Dokuz Eylül Üniversitesi Ders Katoloğu / Bilgi Paketi

Ders Bilgileri

Ders Kodu	Ders Adı	Ders Türü	D	U	L	AKTS
IRE 4509	YAPAY ZEKA VE HESAPLAMALI SOSYAL BİLİMLERE GİRİŞ	SEÇMELİ	3	0	0	6

Dersi Veren Birim

Siyaset Bilimi ve Uluslararası İlişkiler (İngilizce)

Dersin Düzeyi

Lisans

Ders Koordinatörü

DR. ÖĞR. ÜYESİ İLKİM ÖZDİKMENLİ ÇELİKOĞLU

Dersi Alan Birimler

Siyaset Bilimi ve Uluslararası İlişkiler (İngilizce)

Dersin Amacı

Bu ders, yapay zeka (YZ) ile sosyal bilim arasındaki karmaşık ilişkiyi inceler. Dersi YZ'nın operasyonel mekanizmaları ve gelişimsel itici güçleri de dahil olmak üzere YZ'nın temel ilkelerini belirleyerek, kökenlerini ve genişleyen etkisini aydınlatarak başlar. Daha sonra, ilgili teorilerden, araştırma metodolojilerinden ve tarihsel bağlamlardan yararlanarak YZ'nın siyaset ve kamusal alan üzerindeki yaygın etkisini araştırır. Çağdaş uluslararası vaka çalışmaları ve uzman raporlarının analizi yoluyla,
öğrenciler dijitalleşme, toplum ve siyasetin dinamik etkileşimini değerlendireceklerdir. Bu değerlendirme, YZ'nın gelecekteki toplumsal yapıları şekillendirmedeki hem potansiyelini hem de sınırlamalarını belirlemeyi amaçlamaktadır.

Bu dersin ön koşulu yoktur.

Dersin Öğrenme Kazanımları

1	Öğrenciler, yapay zekanın, hesaplamalı sosyal bilimin ve bunların tarihsel gelişiminin temel kavramlarını anlar ve ifade ederler.
2	Öğrenciler, yapay zekanın toplumdaki rolüyle ilgili olarak sosyal bilimler ve STEM alanlarındaki çeşitli argümanlar hakkında kapsamlı bir anlayış kazanırlar.
3	Öğrenciler, sosyal bilim araştırmalarında yapay zeka ve hesaplamalı sosyal bilim uygulamalarının kullanımını eleştirel bir şekilde değerlendirme kapasitesini geliştirirler.
4	Öğrenciler, siyasi metinlerin, sosyal ağların ve kamuoyunun analizinde NLP, SNA ve makine öğrenimi gibi hesaplamalı yöntemlerin temel ilkeleri ve uygulamaları hakkında temel bir anlayış kazanırlar.
5	Öğrenciler, önyargı, gizlilik ve sosyal adalet konuları da dahil olmak üzere yapay zeka yönetiminin, politika analizinin, geliştirilmesinin ve dağıtımının etik boyutlarını, zorluklarını ve fırsatlarını analiz edecek ve değerlendirirler.
6	Öğrenciler ayrıntılı sunumlar ve dönem ödevleri hazırlayarak ve sunarak sunum ve yazma becerilerindeki yeterliliklerini geliştirirler ve gösterirler.

