| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| İnsan Kaynakları Analitiği | IKA 608 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | Doktora |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Prof.Dr. ŞUAYYİP ÇALIŞ |
| Dersi Verenler | Prof.Dr. ŞUAYYİP ÇALIŞ, |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Alanına Uygun Öğretim |
| Dersin Amacı | İnsan kaynakları bilgi sistemlerinin gelişimiyle ortaya çıkan büyük verinin kullanımı ile ilgili programların ve istatistiksel yöntemlerin analizi ve karar alma süreçlerinin kanıta dayalı yönetim anlayışına dayalı olarak ortaya konulması amaçlanmaktadır. |
| Dersin İçeriği | İK analitiği “doğru iş kararları almak için ilgili verilerin toplanması, işlenmesi ve analizini içermektedir. İşten ayrılma, ik departmant performansı, performans yönetimi alanlarında uygulamalı analizleri içermektedir. |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | İnsan kaynakları verilerini toplayabilme, düzenleyebilme ve analiz edebilme becerisine sahip olmak | Tartışma, | |
| 2 | İnsan kaynakları işgücü talep tahminleri ve planlama yapabilme becerisine sahip olma, işletmenin gelecekteki insan kaynağı ihtiyacın belirleyebilme | Tartışma, | |
| 3 | Veri görselleştirme ve raporlama tekniklerini kullanarak sunum yapabilme | Tartışma, | |
| 4 | İnsan kaynakları verilerine dayanarak karar alabilme yetkinliğine sahip olmak | Tartışma, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | İnsan Kaynakları Analitiği: Temel Kavramlar | |
| 2 | İK Metrikleri | |
| 3 | Veri Madenciliği, Makine Öğrenmesi ve Yapay Zeka | |
| 4 | Büyük Veri | |
| 5 | Karar Destek Sistemleri | |
| 6 | Betimsel Analitik | |
| 7 | Kestirimci Analitik | |
| 8 | Karar Analitiği | |
| 9 | Betimsel Analitik Uygulamaları | |
| 10 | Kestirimci Analitik Uygulamaları | |
| 11 | Karar Analitiği Uygulamaları | |
| 12 | Veri Madenciliği | |
| 13 | Veri Görselleştirmesi | |
| 14 | Karar Ağacı Uygulamaları |
| Kaynaklar | |
|---|---|
| Ders Notu | Marr, Bernard (2018) Veri Stratejisi Büyük Veri ve Nesnelerin İnterneti Nasıl Kar Getirir?, MediaCat, İstanbul |
| Ders Kaynakları | Ataay Saybaşılı ,N. Aylin (2018) İnsan kaynakları Yönetiminde Etki ve Etkinlik, Nobel Yayınları, Ankara Cemaloğlu, Necati ve Duykuluoğlu (2020) Sosyal Bilimlerde Veri Madenciliği, Pegem Akademi, Ankara Cemaloğlu, Necati (Ed.) (2020) Veriye Dayalı Yönetim, Pegem Akademi, Ankara Uğuz, Sinan (2019) Makine Öğrenmesi Teorik Yönleri ve Python Uygulamaları ile Bir Yapay Zeka Ekolü, Nobel Yayınları, Ankara Chollet, François (2019) Python ile Derin Öğrenme, Buzdağı Yayınları, Ankara Kapanoğlu, Muzaffer ve Er, Fikret (Ed.) (2016) İşletme Analitiği, Anadolu Üniversitesi Yayınları, Eskişehir Er, Fikret (Ed.) (2016) Veri Madenciliği, Anadolu Üniversitesi Yayınları, Eskişehir Davenport, Thomas (2018) Big Data and Work Efsaneye Son Vermek, Fırsatları Keşfetmek, Türk Hava Yolları Yayınları, İstanbul Marr, Bernard (2017) Büyük Veri İşbaşında 45 Yıldız Şirket Büyük Veriyi Nasıl Kullandı, MediaCat, İstanbul |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | En az bir yabancı dili de kullanarak kendi disiplininde derinlemesine bilgi sahibidir. | ||||||
| 2 | Kendi disiplinindeki kavram, uygulama, model ve teoriler ile araştırma yöntem bilgisini bilimsel çalışmalarda ele aldığı işletme ve yönetim sorunlarının çözümünde disipline orijinal katkı sunacak şekilde kullanır. | X | |||||
| 3 | Bilimsel çalışmalarını nitelikli bilimsel mecralarda yayınlatabilir. | X | |||||
| 4 | Bilimsel çalışmalarını sözlü olarak bilimsel toplantılarda akademik teamüllere uygun bir şekilde sunabilir. | X | |||||
| 5 | Sahip olduğu bilgileri etik değerlere uygun, yasalar çerçevesinde, doğru ve güvenli şekilde kullanır. | X | |||||
| 6 | Disiplini ile ilgili sosyal konular hakkında farkındalığını gösterir. | X | |||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 |
|---|---|---|---|---|---|---|---|
| 1 | İnsan kaynakları verilerini toplayabilme, düzenleyebilme ve analiz edebilme becerisine sahip olmak | 5 | 1 | ||||
| 2 | İnsan kaynakları işgücü talep tahminleri ve planlama yapabilme becerisine sahip olma, işletmenin gelecekteki insan kaynağı ihtiyacın belirleyebilme | 5 | 1 | ||||
| 3 | Veri görselleştirme ve raporlama tekniklerini kullanarak sunum yapabilme | ||||||
| 4 | İnsan kaynakları verilerine dayanarak karar alabilme yetkinliğine sahip olmak | 5 | 1 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ara Sınav | 65 |
| 1. Ödev | 35 |
| Toplam | 100 |
| 1. Final | 60 |
| 1. Yıl İçinin Başarıya | 40 |
| Toplam | 100 |
| AKTS - İş Yükü Etkinlik | Sayı | Süre (Saat) | Toplam İş Yükü (Saat) |
|---|---|---|---|
| Ders Süresi (Sınav haftası dahildir: 16x toplam ders saati) | 16 | 3 | 48 |
| Sınıf Dışı Ders Çalışma Süresi(Ön çalışma, pekiştirme) | 16 | 3 | 48 |
| Ara Sınav | 1 | 15 | 15 |
| Ödev | 1 | 15 | 15 |
| Final | 1 | 20 | 20 |
| Toplam İş Yükü | 146 | ||
| Toplam İş Yükü / 25 (Saat) | 5,84 | ||
| Dersin AKTS Kredisi | 6 | ||