İngilizce Mesajın Kibar mı Duruyor? Uygulama Söyler mi?

Bu yazının dayandığı çalışmaların çoğunda, ana dili İngilizce olan okurlara sert gelen e-postalar hatalarına göre değil, ne kadar doğrudan olduklarına ve ne kadar yumuşatıldıklarına göre değerlendirildi. Bu yüzden bir dilbilgisi denetleyicisi, İngilizceyi ikinci dil olarak yazan birine mesajının kibar durup durmadığını söyleyemez. Yazım ve dilbilgisi hatalarını değiştiren tek deney, hataların yarattığı olumsuz izlenimlerin çoğunun, okurlar göndericinin başka bir kültürden olduğunu öğrenince hafiflediğini buldu (aşağıda anlatılıyor). Sert e-postaları ayıran şey, etrafında yumuşatıcı sözcük olmadan fazla doğrudan yapılan bir istek, selamlamanın ya da kapanışın olmaması ve yazarın bir şey istediğinin farkında olduğuna dair hiçbir işaretin bulunmamasıydı. Bu alışkanlıklar çoğu zaman ilk dilin etkisiyle oluşuyor ve yazımı ya da özne ile fiil uyumunu denetleyen hiçbir şeyin gözüne görünmüyor.

İnsanların başvurduğu araçların çoğu dilbilgisini, akıcılığı ve resmiyeti denetliyor. Daha küçük bir grup tonu okuyor. Hiçbiri, sen söylemedikçe kime yazdığını, rica ettiğin iyiliğin ne kadar büyük olduğunu ya da o kişinin kültüründe neyin kibar sayıldığını bilmiyor. Araştırmaya göre zararın çoğu da bu son katmanda. “İngilizce metnim doğal ve kibar duruyor mu?” sorusunun cevabı ikiye ayrılıyor. İlk yarısı, bir ricayı yumuşatan kalıp ifadeler, bunlar denetlenebilir ve öğrenilebilir. İkinci yarısı, bu okurun, bu ilişkide, sözlerini kastettiğin gibi alıp almayacağı. Bunu ancak tahmin edebilirsin ve bir araç da bunu ancak seninle birlikte tahmin edebilir.

Ton denetleyicisi olan Subtext’in kurucu ortağıyım, bu yüzden son üç bölümün nasıl okunduğunda payım var. Subtext hakkında iddiada bulunduğum tek yer orası. Ondan önceki her şey kendi açtığım kaynaklardan geliyor, kimi zaman yalnızca özeti ya da çalışmayı anlatan bir sayfayı açabildim, Kaynaklar listesi bunu belirtiyor.

Dilbilgisi doğru bir İngilizce mesaj neden yine de kaba okunabilir

Bir mesaj dilbilgisi açısından kusursuz olup yine de işe yaramayabilir, çünkü İngilizcede kibarlık çoğunlukla ricanın çevresindeki sözcüklerde yaşar. Economidou-Kogetsidis, Kıbrıs’ta İngilizce eğitim veren bir üniversitede Kıbrıslı Rum üniversite öğrencilerinin öğretim üyelerine gönderdiği e-posta ricalarını birkaç dönem boyunca topladı¹. E-postalarda özellikle bilgi isteyen ricalarda “significant directness”, “an absence of lexical/phrasal downgraders”, atlanan selamlama ve kapanışlar ve yazarın uygunsuz ya da kabul edilemez bulduğu hitap biçimleri göze çarpıyordu. Savı, bu tür e-postaların kaba okunabileceği, çünkü “they appear to give the faculty no choice in complying with the request and fail to acknowledge the imposition involved”¹. Makalenin başlığı verilerden bir satır, “Please answer me as soon as possible”, ve örüntüyü yedi sözcükte gösteriyor. Yazar nazik olmak istiyor, please sözcüğünü kullanıyor ve yine de okura bir son tarih koyan bir cümle kuruyor.

Downgrader, yani yumuşatıcı, baskıyı azaltan küçük bir sözcüktür. “I was wondering whether”, “if you have a moment”, “would it be at all possible”. Ana dili İngilizce olan yazarlar çoğu zaman bunlara başvurur. Doğrudanlığın kibar sayıldığı dillerden gelen yazarlar bunları atlayıp yerine please ekleyebilir. Danescu-Niculescu-Mizil ve arkadaşları, her biri beş ABD’li değerlendirici tarafından puanlanan 4.353 Wikipedia ricasını kapsayan 2013 tarihli bir çalışmada, cümlenin ortasındaki bir please’in kibarlık ölçeğinde ortalama +0,49 aldığını, “Please” ile başlayan bir ricanın ise ortalama -0,30 aldığını buldu². Baştaki please’i, samimiyetsiz görünebilen doğrudan bir strateji olarak yorumluyorlar. Çalışma yazarların ilk dilini bildirmiyor, dolayısıyla ABD’li değerlendiricilerin baştaki bir please’i nasıl duyduğunu gösteriyor, onu kimin yazdığını değil.

