2026'nın En İyi Yapay Zekâ Ton Denetleyicileri: 17 Araç

Geçenlerde üç yapay zekâ araştırma ajanına aynı brifi verdim, şu anda hangi ton denetleyicilerinin en iyisi olduğunu sordum. Claude, ChatGPT ve Gemini her biri uzun, kendinden emin bir raporla döndü. Bir sürü noktada anlaşamadılar, var olmayan bazı kaynaklar gösterdiler, biri de kendi şirketim hakkında sevimli bir kuruluş hikâyesi uydurdu. Ben de insanlara yapay zekâ araştırması konusunda söyleyip durduğum şeyi yaptım. Yapıyı korudum, her iddiayı bir birincil kaynağa kadar geri izledim ve gerçeklikle temas edince ayakta kalamayanı çıkardım.

Bu, birleştirilmiş ve doğrulanmış versiyonu. On yedi araç, hangi işi yaptıklarına göre sıralanmış, kanıtlar da en altta numaralandırılmış halde.

Kartlarımı açık oynuyorum, çünkü bu araçlardan birinin kurucu ortağıyım

Subtext benim şirketim ve bu yazıda da yer alıyor. Göndermeden önce tek bir kişisel mesajın nasıl ulaşacağını okuyan bir uygulama; bu yazının tümünde çalışan temel ilke, tanıdan sonra yeniden yazma, uygun şekilde benim ürünümü de yerinde tutuyor. Onun hakkında söylediğim her şeyi buna göre tart.

Yine de işe yarasın diye kendi ürünümü herkesinkiyle aynı standarda tuttum. İddialar ürün sayfalarından, dokümantasyondan, mağaza sayfalarından ya da hakemli araştırmalardan geliyor, her biri de numaralı bir kaynağa bağlanıyor. Bir iddia yalnızca bir satıcının pazarlama metninde varsa, bunu açıkça söylüyorum. Yapay zekâ ajanlarının kendinden emin şekilde raporladığı ama hiçbir kaynağın desteklemediği şeyleri de çıkardım, o pohpohlayıcı kuruluş hikâyesi dahil (Subtext’i sözde “eski bir terapist” kurmuş; kimse kurmadı, Anton mühendis ve kelimelerle ben uğraşıyorum).

Gerçek bir ton denetleyicisi, yeniden yazmadan önce okur

Bu alandaki her araca ton denetleyicisi deniyor, ama tek bir etiketin altında iki farklı iş saklanıyor.

Okuma, metninin şu anda nasıl okunduğunu söylüyor. Yeniden yazma ise onu başka bir şeye çeviriyor. Fark, gerçek bir taslağa bakana kadar akademik geliyor kulağa. Subtext’in bir kelimeye dokunmadan önce yaptığı okuma da tam olarak böyle bir şey:

Taslak “Boş ver. Sen bilirsin.”

Kesik geliyor · “sen bilirsin” geri çekilme gibi okunuyor · muhtemelen yorgun demek istediğin halde bütün mesaj pasif gibi duruyor

Yeniden yazan bir araç bunu seve seve “Olur, hangisi sana uyuyorsa onu yapalım” haline getirir, bunların hiçbirinden söz etmeyen daha güzel bir cümle. Önce okuyan bir araçsa seni önce durdurur ve yukarıdaki okumayı gösterir. Bunu bir kere gördükten sonra, ne yapacağına sen karar verirsin. Belki yumuşatırsın. Belki de demek istediğin tam olarak o sertlikti ve öyle bırakırsın. Bir yapay zekâ mesaj kontrolcüsü neyin kontrol edebileceğini ve bunu kendin nasıl yapacağını yazdım.

Sadece yeniden yazan araçlar bu adımı atlıyor. Sana seninkinde neyin yanlış olduğunu hiç söylemeden daha güzel bir cümle veriyorlar, insanların cilalanmış ama yine de yanlış şeyi söyleyen mesajlar göndermesinin sebebi de bu. Ben de bütün alanı önce okuyan araçlar, sadece yeniden yazan araçlar ve tonunu tek bir kitleye göre ayarlayan araçlar olarak sıraladım.

Bir e-posta çalışmasında gönderenler tonlarının %78 oranında anlaşılmasını bekledi. Gerçekte bu oran %56 oldu.

Araçlardan önce, onların var olma sebebi.

