk konusunu ele almıştır. Öğrencilere, ana dillerinden ve kültürlerinden etkilenen ifadeleri, İngilizce konuşulan bağlamlarda daha doğal ve kabul edilebilir formlara uyarlamaları konusunda rehberlik etmiştir. Sicil aktarım şablonu, üslup adaptasyonuna ve sicil kontrolüne odaklanmıştır. Öğrencilerin dil kullanımını farklı yazı amaçlarına, hedef kitlelere ve türlere göre ayarlamalarına yardımcı olmuştur. Mantık aktarım şablonu, mantıksal organizasyonu güçlendirmeyi amaçlamıştır. Neden-sonuç, karşılaştırma ve zıtlık ile paralel gelişim gibi ilişkilerin etkili kullanımını teşvik ederek tutarlılığı ve argümantasyon disiplinini artırmıştır. Birlikte, bu beş şablon yazı aktarımının temel boyutlarını kapsamıştır. Hem öğretim görevi tasarımı hem de model tabanlı metin üretimi için yapılandırılmış öğretim desteği sağlamışlardır.

Her şablon türü, farklı öğretim durumlarındaki evrenselliğini ve uyarlanabilirliğini sağlamak için birleştirilmiş bir format izlemiştir. Şablon dört temel unsurdan oluşmaktaydı: Birincisi, gerekli aktarım görevini açıkça belirten öğretim hedefiydi; ikincisi, öğretimin etkinliği için korpus temeli olarak öğrencilere gerçek dil parçaları sunan örnek girdidir; üçüncüsü, öğrencilerin karşılaştırması ve model ayarı için kullanması amacıyla aktarım sonrası ideal dil çıktısının standart stilini gösteren hedef çıktıdır; dördüncüsü ise şablon için geçerli olan dil seviyesini, metin türünü ve kullanım stratejisini açıklayan, ayrıca üretim kontrolünü ve öğretim rehberliği etkisini artırmak için ayarlanabilir parametre istemleri sağlayan kullanım önerisidir.

İstem şablonlarının tasarım mantığını ve pratik uygulamasını daha ayrıntılı açıklamak için, aşağıda beş transfer odaklı istemin temsili örnekleri sunulmuştur. Tüm şablonlar; bir talimat hedefi, örnek girdi, hedef çıktı ve kullanım önerisinden oluşan birleştirilmiş çerçeveye uygun olarak hazırlanmıştır. Öğrenciler, sözdizimsel çeşitliliği artırmak için basit cümleleri genişletmeye, cümle yapılarını dönüştürmeye ve yan cümleler eklemeye yönlendirilmiştir. Örneğin, öğrencinin yazdığı "I study English writing. It is very important for cross-cultural communication" taslağı için optimize edilmiş çıktı "Learning English writing plays a vital role in improving learners’ ability of cross-cultural communication" şeklindedir. Bu istem, temel sözdizimsel yeniden yapılandırma ve yapı dönüştürmeye odaklanarak, orta zorluk seviyesindeki ikinci sınıf İngilizce bölümü öğrencileri için cümle düzeyinde eğitime uygun görülmüştür. Bir diğer istem türü ise kültürel transferi hedeflemiş; yerel kültürel düşünceyle etkilenmiş "Chinglish" ifadeleri belirlemeyi ve cümleleri Batı kültürel normlarına uygun doğal İngilizce pragmatik ifadelere dönüştürmeyi amaçlamıştır. Öğrencinin "Many people think you must work hard if you want to succeed" cümlesi örnek alındığında, revize edilmiş versiyon "People generally believe that diligence is the key to success" olmuştur. Bu istem, örtük Çince düşünce kalıplarını ortadan kaldırmaya ve İngilizce bağlamda açık ifade yeteneğini geliştirmeye odaklanan kültürel düzeydeki transfer eğitimine uygulanmıştır.