Ana dili İngilizce olanlar da doğrudan yazıyor, ama yumuşatmanın daha çok yolu var

Doğrudanlık ana dili İngilizce olan yazarlar arasında da yaygın, gruplar arasındaki fark ne kadar yumuşatma eklediklerinde. Biesenbach-Lucas, bir Amerikan üniversitesinde ana dili İngilizce olan ve olmayan lisansüstü öğrencilerin profesörlerine gönderdiği e-posta ricalarını karşılaştırdı³. TESOL lisansüstü öğrencilerinin altı dönem boyunca tek bir profesöre gönderdiği 533 e-postayı inceledi, 382’si ana dili İngilizce olanlardan, 151’i olmayanlardan geliyordu ve ana dili İngilizce olmayan her yazar Asya kökenliydi. Her iki grup da eski söz edimi çalışmalarında bulunan geleneksel dolaylı biçimlerden daha fazla doğrudan rica ve ima kullandı, yani bu kayma yalnızca öğrenenlere özgü değil. Ama ana dili İngilizce olanlar “demonstrate greater resources in creating e-polite messages to their professors than nonnative speakers”³. Yumuşatmanın daha çok yolu vardı ve bunları daha çok kullandılar. Grupların büyüklüğü eşit değil. Çalışma, tek bir profesörü ve ana dili İngilizce olmayanlardan oluşan dar örneklemi (hepsi Asya dili kökenli, hepsi aynı derece programında) sınırlılık olarak sayıyor, yani tek bir ortamı anlatıyor ve soruyu çözmüyor.

Ana dili İngilizce olan okurlar gerçekte neyi kusur sayıyor

Ana dili İngilizce olan okurlar cümlenin yanı sıra göndericiyi de yargılıyor ve üslubu dilbilgisinden daha sert yargılıyor. Economidou-Kogetsidis daha sonraki bir algı çalışmasında aynı doğrudan, yumuşatılmamış öğrenci e-postalarını Kıbrıslı Rum öğrenenlere ve ana dili İngilizce olan öğretim görevlilerine gösterdi⁴. İki grubun uygun olana dair algıları “significantly mismatching perceptions of what is appropriate” idi. Çoğu durumda ana dili İngilizce olan öğretim görevlileri aynı e-postayı “significantly more abrupt, less polite and as not adequately acknowledging the imposition involved” diye değerlendirdi ve göndericinin kişiliğini öğrenenlere göre “significantly less favorably” puanladı⁴.

Hendriks, ana dili İngilizce olanların Hollandalı öğrenenlerin yazdığı e-posta ricalarını okuduğu iki çevrim içi deney yürüttü, yumuşatıcı sözcükler değiştiriliyordu. İlkinde 110, ikincisinde 158 değerlendirici anlaşılırlığı ve göndericinin kişiliğini puanladı⁵. Bu yumuşatıcı sözcüklerin az kullanılması “had a negative effect on participants’ evaluation of the personality of the sender of the e-mail”⁵. Mesaj her iki durumda da anlaşıldı. Etki göndericinin ne kadar uyumlu göründüğündeydi, tek bir ifadeden geliyordu ve küçüktü, beş puanlık bir ölçekte yaklaşık üçte bir puan.

Aynı ilk yazarın 2023 tarihli bir çalışması bu bedelin daha da dar olduğunu gösterdi. 120 Hollandalı ve 131 İngiliz okura bir iş arkadaşından gelen rica e-postasının dört versiyonundan birini verdi⁶. Kuru versiyon (“Can you send me…”) göndericiyi daha buyurgan gösterdi. Ama Hollandalı bir yazarın kuru e-postası aynı zamanda daha otoriter puanlandı ve uymaya daha fazla istek çekti, İngiliz bir yazarın kuru e-postası ise daha az yetkin puanlandı. Yazarlar, yumuşatıcı sözcükleri çıkarmanın “may have a limited but important impact” olabileceğini söylüyor.

Okurlar dilbilgisini tondan daha kolay bağışlıyor

Okurlar dilbilgisi hatalarını kuru bir tondan daha kolay bağışlıyor, Vignovic ve Thompson da göndericinin başka bir kültürden olduğunu bilmenin bir hoşgörü sağlayıp sağlamadığını sınadı⁷. Okurlar, yazım ve dilbilgisi hataları içeren mesajları ya da yazarların sohbet havasından yoksun kısa mesajlar olarak tanımladığı görgü kurallarını çiğneyen mesajları okuduktan sonra bir e-posta göndericisinin, diğer özelliklerin yanı sıra, sorumluluk bilincini, zekâsını, uyumluluğunu ve güvenilirliğini değerlendirdi. Dilbilgisi hataları olumsuz izlenimler yarattı ve okurlar göndericinin farklı bir kültürden olduğunu öğrenince bu izlenimlerin çoğu hafifledi. Görgü kuralı ihlalleri farklıydı. Olumsuz yüklemeler “were not significantly mitigated by knowledge that the e-mail sender was from a foreign culture”⁷. Bir okur, İngilizcenin senin ikinci dilin olduğunu bildiğinde dilbilgini büyük ölçüde mazur görür. Kuru bir tonu aynı şekilde mazur görmez. Makale bunu yükleme meselesi olarak ele alıyor, dilbilgisi hataları duruma, kuru bir ton ise kişiye bağlanıyor.