2005’te Justin Kruger, Nicholas Epley ve meslektaşları, Journal of Personality and Social Psychology’de e-postada tona dair beş deney¹ yayımladı. Bir çalışmada gönderenler, tonlarının (ciddi ya da alaycı) yaklaşık %78 oranında anlaşılacağını tahmin etti. Alıcılar ise gerçekte %56’sında doğru anladı², yazı turadan biraz daha iyi bir oran, üstelik alıcılar gönderenlerden bile daha emindi, mesajların %89’unu doğru okuduklarına inanıyorlardı. Yazarların kendi sözleriyle teşhisi¹:

Bu aşırı özgüven, egosentrizmden doğuyor.

Sen kendi mesajını, niyetinin bütün müzikleriyle birlikte duyuyorsun. Okuyan kişiye ise ekrandaki kelimelerden başka bir şey ulaşmıyor. Bu da aynı zamanda bir mesajın kaba mı durduğunu içeriden güvenilir şekilde anlayamamanın nedeni.

Yirmi yıl sonra bu bulgu, aşağıdaki her aracın iş modeli haline geldi.

Bir kelimeye bile dokunmadan önce tonunu okuyan dört araç

Subtext

Subtext, benim de kurucu ortağı olduğum, belgeler için değil kişisel mesajlar için yapılmış araç. Bir taslak yapıştırıyorsun, konuşmanın ekran görüntüsünü atıyorsun ya da sesli not bırakıyorsun, o da bir şey söylemeden önce konuşmanın tamamını okuyor. Sert, pasif ya da yanlış anlaşılmaya açık duran kelimeleri tek tek işaretliyor, sonra altta yatan duyguyu adlandırıyor³. Okuma bittikten sonra tek dokunuşluk ayarlar (Daha sıcak, Daha kısa, Daha rahat, Daha özgüvenli)⁴, senin cümlelerini başlangıç noktası olarak koruyarak mesajı yeniden yazıyor; senin yerine hiçbir şeyi asla göndermiyor.

Mağaza açıklaması kimin için yapıldığını dolandırmadan söylüyor, yani göndermeden önce aynı mesajı beş kez yeniden yazan insanlar, kafasında fazla evirip çevirenler ve “acaba bu iyi mi oldu?” diye soran herkes⁴. En sıcak yorumların çoğu nörodivergan kullanıcılardan geliyor, yani tam olarak nörodivergan yetişkinler için bir ton analiz aracının yapıldığı insanlardan, özellikle de ona uzun, dağınık taslaklar veren ve karşılığında hâlâ kendileri gibi duran net bir şey alan DEHB’li kullanıcılardan⁵. iOS, Android ve senkronize bir web uygulamasında çalışıyor; 17+ dilde de çeviri değil, o dilin kendisi gibi yazılmış halde. Denemesi ücretsiz, sonrası abonelikle açılıyor. İki sınırı var. Mesajlar için yapıldığından uzun belgeler başka bir yere ait, ve kendi koşulları da açıkça bir iletişim asistanı olduğunu, terapi olmadığını söylüyor⁶, metinlerinin hiçbir yapay zekâ modelini eğitmek için kullanılmadığını da.

Grammarly’nin ton algılayıcısı

Grammarly, dünyada en yaygın kullanılan ton okumasını çalıştırıyor. Yazının tonunu kelime seçiminden, cümle kuruluşundan, noktalamadan, hatta büyük harf kullanımından okuyor⁷, bunun için kurallarla makine öğrenmesinin bir karışımını⁸ kullanıyor. 2019’da çıktığında yaklaşık 40 tonu, samimi ve neşeliden agresif ve sinirliye kadar adlandırabiliyordu⁹. Çalışmak için biraz metne ihtiyacı var: tarayıcıda yaklaşık 150 karakter¹⁰, mobil klavyede 90 karakter¹¹. Etiketler burada okuma kısmı; cümle düzeyinde ton değişiklikleri ücretli katmanlarda. Şirketler için Grammarly Business marka tonları ekliyor, burada yöneticiler 50’den fazla ton arasından seçip bunları markaya uygun ya da uygun değil diye işaretliyor¹², herkes de gerçek zamanlı olarak dürtükleniyor. Grammarly o zamandan beri Reader Reactions’ı ekledi. Bu, Grammarly belgelerinin içinde çalışan ve yöneticin ya da bir müşteri gibi senin seçtiğin bir okuyucunun yazdığını nasıl yorumlayabileceğini canlandıran¹³ bir ajan. Yazın belgelerde ve iş e-postalarında geçiyorsa, burası referans nokta.