Bu çalışma ayrıca, öğrencilerin paragraf taslaklarını birleşik girdi olarak alan ve ardışık aşamalarda çalışan üç aşamalı bir iç içe geçmiş istem zinciri geliştirmiştir. İlk aşama semantik yeniden düzenlemeydi; burada istem, katılımcının verilen paragrafın cümlelerini yeniden düzenlemesini, fikirlerin mantıksal sırasını optimize etmesini ve net konu cümlelerine sahip eksiksiz bir paragraf oluşturmasını gerektiriyordu. İkinci aşama dilsel revizyondur; bu aşamada revize edilen paragrafın resmi akademik İngilizceye yeniden yazılması, konuşma dilindeki kelimelerin değiştirilmesi, karmaşık cümlelerin ve pasif yapıların uygun şekilde kullanılması istenmiştir. Üçüncü aşama ise kültürel adaptasyondur; bu aşamadaki istem, kullanıcıları metindeki kültürel-pragmatik ifadeleri kontrol etmeye, ana dil kaynaklı kültürel etkileşimleri gidermeye ve içeriği İngilizce kültürlerarası yazım kurallarına uygun hale getirmeye yönlendirmiştir. Yukarıdaki örnekler, tekli istem şablonlarının ve iç içe geçmiş istem zincirlerinin çalışma modlarını tam olarak göstermiştir. Bu temel üzerine çalışma, DeepSeek'in MoE mimarisiyle birleştirilmiş eksiksiz bir aşamalı istem zinciri tasarlamıştır.

Tek aşamalı istemlerin üretim kontrolü ve görev yanıt derinliği açısındanki kısıtlamalarını aşmak amacıyla, bu çalışmada hiyerarşik yönlendirme ve karmaşık aktarım görevlerinin aşamalı üretimini sağlayan, fazlı ve sürekli özelliklere sahip iç içe geçmiş bir istem zinciri yapısı tasarlanmıştır. Bu mekanizma, tam bir aktarım görevini birkaç alt hedefe bölmüş ve her bir alt hedef için; anlamsal yeniden yapılandırma, dil stili ayarlaması ve kültürel pragmatik uyumun mantıksal sırasıyla seri olarak birbirine bağlanan, bağlama bağımlı bir üretim zinciri oluşturan karşılık gelen istem şablonları tasarlamıştır. Bu çalışma, DeepSeek için iç içe geçmiş istem zinciri optimizasyonunu standart açık API'si üzerinden uygulamıştır. DeepSeek modeli, dış istemlerden bağımsız olarak çalışan dahili bir muhakeme modülü şeklinde işlev gören otomatik bir arka uç uzman yönlendirme sistemine sahip, doğal bir Uzmanlar Karışımı (Mixture of Experts - MoE) mimarisi benimsemiştir. Özelleştirilmiş çok aşamalı istemler yalnızca model girdilerinin içerik özelliklerini ayarlamıştır. Optimize edilmiş girdilere gömülü anlamsal, stilistik ve kültürel gereksinimlere paralel olarak, modelin doğal MoE yönlendirme mekanizması metin üretimi sırasında en uygun uzman modüllerini otonom olarak etkinleştirmiştir. Anlamsal yeniden düzenleme, stilistik ayarlama ve kültürel uyuma odaklanan üç aşamalı istem tasarımı, yalnızca girdi metinlerini rafine etmiş ve modelin dahili uzman seçimi ve tahsis mantarına müdahale etmemiştir.

Operasyonel süreç açısından sistem, öğretmenler tarafından yüklenen öğrenci metinlerini almış, hedef açıklama eklemelerini aktarmış ve iç içe zincir yapısının etkinleştirilip etkinleştirilmeyeceğini otomatik olarak belirlemiştir. Etkinleştirildiği takdirde sistem, sırasıyla üç aşamayı yürütmüştür: ilk aşama, paragraf organizasyonunu ve mantıksal ipuçlarını optimize etmek için yapı aktarım şablonunu çağıran anlamsal yeniden düzenlemeydi; ikinci aşama, konuşma dilindeki ifadeleri akademik yazılı dile dönüştürmek için dil şablonunu kullanan dil tarzı ayarlamasıydı; üçüncü aşama ise, hedef dil kültürüne uygun olmayan ifadeleri tanımlayıp değiştirmek için kültürel aktarım şablonunu çağıran ve daha otantik metinler üreten kültürel adaptasyondu.