İfade sorunları ve durum sorunları

Thomas, bunun bir kısmının neden denetlenebildiğini, bir kısmının neden denetlenemediğini açıklayan çizgiyi çekti⁸. “What is meant by what is said” ifadesini anlayamamaya pragmatik başarısızlık adını verdi ve onu ikiye ayırdı. Pragmalinguistik başarısızlık, “highly conventionalized usage which can be taught quite straightforwardly as ‘part of the grammar’” ile ilgili bir mesele. Sosyopragmatik başarısızlık ise Thomas’a göre “much more difficult to deal with, since it involves the student’s system of beliefs as much as his/her knowledge of the language”⁸.

Pratikte birinci tür, eksik kalan “I was wondering if” ya da yazılan “please answer me as soon as possible” oluyor. Bu bir ifade sorunu ve bir araç ya da bir konuşma kılavuzu bunu yakalayabilir. İkinci tür, kıdemli bir iş arkadaşına tek satırlık bir ricanın hiç yumuşatma gerektirmediğine karar vermek, çünkü ilk dilinde gerektirmezdi. Hiçbir ifade bunu düzeltmez, çünkü sözcükler yerinde ve durum yanlış okunmuş.

Öğrenenler bu iki hata türünü nerede yaşadıklarına göre de farklı fark ediyor. Bardovi-Harlig ve Dörnyei, İngilizce öğrenenlerden dilbilgisi açısından yanlış ya da bağlama uygun olmayan ifadeleri değerlendirmelerini istedi⁹. İngilizceyi, konuşulduğu bir ülkede öğrenenler pragmatik hataları dilbilgisi hatalarından daha ağır buldu. İngilizceyi kendi ülkesinde öğrenenler ise dilbilgisi hatalarını daha ağır buldu⁹. Dolayısıyla İngilizceyi kendi ülkesinde öğrenen biri dilbilgisi hatalarını daha kötü tür olarak sıralama eğiliminde, yukarıdaki çalışmalar ise ana dili İngilizce olan okurların daha çok doğrudanlığa ve yumuşatmaya tepki verdiğini buldu.

Eğitim ve daha yüksek yeterlilik neye yardım ediyor

Eğitim de daha yüksek yeterlilik de kalıp ifadelerde yardımcı oluyor, ikisi de boşluğun tamamını kapatmıyor. Usó-Juan, yabancı dil olarak İngilizce öğrenen İspanyol öğrencilerin üç öğretim üyesine gönderdiği 110 doğal e-posta ricasını bir strateji eğitimi döneminden önce ve sonra topladı ve ricaların sonradan daha uygun hâle geldiğini buldu¹⁰. Özet, kontrol grubu ya da gecikmeli bir test belirtmeyen bir önce ve sonra karşılaştırması bildiriyor, yani ifadelerin öğretilebildiğini gösteriyor, kazancın kalıcı olduğunu değil. Qin, Jia ve Ren, İngilizce konuşan 32 öğretmenden ve ilk dili Çince, Fransızca ya da İspanyolca olan 121 öğrenenden gelen 306 rica e-postasını inceledi¹¹. Öğrenenlerin ilk dilinin yazıları üzerinde anlamlı bir etkisi vardı. Yeterliliği daha yüksek olanlar daha dolaylı rica stratejileri kullandı, ama kullanımlarını yazılı bağlamlara göre ayarlayacak pragmatik yetkinliği geliştirmemişlerdi. Daha ileri düzeydeki bir öğrenen daha dolaylı rica kullanıyor ve yine de duruma uyum sağlayamıyor, bu da Thomas’ın ikinci kategorisine benziyor⁸.

Bunu neden kendi kulağınla duyamıyorsun

Kendi mesajını yeniden okumak bunu yakalamayabilir, iki nedenle. Birincisi genel olanı, bir mesajın kaba mı durduğunu anlatan yazıda ele alınıyor. Kruger ve arkadaşları e-postada ton üzerine beş deney yürüttü ve sonuçları, insanların e-postayla olduğundan daha etkili iletişim kurduklarına inanma eğiliminde olduğunu gösteriyor. Dördüncü ve beşinci deneyleri, nedenin yazarların bir ifadeyi kastettikleri gibi “duyması” olduğunu, bunun da okurun duymayabileceğini görmeyi zorlaştırdığını düşündürüyor¹². 2025’te yapılan, gündelik kısa mesajları (347 alıcı, 171 gönderen) ve iş ya da eğitim e-postalarını (361 alıcı, 61 gönderen) kapsayan bir çalışma, olumlu ya da olumsuz tonun yanlış okunduğuna dair bir işaret bulmadı¹³. Çalışma kibarlığı değil olumlu ya da olumsuz tonu puanladı, o yüzden bu bölümün sorusunu açık bırakıyor. İkinci neden yukarıdaki çalışmalardan çıkan bir çıkarım, bir bulgu değil ve ikinci dilde yazmaya özgü. Kafandaki sessiz ses, ilk dilinin kibarlık kurallarıyla okuyor. Yunancada ya da Hollandacada tamamen nazik olan bir rica, sana İngilizcede de nazik geliyor, çünkü yargıyı aynı kulak veriyor.

İkinci Economidou-Kogetsidis çalışmasındaki algı farkının bu kadar geniş olmasının nedeni bu⁴. Öğrenenler kendi türlerinden bir e-postayı uygun buldu, çünkü büyüdükleri ölçütlere göre öyleydi. Öğretim görevlileri onu sert buldu, çünkü kendi ölçütlerine göre öyleydi. Her grup e-postayı kendi ölçütlerine göre doğru okudu.

