| Ders Adı | Kodu | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|
| Eğitsel Veri Madenciliği ve Öğrenme Analitikleri | UET 527 | 0 | 3 + 0 | 3 | 6 |
| Ön Koşul Dersleri | |
| Önerilen Seçmeli Dersler | |
| Dersin Dili | Türkçe |
| Dersin Seviyesi | YUKSEK_LISANS |
| Dersin Türü | Seçmeli |
| Dersin Koordinatörü | Prof.Dr. MEHMET BARIŞ HORZUM |
| Dersi Verenler | |
| Dersin Yardımcıları | |
| Dersin Kategorisi | Diğer |
| Dersin Amacı | Bu derste, temel veri madenciliği kavramlarını öğrenme; sınıflandırma, kümeleme, birliktelik analizi ve öznitelik seçimi gibi veri madenciliği görevleri hakkında bilgi sahibi olma; uzaktan eğitimde öğrenme analitiklerinin kullanımı hakkında bilgi ve beceri kazandırmak amaçlanmaktadır. |
| Dersin İçeriği | Veri madenciliği ile ilgili temel kavramlar ve teknikler. Öğrenme Analitikleri, Bileşenleri, kullanım alanları ve amaçları, görselleştirme araçları. |
| Kalkınma Amaçları |
|---|
|
| # | Ders Öğrenme Çıktıları | Öğretim Yöntemleri | Ölçme Yöntemleri |
|---|---|---|---|
| 1 | Temel veri madenciliği konularına hakim olur. | Anlatım, | Sözlü Sınavlar, |
| 2 | Verilen bir veri seti üzerinde sınıflandırma yapabilir. | Bireysel Çalışma, | Doğru Yanlış Testleri, Eşleştirme Testler, |
| 3 | Öğrenme analitiklerini tanımlayabilir ve bileşenlerini sıralayabilir. | Anlatım, Beyin Fırtınası, | Kısa Cevaplı Testler, |
| 4 | Uzaktan eğitimde öğrenme analitiklerinin kullanım alanlarını ve amaçlarını açıklayabilir. | Örnek Olay, | Eşleştirme Testler, Doğru Yanlış Testleri, |
| 5 | Öğrenme analitikleri teknolojilerini ve kullanılan araçları sıralayabilir. | Anlatım, | Kısa Cevaplı Testler, Eşleştirme Testler, |
| Hafta | Ders Konuları | Ön Hazırlık |
|---|---|---|
| 1 | Veri madenciliği-Eğitsel veri madenciliği, Öğrenme analitiği ile ilgili temel kavramlar. | |
| 2 | Veri madenciliği uygulama alanları, teknikleri ve modellerine genel bakış. | |
| 3 | Veri madenciliği aşamaları. | |
| 4 | Veri kümesi oluşturma. | |
| 5 | Veri çeşitleri ve veri analiz araçları. | |
| 6 | Veri görselleştirme. | |
| 7 | Öğrenme süreçlerinde büyük veri. | |
| 8 | Sosyal ağ analizleri. | |
| 9 | Öğrenme analitiklerinin tanımı ve kuramsal temelleri. | |
| 10 | Öğrenme analitiği bileşenleri. | |
| 11 | Uzaktan eğitimde öğrenme analitikleri ve kullanım alanları. | |
| 12 | Öğrenme analitiklerinde kullanılan araç ve teknolojiler. | |
| 13 | LMS ve MOOC'larda öğrenme analitikleri örnek çalışmalar. | |
| 14 | Öğrenme analitiği araştırmaları ve öğrenci sunumları. |
| Kaynaklar | |
|---|---|
| Ders Notu | |
| Ders Kaynakları | |
| Sıra | Program Çıktıları | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Uzaktan eğitim alanıyla ilgili kavramsal ve kuramsal bilgilere sahip olur. | ||||||
| 2 | Uzaktan eğitim alanının ilişkili olduğu disiplinlerarası etkileşimi kavrar. | X | |||||
| 3 | Uzaktan eğitim alanıyla ilgili ulusal ve uluslararası yayınları takip eder. | ||||||
| 4 | Uzaktan eğitim alanında araştırma planlama, uygulama ve yapma becerisine sahip olur. | X | |||||
| 5 | Uzaktan eğitimin uygulamadaki yansımalarını değerlendirir. | X | |||||
| 6 | Uzaktan eğitim alanında akademik kurallara uygun yayım hazırlar. | ||||||
| 7 | Uzaktan eğitim alanıyla ilgili uygulamada karşılaşılacak olası aksaklık için bireysel ve ekip olarak sorumluluk ve inisiyatif alır. | X | |||||
| 8 | Uzaktan eğitim alanında proje veya hedefi planlar ve yönetir. | X | |||||
| 9 | Uzaktan eğitim yaşamboyu öğrenme ve sorgulama bilincine sahiptir. | ||||||
| 10 | Uzaktan eğitim alanında gerektirdiği düzeyde bilgisayar yazılımı ile birlikte bilişim ve iletişim teknolojilerini kullanır. | X | |||||
| 11 | Uzaktan eğitim, alanında özümsediği bilgiyi, problem çözme ve/veya uygulama becerilerini, ulusal ve uluslararası düzeyde ve disiplinlerarası çalışmalarda kullanır. | ||||||
| # | Ders Öğrenme Çıktılarının Program Çıktılarına Katkısı | PÇ 1 | PÇ 2 | PÇ 3 | PÇ 4 | PÇ 5 | PÇ 6 | PÇ 7 | PÇ 8 | PÇ 9 | PÇ 10 | PÇ 11 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | Temel veri madenciliği konularına hakim olur. | 3 | 4 | 1 | 4 | 3 | 2 | 4 | 4 | 2 | 5 | 1 |
| 2 | Verilen bir veri seti üzerinde sınıflandırma yapabilir. | 3 | 0 | 0 | 4 | 3 | 0 | 0 | 3 | 2 | 4 | 0 |
| 3 | Öğrenme analitiklerini tanımlayabilir ve bileşenlerini sıralayabilir. | 2 | 3 | 1 | 4 | 4 | 1 | 4 | 5 | 2 | 5 | 1 |
| 4 | Uzaktan eğitimde öğrenme analitiklerinin kullanım alanlarını ve amaçlarını açıklayabilir. | 3 | 4 | 2 | 5 | 4 | 2 | 4 | 5 | 2 | 5 | 2 |
| 5 | Öğrenme analitikleri teknolojilerini ve kullanılan araçları sıralayabilir. | 4 | 4 | 3 | 5 | 4 | 2 | 5 | 4 | 2 | 5 | 3 |
| Değerlendirme Sistemi | |
|---|---|
| Yarıyıl Çalışmaları | Katkı Oranı |
| 1. Ödev | 50 |
| 2. Ödev | 50 |
| Toplam | 100 |
| 1. Yıl İçinin Başarıya | 50 |
| 1. Final | 50 |
| 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 |
| Ödev | 2 | 8 | 16 |
| Final | 1 | 28 | 28 |
| Toplam İş Yükü | 140 | ||
| Toplam İş Yükü / 25 (Saat) | 5,6 | ||
| Dersin AKTS Kredisi | 6 | ||