Her bir üretim turu, önceki turun çıktısını girdi olarak almış ve anlamsal tutarlılığı sağlamak için bağlam vektörü önbelleğini korumuştur. Öğretmenler; şablon seçimi, talimat değişikliği ve sıra düzenlemesi dahil olmak üzere sistem arayüzündeki istem zinciri yapısını özelleştirmişlerdir. Sistem ayrıca, öğretmenlerin görevleri toplu olarak yeniden kullanmalarını veya atamalarını kolaylaştıran "şablon kombinasyon paketi" işlevini de desteklemiştir. Ek olarak sistem, her üretimden sonra ara sonuçlar sunan yerleşik bir dinamik kesme ve geri bildirim mekanizmasına sahipti. Öğretmenler, sonraki talimatları gerçek zamanlı olarak notlandırmış veya ayarlamış, böylece bir "üretim-ayarlama-yeniden üretim" öğretim kapalı döngüsü oluşturmuşlardır.

Model oluşturma, değerlendirme

DeepSeek modeline dayalı metin oluşturma ve değerlendirme sürecinde, bu çalışma; sözdizimsel karmaşıklık, yapısal standardizasyon ve söylemsel tutarlılık olmak üzere üç açıdan oluşturulan metinleri sistematik olarak analiz etmek ve nicel olarak değerlendirmek için çok boyutlu bir otomatik puanlama mekanizması kurmuştur. Bu çalışmada, metin özelliklerinin çıkarılması ve otomatik değerlendirme için spaCy bağımlılık ayrıştırıcısı ve Coreferee eşbaşvuru çözümleme eklenti modülü kullanılmıştır. spaCy bağımlılık ayrıştırıcısı, İngilizce metnin sözdizimsel yapısını ayrıştırarak ortalama cümle uzunluğu ve iç içe geçmiş yan cümle sayısı gibi temel göstergeleri çıkarmış ve böylece sözdizimsel karmaşıklığın nicel analizini mümkün kılmıştır. spaCy çerçevesi içinde çalışan Coreferee eşbaşvuru çözümleme eklenti modülü ise temel olarak metindeki dahili referans ilişkilerini tanımlamış ve söylemsel referans tutarlılığını değerlendirerek otomatik yazı kalitesi puanlaması için teknik destek sağlamıştır. Ağ kısıtlamaları nedeniyle, yukarıda belirtilen yurt dışı kaynaklı açık kaynaklı web sitelerine erişilememiştir.

İlk olarak, sistem sözdizimsel karmaşıklığı değerlendirdi. Ortalama cümle uzunluğu, yan cümlecik gömme derinliği ve cümle çeşitliliği gibi özellikler çıkarıldı. Bu özellikler, bağımlılık ayrıştırması ve derin sözdizimsel ağaç modellemesi yoluyla elde edildi. Sonuçlara dayanarak sistem, öğrencilerin basit cümle kalıplarından daha karmaşık yapılara başarıyla geçip geçmediklerini değerlendirdi. İkinci olarak, sistem paragraf organizasyonunu değerlendirdi. Konu, destekleyici ve sonuç cümleleri dahil olmak üzere temel paragraf öğelerini belirlemek için BERT tabanlı metin temsillerini sınıflandırma modelleriyle birleştirdi. Ardından, organizasyonun İngilizce akademik yazım kurallarına uygun olup olmadığını belirlemek için bir paragraf yapı haritası oluşturuldu. Üçüncü olarak, sistem metinsel tutarlılığı değerlendirdi. Mantıksal bağlaçların kullanımı, cümleler arasındaki anlamsal tutarlılık ve metin boyunca referans bağlantılarının kalitesi incelendi. Bu göstergeler, mantıksal gelişimin netliğini ve fikirlerin sorunsuz ilerleyişini değerlendirmek için kullanıldı. Konu tutarlılığını ölçmek için sistem, vektör tabanlı temsilleri kullanarak anlamsal benzerliği hesapladı. Referans tutarlılığı, anlamsal boşlukları ve belirsiz referansları azaltmaya yardımcı olan eşgönderim çözümleme teknikleri aracılığıyla değerlendirildi. Son olarak, tüm boyutlardan elde edilen puanlar birleştirilmiş bir puanlama vektöründe toplandı. Sonuçlar, farklı yazı örnekleri arasında güvenilir karşılaştırmalar yapılmasına olanak tanıyan kapsamlı bir değerlendirme sistemi oluşturmak için standartlaştırıldı.