Yani İngilizcenin kibar durup durmadığını sormak, beklentilerini denetleyemediğin bir okura nasıl geldiğini sormak demek, ikinci bir okur da tam bunun için var. Aynı farkın okur tarafı, aldığın bir mesajın ne demek istediğini çözmek, bu mesaj ne anlama geliyor yazısında.

Dilbilgisi ve akıcılık araçları kendi sözleriyle neyi kontrol ediyor

Büyük yazma araçlarının çoğu doğruluk ve akıcılık vaat ediyor, bazıları resmiyet de. Aşağıdaki her açıklama aracın kendi sayfasından alıntılıyor, yani buradaki hiçbir şey benim çıkarım yaptığım bir özellik değil.

LanguageTool’un ana sayfası “grammatical errors and spelling mistakes across languages” için bir denetleyiciyi tanımlıyor, “masters more than 30 languages and dialects” diyor ve “to be more formal, fluent, simple or concise” yeniden ifade eden bir araç sunuyor¹⁴. Ürün menüsünde denetleyici için “helps you find the right tone” yazıyor, sayfada kibarlığı algıladığını söyleyen hiçbir şey yok.

DeepL Write, kendi blogunun söylediğine göre İngilizce, Almanca, Fransızca, İspanyolca, İtalyanca, Portekizce, Çince (Basitleştirilmiş), Japonca ve Koreceyi destekliyor ve en azından o yazıdaki Fransızca ile İspanyolca için bir stil (Business, Academic, Simple, Casual) ve bir ton (Friendly, Diplomatic, Confident, Enthusiastic) seçmene izin veriyor¹⁵. İkisi de senin uyguladığın ayarlar, araç taslağının diplomatik olup olmadığını algılamıyor.

Wordtune “Switch between casual and formal tones with the click of a button” vaadinde bulunuyor, “can only write in English” diyor ve çeviri özelliğinin “will make you sound like a native-English speaker with just a click” iddiasını taşıyor¹⁶. İlk ikisi denetlenebilir. Üçüncüsü pazarlama.

QuillBot’un Paraphraser’ı, kendi blogundaki bilgiye göre iki ücretsiz mod (Standard ve Fluency) ve ücretli kullanıcılar için dokuz hazır mod sunuyor, “in over 25 languages” çalışıyor ve “in a first, second, or third language” yazan kişilere yönelik¹⁷. Yine, modlar ona verdiğin talimatlar.

Dördü de bir cümleyi daha akıcı ve daha resmi yapabilir. Resmi ile kibar aynı şey değil, yukarıdaki araştırma da bu farkla ilgili. Okura hâlâ seçenek bırakmayan resmi bir cümle, yine 2011 tarihli makalenin başlığını aldığı türden bir e-posta.

Ton araçları neyi kontrol ediyor

İki araç göndermeden önce tonu okuduğunu iddia ediyor, üçüncüsü ona doğru yeniden yazıyor ve iddiaları senin sorduğun sorudan daha dar. Dördüncüsü QuillBot, bir yeniden ifadeden sonra tonu puanlıyor.

Grammarly’nin ton sayfası, bir metnin genel tonu için Formal, Confident, Accusatory ve Worried gibi bir etiket kümesi gösteriyor, İngilizce dışındaki diller, sınırlar ya da okurun kim olduğu hakkında hiçbir açıklama yok¹⁸. Algılayıcının neyi okuduğu yapay zekânın ton hakkında ne bilip ne bilmediğini anlatan yazıda ele alınıyor. Bunun mesajlar için kurulmuş bir okurla nasıl karşılaştığı kişisel mesajlarda Subtext vs Grammarly yazısında.

Tonely, App Store sayfasında kendini “the world’s first On device Ethical AI-powered iMessage extension and keyboard designed to help you understand how your words may come across before you press send” diye tanımlıyor, tamamen cihazda çalışıyor, tek dil olarak İngilizceyi listeliyor ve ayda $9,99 ya da yılda $99,99 abonelikle indirmesi ücretsiz¹⁹. Cihazda işlem yapmak bir gizlilik avantajı, yalnızca İngilizce olması ise ilk dilinde de mesajlaşan biri için bir sınır.

ConfiText’in ana sayfası “rewrites your messages so they come across clear, confident, and exactly how you meant them” diyor²⁰. Hiçbir dil adı vermiyor ve yeniden yazmadan önce bir mesajın nasıl ulaşacağını okuduğuna dair bir iddiada bulunmuyor.

QuillBot’un en son 10 Haziran 2026’da güncellenen yardım sayfası, “help you see how the tone of your text changes after paraphrasing” diyen Premium ton ayarlarını anlatıyor²¹. Bir panel, orijinali ve yeniden ifadeyi beş ölçekte gösteriyor, yani Casual to Formal, Unfriendly to Friendly, Wordy to Concise, Complex to Simple ve Unclear to Clear. Bunlar metnin kendisini puanlıyor, sayfada kibarlıktan ya da bir okurun onu nasıl yargılayacağından söz edilmiyor.

Bir program kibarlığı hiç puanlayabilir mi?