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta	Konular	Açıklama
1	1. Giriş: Arazinin Topoğrafyası	Yağı suyla karıştırmak mı Hesaplamalı sosyal bilim nedir ve "geleneksel" yaklaşımlardan nasıl farklıdır Yapay zekaya genel bakış: temel kavramlar ve tarihsel gelişim Dijital verilerin siyasi araştırmalara etkisi
2	2. Dijital Veri, Politika ve Toplum: Olası Tehlikeler	Dijital verilerin doğası: sosyal medya, çevrimiçi platformlar ve hükümetlerin veri tabanlarına genel bir bakış. Sosyal bilim araştırmalarında dijital veri kullanmının avantajları ve sınırları Seçimler, kamuoyu ve toplumsal hareketler üzerine vaka çalışmaları.
3	3. Metin Analizi ve Doğal Dil İşleme (NLP) Kavramları: Sözcüklerin Büyülü Dünyası	"Veri olarak metin" kavramı nedir NLP kavramlarına giriş: duygu analizi, konu modelleme ve söylem analizi. Vaka çalışmaları: Siyasi konuşmaları, sosyal medya gönderilerini ve haber makalelerini analiz etmek
4	4. Sosyal Ağ Analizi (SNA) Kavramları: sosyal sermayenin geleceği	Ağ kavramlarını anlamak: düğümler, kenarlar, merkezilik ve topluluk tespiti. SAN'ın siyasi ağları ve etkiyi inceleme için olası kullanım alanları. Vaka çalışmaları: Siyasi iletişim ağlarını ve sosyal medya yankı odalarını nasıl analiz ederiz
5	5. Makine Öğrenimi ve Siyasi Analiz: Kavramlar ve olası tuzaklar	Makine öğrenimi kavramlarına giriş: denetlenen ve denetlenmeyen öğrenme modelleri Makine öğreniminin sosyal bilimlerdeki uygulamaları (örnek: siyasi tahmin, davranış analizi) Vaka çalışmaları: Seçim sonuçlarını tahmin etme, siyasi eğilimleri belirleme.
6	6. Dijital Çağda Kamuoyunu ve Siyasi İletişimi Analiz Etmek Pandora'nın Kutusu mu	Dijital çağda kamuoyunu ölçmenin zorlukları Sosyal medya ve çevrimiçi platformlardaki siyasi söylemi analiz etmek. Yanlış bilgi ve propagandanın yayılması.
7	7. Tekrar Haftası
8	8. Hesaplamalı Modelleme ve Simülasyon: Kavramlar ve Bazı Uygulamalar	Aktör tabanlı modelleme ve simülasyona giriş. Hesaplamalı modellerin siyasi süreçleri simüle etmek için kullanımları. Vaka çalışmaları: Siyasi fikirlerin yayılması ve toplumsal hareketlerin dinamikleri üzerine simülasyonlar
9	9. Siyaset Analizi ve Yönetişim: Kavramsal Bir Genel Bakış	Yapay zekanın politika değerlendirmesi ve tasarımı için potansiyeli. Hükümetlerin verilerini ve kamu politikalarını analiz yolları nelerdir Vaka çalışmaları: Politika etkinliğini değerlendirmek için hesaplamalı yöntemlerin kullanılması.
10	10. Yapay zekanın yönetimi cini şişeye geri koymak mıdır	Yapay zeka yönetiminin mevcut manzarası: devlet ve devlet dışı aktörler. Mevcut yönetim çerçeveleri ve modellerine genel bir bakış
11	11. Yapay zeka yönetimi: Leviathan ve Ütopya	Dünya çapında yapay zekanın gelişimini ve kullanımını düzenlemeye yönelik mevcut girişimler ve vakalar
12	12. Yapay zeka ve hesaplamalı sosyal bilimlerde etik hususlar ve önyargılar	Yapay zekanın cinsiyeti var mı Hesaplamalı uygulamalarda algoritmik önyargı ve adalet temaları Dijital çağda gizlilik ve veri güvenliği. Yapay zekanın sosyal adalet üzerindeki etkisi.
13	13. YZ ve Hesaplamalı Sosyal Bilimin Geleceği: disiplinler arası araştırmanın gücü	Disiplinler arası araştırmalarda ortaya çıkan eğilimler ve zorluklar Bilimlerin ve toplumların geleceğini şekillendirmede hesaplamalı yöntemlerin rolü
14	14. Sonuç Yuvarlak Masa Tartışması

Ders İçin Önerilen Kaynaklar

The History of Artificial Intelligence, https://sites.harvard.edu/sitn/2017/08/28/historyartificial-intelligence/
Matthew Salganik, Bit by Bit: Social Research in the Digital Age, Princeton: Princeton University Press, 2018.
Brian Christian, The alignment problem: Machine learning and human values, W.W.Norton.
Ethan Mollick, Co-intelligence: Living and working with AI. Portfolio/Penguin.
Dan Jurafsky and James H. Martin, Speech and Language Processing (3rd ed. draft) https://web.stanford.edu/~jurafsky/slp3/
John McLevey, Doing Computational Social Science: A Practical Introduction, Los Angeles: Sage, 2022.

