BTÖ710 - EĞİTSEL VERİ MADENCİLİĞİ
Dersin Adı | Kodu | Yarıyılı | Teori (saat/hafta) |
Uygulama (saat/hafta) |
Yerel Kredi | AKTS |
---|---|---|---|---|---|---|
EĞİTSEL VERİ MADENCİLİĞİ | BTÖ710 | Herhangi Yarıyıl/Yıl | 2 | 2 | 3 | 10 |
Önkoşul(lar)-var ise | YOK, ancak istatistik konusunda bazı ön bilgilerin olması önerilir. | |||||
Dersin Dili | Türkçe | |||||
Dersin Türü | Seçmeli | |||||
Dersin verilme şekli | Yüz yüze | |||||
Dersin öğrenme ve öğretme teknikleri | Anlatım Tartışma Uygulama-Alıştırma Proje Tasarımı/Yönetimi Diğer: Proje Tabanlı Öğrenme, Araştırma Tabanlı Öğrenme, Laboratuar Çalışması | |||||
Dersin sorumlusu(ları) | Prof. Dr. Halil YURDUGÜL | |||||
Dersin amacı | Dersin amacı e-öğrenme ortamlarında eğitsel veri madenciliği kavramlarını, veri hazırlama tekniklerini, istatistiksel öğrenme kuramını, kümeleme yöntemlerini, karar ağaçları ve birliktelik kurallarını öğretmektir. | |||||
Dersin öğrenme çıktıları |
| |||||
Dersin içeriği | Eğitsel veri madenciliği büyük veriden anlamlı sonuçları bulup çıkartma işlemidir. Eğitsel veri madenciliği e-öğrenme ortamlarından elde edilen verilerden bilgiyi keşfetme yöntemlerini ele alır ve bu yöntemleri öğrenmeyi artırma ve öğrenme ortamını iyileştirme amaçlı kullanır. | |||||
Kaynaklar | Baepler, P., & Murdoch, C. J. (2010). Academic analytics and data mining in higher education. International Journal for the Scholarship of Teaching and Learning, 4(2), 17. Baker, R. S., & Yacef, K. (2009). The state of educational data mining in 2009: A review and future visions. JEDM-Journal of Educational Data Mining, 1(1), 3-17. Beikzadeh, M. R., Phon-Amnuaisuk, S., & Delavari, N. (2008). Data mining application in higher learning institutions. Informatics in Education-An International Journal, (Vol 7_1), 31-54. Bhise, R. B., Thorat, S. S., & Supekar, A. K. (2013). Importance of data mining in higher education system. IOSR Journal Of Humanities And Social Science (IOSR-JHSS) ISSN, 2279-0837. |
Haftalara Göre İşlenecek Konular
Haftalar | Konular |
---|---|
1. Hafta | Eğitsel veri madenciliğine giriş ve büyük veri |
2. Hafta | Veri madenciliği temel kavramları |
3. Hafta | Veri hazırlama teknikleri |
4. Hafta | Veri İndirgeme |
5. Hafta | İstatistiksel Sınıflama yöntemleri |
6. Hafta | Kümeleme yöntemleri (K-ortalama Algoritması) |
7. Hafta | Kümeleme yöntemleri (hiyerarşik yöntem) |
8. Hafta | Arasınav |
9. Hafta | Karar Ağaçları ve Kuralları |
10. Hafta | Birliktelik Kuralları |
11. Hafta | Yapay Sinir Ağları |
12. Hafta | Eğitsel veri madenciliği ve öğrenim yönetim sistemindeki etkileşim verileri |
13. Hafta | Eğitsel veri madenciliği ve öğrenim yönetim sistemindeki öğrenci davranışları |
14. Hafta | Eğitsel veri madenciliği araçları |
15. Hafta | Genel tekrar ve gözden geçirmeler |
16. Hafta | Genel Sınav |