Goblin Tools (Judge ve Formalizer)

Goblin Tools, Belçikalı geliştirici Bram De Buyser’ın ufak, ücretsiz yapay zekâ araçlarından oluşan bir koleksiyonu; kendi sitesinde “küçük, basit, tek işlik araçlar”¹⁴ diye tanımlanıyor ve çoğunlukla nörodivergan insanlar için yapılmış. Burada işimize yarayan ikisi var. Judge, aldığın herhangi bir mesajın arkasındaki ruh halini ya da duyguyu seziyor; Formalizer ise metnini anında doğru tona çeviriyor¹⁵, ne kadar değiştireceğini ayarlayan bir “acılık” kadranıyla birlikte. Bu gelen mesajı çözen taraf nadir; bu yazıdaki neredeyse her şey yalnızca senin gönderdiğine bakıyor. Site ücretsiz, mobil uygulamalar da ucuz, tek seferlik satın almalar.

Sapling

Sapling, müşteri destek ve satış ekiplerine yönelik ve grup içindeki en şeffaf ton sınıflandırmasını yayımlıyor. Ücretsiz ton denetleyicisi hem cümle hem belge düzeyinde 25’ten fazla duygusal tonu (sevinç, kafa karışıklığı, minnettarlık, korku) tanıyor¹⁶, geliştirici API’si ise cümle başına olasılıklarla 28 tonu kapsıyor¹⁷. Ton algılamayı kendi ürününün içine gömmek istiyorsan, birazdan gömeceğimiz eski IBM API’sinin pratikteki devamı bu.

Seçtiğin her tona göre yeniden yazan yedi araç

Bunlar işe yarıyor, hatta bazılarını ben de kullanıyorum, ama Outlook’taki Copilot dışında hiçbiri sana orijinal taslağının nasıl okunduğunu söylemiyor. Sana sadece başka bir taslak veriyorlar.

Apple Intelligence Writing Tools sistem düzeyinde çalışıyor ve seçtiğin metni daha profesyonel, daha samimi ya da daha kısa hale getiriyor, yazabildiğin hemen her yerde, üçüncü taraf uygulamalar dahil¹⁸, bir de serbest metinli “değişikliğini tarif et” kutusu¹⁹ var. Desteklenen donanımlarda iOS 18.1, iPadOS 18.1 ya da macOS Sequoia 15.1 ile ücretsiz. Üç hazır seçenek, sıfır okuma. Apple, Google, Grammarly ve ChatGPT’nin mesajlarına neler yaptığını özellik özellik karşılaştırdım.

Microsoft’un Copilot’ı da Office içinde aynısını yapıyor, Word’de metni seç, Rewrite’ı seç, sonra Adjust Tone menüsünü kullan (seçenekler arasında Neutral, Casual ve Concise de var)²⁰. Outlook bunun istisnası. Orada Copilot’ın e-posta koçluğu bir taslağın tonu, anlaşılırlığı ve okuyanda bırakacağı his hakkında öneriler sunuyor²¹, bu da onu bu gruptaki biraz okuma yapan tek araç yapıyor, sadece iş e-postaları için. Ne alacağın Microsoft planına ve hangi Outlook’u kullandığına bağlı, koçluğun ne kadar isabetli olduğuna dair bir kanıt da görmedim.

Wordtune, yeniden yazmaya adanmış araçların en hızlısı. Bir cümleyi seçiyorsun, Casual ya da Formal’a dokunuyorsun, ayrıca Shorten ve Expand da var²², sonra önerilerden birini seçiyorsun. Ücretsiz katmanı var, ücretli planlar yıllık faturalandırmada ayda yaklaşık 7 dolardan başlıyor²³, Ağustos 2026 itibarıyla.

Hemingway Editor adını okunabilirlik üzerine kurdu, yoğun cümleleri ve edilgen yapıyı renklendiriyor; bu da tonun kendisinden çok tona komşu bir şey. Ücretli Hemingway Editor Plus, yapay zekâ ile yeniden yazmayı da ekliyor: seçilen metni daha profesyonel ya da daha samimi hale getirmek²⁴ ve ayrı daha samimi, daha resmî ve daha ikna edici araçlar²⁵. Hâlâ bildiğim en iyi şişkin düzyazı ilacı.

