Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBulgular, arşiv söyleminin üç temel tematik alan etrafında yapılandığını göstermektedir: tahıl kıtlığı ve kırsal hoşnutsuzluk; ticaret, limanlar, demiryolları ve enerji güzergâhları üzerinden gerçekleşen yabancı ekonomik müdahale; ve direniş dilinin yerel ekonomik savunmadan ulusal egemenliğe doğru dönüşümü.
📌 3 Maddede Bu Makale
Özet
Bu çalışma, Anadolu Direnişi’ni yapay zekâ destekli dijital tarihyazımı çerçevesinde yeniden incelemektedir. Geleneksel siyasal ve askerî anlatıların ötesine geçerek, 1919–1921 yıllarına ait Sovyet arşiv metinlerinde Anadolu’daki direnişin sosyo-ekonomik, sınıfsal ve anti-emperyalist boyutlarının nasıl temsil edildiğini araştırmaktadır. Derlem, Optik Karakter Tanıma (OCR) yöntemiyle dijitalleştirilmiş, manuel olarak doğrulanmış, tarihsel Rusça yazım özelliklerine göre normalize edilmiş ve Adlandırılmış Varlık Tanıma (NER), Latent Dirichlet Allocation (LDA) konu modelleme ve sözlük temelli duygu analizi yöntemleriyle incelenmiştir. Bulgular, arşiv söyleminin üç temel tematik alan etrafında yapılandığını göstermektedir: tahıl kıtlığı ve kırsal hoşnutsuzluk; ticaret, limanlar, demiryolları ve enerji güzergâhları üzerinden gerçekleşen yabancı ekonomik müdahale; ve direniş dilinin yerel ekonomik savunmadan ulusal egemenliğe doğru dönüşümü. LDA çıktıları ve varlık dağılımları; kıtlık, ticaret kısıtlamaları, işgal, yerel tüccarlar ve yabancı güçlerle ilişkili terimlerin derlemde merkezi olduğunu ortaya koymaktadır. Duygu analizi ise ekonomik kriz ve emperyal müdahaleyle ilişkili ağırlıklı olarak olumsuz bir eğilime işaret etmektedir. Yöntemsel olarak çalışma, küçük fakat tarihsel açıdan anlamlı çok dilli bir arşiv derleminin şeffaf bir OCR–NLP iş akışıyla nasıl incelenebileceğini göstererek yapay zekâ destekli arşiv araştırmaları için tekrarlanabilir bir model sunmaktadır.
Abstract
This study re-examines the Anatolian Resistance through an artificial intelligence-assisted digital historiography framework. Moving beyond conventional political and military narratives, it investigates how Soviet archival texts from 1919–1921 represented the socio-economic, class-based, and anti-imperialist dimensions of resistance in Anatolia. The corpus was digitized through Optical Character Recognition (OCR), manually verified, normalized for historical Russian orthography, and analyzed using Named Entity Recognition (NER), Latent Dirichlet Allocation (LDA) topic modeling, and lexicon-based sentiment analysis. The findings indicate that the archival discourse was structured around three major thematic fields: grain shortages and rural discontent; foreign economic intervention through trade, ports, railways, and energy routes; and the transformation of resistance language from local economic defense toward national sovereignty. LDA outputs and entity distributions show that terms related to famine, trade restrictions, occupation, local merchants, and foreign powers were central to the corpus. Sentiment analysis further reveals a predominantly negative tendency associated with economic crisis and imperial intervention. Methodologically, the article demonstrates how a small but historically significant multilingual archival corpus can be examined through a transparent OCR–NLP workflow, offering a replicable model for AI-assisted archival research.