Manuel değerlendirme aşamasında bu çalışma, öğretmen değerlendirmelerinin ilgisini ve öğretim geri bildirimlerinin etkinliğini artırmak amacıyla; aktarım davranışının belirginliği, ifadenin doğallığı ve kültürel uyarlanabilirliği kapsayan, yazı aktarımı eğitimi için üç boyutlu bir puanlama sistemi geliştirmiştir. Sistem, nicel puanlama ve nitel yorumların organik bir kombinasyonunu sağlamak için yardımcı işlevlerini birleştirmiştir. Aktarım davranışı boyutunda öğretmenler, öğrencilerin metinleri yeniden yazarken aktarım stratejilerini önceden belirlenmiş görev hedeflerine göre kullanımlarını değerlendirmiştir. Sistem, cümle düzenlemesi ve yapısal yeniden yapılandırma gibi işlemlerin gerekli aktarım türünü etkili bir şekilde yansıtıp yansıtmadığını belirlemede öğretmenlere yardımcı olmak için orijinal metin ile oluşturulan versiyonun yan yana karşılaştırmalı bir görünümünü sunmuştur.

Doğal ifade değerlendirmesi, dil çıktısının akıcılığına ve özgünlüğüne odaklanmıştır. Öğretmenler, cümlelerin anadili İngilizce olan kişilerin ifade alışkanlıklarına uygun olup olmadığını değerlendirmek ve dilbilgisi yapısının, kelime diziliminin ve cümle ritminin doğal ve uygun olup olmadığına karar vermek için sistem tarafından oluşturulan dil göstergelerini kullanmışlardır. Ayrıca, notlar aracılığıyla sorunları belirtmiş ve alternatif ifadeler önermişlerdir. Kültürel uyum boyutu, kültürlerarası pragmatiğin uygunluğuna odaklanmıştır. Öğretmenlerin; metnin, kaynak dil kültürünün etkisinden kaynaklanan anlamsal belirsizlik, retorik çatışmalar veya belirsiz değer yargıları gibi uygunsuz ifadeler içerip içermediğini belirlemeleri gerekmiştir. Sistem, yaygın kültürel sapma kelime örnekleri sağlamış ve öğretmenlerin yorumlarda düzeltme temelini ve kültürel bağlam gereksinimlerini açıklamasını destekleyerek öğrencilerin kültürel aktarım farkındalığını ve ifade doğruluğunu geliştirmelerine rehberlik etmiştir. Her boyut 5 puanlık bir ölçekle değerlendirilmiş, serbest notlar ve önerilen doldurma modüllerini içermiştir. Nihai değerlendirme sonuçları bir radar grafiği olarak sunulmuştur.

Değerlendirme verimliliğini artırmak ve pratik sınıf içi kullanımı desteklemek amacıyla, bu çalışmada AI tabanlı puanlamayı öğretmen değerlendirmesiyle birleştiren iş birlikli bir değerlendirme mekanizması geliştirilmiştir. Sistem, öncelikle DeepSeek tarafından oluşturulan metnin çok boyutlu bir değerlendirmesini gerçekleştirmiştir. Otomatik puanlama modülü aracılığıyla sözdizimsel karmaşıklık, paragraf organizasyonu ve metinsel tutarlılık gibi temel yönler değerlendirilmiştir. Puanlama sonuçları daha sonra öğretmen arayüzünde gerçek zamanlı olarak görüntülenmiştir. Öğretmenler, her boyut için ayrıntılı puanları incelemiş ve öğrencilerin transfer performansı konusundaki anlayışları ile mesleki yargılarına dayanarak gerektiğinde bu puanları düzenlemişlerdir. Ayrıca, otomatik puanlama ile yakalanamayabilecek geri bildirimler ve öğretimsel öneriler sunmak için doğrudan metne hedefli yorumlar eklemişlerdir. Her değerlendirme boyutu için beşli bir derecelendirme ölçeği benimsenmiştir. Arayüz, kişiselleştirilmiş geri bildirimi kolaylaştırmak için serbest metin notasyonu ve öneri modüllerini de içermiştir. Değerlendirme sonuçları, öğretmenlerin farklı transfer boyutlarındaki öğrenci güçlü ve zayıf yönlerini hızlıca belirlemelerine olanak tanıyan bir radar grafiği ile görselleştirilmiştir.