Ders konusunun hızlı tempolu bir teknolojiyi içermesi nedeniyle, tüm ders okumalarının değişime tabi
olduğunu ve gerektiği gibi güncelleneceğini/ayarlanacağını lütfen unutmayın.

Öğrenme ve Öğretme Yöntemleri

1. Ders
2. Katılım
3. Ödev
4. Sunum
5. Sınav

Değerlendirme Yöntemleri

SIRA NO	KISA KOD	UZUN ADI	FORMUL
1	MT	Midterm
2	TP	TermProject
3	PRS	Presentation
4	FN	Final
5	FCG	FINAL COURSE GRADE	MT * 0.30 + TP * 0.20 + PRS * 0.10 +FN * 0.40
6	RST	RESIT
7	FCGR	FINAL COURSE GRADE (RESIT)	MT * 0.30 + TP * 0.20 + PRS * 0.10 + RST * 0.40

Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

1. Öğrenci, Yapay Zeka (YZ) ve hesaplamalı sosyal bilimin temel kavramlarını ve bunların tarihsel gelişimini, önemli kilometre taşlarını ve etkilerini doğru bir şekilde belirleyecek ve açıklayacaktır.
2. Öğrenci, YZ'nin toplumsal etkisine ilişkin farklı bakış açılarını analiz edecek ve karşılaştıracak, fikir birliği ve fikir ayrılığının temel alanlarını belirleyecektir.
3. Öğrenci, metodolojik ve etik etkilerini göz önünde bulundurarak belirli YZ uygulamalarının güçlü ve zayıf yönlerini değerlendirecektir.
4. Öğrenci, Doğal Dil İşleme (NLP), Sosyal Ağ Analizi (SNA) ve makine öğreniminin siyasi metinleri, sosyal ağları ve kamuoyunu analiz etmek için nasıl kullanıldığını anlayacaktır.
5. Öğrenci, YZ ile ilgili önyargı, gizlilik ve sosyal adalet konularını eleştirel bir şekilde tartışacaktır.
6. Öğrenci, YZ ve hesaplamalı sosyal bilimle ilgili karmaşık fikirleri hem yazılı hem de sözlü formatlarda etkili bir şekilde iletecektir.

Dersin Öğretim Dili

İngilizce

Derse İlişkin Politika ve Kurallar

1. Derslerin en az %70'ine katılmak zorunludur.
2. Herhangi bir türde intihal disiplin işlemine yol açacaktır.
3. Öğrenciler, öğretim görevlisi tarafından açıkça talimat verilmediği sürece ödevlerin veya sunumların hiçbirinde grup çalışması yapamazlar.

Dersin Öğretim Üyesi İletişim Bilgileri

Prof. Dr. Gül Mehpare Kurtoğlu Eskişar, gul.kurtoglu[at]deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Randevu ile

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler	Sayısı	Süresi (saat)	Toplam İş Yükü (saat)
Ders Anlatımı	14	3	42
Haftalık Ders öncesi/sonrası hazırlıklar	14	3	42
Vize Sınavına Hazırlık	1	10	10
Final Sınavına Hazırlık	1	10	10
Sunum Hazırlama	1	10	10
Ödev Hazırlama	1	25	25
Vize Sınavı	1	1,5	2
Final Sınavı	1	1,5	2
TOPLAM İŞ YÜKÜ (saat)			143

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖK	PK.2	PK.6	PK.7	PK.8	PK.9	PK.11
ÖK.1				5
ÖK.2						5
ÖK.3		5
ÖK.4					5
ÖK.5			5
ÖK.6	5

DERS ADI

DERECE PROGRAMLARI