Hızlıca üç tane daha. LanguageTool, çok dilli tercih; yaklaşık 30 dilde çalışan bir dilbilgisi ve stil denetleyicisi, ücretli katmanda bir de yeniden ifade aracı var; burada ton bir yan etki, ürünün kendisi değil. ProWritingAid uzun metinler için, derin bir stil ve okunabilirlik rapor yığını sunuyor, ama bir mesajın nasıl okunacağına dair canlı bir okuma yok. Ve QuillBot, hazır modları olan öğrencilerin paraphrase aracı, Formal da bunlardan biri; akıcı bir şekilde yeniden yazıyor ama orijinalin hakkında sana hiçbir şey söylemiyor.

Tonunu tek bir okuyucuya göre ayarlayan dört araç

Bu grup farklı bir soruya cevap veriyor. Tam olarak bu kişiye mi, yoksa bu şirket olarak mı duyulmalıyım?

Crystal, alıcını DISC kişilik modeliyle profilliyor, sonra Writing Assistant özelliği Gmail ya da Outlook içinde e-postanın kelimelerini, ifadelerini, stilini ve tonunu gerçek zamanlı kontrol edip seni o kişinin iletişim tarzına doğru yönlendiriyor²⁶. Bence biraz ürkütücü, arada da parlak, ve açıkça satış için yapılmış.

Lavender, her taslağı yazarken 0’dan 100’e puanlayan, ton da bu faktörlerden biri olan ve yanıt oranı verisine bağlı düzeltmeler öneren²⁷ bir soğuk e-posta koçu. Ayda 5 e-postalık ücretsiz bir katmanı var, sonrası aylık 29 dolardan başlayan planlar (Ağustos 2026 itibarıyla)²⁷. İşin dışa dönük satışsa, bu puan hızlıca bir alışkanlığa dönüşüyor.

Textio²⁸ işe alım alanının sahibi; iş ilanlarındaki ve performans geri bildirimlerindeki önyargılı ya da dışlayıcı dili işaretliyor, dilin adaylarda nasıl bir izlenim bırakacağını puanlıyor. Writer ise kurumsal ölçekte çalışıyor: yazı örnekleri yüklüyorsun, o da bir ses profili oluşturuyor²⁹, böylece bütün bir organizasyonun yapay zekâ çıktısı tek bir tonda kalıyor.

Ücretsiz tek sayfalık denetleyiciler fena değil, ama bir uyarıyla

Büyük isimlerin ötesinde, “metnini buraya yapıştır” tarzı ücretsiz sayfalardan oluşan uzun bir kuyruk var. Sapling’in ücretsiz denetleyicisi (yukarıda) güvenilir olanı. LiveChatAI’nin ton denetleyicisi³⁰ baskın bir tonu tanıyor ve kararı hangi ifadelerin belirlediğini işaretliyor, sadece tespit, yeniden yazma yok. AskAI’nin versiyonu³¹ bir sohbet modelini 0’dan 100’e bir resmiyet puanının etrafına sarıyor ve uzun belgeler boyunca ton kaymasını işaretliyor, yoğun kullanım için ücretli bir katmanı da var. Bir blog paragrafı ya da niyet mektubu için bunlara güvenirim.

Ücretsiz bir web sayfasına yapıştırdığın her şey birinin sunucusuna gidiyor ve bu sayfaların çoğu ondan sonra ne olduğu hakkında pek bir şey söylemiyor. Bir pazarlama paragrafını hiç düşünmeden yapıştırırım, ama bir ayrılık mesajını bu sayfalardan uzak tutarım.

Herkesin kaynak gösterdiği ton API’si artık yok

On yıl boyunca, teknik anlamda “ton kontrolü” IBM Watson Tone Analyzer demekti, sayısız demonun ve araştırma makalesinin arkasındaki API. Artık yok. IBM kullanımdan kaldırma kararını 24 Şubat 2022’de duyurdu, hizmet de 24 Şubat 2023’te tamamen kapandı³². Geriye kalan tek şey, Watson’ın Natural Language araç setinin içindeki küçük bir hazır ton sınıflandırma modeli³³; İngilizce ve Fransızcayı kapsıyor, heyecanlı, hayal kırıklığına uğramış, kaba, kibar, üzgün, memnun ve şefkatli gibi kısa bir kategori listesiyle.