Buna ek olarak sistem, öğretmenlerin belirli boyutların ağırlığını veya genel puanları öğretim hedefleriyle uyumlu hale getirmek için ayarlamasına olanak tanıdı. Bu özellik, nihai değerlendirmenin öğrencilerin gerçek performansını ve öğrenme ihtiyaçlarını daha doğru bir şekilde yansıtmasını sağladı. Manuel inceleme tamamlandıktan sonra sistem, makine tarafından oluşturulan ve öğretmen tarafından oluşturulan değerlendirme verilerini otomatik olarak entegre etti. Ardından görsel bir geri bildirim raporu oluşturdu. Rapor, bir transfer performansı radar grafiği ve bir versiyon takip grafiği içeriyordu. Bu görselleştirmeler, öğrencilerin birden fazla metin oluşturma ve revizyon turu boyunca transfer yeteneklerindeki değişimleri net bir şekilde göstererek öğrenme sürecinin sürekli izlenmesine imkan tanıdı.

Transfer eğitimi süreci

Bu çalışmada eksiksiz bir aktarım eğitimi süreci tasarlanmıştır. İlk olarak, öğretmen öğretim hedeflerine ve öğrencilerin gerçek seviyelerine dayanarak belirli İngilizce yazma görevleri atamış, aktarım türünü ve eğitimin odağını netleştirmiştir. Ardından sistem, öğretmenin belirlediği görevlere dayanarak ilgili istem talimatlarını otomatik olarak oluşturmuş ve öğrencilerin yeniden yazma ve aktarım eğitimi için temel materyal teşkil edecek ilk taslağı oluşturmak üzere DeepSeek modelini çağırmıştır. İlk taslağı alan öğrencilerin, metinde yer alan aktarım özelliklerini aktif olarak belirlemeleri ve öğrendikleri aktarım stratejilerini kullanarak söz dizimsel yapının, paragraf organizasyonunun ve kültürel ifadenin uygunluğunu artırmak amacıyla içeriği hedef odaklı bir şekilde yeniden yazmaları gerekmiştir. Yeniden yazma işlemi tamamlandıktan sonra öğretmen, öğrencinin gönderdiği metinle ilgili ayrıntılı bir inceleme yapmış, aktarım stratejisinin etkinliğini vurgulamış ve iyileştirme ile yazım rehberliği için spesifik öneriler sunmuştur. Öğretmenin geri bildirimlerine dayanarak, öğrencilerin metinlerini geliştirmelerini ve aktarım stratejileri uygulamalarını derinleştirmelerini daha fazla desteklemek amacıyla optimize edilmiş bir sürüm oluşturmak için DeepSeek modeli yeniden çağrılmıştır. Son olarak öğrenci, final taslağının gönderimini tamamlamış, aktarım biliş tablosunu doldurmuş, öz değerlendirme yapmış, aktarım yöntemlerini ve etkilerini özetlemiş; böylece üstbilişsel yeteneğin geliştirilmesini ve yazma aktarım becerilerinin içselleştirilmesini sağlamıştır. Bu çalışma için tasarlanan aktarım biliş tablosu Tablo 2'de gösterilmiştir.

