BİLGİ PAKETİ / DERS KATALOĞU
| BİLGİ TEKNOLOJİLERİ (YL) (TEZLİ) (İNGİLİZCE) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Ders Genel Tanıtım Bilgileri
| Ders Kodu: | 3000001002 | ||||||||
| Ders İsmi: | Scientific Research Methods and Publication Ethics | ||||||||
| Ders Yarıyılı: | Güz | ||||||||
| Ders Kredileri: |
|
||||||||
| Öğretim Dili: | EN | ||||||||
| Ders Koşulu: | |||||||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||||||
| Dersin Türü: | Zorunlu | ||||||||
| Dersin Seviyesi: |
|
||||||||
| Dersin Veriliş Şekli: | E-Öğrenme | ||||||||
| Dersin Koordinatörü: | Dr.Öğr.Üyesi Recep DURANAY | ||||||||
| Dersi Veren(ler): |
Dr.Öğr.Üyesi İmren YEŞİLYURT |
||||||||
| Dersin Yardımcıları: |
Dersin Amaç ve İçeriği
| Dersin Amacı: | Öğrencilere araştırma etiğine uygun bilimsel bir araştırma önerisinin hazırlanması, kaynaklara ulaşılması, araştırmaya uygun gereç ve yöntemin belirlenmesi bulguların yorumlanması ve tartışılması, yayın etiğine uygun raporlanması ve paylaşılması konusunda bilgi ve beceri kazandırılması amaçlanmaktadır. |
| Dersin İçeriği: | Bu ders bilimsel araştırma sürecini ve adımlarını, (sorun belirleme, veri toplama, veri analizi ve sonuçları yorumlama), bilimsel araştırma yöntemlerini (deneysel yöntem, betimleme yöntemi vd.) , araştırma türlerini, literatür taramayı, verilerin analizini, evren ve örneklem yöntemleri, veri toplama araçlarını, araştırma bulgularının raporlandırılmasını, araştırma hata kaynaklarını, araştırma ve yayın etiğini, etik ihlalleri ve önleme yöntemlerini, ihlal tespitinde izlenecek yolların neler olduğunu içermektedir. |
Öğrenme Kazanımları
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
|||||||||||||||||||||||||||||||||||
Ders Akış Planı
| Hafta | Konu | Ön Hazırlık |
| 1) | Bilim, Araştırma, Etik, Ahlak, Genel Kavramlar, Bilimsel Çalışmaların Önemi | akademisyen notları |
| 2) | Araştırma etiği | akademisyen notları |
| 3) | Araştırma etiği | akademisyen notları |
| 4) | Araştırma süreci ve adımları | akademisyen notları |
| 5) | Literatür Tarama | akademisyen notları |
| 6) | Araştırma Tasarımları | akademisyen notları |
| 7) | Niceliksel Araştırmalar | akademisyen notları |
| 8) | Niteliksel Araştırmalar | akademisyen notları |
| 9) | Evren ve Örneklem Yöntemleri | akademisyen notları |
| 10) | Veri toplama yöntemleri | akademisyen notları |
| 11) | Ara sınav | ders notları |
| 12) | Veri toplama araçları | akademisyen notları |
| 13) | Araştırma Bulgularının raporlandırılması( Yazım kuralları, Kaynak Kullanma, Atıf Yöntemleri, Kaynakça Düzenleme) | akademisyen notları |
| 14) | Sunumlar | Okutman notları |
| 15) | Final | DERS NOTLARI |
Kaynaklar
| Ders Notları / Kitaplar: | -Al, H (2014). Bilimsel Araştırma Yöntemleri. 4. Baskı. Sakarya Yayıncılık, Sakarya. -Balcı, A. (2009), Sosyal bilimlerde araştırma: Yöntem, teknik ve ilkeler (7. Baskı), Ankara: Pegem Akademi. -Büyüköztürk , Ş, Aygün, Ö, KılıçÇakmak, Karadeniz, E, Ş. (2014) “Bilimsel Araştırma Yöntemleri” , Pegem Yayıncılık, ISBN: 9944919289. |
| Diğer Kaynaklar: | -Al, H (2014). Bilimsel Araştırma Yöntemleri. 4. Baskı. Sakarya Yayıncılık, Sakarya. -Balcı, A. (2009), Sosyal bilimlerde araştırma: Yöntem, teknik ve ilkeler (7. Baskı), Ankara: Pegem Akademi. -Büyüköztürk , Ş, Aygün, Ö, KılıçÇakmak, Karadeniz, E, Ş. (2014) “Bilimsel Araştırma Yöntemleri” , Pegem Yayıncılık, ISBN: 9944919289. - |
Ders - Program Öğrenme Kazanım İlişkisi
| Ders Öğrenme Kazanımları | 1 |
2 |
3 |
4 |
|||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| Program Kazanımları | |||||||||||
| 1) Yazılım mühendisliği, veri yönetimi ve bilgisayar güvenliği gibi temel bilgi teknolojilerindeki güncel teknik kavramları ve uygulamaları kullanma becerisi. | |||||||||||
