PSİKOLOJİ (YL) (TEZLİ)
Kazanılan Yeterlilik Program Süresi Toplam Kredi (AKTS) Öğretim Şekli Yeterliliğin Düzeyi ve Öğrenme Alanı
2 120 FULL TIME TYÇ, TYYÇ, EQF-LLL, ISCED (2011):7. Düzey
QF-EHEA:2. Düzey
TYYÇ, ISCED (1997-2013): 31

Ders Genel Tanıtım Bilgileri

Ders Kodu: 3020002004
Ders İsmi: Psikolojide Programlamaya Giriş
Ders Yarıyılı: Güz
Bahar
Ders Kredileri:
Teorik Pratik Laboratuvar Kredi AKTS
3 0 0 3 6
Öğretim Dili: EN
Ders Koşulu:
Ders İş Deneyimini Gerektiriyor mu?: Hayır
Ders İçin Önerilen Diğer Hususlar: yok
Dersin Türü: Anabilim Dalı/Lisansüstü Seçmeli
Dersin Seviyesi:
Yüksek Lisans TYYÇ:7. Düzey QF-EHEA:2. Düzey EQF-LLL:7. Düzey
Dersin Veriliş Şekli: Yüz yüze
Dersin Koordinatörü: Prof. Dr. Telat Gül ŞENDİL
Dersi Veren(ler):
Dersin Yardımcıları:

Dersin Amaç ve İçeriği

Dersin Amacı: Bu ders, psikoloji öğrencilerine programlamanın temel kavramlarını öğretmeyi ve psikoloji araştırmalarında programlamanın nasıl kullanılabileceğini göstermeyi amaçlar. Öğrenciler, özellikle veri analizi, deney tasarımı ve bilişsel modelleme gibi alanlarda programlamanın rolünü anlayarak, temel kodlama becerileri kazanacaklardır.
Dersin İçeriği: Programlamaya Giriş: Temel programlama kavramları ve psikolojide programlamanın önemi
Python Temelleri: Değişkenler, veri tipleri, döngüler, koşullu ifadeler
Veri Analizi için Python: NumPy, Pandas ve veri manipülasyonu
Psikoloji Araştırmalarında Programlama Kullanımı: Deney tasarımı ve veri toplama süreçleri
Psikolojik Deneylerin Kodlanması: PsychoPy ve OpenSesame gibi araçlarla deney tasarımı
Görsel ve İşitsel Uyarıcıların Programlanması: Grafik ve ses işlemleri
Temel İstatistiksel Analizler: Veri analizi ve hipotez testleri için Python kullanımı
Makine Öğrenmesi ve Psikoloji: Temel makine öğrenmesi kavramları ve psikolojik veri setleriyle uygulamalar
Duygu Analizi ve Doğal Dil İşleme: Psikolojik veri setleri üzerinden duygu analizi
Ders Projesi ve Uygulamalar: Öğrencilerin öğrendiklerini uygulayabilecekleri küçük projeler

Öğrenme Kazanımları

Bu dersi başarıyla tamamlayabilen öğrenciler;
Öğrenme Kazanımları
1 - Bilgi
Kuramsal - Olgusal
1) Programlamanın Temellerini Anlar: Python programlama dilinin temel bileşenlerini açıklar ve uygular.
2 - Beceriler
Bilişsel - Uygulamalı
1) Veri Analizi Yapar: Psikoloji araştırmalarında kullanılan veri setlerini analiz etmek için temel Python kütüphanelerini (Pandas, NumPy, Matplotlib) kullanır.
2) İstatistiksel Analizleri Uygular: Psikoloji araştırmalarında temel istatistiksel testleri (t-testi, ANOVA, korelasyon vb.) Python kullanarak gerçekleştirir.
3 - Yetkinlikler
İletişim ve Sosyal Yetkinlik
Öğrenme Yetkinliği
Alana Özgü Yetkinlik
1) Bilişsel Modelleme ile Çalışır: Psikolojiye özgü deney ve bilişsel süreçleri modelleyerek programlama bilgisini uygular.
Bağımsız Çalışabilme ve Sorumluluk Alabilme Yetkinliği
1) Deney Tasarlar ve Uygular: Psikoloji deneylerini PsychoPy veya OpenSesame gibi programlarla kodlayarak uygulayabilir.

Ders Akış Planı

Hafta Konu Ön Hazırlık
2) Python Temelleri: Değişkenler, veri tipleri, döngüler, koşullu ifadeler VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
3) Veri Analizi için Python: NumPy, Pandas ve veri manipülasyonu VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
4) Psikoloji Araştırmalarında Programlama Kullanımı: Deney tasarımı ve veri toplama süreçleri VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
5) Psikolojik Deneylerin Kodlanması: PsychoPy ve OpenSesame gibi araçlarla deney tasarımı VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
6) Görsel ve İşitsel Uyarıcıların Programlanması: Grafik ve ses işlemleri VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
7) Temel İstatistiksel Analizler: Veri analizi ve hipotez testleri için Python kullanımı VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
8) Makine Öğrenmesi ve Psikoloji: Temel makine öğrenmesi kavramları ve psikolojik veri setleriyle uygulamalar VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
9) Duygu Analizi ve Doğal Dil İşleme: Psikolojik veri setleri üzerinden duygu analizi VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
10) Ders Projesi ve Uygulamalar: Öğrencilerin öğrendiklerini uygulayabilecekleri küçük projeler VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
10) Ders Projesi ve Uygulamalar: Öğrencilerin öğrendiklerini uygulayabilecekleri küçük projeler VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media. McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media. Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media. Fawcett, T. (2016). Data Science for Business. O'Reilly Media.