Tüm maddeler için 1 (hiç hakim değil) ile 5 (tam hakimiyet) arasında değişen 1–5'lik bir derecelendirme ölçeği benimsenmiştir. Öz değerlendirme verileri, ardışık üç eğitim turundan sonra toplanmıştır; puanlama kıyaslamaları, beş boyutlu görev kütüphanesindeki önceden tanımlanmış transfer operasyon standartlarına atıfta bulunmaktadır.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Sonuçlar

Deney tasarımının öğretimi

Bu çalışmada, program çağrıları için platformun açık API arayüzüne dayanarak DeepSeek'in temel açık kaynaklı sürümü kullanılmıştır. Beş adet istem şablonu metni, dört seviyeli görev örneği girişi, aktarım açıklama kategori etiketleri ve yazım hatası-şablon eşleştirme eşleme kurallarından oluşan tam set, ekler kısmında derlenmiştir. Sistemin sabit çağırma parametreleri şunlardı: 0.7 sıcaklık katsayısı ve oluşturulan uzunluk, yazım sorusu tipine göre d...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Tartışma

Bu araştırma, kültürlerarası İngilizce yazma aktarımı öğretimi için DeepSeek'in MoE mimarisine dayalı çok seviyeli bir talimat optimizasyon çerçevesi oluşturmaktadır. Cümle düzeyinden kültürel boyuta kadar uzanan dört aşamalı ilerleyici görevlere ve beş kategorili standartlaştırılmış bir görev kütüphanesine odaklanan araştırma, gerçek öğrenci yazma örneklerine dayalı otomatik istem üretimi gerçekleştirmekte ve karmaşık kültürlerarası adaptif görevleri ayrıştırmak için üç aşamalı iç içe geçmiş istem zincirleri kurmaktadır...

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Açıklamalar

Yazarlar, herhangi bir finansal çıkar çatışması olmadığını beyan ederler.

Teşekkürler

Bu çalışma, Zhejiang Eyaleti Eğitim Planlama Projesi 2026: Dijital ve Akıllı Güçlendirme Altında Yüksek Mesleki Eğitim Öğretmenlerinin Öğretim Yetkinlik Çerçevesinin Yeniden Yapılandırılması ve Terfi Stratejileri Üzerine Araştırma (Proje No: ZWT26024; Onay No: 2026SCG360) tarafından desteklenmiştir.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Malzemeler

Bu makalede kullanılan malzemelerin listesi
AdŞirketKatalog numarasıYorumlar
BERT Ön Eğitimli Dil ModeliGooglehttps://github.com/google-research/bertMetin temsili, paragraf yapısı tanıma, anlamsal benzerlik hesaplaması ve metin sınıflandırma, yazılı içeriğin otomatik puanlanmasını desteklemektedir.
Hakemlik SüreciPatlama Yapan YZhttps://github.com/explosion/corefereeYazım kalitesinin otomatik olarak puanlanmasına yardımcı olmak amacıyla, metinsel referans ilişkileri belirlenmekte ve söylemsel referans tutarlılığı değerlendirilmektedir.
DeepSeek Büyük Dil ModeliDeepSeek Yapay Zekahttps://chat.deepseek.com/MoE model mimarisi temel alınarak, talimat optimizasyonu ve istem sözcük zinciri tasarımı gerçekleştirilmiştir. Model, sabit parametreler kullanmaktadır: 0,7 sıcaklık katsayısı ve soru tipine göre dinamik olarak sınırlandırılan üretilen uzunluk.
spaCyPatlama Yapay Zekasıhttps://github.com/explosion/spaCyİngilizce metnin bağımlılık sözdizimi yapısı analiz edilmekte ve sözdizimsel karmaşıklığı nicelleştirmek için ortalama cümle uzunluğu ve iç içe geçmiş yan cümle sayısı gibi göstergeler çıkarılmaktadır.
SPSS 26.0IBMhttps://www.ibm.com/products/spss-statisticsTekrarlanan Ölçümler ANOVA (RM-ANOVA), bağımsız örneklemler t-testi, Pearson korelasyon analizi, etki büyüklüğü (Cohen’s d) hesaplama ve güvenilirlik (ICC) testi gerçekleştirildi.