Bir program, tek bir site içinde İngilizce rica mesajlarının kibarlığını bir insanın doğruluğuna yakın puanlayabiliyor, siteler ve diller arasında ise hâlâ geride. Danescu-Niculescu-Mizil ve arkadaşları, dolaylılığı, saygı göstermeyi ve kişisizleştirmeyi temsil eden özellikleri kullanarak etiketlenmiş rica mesajlarından oluşan bir derlemeden bir kibarlık sınıflandırıcısı kurdu ve sonucu “achieves close to human performance and is effective across domains” diye özetledi². Dayanak, alıntıdan daha dar. 2013 tarihli makalede beş ABD’li değerlendirici, 10.957 İngilizce ricanın (4.353’ü Wikipedia’dan, 6.604’ü Stack Exchange’den) her birini puanladı ve test yalnızca her kümenin en kibar ve en az kibar çeyreği üzerinde yapıldı. Tek bir site içinde sınıflandırıcı Wikipedia’da %83,79, Stack Exchange’de %78,19 aldı, insan doğruluğu ise %86,72 ve %80,89 idi.

Wikipedia üzerinde eğitilip Stack Exchange üzerinde test edildiğinde insanlar için %80,89’a karşılık %67,53, ters yönde ise %86,72’ye karşılık %75,43 aldı. Srinivasan ve Choi, tipolojik olarak çeşitli dokuz dilin her birinde 500 etiketlenmiş örnek içeren bir kibarlık veri seti olan TyDiP kurduğunda, çok dilli modeller yazarların değerlendirmesine göre İngilizce eğitimlerini diğer dillere makul ölçüde aktardı, ama yazarların ifadesiyle “yet fall short of estimated human accuracy significantly”²². Aynı makale, her İngilizce kibarlık stratejisinin başka dillere aktarıldığında etkisini koruyup korumadığını ve resmiyetle kibarlığın örtüşüp örtüşmediğini de sordu. İkisi de her seferinde böyle olmuyor.

Bir ton aracı, ana dili İngilizce olmayan bir yazarın İngilizcesini değerlendirebilir mi?

İngilizcen için yapılan bir ton okuması bir tahmin, çünkü yukarıda anılan sınıflandırıcı çalışmalarının hiçbiri, rica mesajlarının ikinci dilde yazan kişilerden gelip gelmediğini bildirmiyor. Yukarıda tonu okuyan araçlar, iç yapıları ne olursa olsun bu türden bir iş yapıyor. Yayımlanmış kanıt, şimdiye kadar test edilen modellerin İngilizcede iyi, diğer dillerde ise insanların ölçülebilir ölçüde gerisinde olduğunu ve bir İngilizce cümleyi kibar yapan stratejilerin bire bir aktarılmadığını söylüyor. Bir model en güçlü olduğu yerde bile genel bir okuru modelliyor.

En yakın sınama, bir ton testi değil, yakın bir alandan gelen kanıt. Liang ve arkadaşları 2023’te, insanların yazdığı 91 TOEFL denemesi ve ABD’li sekizinci sınıf öğrencilerinin yazdığı 88 deneme üzerinde yapay zekâ metni algılayan yedi algılayıcı çalıştırdı²³. Algılayıcılar sekizinci sınıf öğrencilerinin denemelerinde neredeyse kusursuzdu ve TOEFL denemelerinin yarısından fazlasını yapay zekâ yazmış diye yanlış sınıflandırdı, ortalama yanlış pozitif oranı %61,3. Ton araçları hakkında hiçbir şey söylemiyor. Kendi İngilizcen üzerindeki bir ton puanı seni her endişelendirdiğinde mesajı alıcısı gibi yeniden okumak, ne olursa olsun makul bir önlem.

Hiçbir aracın kontrol edemediği şey

Hiçbir araç, araştırmanın en çok önem taşıdığını söylediği tek şeyi, yani kimin okuduğunu, sen ona söylediğinin ötesinde bilmiyor. Yukarıdaki her algı çalışması sonucunu mesajı sabit tutup okuru değiştirerek elde etti. Aynı e-posta bir öğrenene uygundu, bir öğretim görevlisine sert geldi⁴. Aynı dilbilgisi hatası, okur göndericinin geçmişini bildiğinde daha az sert yargılandı, bilmediğinde ise daha sert yargılandı⁷. Bir araç mesajı görüyor. Öğretim görevlisini ya da bu iyiliği istemenin ne kadar ağır olduğunu görmüyor.

Bu okurla ilişkinin çıplak bir ricaya izin verip vermediği, bu kişiye iki satırlık bir mesajın verimli mi yoksa soğuk mu okunduğu ve külfetin özür dilemeyi atlayacak kadar küçük olup olmadığı, hepsi durum hakkındaki inançlar ve bu da onları yine Thomas’ın ikinci kategorisine sokuyor⁸. Bir araç sana cümlenin doğrudan olduğunu söyleyebilir. Doğrudan olmanın doğru karar olup olmadığını söyleyemez ve araştırma alanı da böyle bir kesinlik sunamıyor. Yeniden yazma araçları da bu sınırı paylaşıyor, çünkü çoğu okurun bunu nasıl karşılayacağını söylemeden yeni bir metin geri veriyor, yapay zekâ mesaj yeniden yazma araçları gerçekten işe yarıyor mu yazısındaki inceleme bunu başlıca uygulama türlerinde buldu.

