Erciyes University - Info Package

Dersin Adı	Dersin Seviyesi	Dersin Kodu	Dersin Tipi	Dersin Dönemi	Yerel Kredi	AKTS Kredisi	Ders Bilgileri
EĞİTİMDE YAPAY ZEKA UYGULAMALARI	Üçüncü Düzey	İFE 629		1	7.00	7.00	Yazdır

Dersin Tanımı

Ön Koşul Dersleri	Yok
Eğitimin Dili	Türkçe
Koordinatör	PROF. DR. UĞUR BÜYÜK
Dersi Veren Öğretim Eleman(lar)ı	PROF. DR. UĞUR BÜYÜK
Yardımcı Öğretim Eleman(lar)ı	Yok
Dersin Veriliş Şekli	Yüz Yüze Anlatım, Tartışma, Uygulama, Proje Tabanlı Öğrenme, Seminer
Dersin Amacı	Bu dersin amacı; doktora öğrencilerinin yapay zeka (YZ) teknolojilerinin eğitimdeki teorik temellerini, tarihsel gelişimini ve pedagojik yansımalarını derinlemesine analiz etmelerini sağlamak; üretken yapay zeka araçlarını (Generative AI) akademik araştırma ve öğretim tasarım süreçlerine entegre edebilme yetkinliği kazandırmak ve YZ''nin eğitimde kullanımıyla ilgili etik, önyargı ve veri gizliliği konularında eleştirel bir bakış açısı geliştirerek bu alanda özgün araştırmalar tasarlamalarına rehberlik etmektir.
Dersin Tanımı	Bu ders; yapay zekanın temel kavramları (Makine öğrenmesi, Derin öğrenme, Doğal dil işleme), eğitimde YZ uygulamalarının tarihçesi, Üretken Yapay Zeka (ChatGPT, Gemini vb.) ve İstem Mühendisliği (Prompt Engineering), Kişiselleştirilmiş Öğrenme Sistemleri, Zeki Öğretim Sistemleri (Intelligent Tutoring Systems), eğitimde veri madenciliği ve öğrenme analitiği, YZ destekli içerik geliştirme ve ölçme-değerlendirme araçlarını kapsamaktadır. Ayrıca YZ etiği, akademik dürüstlük, algoritmik önyargı ve öğretmenlik mesleğinin geleceği konuları tartışılarak, eğitimde yapay zeka odaklı akademik makale ve proje süreçleri ele alınmaktadır.

Dersin İçeriği

1	Yapay Zekaya Giriş: Temel kavramlar, tarihçe ve eğitimdeki paradigma değişimi.
2	Yapay Zeka Teknolojileri: Makine Öğrenmesi, Derin Öğrenme ve Doğal Dil İşleme (NLP) temelleri.
3	Üretken Yapay Zeka (Generative AI) ve Büyük Dil Modelleri (LLM): Eğitimde kullanım potansiyelleri.
4	İstem Mühendisliği (Prompt Engineering): Akademik ve pedagojik amaçlı etkili istem oluşturma stratejileri.
5	Kişiselleştirilmiş Öğrenme ve Uyarlanabilir Sistemler: Zeki Öğretim Sistemleri (ITS) analizi.
6	Yapay Zeka Destekli İçerik Üretimi: Görsel, işitsel ve metin tabanlı ders materyali tasarımı.
7	Eğitimde Öğrenme Analitiği ve Veri Madenciliği: Öğrenci verilerinin analizi ve karar destek süreçleri.
8	Yapay Zeka ile Ölçme ve Değerlendirme: Otomatik puanlama, geri bildirim sistemleri ve süreç değerlendirmesi.
9	Ara Sınav
10	Yapay Zeka Etiği ve Hukuk: Veri gizliliği, algoritmik önyargı (bias), telif hakları ve akademik dürüstlük.
11	Akademik Araştırmalarda Yapay Zeka Kullanımı: Literatür tarama, veri analizi ve yazım desteği araçları.
12	Öğretmenlik Mesleğinin Geleceği: İnsan-YZ işbirliği ve değişen öğretmen rolleri.
13	Eğitimde Yapay Zeka Uygulamaları üzerine makale incelemesi ve eleştirisi.
14	Özgün Bir Yapay Zeka Entegrasyon Modeli veya Araştırma Önerisi Tasarımı.
15	Dönem Projesi Sunumları ve Değerlendirme.
16	Yarıyıl Sonu Sınavı
17
18
19
20