Kaynaklar

Ders Notları / Kitaplar: VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media.
McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media.
Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media.
Fawcett, T. (2016). Data Science for Business. O'Reilly Media.
Diğer Kaynaklar: VanderPlas, J. (2016). Python Data Science Handbook. O'Reilly Media.
McKinney, W. (2017). Python for Data Analysis: Data Wrangling with Pandas, NumPy, and IPython. O'Reilly Media.
Grus, J. (2019). Data Science from Scratch: First Principles with Python. O'Reilly Media.
Fawcett, T. (2016). Data Science for Business. O'Reilly Media.

Ders - Program Öğrenme Kazanım İlişkisi

Ders Öğrenme Kazanımları

1

2

4

3

5
Program Kazanımları
1) Öğrenciler, gelişim ve deneysel psikoloji alanlarında ileri düzey teorik bilgiye sahip olacak ve bu bilgiyi bilimsel araştırmalar ve profesyonel uygulamalarla pekiştireceklerdir.
2) Program, öğrencilere bağımsız araştırma yapma, bilimsel veri analiz tekniklerini kullanma ve akademik yayın üretme becerilerini kazandırır.
3) Mezunlar, psikoloji alanındaki etik kurallar ve mesleki standartlar doğrultusunda sorumlu bir şekilde çalışma yetkinliği kazanır.
4) Mezunlar, psikoloji ile ilişkili sağlık, eğitim ve iş dünyası gibi farklı alanlardaki profesyonellerle iş birliği yaparak multidisipliner projelerde etkin rol alabileceklerdir.
5) Program, birey ve toplum düzeyinde psikolojik sağlığın korunması ve iyileştirilmesine yönelik projelerde yer alma bilinci kazandırarak, mezunları toplumsal katkı sağlayan uzmanlar olarak yetiştirir.

Ders - Öğrenme Kazanımı İlişkisi

Etkisi Yok 1 En Düşük 2 Düşük 3 Orta 4 Yüksek 5 En Yüksek
           
Dersin Program Kazanımlarına Etkisi Katkı Payı
1) Öğrenciler, gelişim ve deneysel psikoloji alanlarında ileri düzey teorik bilgiye sahip olacak ve bu bilgiyi bilimsel araştırmalar ve profesyonel uygulamalarla pekiştireceklerdir.
2) Program, öğrencilere bağımsız araştırma yapma, bilimsel veri analiz tekniklerini kullanma ve akademik yayın üretme becerilerini kazandırır.
3) Mezunlar, psikoloji alanındaki etik kurallar ve mesleki standartlar doğrultusunda sorumlu bir şekilde çalışma yetkinliği kazanır.
4) Mezunlar, psikoloji ile ilişkili sağlık, eğitim ve iş dünyası gibi farklı alanlardaki profesyonellerle iş birliği yaparak multidisipliner projelerde etkin rol alabileceklerdir.
5) Program, birey ve toplum düzeyinde psikolojik sağlığın korunması ve iyileştirilmesine yönelik projelerde yer alma bilinci kazandırarak, mezunları toplumsal katkı sağlayan uzmanlar olarak yetiştirir.

Öğrenme Etkinliği ve Öğretme Yöntemleri

Bireysel çalışma ve ödevi
Ders
Laboratuvar
Ödev
Uygulama (Modelleme, Tasarım, Maket, Simülasyon, Deney vs.)

Ölçme ve Değerlendirme Yöntemleri ve Kriterleri

Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama)
Sözlü sınav
Ödev
Uygulama

Ölçme ve Değerlendirme

Yarıyıl İçi Çalışmaları Aktivite Sayısı Katkı Payı
Ara Sınavlar 1 % 40
Yarıyıl/Yıl Sonu Sınavı 1 % 40
Quiz 1 % 20
Toplam % 100
YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI % 60
YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI % 40
Toplam % 100

İş Yükü ve AKTS Kredisi Hesaplaması

Aktiviteler Aktivite Sayısı Süre (Saat) İş Yükü
Ders Saati 16 6 96
Laboratuvar 2 1 2
Uygulama 2 5 10
Sınıf Dışı Ders Çalışması 2 6 12
Sunum / Seminer 2 5 10
Proje 2 6 12
Ödevler 2 1 2
Küçük Sınavlar 2 5 10
Ara Sınavlar 1 3 3
Rapor Teslimi 2 2 4
Final 1 6 6
Toplam İş Yükü 167