Bir aracın yapabildiği, taslağı sen olmayan biri gibi okumak. Bir ricada yumuşatma olmadığını, bir mesajda selamlama bulunmadığını, bir satırın koymak istemediğin bir son tarih koyduğunu fark edebilir. Bu, birinci kategoriyi, yani kalıp ifadeleri yakalıyor ve Thomas bunun “fairly easy to overcome” olduğunu söyledi⁸. İkinci dilde yazan biri için bu, kolay düzeltmelerin çoğunu kapsıyor ve kendi kulağının en kötü olduğu kısım da bu.

Göndermeden önce İngilizceni kendin nasıl kontrol edebilirsin?

Ricanın biçimiyle başla. Okura hayır diyebileceği bir yol bırakıyor mu? 2011 bulgusu, e-postaların “give the faculty no choice” olduğunda kaba okunabildiğiydi¹. “Could you send it when you have a chance” bırakıyor. “Send it by Friday” bırakmıyor ve baştaki “Please” da güvenilir bir çare değil. “Please” ile başlayan ricalar, Wikipedia çalışmasındaki ABD’li değerlendiricilerin kibarlık ölçeğinde ortalama -0,30 aldı².

Ricanın okunuşunu gerçekten değiştiren bir yumuşatıcı kullan. Hendriks’in deneylerinde “can” yerine “could” yazmak hiçbir şeyi değiştirmedi ve “I was wondering if”, daha uyumlu bir göndericiyle ilişkilendirilen tek yumuşatıcıydı, küçük bir farkla. “Possibly” eklemek fark yaratmadı⁵.

Bir şey istediğini kabul et. Bir şey istediğinin farkında olduğunu gösteren tek bir yan cümle, “I know you’re busy”, algı çalışmasındaki öğretim görevlilerinin eksik bulduğu işi görüyor⁴.

İlk mesajda selamlamayı ve kapanışı koru. Yokluğu, 2011 çalışmasının kaba okunan e-postalarda bulduğu özelliklerden biriydi¹. Süren bir sohbette kimse bunları beklemez, ama kıdemli birine yazılan ilk e-posta bunlara bakılarak okunur.

Son tarihlere dikkat et. “As soon as possible”, makaleye başlığını veren ifadeydi¹. Acelen yoksa bunu söyle.

Sonra onu sinirli biri gibi oku. Nedeni, kendi mesajının kaba durup durmadığını neden anlayamadığını anlatan yazıda. Kruger ve arkadaşlarının dördüncü deneyinde 54 öğrenci ifadelerini yüksek sesle okudu, yarısını kastettikleri tonda, yarısını tam tersi tonda ve yalnızca bu ikinci yarı, bir partnerin ifadeleri ne kadar iyi çözeceğini olduğundan fazla tahmin etmeyi bıraktı¹². Bu tek bir deneydi ve iğneleme üzerineydi, o yüzden bunu bir önlem olarak ele al.

Subtext göndermek üzere olduğun bir taslakta neyi kontrol ediyor

Kurucu ortağı olduğum uygulama Subtext, baskı yapan ya da fazla talepkâr ifade gibi sorunları adlandırıyor ve bu, Thomas’ın ayrımındaki birinci kategorinin, yani kalıp ifade hatalarının bir kısmıyla örtüşüyor. Eksik yumuşatıcı sözcükleri ya da selamlamaları kontrol ettiğini gösteren hiçbir şey bulamadım. 17+ dilde çalışıyor. Neyi döndürdüğünü görmek için uygulamanın arka uç promptlarını okudum, ekrandaki işaretleme uygulamanın gösterdiği gibi, verinle ne yaptığı da gizlilik politikasının söylediği gibi. Uygulamanın her taslak için ne döndürdüğü Subtext uygulaması nedir, kimin için ve ne zaman işine yarar yazısında ayrıntılı anlatılıyor.

Göndermek üzere olduğun bir mesaj için Subtext, taslağındaki en fazla üç sorunu en ciddi olandan başlayarak adlandırıyor, hatalı kelimeleri işaretliyor, ana duyguyu okuyor ve her biri, kastettiğin gibi ulaşma olasılığına dair bir rozet olarak gösterilen göndermeye hazır puanı taşıyan en fazla üç versiyon sunuyor. Her sorunun, bir ifadeyi işaret ettiği yerde senin kendi kelimelerinden alıntı yapan kısa bir açıklaması var, baskı yapan, fazla talepkâr, küçümseyici ve robotik bir ton bunların arasında. Her versiyon işaretlenen şeyi düzeltirken anlamını ve üslubunu koruyor ve puanı yüksek de olsa düşük de olsa, neyin ulaşmasını sağladığını ya da neyin yanlış anlaşılabileceğini söyleyen kendi cümlesini taşıyor. Subtext ücretli, başlangıç için birkaç ücretsiz analizle.

Subtext kime yazdığını soruyor mu?