Dersin Öğrenme Çıktıları

1	Yapay zeka teknolojilerinin eğitimdeki teorik ve pedagojik temellerini karşılaştırmalı olarak analiz eder.
2	Üretken yapay zeka araçlarını kullanarak alana özgü öğretim materyalleri, ders planları ve ölçme araçları geliştirir.
3	Eğitimde kullanılan yapay zeka uygulamalarını etik, pedagojik uygunluk ve verimlilik açılarından eleştirel bir gözle değerlendirir.
4	Kişiselleştirilmiş öğrenme deneyimleri sunan yapay zeka destekli öğretim senaryoları tasarlar.
5	Yapay zekanın eğitimdeki etkilerine yönelik özgün bir araştırma problemi belirler ve yöntem önerisi geliştirir.
6	Akademik çalışmalarda ve eğitim ortamlarında yapay zeka kullanımına dair etik ihlalleri ve riskleri öngörür.
7
8
9
10

*Dersin Program Yeterliliklerine Katkı Seviyesi

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
Yıldızların sayısı 1’den (en az) 5’e (en fazla) kadar katkı seviyesini ifade eder

Planlanan Öğretim Faaliyetleri, Öğretme Metodları ve AKTS İş Yükü

	Sayısı	Süresi (saat)	Sayı*Süre (saat)
Yüz yüze eğitim	14	3	42
Sınıf dışı ders çalışma süresi (ön çalışma, pekiştirme)	14	2	28
Ödevler	10	2	20
Sunum / Seminer hazırlama	1	10	10
Kısa sınavlar	0	0	0
Ara sınavlara hazırlık	1	10	10
Ara sınavlar	1	2	2
Proje (Yarıyıl ödevi)	1	25	25
Laboratuvar	0	0	0
Arazi çalışması	0	0	0
Yarıyıl sonu sınavına hazırlık	1	15	15
Yarıyıl sonu sınavı	1	2	2
Araştırma	1	25	25
Toplam iş yükü			179
AKTS			7.00

Değerlendirme yöntemleri ve kriterler

Yarıyıl içi değerlendirme	Sayısı	Katkı Yüzdesi
Ara sınav	1	20
Kısa sınav	0	0
Ödev	2	20
Yarıyıl içi toplam		40
Yarıyıl içi değerlendirmelerin başarıya katkı oranı		40
Yarıyıl sonu sınavının başarıya katkı oranı		60
Genel toplam		100

Önerilen Veya Zorunlu Okuma Materyalleri

Ders kitabı	Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial Intelligence in Education: Promises and Implications for Teaching and Learning. Center for Curriculum Redesign. UNESCO. (2021). AI and education: Guidance for policy-makers. UNESCO Publishing.
Yardımcı Kaynaklar	Kuleli, M. (Ed.). (2023). Eğitimde Yapay Zeka: Teori ve Uygulama. Ankara: Pegem Akademi. Russell, S., & Norvig, P. (2020). Artificial Intelligence: A Modern Approach (4th Edition). Pearson. OECD. (2021). OECD Digital Education Outlook 2021: Pushing the Frontiers with Artificial Intelligence, Blockchain and Robots. OECD Publishing. Güncel makaleler (Computers & Education, British Journal of Educational Technology dergilerinden).

Ders İle İlgili Dosyalar

DBP Hakkında

Ders Hakkında

Bölüm Hakkında