Değerlendirme Sistemi
Yarıyıl içi çalışmaları | Sayısı | Katkı Payı % |
---|---|---|
Devam (a) | 0 | 0 |
Laboratuar | 5 | 10 |
Uygulama | 1 | 10 |
Alan Çalışması | 0 | 0 |
Derse Özgü Staj (Varsa) | 0 | 0 |
Ödevler | 0 | 0 |
Sunum | 0 | 0 |
Projeler | 1 | 15 |
Seminer | 1 | 15 |
Ara Sınavlar | 1 | 15 |
Genel sınav | 1 | 35 |
Toplam | 100 | |
Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı | 0 | 60 |
Yarıyıl Sonu Sınavının Başarı Notuna Katkısı | 0 | 40 |
Toplam | 100 |
AKTS (Öğrenci İş Yükü) Tablosu
Etkinlikler | Sayısı | Süresi | Toplam İş Yükü |
---|---|---|---|
Ders Süresi | 28 | 1 | 28 |
Laboratuvar | 28 | 1 | 28 |
Uygulama | 5 | 10 | 50 |
Derse özgü staj (varsa) | 0 | 0 | 0 |
Alan Çalışması | 0 | 0 | 0 |
Sınıf Dışı Ders Çalışma Süresi (Ön Çalışma, pekiştirme, vb) | 28 | 1 | 28 |
Sunum / Seminer Hazırlama | 2 | 10 | 20 |
Proje | 1 | 30 | 30 |
Ödevler | 4 | 10 | 40 |
Ara sınavlara hazırlanma süresi | 1 | 28 | 28 |
Genel sınava hazırlanma süresi | 1 | 28 | 28 |
Toplam İş Yükü | 98 | 119 | 280 |
Dersin Öğrenme Çıktılarının Program Yeterlilikleri İle İlişkilendirilmesi
D.9. Program Yeterlilikleri | Katkı Düzeyi* | ||||
---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | |
1. . Bilgisayar ve öğretim teknolojileri eğitimi (BÖTE) alanıyla ilgili kuram ya da uygulamalara bilimsel ve üst düzey düşünme becerileriyle katkıda bulunma. | X | ||||
2. BÖTE alanında alan yazına ve uygulamaya katkı için bilimsel araştırmalar yapma | X | ||||
3. BÖTE alanına ilişkin ölçme araçları geliştirme ve bunları kullanarak verilere ulaşma ve verileri değerlendirme | X | ||||
4. Toplumsal ya da alana özgü sorunların çözümüne yönelik işbirlikli ulusal ya da uluslararası projeler geliştirme ve yürütme. | X | ||||
5. Öğrenme-öğretme kuramları temelinde e-öğrenme ortamları tasarlama, geliştirme ve yayılımını sağlamak için araştırmalar gerçekleştirme | X | ||||
6. Kurumların çevrim içi ya da karma öğrenme ortamlarındaki gereksinimlerine yönelik öğretim tasarımları geliştirme, uygulama, yayılımını sağlama ve değerlendirme. | X | ||||
7. Alana özgü kuram ya da uygulama temelli yüz yüze/çevrimiçi/karma disiplinler arası çalışmalar gerçekleştirme | X | ||||
8. Türkiye?nin BİT vizyonu, stratejik hedef ve eylem planları temelinde araştırmalar planlama, yürütme ve değerlendirme | X | ||||
9. Teknolojinin insan yaşamına etkileriyle ilgili sosyal/psikolojik/ eğitsel/bilişsel değişkenleri temel alan kuram/model geliştirme | X | ||||
10. Bilimsel araştırmalar konusunda güncel araştırma yöntemlerini takip etme ve bunları işe koşma. | X | ||||
11. Meslek etiğini tüm çalışmalarında temele alma | X | ||||
12. Sosyal medya ve oyunla ilgili araştırmalar/uygulamalar tasarlama, geliştirme ve etkilerini değerlendirme | X |
*1 En düşük, 2 Düşük, 3 Orta, 4 Yüksek, 5 Çok yüksek