DERS ADI

: Eğitimde Büyük Veri ve Akıllı Öğrenme Ortamları

Ders Bilgileri

Ders Kodu Ders Adı Ders Türü D U L AKTS
MBD 6000 Eğitimde Büyük Veri ve Akıllı Öğrenme Ortamları SEÇMELİ 2 0 0 4

Dersi Veren Birim

Buca Eğitim Fakültesi

Dersin Düzeyi

Lisans

Ders Koordinatörü

DOÇ. DR. NİLÜFER ATMAN USLU

Dersi Alan Birimler

Müzik Öğretmenliği
Türkçe Öğretmenliği
Bilgisayar ve Öğretim Teknolojileri Öğretmenliği
Kimya Öğretmenliği
Biyoloji Öğretmenliği
Türk Dili ve Edebiyatı Öğretmenliği
Coğrafya Öğretmenliği
Fizik Öğretmenliği
Özel Eğitim Öğretmenliği
Okul Öncesi Öğretmenliği
Matematik Öğretmenliği
Sınıf Öğretmenliği
Buca Eğitim Fakültesi
Resim - İş Öğretmenliği
Rehberlik ve Psikolojik Danışmanlık
Sosyal Bilgiler Öğretmenliği
Tarih Öğretmenliği
Fen Bilgisi Öğretmenliği

Dersin Amacı

Bu dersin amacı, öğrencilere büyük veri ile ilgili temel kavramları ve eğitimdeki uygulamalarını tanıtarak, veri analitiği ve kişiselleştirilmiş öğrenmenin önemini kavratmaktır. Ayrıca, öğrencilerin eğitimde büyük veri ve akıllı sistemlerin entegrasyonunu değerlendirip, bu teknolojilerin etkilerini analiz ederek etik konularda bilinçli bir yaklaşım geliştirmelerini sağlamaktır.

Dersin Öğrenme Kazanımları

1   Büyük veri ile ilgili temel kavramları ve bu kavramların eğitimdeki uygulamalarını tanımlamak ve veri analitiği ve kişiselleştirilmiş öğrenme süreçlerinin önemini kavrama
2   Eğitimde büyük veri ve akıllı sistemlerin entegrasyonunu değerlendirme ve teknolojilerin eğitim öğretim süreçlerine nasıl katkıda bulunduğunu analiz etme
3   Büyük veri ve akıllı sistem kullanımıyla ilgili etik konuları tartışma, veri güvenliği ve gizlilik bilinçli bir yaklaşım geliştirme

Dersin Öğretim Türü

Örgün Öğretim

Dersin Önkoşulu/Önkoşulları

Yok

Ders İçin Önerilen Diğer Hususlar

Yok

Ders İçeriği

Hafta Konular Açıklama
1 Büyük veri ile ilgili temel kavramlar
2 Eğitimde veri analitikleri
3 Kişiselleştirilmiş öğrenme için büyük veri
4 Öğrenme çıktılarının değerlendirilmesinde büyük veri
5 Akıllı sistemlerin temelleri
6 Nesnelerin interneti
7 Dijital ikiz
8 İşbirlikli robotlar
9 Ara sınav
10 Uç bilgi işleme
11 Blok zincir
12 Eğitimde büyük veri ve zeki sistemlerin entegrasyonu
13 Büyük veri ve akıllı sistem kullanımında etik konular
14 Grup çalışma sunumları ve geri bildirim
15 Grup çalışma sunumları ve geri bildirim

Ders İçin Önerilen Kaynaklar

Darshan Singh, A., Raghunathan, S., Robeck, E., & Sharma, B. (Eds.). (2018). Cases on smart learning environments. IGI Global.
Chang, M., & Li, Y. (Eds.). (2015). Smart learning environments. Springer Berlin Heidelberg.

Öğrenme ve Öğretme Yöntemleri

Tartışma, grup çalışması, anlatma, işbirlikli öğrenme, aktif öğrenme, soru-cevap.

Değerlendirme Yöntemleri

SIRA NO KISA KOD UZUN ADI FORMUL
1 VZ Midterm
2 FN Semester final exam
3 BNS BNS Student examVZ * 0.40 + Student examFN * 0.60
4 BUT Make-up note
5 BBN End of make-up grade Student examVZ * 0.40 + Student examBUT * 0.60


Değerlendirme Yöntemlerine İliskin Aciklamalar

Yok

Değerlendirme Kriteri

Sınav, proje sunumları ve proje raporu

Dersin Öğretim Dili

Türkçe

Derse İlişkin Politika ve Kurallar

İlan Edilecektir.

Dersin Öğretim Üyesi İletişim Bilgileri

Doç. Dr. Nilüfer ATMAN USLU
Dokuz Eylül Üniversitesi
Temel Eğitim Bölümü
atmanuslu@gmail.com
nilufer.atmanuslu@deu.edu.tr

Ders Öğretim Üyesi Görüşme Gün ve Saatleri

Salı 13:00-13:40

Staj Durumu

YOK

İş Yükü Hesaplaması

Etkinlikler Sayısı Süresi (saat) Toplam İş Yükü (saat)
Ders Anlatımı 13 2 26
Haftalık Ders öncesi/sonrası hazırlıklar 13 1 13
Sunum Hazırlama 1 5 5
Proje Hazırlama 13 4 52
Vize Sınavına Hazırlık 1 5 5
Vize Sınavı 1 2 2
TOPLAM İŞ YÜKÜ (saat) 103

Program ve Öğrenme Kazanımları İlişkisi

PK/ÖKPK.1PK.2PK.3PK.4PK.5PK.6PK.7PK.8PK.9PK.10PK.11PK.12PK.13PK.14PK.15PK.16
ÖK.11111111111111111
ÖK.21111111111111111
ÖK.31111111111111111