Kaynaklar

  1. Maqsood M, Zahid A, Asghar T, et al. Issues in teaching English in a cultural context. Migr Lett. 2024; 21(4): 1020–1027.
  2. Tran NT, Nguyen TT, Pham HH. Exploring the challenges of L1 negative transfer among Vietnamese English language learners: a qualitative study. rEFLections. 2024; 31(2): 837–857.
  3. Zhu P. Cultural dimensions as guidelines in handling language problems for effective written communication across cultures. Int J Linguist Lit Transl. 2023; 6(12): 85–95.
  4. Zeng Z, Nair SM, Wider W. A comparative study of Chinese EFL undergraduates' pragmatic competence in English letter writing between urban and suburban universities. World J Engl Lang. 2022; 12(6): 377–388.
  5. Litvinova TA, Mikros GK, Dekhnich OV. Writing in the era of large language models: a bibliometric analysis of the research field. Nauchnyi Rezultat Voprosy Teoreticheskoi i Prikladnoi Lingvistiki. 2024; 10(4): 5–16.
  6. Long M. Cultivating interdisciplinary foreign language talents through interdisciplinary synergy of on-campus teaching and off-campus practices under the new liberal arts. Educ Rev USA. 2025; 9(5): 520–526.
  7. Voss E, Cushing ST, Ockey GJ, et al. The use of assistive technologies including generative AI by test takers in language assessment: a debate of theory and practice. Lang Assess Q. 2023; 20(4-5): 520-532.
  8. Manyasa J. When language transfer is negative: analysis of morpho-syntactic interference errors by learners of French in Tanzanian higher learning institutions. J Foreign Lang. 2021; 13(1): 165-190.
  9. Fikri N. The study of language transfer in EFL students' translation work. J Pendidik Nonformal. 2023; 1(1): 9.
  10. Ahmat A, Yang Y, Ma B, et al. Cross-lingual prompting method with semantic-based answer space clustering. Appl Intell. 2025; 55(2): 1-17.
  11. Maity S, Deroy A, Sarkar S. Investigating large language models for prompt-based open-ended question generation in the technical domain. SN Comput Sci. 2024; 5(8): 1-32.
  12. Wu W, Cao Y, Yi N, et al. Detecting and reducing the factual hallucinations of large language models with metamorphic testing. Proc ACM Softw Eng. 2025; 2(FSE): 1432-1453.
  13. Kaganovich P, Münz-Manor O, Ezra-Tsur E. Style transfer of modern Hebrew literature using text simplification and generative language modeling. CEUR Workshop Proc. 2023; 1613: 73-95.
  14. Yuan Y. Influence of native language transfer on senior high school English writing. Theory Pract Lang Stud. 2021; 11(2): 170-176.
  15. Jiamin M. The influence of cultural factors on language transfer in second language acquisition. Res J Engl Lang Lit. 2024; 12(1): 186-195.
  16. Zhang L. Native language transfer in vocabulary acquisition: an empirical study from connectionist perspective. J Lang Teach Res. 2023; 14(2): 446-458.
  17. Mirzayev E. The influence of first language interference on ESL writing skills. EuroGlob J Linguist Lang Educ. 2024; 1(1): 33-39.
  18. Fujiwara Y, Iwao T, Ito H, et al. Exploring the transfer of topic-comment structures called unagi-sentences in Asian L2 Englishes: cross-proficiency-level and cross-varietal studies. Asian Englishes. 2025; 27(1): 25-40.
  19. Guo Q. Interlanguage and its implications to second language teaching and learning. Pac Int J. 2022; 5(4): 8-14.
  20. Vereeck A, Janse M, De Herdt K, et al. Why Plato needs psychology: proposal for a theoretical framework underpinning research on the cognitive transfer effects of studying classical languages. Psiholoska Obzorja. 2023; 32: 121-130.
  21. Zhang W. Study on the negative transfer of mother tongue on college students. Int J Front Sociol. 2023; 5(16): 164-171.
  22. Li C. A review of theories, pedagogies and vocabulary learning tasks of English vocabulary learning apps for Chinese EFL learners. J China Comput Assist Lang Learn. 2024; 4(2): 346-375.
  23. Nsengimana I, Niyibizi E, Ngabonziza JDA. The impact of language transfers on learners' writing skills in English learning among students in Mahama Refugee Camp, Rwanda. Afr J Empir Res. 2024; 5(3): 605-613.