Subtext okur hakkında soru sorabiliyor. Promptlar ona mesajı “the way a native speaker of its language would hear it” okumasını söylüyor. Kibarlığın dilbilgisine işlendiği diller için, Japonca, Korece, Türkçe ve Almanca da bunların arasında, ilişkiyi soruyor ya da cevap olmadan taslak yazması gerektiğinde daha kibar düzeyde yazıyor. İngilizce kibarlığı dilbilgisinde işaretlemiyor, bu yüzden bu kural İngilizce taslaklar için geçerli değil. Hangi dilde olursa olsun, bir taslak birine karşı çıkıyorsa (bir ret, bir sınır, bir yüzleşme) ve hiçbir şey kime yönelik olduğunu söylemiyorsa, Subtext taslak yazmadan önce alıcının kim olduğunu soruyor, gündelik mesajlar ise hemen bir taslak alıyor. Bu okurun, bu ilişkide, sözlerini nasıl alacağı hâlâ sana kalıyor, bu da Thomas’ın ikinci kategorisi. Burada anılan hiçbir çalışma Subtext’i ya da yukarıdaki herhangi bir aracı ikinci dil olarak yazılmış İngilizce üzerinde test etmedi, o yüzden anlattığım şey, promptlarının yaptığını söylediği şey.

Subtext aldığın bir mesajla ne yapıyor

Aldığın bir mesaj için karşı tarafın senden ne istediğinin tek satırlık bir özeti ve iki ila beş eylem maddesi çıkıyor, istersen bir cevap da, göndericinin tonuna dair hiçbir etiket olmadan, yani ton okuması yalnızca senin kendi taslağında çalışıyor.

Okurunu yalnızca sen söylediğin kadarıyla tanıyor, alanının geleneklerini ya da yöneticinin kısa mesajlardan hoşlanıp hoşlanmadığını bilmiyor. Baskı yapan ya da talep eden bir ricayı, kalıp ifade hatalarından birini, soğuk durmadan kararlı iş mesajları örneğinde olduğu gibi işaretleyebilir. Onu ikinci bir okur olarak kullan ve yine de mesajı alıcı gibi yeniden oku.

Subtext, gönderdiğin metni gizlilik politikasının adını verdiği sağlayıcılara gönderiyor, yani metin cihazından çıkıyor. Gönderdiğin hiçbir şey bir yapay zekâ modelini eğitmek için kullanılmıyor ve politika, bu sağlayıcılardan hiçbirinin de onunla eğitim yapamayacağını söylüyor²⁴. Bir konuşma, onu son kullanmandan beş gün sonra, sabitlediysen 90 gün sonra Subtext’in sunucularından siliniyor. Sağlayıcı tarafında politikaya göre Anthropic girdileri ve çıktıları 30 gün içinde siliyor, işaretlenmiş bir isteği 2 yıla, ilgili güvenlik puanlarını 7 yıla kadar saklayabiliyor; Deepgram (ses transkripsiyonu), Subtext’in opt-out ayarı yapılmışken sesi yalnızca transkripsiyonun sürdüğü kadar saklıyor; OpenAI sesli okuma isteklerini 30 güne kadar saklıyor ve Subtext’in bunların hiçbiriyle sıfır saklama düzenlemesi yok²⁴. On üç yazma asistanının politikalarının bir kontrolü, sağlayıcıların saklama sürelerini de ayrıntılandırıyor ve yukarıdaki birkaç aracın, aralarında bireysel hesaplarda Grammarly ve QuillBot ile DeepL Write’ın ücretsiz katmanı da olmak üzere, yapıştırılan metinle varsayılan olarak eğitim yaptığını buldu. Subtext'i tarayıcıda deneSubtext'i tarayıcıda dene

Kaynaklar

Yukarıda göründükleri sıraya göre numaralandırılmıştır. Her DOI Crossref üzerinden doğrulandı ve her sayfa 4 ve 5 Ekim 2026’da açıldı. Subtext gizlilik politikası 10 Ekim 2026’da yeniden açıldı, 12 ve 13 numaralı kaynaklar o tarihte eklendi ve kontrol edildi.

