DERS ADI

: Deniz Ekolojisi Araştırma Yöntemleri

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
CDK 6023 Deniz Ekolojisi Araştırma Yöntemleri SEÇMELİ 3 0 0 8

Dersi Veren Birim

Fen Bilimleri Enstitüsü

Dersin Düzeyi

Yüksek Lisans

Ders Koordinatörü

DOÇ.DR. EYÜP MÜMTAZ TIRAŞIN

Dersi Alan Birimler

Canlı Deniz Kaynakları Yüksek Lisans

Dersin Amacı

Dersin amacı deniz bilimcilere günümüz deniz ekolojisi araştırmalarında kullanılan örnekleme ve veri analizi yöntemlerini öğretmektir. Deniz ekolojisindeki veri özellikleri ve bu verilerin analizinde kullanılabilecek tek değişkenli ve çok değişkenli istatistiksel yöntemler ayrıntılarıyla incelenmektedir. Öğrenciler çeşitli örnek çalışmaları değerlendirmenin yanı sıra bizzat kendi verileriyle, kişisel bilgisayar istatistik program paketlerini kullanmasını da öğrenmektedirler.

Dersin Öğrenme Kazanımları

1   Deniz ekolojisi verilerinin zengin çeşitliliğini tanımak.
2   Deniz ekolojisi araştırmalarında örnekleme tasarımı ve istatistiksel analizin gerekliliğini tanımak.
3   Deniz ekolojisi alanında deneyler veya araştırmalar tasarımlama becerisini göstermek.
4   Deniz bitki ve hayvan popülasyonlarının bolluğunu kestirebilmek için çok çeşitli ekolojik araştırma yöntem ve tekniklerinin anlaşıldığını ve bunların özel araştırma sorularına yönelik olarak nasıl kullanılabileceğini göstermek.
5   Toplanan ekolojik veriler hakkında çıkarımlar yapmak, anlamlı ve geçerli sonuçlara ulaşmak için tek ve çok değişkenli istatistiksel analiz yöntemlerini uygulamak.
6   Verilerin çözümlenmesi ve elde edilen sonuçların yorumlanması için bazı istatistiksel yazılımları (R Project for Statistical Computing, PRIMER ve CANOCO) kullanabilmek.
7   Gerek kendisinin gerekse başka araştırıcıların çalışmalarının güçlü ve zayıf yönlerinin değerlendirilmesinde eleştirel düşünme becerilerini göstermek.
8   Araştırma projelerinden elde edilen sonuçları ve bunların etkilerini yorumlamak, tartışmak ve başkaları ile bu konularda yazılı ve sözlü olarak iletişim kurmak.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Giriş Dersin tanıtımı ve planı. Yararlanılacak kitaplar, diğer kaynaklar ve ev ödevleri. Deniz ekolojisinde önemli bazı konular üzerine genel bir değerlendirme. Ödev sunumların atanması.
2 İlgili istatistiksel teorinin gözden geçirilmesi Kesikli ve sürekli istatistiksel olasılık dağılımlarının (Poisson, Binom, Normal vb) gözden geçirilmesi. Noktasal ve aralıksal kestirimciler.
3 İstatiksel programların tanıtımı R, CANOCO ve PRIMER'in tanıtılması. R, PRIMER ve CANOCO'daki istatistiksel modüller. Verilerin bu programların içine ve dışına aktarılması. Ekolojik verilerin yapısı ve toplanması.
4 Hayvan ve bitki popülasyonlarının büyüklüklerinin tahmini (I) Yakalama-markalama ve yeniden yakalama teknikleri. Petersen yöntemi. Schnabel yöntemi. Jolly-Seber yöntemi. Yakalama-markalama ve yeniden yakalama tekniklerinin istatistiksel özellikleri.
5 Hayvan ve bitki popülasyonlarının büyüklüklerinin tahmini (II) Removal ve Resight yöntemleri. Change-in-Ratio yöntemleri. Eberhardt's Removal Yöntemi. Av-çaba yöntemleri. Resight yöntemleri. Boundry Strip yöntemleri. Nested Grids yöntemi.
6 Hayvan ve bitki popülasyonlarının büyüklüklerinin tahmini (III) Kuadrat sayımları. Wiegert Yöntemi. Hendricks yöntemi. Bağımsızlık testleri. Line-intercept yöntemi.
7 Hayvan ve bitki popülasyonlarının büyüklüklerinin tahmini (VI) Çizgi transektler. Hayne tahminleyicisi. Fourier Serileri tahminleyicisi. Mesafe yöntemleri. Byth ve Ripley prosedürü. T-kare örnekleme prosedürü.
8 Ara sınav
9 Uzamsal örüntüler ve dağılım indeksleri Uzamsal haritalama yöntemleri. Bitişik kuadratlar. Kuadrat sayımları için dağılım indeksleri. Varyans ve ortalama oranları. Negatif binom dağılımının k'si. Green katsayısı. Morisita dağılım indeksi.
10 Örneklem büyüklüğü belirlenmesi ve istatistiksel güç Sürekli değişkenler için örneklem büyüklüğü. Kesikli değişkenler için örneklem büyüklüğü. Özel ekolojik değişkenler için örneklem büyüklüğü. İstatistiksel güç analizi.
11 Örnekleme tasarımları Basit rastgele örnekleme. Tabakalı rastgele örnekleme. Adaptif örnekleme. Sistematik örnekleme. Çok aşamalı örnekleme.
12 Benzerlik katsayıları ve kümelenme analizi Benzerlik ölçümü. Veri standardizasyonu. Kümelenme analizi. Tek bağlantılı kümeleme. Tam bağlantılı kümeleme. Ortalama bağlantılı kümeleme.
13 Diğer çok değişkenli teknikler Çok değişkenli uzaklıklar. Ordinasyon (sıralama) kavramı. Temel bileşenler analizi. Benzerlik çözümlemesi. Kanonik korelasyon çözümlemesi.
14 Tür çeşitliliği ölçütleri Tür çeşitliliği. Simpson indeksi. Shannon-Wiener fonksiyonu. Brillouin indeksi.