Bu ölüm ilanını buraya koyuyorum çünkü pazarı açıklıyor. Bağımsız ton API’si dönemi bitti, enerji yukarıdaki asistanlara ve istediğin anda her şeyi yeniden yazan büyük dil modellerine kaydı. Bu da bizi rahatsız edici kısma getiriyor.

Yapay zekâyı sözlerine dokundurmak konusunda araştırma ne diyor

Yeniden yazma kısmı artık önemsiz bir mesele. Sonuçlar o kadar düzenli değil, ve bunun üstüne gerçek bir literatür var.

Araştırmacılar buna yapay zekâ aracılı iletişim diyor: bir yapay zekâ sistemi insanlar arasındaki mesajları değiştirdiğinde, genişlettiğinde ya da ürettiğinde³⁴, Jeff Hancock, Mor Naaman ve Karen Levy’nin 2020’de yaptığı tanımla. Asıl çarpıcı bulgu bir yıl önce geldi, Airbnb ev sahibi profilleri üzerine yapılan bir CHI çalışmasında, burada Jakesch’in ekibi, okuyucuların yapay zekâ tarafından yazıldığını düşündüğü metinleri daha az güvenilir bulduğunu ortaya koydu³⁵. Yapay zekâ akıllı yanıtları üzerine yapılan bir takip çalışması ise önerilerin insanların gerçekte ürettiği dili değiştirdiğini, onu olumluya doğru ittiğini ve konuşma taraflarının birbirini nasıl algıladığını da değiştirdiğini³⁶ buldu. Bunu ayrı bir yazıda daha derinlemesine ele aldım: yapay zekâ mesaj yeniden yazma araçları gerçekten işe yarıyor mu.

Modellerin kendisinde de bir önyargı sorunu var. Monash Üniversitesi’nden 2025 tarihli bir çalışma, bilerek nötr tutulan promptlardan binlerce asistan diyaloğu üretti ve tutarlı bir eğilim buldu. Modeller varsayılan olarak, araştırmacıların kendi ifadesiyle, “nötrlük beklenirken bile aşırı kibar, neşeli ya da temkinli”³⁷ duyuyor, ton sınıflandırıcıları bu eğilimi 0,92’ye varan makro-F1 skorlarıyla tespit ediyor³⁷. Makinelerin bir aksanı var. Birine gönderdiğin her şeyi yeniden yazdırırsan, sen de o aksanla konuşmaya başlıyorsun. NLP alanının bunun altındaki mekanizmaya bir adı bile var, metin stili aktarımı, koca bir derleme literatürüyle birlikte³⁸, ve bunların hiçbiri seni sen yapan şeyin üstünde eğitilmiyor. Bu aksan, Subtext’in taslağını yeniden yazarken başlangıç noktası olarak tutmasının ve bir ev stili tercihiyle değiştirmemesinin sebebi.

Bütün bunlardan çıkardığım sonuç şu: bu araçları önce bir ayna, nadiren de bir hayalet yazar olarak kullan. Ve evet, bu sonucun kime ait olduğuna dikkat et. Göndermeden önceki bir ton okuması, Kruger çalışmasındaki 78/56 sorununun üstüne gidiyor, ama yine de senin kafanın dışından yapılmış bir tahmin. 2025 tarihli bir ACL çalışmasında hem insan okuyucular hem de dil modelleri, yazarların hissettiklerini söyledikleri duygularla ancak kusurlu biçimde örtüştü³⁹, o yüzden benimki dahil her denetleyicinin okumasını ikinci bir görüş olarak gör. Gönderdiğin her şeyin baştan sona yeniden yazılması ise yeni bir sorun yaratıyor: annenin, cevabı bir robotun verdiğini anlayabildiği o sorunu.