Economidou-Kogetsidis, M. (2011). “Please answer me as soon as possible”: Pragmatic failure in non-native speakers’ e-mail requests to faculty. Journal of Pragmatics, 43(13), 3193 ila 3215.
Danescu-Niculescu-Mizil, C., Sudhof, M., Jurafsky, D., Leskovec, J., Potts, C. (2013). A computational approach to politeness with application to social factors. Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics. . 10.957 rica mesajından oluşan derlem, her biri beş ABD’li değerlendirici tarafından puanlandı. NSF, ARO, DARPA ve diğer hibeler ile şirket desteğiyle finanse edilmiş.
Biesenbach-Lucas, S. (2007). Students writing emails to faculty: An examination of e-politeness among native and non-native speakers of English. Language Learning & Technology, 11(2), 59 ila 81. . Tek bir profesöre altı dönem boyunca gönderilen 533 e-posta (382’si ana dili İngilizce olanlardan, 151’i olmayanlardan), finansman belirtilmemiş.
Economidou-Kogetsidis, M. (2016). Variation in evaluations of the (im)politeness of emails from L2 learners and perceptions of the personality of their senders. Journal of Pragmatics, 106, 1 ila 19.
Hendriks, B. (2010). An experimental study of native speaker perceptions of non-native request modification in e-mails in English. Intercultural Pragmatics, 7(2), 221 ila 255. . 110 ve 158 ana dili İngilizce olan değerlendiriciyle iki çevrim içi deney, finansman belirtilmemiş.
Hendriks, B., van Meurs, F., Kakisina, B. (2023). The effects of L1 and L2 writers’ varying politeness modification in English emails on L1 and L2 readers. Journal of Pragmatics, 204, 33 ila 49. . 120 Hollandalı ve 131 İngiliz katılımcı, finansman belirtilmemiş.
Vignovic, J. A., Thompson, L. F. (2010). Computer-mediated cross-cultural collaboration: Attributing communication errors to the person versus the situation. Journal of Applied Psychology, 95(2), 265 ila 276. . Örneklem büyüklüğü, açabildiğim tek kısım olan özette belirtilmemiş.
Thomas, J. (1983). Cross-cultural pragmatic failure. Applied Linguistics, 4(2), 91 ila 112.
Bardovi-Harlig, K., Dörnyei, Z. (1998). Do language learners recognize pragmatic violations? Pragmatic versus grammatical awareness in instructed L2 learning. TESOL Quarterly, 32(2), 233 ila 262. . Bulgu, tekrar çalışması olan Niezgoda ve Röver (2001) için sayfada belirtildiği gibi aktarılmıştır, Pragmatics in Language Teaching, Cambridge University Press. https://www.cambridge.org/core/books/pragmatics-in-language-teaching/pragmatic-and-grammatical-awareness-a-function-of-the-learning-environment/D2CE5D9EF68666879682B8BD3162C55D
Usó-Juan, E. (2022). Exploring the role of strategy instruction on learners’ ability to write authentic email requests to faculty. Language Teaching Research, 26(2), 213 ila 237. . Eğitimden önce ve sonra 110 e-posta, Crossref’e göre İspanya’nın Ministerio de Ciencia e Innovacion, Universitat Jaume I ve Generalitat Valenciana tarafından finanse edilmiş, yalnızca özete ulaşabildim.
Qin, W., Jia, R., Ren, W. (2024). Pragmatic competence in an email writing task: Influences of situation, L1 background, and L2 proficiency. Written Communication, 41(4), 726 ila 755. . İngilizce konuşan 32 öğretmenden ve 121 öğrenenden 306 e-posta, Crossref’e göre Shanghai Institute of Educational Science (C2023155) tarafından finanse edilmiş, yalnızca özete ulaşabildim.
Kruger, J., Epley, N., Parker, J., Ng, Z.-W. (2005). Egocentrism over e-mail: Can we communicate as well as we think? Journal of Personality and Social Psychology, 89(6), 925 ila 936. . Beş deney, ifadelerin yüksek sesle okunmasıyla ilgili dördüncüsüne 54 University of Illinois öğrencisi katıldı, University of Illinois Board of Trustees hibesi ve NSF hibesi SES-0241544 ile finanse edilmiş. DOI 10 Ekim 2026’da Crossref üzerinden doğrulandı, yayıncı sayfası yüklenmediği için özet ve dördüncü deney makalenin tam metin kopyasında okundu.
Pollmann, M. M. H., Roos, C. A. (2025). “I get u”. People correctly interpret the tone of text messages and emails. Computers in Human Behavior Reports, 18, 100689. . 1. çalışma, kısa mesajlar, 347 alıcı ve 171 gönderen. 2. çalışma, iş ya da eğitim e-postaları, 361 alıcı ve 61 gönderen. Yalnızca olumlu ya da olumsuz tonu puanlıyor. Crossref hiçbir finansör göstermiyor. DOI 10 Ekim 2026’da Crossref üzerinden doğrulandı, yayıncı sayfası açılmadığı için özet OpenAlex üzerinden okundu.
LanguageTool. Free AI Grammar Checker. . 4 Ekim 2026’da kontrol edildi.
DeepL. DeepL Write: your AI-powered writing assistant speaks French and Spanish. https://www.deepl.com/blog/deepl-write-welcomes-french-spanish. 4 Ekim 2026’da kontrol edildi.
Wordtune. Express yourself with confidence. . 4 Ekim 2026’da kontrol edildi.
QuillBot. QuillBot’s Paraphraser: The Best AI Paraphrasing Tool. . 4 Ekim 2026’da kontrol edildi.
Grammarly. Writing Tone Detector and Tone Suggestions. . 4 Ekim 2026’da kontrol edildi.
Tonely AI Ltd. Tonely AI, App Store listing. . 4 Ekim 2026’da kontrol edildi.
ConfiText. AI Texting Assistant. . 4 Ekim 2026’da kontrol edildi.
QuillBot. How can I check and use Tone settings in Quillbot? . Son güncelleme 10 Haziran 2026, 5 Ekim 2026’da kontrol edildi.
Srinivasan, A., Choi, E. (2022). TyDiP: A dataset for politeness classification in nine typologically diverse languages. Findings of the Association for Computational Linguistics: EMNLP 2022.
Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. . 91 TOEFL denemesi ve 88 ABD sekizinci sınıf denemesi, NSF, NIH, Silicon Valley Foundation ve Chan Zuckerberg Initiative tarafından finanse edilmiş.
Subtext, Koşullar, gizlilik ve hesabın. Gizlilik politikasının son güncellemesi 26 Temmuz 2026. 10 Ekim 2026’da kontrol edildi.