  24. Jovein S K, Sharifabad E D, Yazdani M. On the relationship between university translator training programs and the translation market requirements: The case of English translation graduates and postgraduates of Imam Reza International University. Journal of Critical Studies in Language and Literature. 2024; 5(6): 1-13.
  25. Qin X. Collaborative inquiry in action: a case study of lesson study for intercultural education. Asian Pac J Second Foreign Lang Educ. 2024; 9(1): 66-91.
  26. Sun L, Asmawi A. The effect of WeChat-based instruction on Chinese EFL undergraduates’ business English writing performance. International Journal of Instruction. 2023; 16(1): 43-60.
  27. Moro G, Piscaglia N, Ragazzi L, et al. Multi-language transfer learning for low-resource legal case summarization. Artificial Intelligence and Law. 2024; 32(4): 1111-1139.
  28. Sun Y. A study of college English writing teaching based on dynamic assessment. Pac Int J. 2023; 6(1): 83-88.
  29. Jeon J, Lee S. Large language models in education: a focus on the complementary relationship between human teachers and ChatGPT. Educ Inf Technol. 2023; 28(12): 15873-15892.
  30. Kostka I, Toncelli R. Exploring applications of ChatGPT to English language teaching: opportunities, challenges, and recommendations. TESL-EJ. 2023; 27(3): n3-n22.
  31. Antara IMAR, Anggreni NPY. Analyzing grammatical errors in EFL students' opinion essays using DeepSeek AI: patterns and pedagogical implications. Stilistika. 2025; 13(2): 210-218.
  32. Diasamidze L, Tedoradze T. Enhancing ESL students' writing skills through natural language processing model ChatGPT. Eurasia Proc Educ Soc Sci. 2024; 35: 230-238.
  33. Ranade N, Saravia M, Johri A. Using rhetorical strategies to design prompts: a human-in-the-loop approach to make AI useful. AI Soc. 2025; 40(2): 711-732.
  34. Zhou W, Gao B. Construction and application of English-Chinese multimodal emotional corpus based on artificial intelligence. Int J Hum Comput Interact. 2025; 41(3): 1782-1793.
  35. Chen B, Bao L, Zhang R, et al. A multi-strategy computer-assisted EFL writing learning system with deep learning incorporated and its effects on learning: a writing feedback perspective. J Educ Comput Res. 2024; 61(8): 60-102.
  36. Jeon H. Designing teaching for transfer in English for academic purposes. RELC Journal. 2024; 55(2): 567-577.
  37. Pei Y J. Construction of a" Feedback-Revision" Teaching Model for Senior High School English Continuation Writing Based on Generative AI. International Journal of Educational Development. 2026; 3(1): 16-25.
  38. Holubnycha L, Kuznetsova O, Shchokina T, et al. AI-Powered Teaching: Literature Review of ChatGPT's Impact on University Educators. International Journal of Interactive Mobile Technologies. 2025; 19(15): 41.
  39. Almuhanna M A. Teachers' perspectives of integrating AI-powered technologies in K-12 education for creating customized learning materials and resources. Education and Information Technologies. 2025; 30(8): 10343-10371.
  40. Hastomo T, Mandasari B, Widiati U. Scrutinizing Indonesian pre-service teachers’ technological knowledge in utilizing AI-powered tools. Journal of education and learning (EduLearn). 2024; 18(4): 1572-1581.
  41. Cai H, Lu L, Han B, et al. Exploring pre-service teachers’ reflection mediated by an AI-powered teacher dashboard in video-based professional learning: a pilot study. Educational technology research and development. 2025; 73(2): 1129-1154.

Erişim kısıtlı. Bu içeriği görüntülemek için lütfen giriş yapın veya deneme sürümünü başlatın.

Yeniden basım ve izinler

Daha fazla makale keşfet

Kültürlerarası YazımDil AktarımıHiyerarşik Eğitim SistemiUzmanların Karışımıİstem ZinciriKültürel AdaptasyonDilsel Revizyon
Bize Ulaşın
Kütüphaneye Öner

Gizlilik

Kullanım Koşulları

Politikalar

Telif Hakkı © 2026 MyJoVE Corporation. Tüm hakları saklıdır.