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