I. Hafta Dersleri (Sakarya Üniversitesi)

Koordinatör: Cengiz Kahraman (İTÜ)

İşlenecek Konular:

1. MANTIK VE TARİHÇESİ
BULANIK MANTIK NEDİR?
SIRADAN BULANIK MANTIK
KAVRAMLAR
ARİTMETİK OPERASYONLAR

2. BULANIK KÜME UZANTILARI
TİP-2 BULANIK KÜMELER
SEZGİSEL BULANIK KÜMELER
RESİM BULANIK KÜMELER
PİSAGOR BULANIK KÜMELER
KÜRESEL BULANIK KÜMELER
NÖTROSOFİK KÜMELER
Q-SEZGİSEL BULANIK KÜMELER
T-KÜRESEL BULANIK KÜMELER
UYGULAMALAR

3. KARAR VERME UYGULAMALARI
BULANIK AHP
BULANIK TOPSIS
BULANIK ÇIKARIM SİSTEMLERİ
DİĞER BULANIK ÇOK ÖLÇÜTLÜ KARAR VERME YÖNTEMLERİ

Koordinatör: Veysel Yılmaz (OGÜ), Murat Doğan (CBÜ), Rana Doğan (CBÜ)

İşlenecek Konular:

1. Bilgisayarlara Programların Yüklenmesi
YEM’in Tanımı ve Doğru Anlaşılması
Gereken Noktalar
YEM’in Kullanıldığı Durumlar
YEM’e İlişkin Temel Kavramlar
Yapısal Modelin Oluşturulması‐ Modelin Belirlenmesi
Model Testi‐ Uyum İndeksleri‐ Model Modifikasyonu

2. YEM’de Kullanılan ProgramlarınKarşılaştırılması
LISREL ve AMOS ile Başlangıç
LISREL’de Ölçüm Modeli ve Yapısal Modelin Oluşturulması
AMOS’da Ölçüm Modeli ve Yapısal Modelin Oluşturulması
LISREL ve AMOS’ta Çok Değişkenli
Normallik Testi ve YEM Uygulamaları
LISREL ve AMOS’ta Yapı Geçerliliği ve Ayırt Edici Geçerlilik

3. LISREL ve AMOS’ta Birinci ve ikinci Düzey
Doğrulayıcı Faktör Analizi
LISREL ve AMOS’ta Aracılık Etkisi İncelenmesi
Düzenleyicilik Etkisi
LISREL ve AMOS’ta Sık Karşılaşılan Hatalar
Analiz Sonuçlarının Makale Formatında Raporlanması
Kısmi En küçük Kareler Yapısal Eşitlik Modellemesine Giriş ve SMARTPLS Analiz Sonuçlarının Makale Formatında Raporlanması

Koordinatör: Gülay Demir (SCÜ)

İşlenecek Konular:

1. Gün

*Karar verme ve ÇKKV
*ÇKKV temel bileşenleri
*ÇKKV problemlerinin genel yapısı
*ÇKKV süreci ve yapılan işlemler
 Normalizasyon yöntemleri

2. Gün

*Ağırlıklandırmada kullanılan ÇKKV yöntemleri
 Subjektif yöntemler
o Uygulama DEMATEL
o Uygulama FUCOM ve BWM
 Objektif yöntemler
o Uygulama ENTROPY
o Uygulama LOPCOW
 Birleştirme yöntemleri

3. Gün

*Sıralamada kullanılan ÇKKV yöntemleri
o Uygulama CoCoSo
o Uygulama CRADIS
 Birleştirme yöntemleri
 ÇKKV problemlerinde duyarlılık analizi
*TR dizinli makaleler için ÇKKV
*SCI vb. endeksli makaleler için ÇKKV

Koordinatör: Bülent Batmaz (Anadolu Ün.)

İşlenecek Konular:

1.Gün: TEMEL KAVRAMLAR
1) İstatistiksel kavramlar:
a. İstatistik, değişken, ölçme ve ölçme araçları ve türleri
b. Ölçek türleri
c. Merkezi eğilim ölçüleri ve değişkenlik, normallik.
2) Değişkenlerin ölçme düzeylerine göre: Veri derleme türleri
a. İsimsel (Nominal) Ölçek (Sınıflandırmalı değişkenler): Anket, Gözlem
b. Sıralı (Ordinal) Ölçek (Sıralı değişkenler): Likert Ölçeği, Sıralama Soruları, Karar
matrisleri
c. Aralık Ölçeği: Anketler, Ölçüm cihazları (Termometre vb.) Testler.
d. Oranlı Ölçek (Oransal ölçekler): Anket, Ölçüm cihazları (Ağırlık, uzunluk vb.), Standart
testler.