Ben olsam nasıl seçerdim

Kişisel mesajlar ve zor konuşmalar için benim kısa listem Subtext ya da Goblin Tools. Okumayı, yeniden yazmayı ve konuşma bağlamını tek yerde, kendi sesin korunarak istiyorsan Subtext; ücretsiz, tek işe odaklı ve hesap açmadan istiyorsan Goblin’in Judge’ı ve Formalizer’ı. Belgeler ve iş e-postaları için Grammarly’nin algılayıcısı referans nokta, şişkinliği düzeltmek için de Hemingway. Apple donanımı kullanıyorsan, Writing Tools hazır ton değişikliklerini ek ücret olmadan karşılıyor, işin zaten Copilot’ın parasını ödüyorsa da onun Outlook koçluğu iş e-postalarına temel bir okuma sağlıyor. Ayrı bir araca ancak gerçek bir okuma gerektiğinde para ödüyorsun. Satış için Lavender’ı al, alıcıya göre ayarlanmış mesajlar için Crystal’ı, işe alım dili için Textio’yu, şirket çapında marka sesi için de Writer’ı. Cebin dar ama meraklıysan, Sapling’in ücretsiz denetleyicisi ile Goblin Tools sana bu fikri bedavaya öğretir.

Hangisini seçersen seç, son sözü sen söyle. Yukarıdaki araştırma, hedefin kusursuz görgü kurallarına sahip bir model gibi değil, iyi bir gününde sen nasıl duyuyorsan öyle duyan bir mesaj olduğunu oldukça net gösteriyor.

Eğer çok iyi bildiğin an “acaba bu iyi mi oldu?” anıysa, Subtext tam olarak o an için yapıldı. Taslağını yapıştır ya da ileti dizisinin ekran görüntüsünü al ki iki tarafa da baksın, mesajının ne sinyalleyeceğini adlandırıyor ve hangi söz bu işi yapıyor gösteriyor, sonra yine seninmiş gibi duran versiyonlar sunarken. Subtext'i tarayıcıda deneSubtext'i tarayıcıda dene

Bu yazı için üç yapay zekâ araştırma raporunu birleştirdim ve doğrulanamayanı çıkardım, ama geriye kalanların tartışmaya kapalı olduğunu iddia etmiyorum. Bu araçlardan birini sen yapıyorsan ve seninkini hakkıyla anlatmadığımı düşünüyorsan, ya da bulduğum dört araçtan daha iyi okuyan bir denetleyici biliyorsan, bana söyle, ben de test edip yazıyı güncelleyeyim.

Samet Durgun, mesajlarının duygusal tonunu yakalayıp onları kendi sesinle yeniden yazan Subtext uygulamasının kurucu ortağı. Berlin’de yaşıyor.

Kaynaklar

Yukarıdaki her bağlantı, birincil kaynak varsa doğrudan ona gidiyor. Alıntılar aşağıda, metinde göründükleri sırayla numaralandırıldı.

Ton neden bozulur

Kruger, J., Epley, N., Parker, J. ve Ng, Z. (2005). Egocentrism over e-mail: can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925-936. DOI: 10.1037/0022-3514.89.6.925. Açık PDF:
American Psychological Association, Monitor on Psychology (Şubat 2006). E-mails and egos.

Araçlar

Yapay zekâyla yazmak

Hancock, J. T., Naaman, M. ve Levy, K. (2020). AI-Mediated Communication: Definition, Research Agenda, and Ethical Considerations. Journal of Computer-Mediated Communication, 25(1), 89-100.
Jakesch, M., French, M., Ma, X., Hancock, J. T. ve Naaman, M. (2019). AI-Mediated Communication: How the Perception that Profile Text was Written by AI Affects Trustworthiness. CHI 2019.
Mieczkowski, H., Hancock, J. T., Naaman, M., Jung, M. ve Hohenstein, J. (2021). AI-Mediated Communication: Language Use and Interpersonal Effects in a Referential Communication Task. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1).
Bodara, H., Mushfiq, M. M. ve Siddiqui, I. F. (2025). Bias Beneath the Tone: Empirical Characterisation of Tone Bias in LLM-Driven UX Systems. UISE ’26 workshop (ACM).
Jin, D., Jin, Z., Hu, Z., Vechtomova, O. ve Mihalcea, R. (2022). Deep Learning for Text Style Transfer: A Survey. Computational Linguistics, 48(1), 155-205.
Li, J., Zhou, Y., Narayanan Venkit, P., Islam, H. B., Arya, S., Wilson, S. ve Rajtmajer, S. (2025). Can Third Parties Read Our Emotions? Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Volume 1: Long Papers), 21478-21499.