| 2) Kullanıcı ihtiyaçlarının belirlenmesi, analiz edilmesi ve bilgisayar tabanlı sistemlerin seçiminde, değerlendirilmesinde ve yönetiminde kullanımının anlaşılması. | |||||||||||
| 3) Veri yapılarını kullanma ve algoritma geliştirme becerisi. | |||||||||||
| 4) Karmaşık büyük veri sistemlerini analiz etme ve yorumlama becerisi. | |||||||||||
| 5) Makine öğrenmesindeki kavram ve algoritmaların yorumlanması ve uygulanması becerisi. | |||||||||||
| 6) Veri analizi alanındaki derin öğrenmenin Matematik temellerinin anlaşılması ve teoriyi uygulama becerisi. | |||||||||||
| 7) Karmaşık veri yapılarını çözme, derin öğrenme modelleri geliştirme ve uygulama becerisi ve bu konularla ilgili yapay zeka odaklı araştırmaları yorumlama becerisi. | |||||||||||
| 8) Görüntü analizi, doğal dil işleme ve öneri sistemlerindeki sorunları çözmek için derin öğrenme tekniklerini uygulama ve gerçek dünya veri kümeleri ve projelerini yorumlama becerisi. | |||||||||||
| 9) Dijital sinyal işlemenin temel prensiplerini ve matematiksel altyapısını pratik uygulamalara aktarma becerisi. | |||||||||||
| 10) İnternet aracılığıyla kullanılan araç ve teknolojiler ile sunucu kodlama dilleri ve araçları için kullanılan farklı teknolojiler hakkında bilgi kazanılması. | |||||||||||
| 11) Tek hücreli organizmalarda genetik bilgi akışı ve çok hücreli organizmalarda genlerin nasıl işlediğinin anlaşılması ve biyoteknoloji alanındaki uygulamaları yorumlama ve uygulama becerisi. | |||||||||||
| 12) Etik değerlerin bilincinde olunması ve bu değerler çerçevesinde araştırma ve uygulama yapılması gerekliliğinin anlaşılması. | |||||||||||
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) | Yazılım mühendisliği, veri yönetimi ve bilgisayar güvenliği gibi temel bilgi teknolojilerindeki güncel teknik kavramları ve uygulamaları kullanma becerisi. | |
| 2) | Kullanıcı ihtiyaçlarının belirlenmesi, analiz edilmesi ve bilgisayar tabanlı sistemlerin seçiminde, değerlendirilmesinde ve yönetiminde kullanımının anlaşılması. | |
| 3) | Veri yapılarını kullanma ve algoritma geliştirme becerisi. | |
| 4) | Karmaşık büyük veri sistemlerini analiz etme ve yorumlama becerisi. | |
| 5) | Makine öğrenmesindeki kavram ve algoritmaların yorumlanması ve uygulanması becerisi. | |
| 6) | Veri analizi alanındaki derin öğrenmenin Matematik temellerinin anlaşılması ve teoriyi uygulama becerisi. | |
| 7) | Karmaşık veri yapılarını çözme, derin öğrenme modelleri geliştirme ve uygulama becerisi ve bu konularla ilgili yapay zeka odaklı araştırmaları yorumlama becerisi. | |
| 8) | Görüntü analizi, doğal dil işleme ve öneri sistemlerindeki sorunları çözmek için derin öğrenme tekniklerini uygulama ve gerçek dünya veri kümeleri ve projelerini yorumlama becerisi. | |
| 9) | Dijital sinyal işlemenin temel prensiplerini ve matematiksel altyapısını pratik uygulamalara aktarma becerisi. | |
| 10) | İnternet aracılığıyla kullanılan araç ve teknolojiler ile sunucu kodlama dilleri ve araçları için kullanılan farklı teknolojiler hakkında bilgi kazanılması. | |
| 11) | Tek hücreli organizmalarda genetik bilgi akışı ve çok hücreli organizmalarda genlerin nasıl işlediğinin anlaşılması ve biyoteknoloji alanındaki uygulamaları yorumlama ve uygulama becerisi. | |
| 12) | Etik değerlerin bilincinde olunması ve bu değerler çerçevesinde araştırma ve uygulama yapılması gerekliliğinin anlaşılması. |
Öğrenme Etkinliği ve Öğretme Yöntemleri
| Bireysel çalışma ve ödevi | |
| Ders | |
| Ödev | |
| Rapor Yazma |
Ölçme ve Değerlendirme Yöntemleri ve Kriterleri
| Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama) | |
| Sözlü sınav | |
| Sunum |
Ölçme ve Değerlendirme
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 1 | % 30 |
| Ara Sınavlar | 1 | % 30 |
| Yarıyıl/Yıl Sonu Sınavı | 1 | % 40 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 60 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 40 | |
| Toplam | % 100 | |