2.Gün: ÖLÇEK GELİŞTİRME SÜRECİ
1) Kavramsallaştırma: Yapının oluşturulması süreci
2) Madde Oluşturma: Madde havuzu yazım ve dikkat edilecek hususlar
3) İçerik Geçerliliği
4) Pilot Uygulama
a. Odak grup
b. Anket
i. Örneklem yeterliliği

5) Madde Analizi: Madde zorluğunu, Madde ayırt ediciliği ve iç tutarlılık
6) Ölçek Düzeltme: Pilot uygulama ve Madde analizi sonucunda maddelerin seçilmesi ve
düzeltilmesi.
7) Güvenilirlik Testi: iç tutarlılık (örneğin, Cronbach's alpha) ve test-tekrar test güvenilirliği.
8) Yapı Geçerliliği: Ölçeğin amaçlanan yapıyı ne ölçüde ölçtüğünü değerlendirilmesi.
a. Faktör Analizi: SPSS uygulaması, ölçek tek boyutlu, çok boyutlu veya alt boyutlar
varsa bunların belirlenmesi.
i. Madde ve gözlem sayısı: Örneklem yeterliliği?
ii. Korelasyon matrisinin incelenmesi ve yorumlanması

iii. Faktör yükleri
iv. Döndürme
v. Boyutların (Kavramsallaştırılmasında faktör isimlendirme)
vi. DFA (Doğrulayıcı faktör analizi Lisrel uygulamalı)

9) Norm oluşturma: Ölçek puanlarından referans değerleri oluşturma, cut-off değerleri
belirleme, bireylerin puanlarının ana kütleye göre değerlendirilmesi ve yorumlanması.

3.Gün: ÖLÇEK UYARLAMA:
10) Kültürler Arası Uyum: Ölçek faklı kültürlerden alınmış ise, kültürler arası uyum süreci
11) Zamana göre Uyum. Ölçek farklı zamanı yansıtıyor ve zamana göre değişiklikler var ise zaman
göre uyum sallaştırma süreci.
12) Norm oluşturma: Ölçek puanlarından referans değerleri oluşturma, cut-off değerleri
belirleme, bireylerin puanlarının ana kütleye göre değerlendirilmesi ve yorumlanması, Süreç,
sosyal bilimlerde amaçlanan yapıyı ölçmek için sağlam ve etkili bir ölçek geliştirmek için
birden fazla yineleme ve revizyonların yapılmasını gerekmektedir.
4.Gün: UYGULAMA ve TARTIŞMA
Uygulama ve tartışma örnek veri seti üzerinde SPSS ve LİSREL paket program ile uygulama ve
sonuçları yorumlama üzerine çalışmaları ve tartışmaları içerir.

Koordinatör: Selim Zaim (İTÜ emekli İZÜ), Enes Eryarsoy (Sabancı Ün.)

İşlenecek Konular:

• VERİNİN HAZIRLANMASI
• VARYANS ANALİZLERİ (ANAVO, MANOVA)
• İKİ VE DAHA FAZLA GRUP İÇİN AYIRTMA (DİSCRİMİNANT) ANALİZİ
• LOGİSTİC REGRESYON ANALİZİ
• KÜMELEME (CLUSTER) ANALİZİ
• KANONİK (CANONICAL) KORELASYON ANALİZİ
• CONJOINT ANALİZİ
• CORRESPONDENCE ANALİZİ

Koordinatör: Serap Cavkaytar (Anadolu Ün.)

İşlenecek Konular:

Nitel Araştırmanın Tanımı, Amacı, Temel Özellikleri
Nitel araştırma desenleri, Amaç Yazımı ve Örneklem
Nitel Araştırmalarda Veri Toplama Teknikleri
Nitel Araştırmalarda Veri Toplama Teknikleri
Nitel Verilerin Analizi (Betimsel Analiz)
Nitel Verilerin Analizi (İçerik Analizi)
Nitel Araştırmalarda İnanırlık ve Etik
Nitel Araştırmalarda Karşılaşılan Yaygın Hatalar
Proje  Oluşturma, Veri Kaynaklarını Aktarma- Oluşturma
Nvivo 12 Programı Çalışma Alanı ve Ara yüz Tanıtımı
Verileri Analize Hazırlama
Verileri Kodlama ve Temalaştırma
Sorgu Oluşturma
Model Oluşturma
İlinti Kurma
Rapor Oluşturma

Koordinatör: Ömer Faruk Beyca (İTÜ)

İşlenecek Konular:

1. Makine Öğrenmesine Giriş ve Kavramlar
2. Denetimli Öğrenme Yöntemler
a. Regresyon
i. Doğrusal Regresyon
b. Sınıflandırma
i. Logistic Regresyon
c. İleri Seviye Modeller
i. Naive Bayes
ii. K-en yakın komşu
iii. Karar Ağaçları
iv. Rastgele Ağaç
v. Gradyan Artırma
vi. Destek Vektör Makineleri

3. Denetimsiz Öğrenme
a. Kümeleme
b. Anomali Saptama
c. Boyu Azaltma
4. Veri Önişleme
5. Model açıklama
6. Derin Öğrenme