Ders İçin Önerilen Kaynaklar

Kaynak kitap:

Krebs, Charles J. 1998. Ecological Methodology. Addison-Welsey Educational Publishers Inc., California, ABD.

Ek kaynaklar:

Gerald, J. B. 1990. Quantitative Ecology and Marine Biology. A. A. Balkema Co., Rotterdam, Hollanda.
Manly, B. F. J. 1994. Multivariate Statistical Methods: A Primer (2nd edition). Chapman & Hall, New York, ABD.
Legendre, P. ve Legendre, L. 1998. Numerical Ecology (2nd edition). Developments in Environmental Modelling, 20. Elsevier, Amsterdam, Hollanda.

Bilgisayar yazılımları:

Ter Braak, C. J. F. 1988. CANOCO - a FORTRAN program for canonical community ordination by [partial] [detrended] [canonical] correspondence analysis. Agricultural Mathematics Group, Wageningen, Hollanda.
R software environment for statistical computing and graphics (R Project for Statistical Computing / http://www.r-project.org/).
Clarke, K. R. ve Warwick, R. M. 2001. Primer. Change in Marine Communities: An Approach to Statistical Analysis and Interpretation. İngiltere.

Öğrenme ve Öğretme Yöntemleri

1. Dersler
Sınıfta dersler büyük ölçüde interaktif bir formatta yapılmaktadır. Öğretim üyesi ders sırasında öğrencilerin katılımını pekiştirmek için sorular sorar, ortaya konan sorunlara çözüm önerileri bekler, farklı yaklaşımları özendirir. Dersler gerçek hayattaki uygulamalara odaklanır ve konuların daha iyi anlaşılmasına yönelik ayrıntılı sözel ve görsel açıklamalarda bulunulur.

2. Sınıf içi tartışmalar
Sınıf içi ödevler, ev ödevleri ve sınıfta çözülen sorular, öğrenilmesi gereken konuların temelini oluşturur. Öğrencilerin sınıf içi tartışmalara bireysel katılımı özellikle teşvik edilir.

3. Bilgisayar uygulamaları
Veri analizleri yapmak ve grafik üretmek için R, CANOCO ve PRIMER bilgisayar programlarının kullanımı gösterilmektedir.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 ARS ARASINAV
2 ODV ÖDEV
3 SUN SUNUM
4 YSS YIL SONU SINAVI
5 YSBN YIL SONU BAŞARI NOTU ARS* 0.30 + ODV * 0.20 + SUN * 0.10 + YSS * 0.40
6 BUT BÜTÜNLEME
7 BUTBN BÜTÜNLEME SONU BAŞARI NOTU ARS* 0.30 + ODV * 0.20 + SUN * 0.10 + BUT * 0.40


*** Bütünleme Sınavı Yapılmayan Birimlerde Bütünleme Kriteri Dikkate Alınmaz.

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

İlan Edilecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

1. Dersin başarılı biçimde tamamlanması için düzenli katılım gereklidir. İstatistik biliminin öğrenilmesi kümülatif kazanımlara bağlı olup her yeni ders bir önceki dersin üzerine kurulmaktadır. Aşırı devamsızlık durumunda, öğrenci potansiyel kapasitene erişemeyebilir.
2. Öğrenci, ilgili derse katılmış olsun ya da olmasın tüm ev ödevlerinden, ödevlerdeki değişikliklerden veya sınıfta verilen diğer sözlü bilgilerden sorumludur.
3. Teslim tarihi gelen ödevlerin ders başında teslim edilmesi gerekmektedir.

Dersin Öğretim Üyesi İletişim Bilgileri

Yrd. Doç. Dr. E. Mümtaz TIRAŞIN
DEÜ Deniz Bilimleri ve Teknolojisi Enstitüsü, İnciraltı - Balçova.
Tel: (232) 2785565 / 165. E-posta: mumtaz.tirasin@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

İlan Edilecektir.

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 13 3 39
Haftalık Ders öncesi/sonrası hazırlıklar 11 3 33
Ödev Hazırlama 10 4 40
Sunum Hazırlama 1 12 12
Kitap Okuma 10 3 30
Final Sınavına Hazırlık 1 16 16
Vize Sınavına Hazırlık 1 12 12
Vize Sınavı 1 3 3
Final Sınavı 1 4 4
TOPLAM İŞ YÜKÜ (saat) 189

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6
ÖK.1111111
ÖK.2351111
ÖK.3451211
ÖK.4452211
ÖK.5553211
ÖK.6251111
ÖK.7443433
ÖK.8453444