Bilgi Paketi / Ders Kataloğu
Yapay Zeka Destekli Proje Geliştirme
Ders Kodu: MTE537
Ders Türü: Seçmeli
Ders Grubu: Yüksek Lisans
Eğitim Dili: Türkçe
Staj Durumu: Yok
Teori: 3
Uyg.: 0
Kredi: 3
Laboratuvar: 0
AKTS: 6
Amaç

Bu dersin amacı; öğrencilere matematik öğretimi süreçlerinde yapay zekâ teknolojilerini etkin bir şekilde entegre edebilme becerisi kazandırmak ve bu teknolojileri kullanarak yenilikçi, pedagojik açıdan zengin ve problem çözme odaklı projeler tasarlama, geliştirme ve değerlendirme yetkinliklerini geliştirmektir.

Özet İçerik

Yapay Zeka Destekli Proje Geliştirme dersi kapsamında; öncelikle yapay zekânın eğitimdeki rolü, temel kavramları ve bu teknolojilerin matematik öğretimindeki güncel uygulama alanları teorik düzeyde ele alınmaktadır. Süreç boyunca öğrenciler; veri analizi, kişiselleştirilmiş öğrenme ve akıllı geri bildirim sistemleri sunan çeşitli yapay zekâ araçlarını yakından tanıyarak, matematik ve müfredatına uygun, öğrenci merkezli ve yenilikçi proje tasarımları geliştirirler. Teknolojik uygulamaların yanı sıra, eğitimde yapay zekâ kullanımının getirdiği etik sorumluluklar, veri gizliliği kuralları ve bu sistemlerin sınırlılıkları eleştirel bir bakış açısıyla tartışmaya açılır. Dersin sonunda ise öğrenciler, hazırladıkları disiplinler arası özgün projeleri sunarak bu tasarımların öğretimsel etkililiğini ve değerlendirme yöntemlerini uygulamalı olarak analiz etme becerisi kazanırlar.

Dersi Veren Öğretim Görevlisi/Görevlileri
Öğrenme Çıktıları
1.Proje fikrini ürüne dönüştürür.
2.Proje geliştirme sürecinde yapay zekanın etik kullanımına uyumlu bir şekilde çalışmalarını hazırlar.
3.Akademik yazım esasları çerçevesinde literatürdeki boşluğu doldurmaya yönelik özgün proje geliştirir.
4.Akademik yazım esasları çerçevesinde proje önerisini raporlaştırır.
5.Proje yazım sürecinde ihtiyacına uygun yapay zeka aracını belirler.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
1.Khan, S. (2024). Brave new words: How AI will revolutionize education (and why that's a good thing). Penguin.
2.Zhai, X., & Lee, G. (2026). Artificial Intelligence for STEM Education Research. In Artificial Intelligence for STEM Education Research: Advanced Methods and Applications (pp. 1-15). Cham: Springer Nature Switzerland.
3.Zhai, X., & Krajcik, J. (Eds.). (2024). Uses of artificial intelligence in STEM education. Oxford University Press.
4.Sezginsoy Şeker, B., & İzgi Onbaşılı, Ü. (Ed.). (2025). Dijital çağın öğretmenleri: Yapay zekâ ile etkin ders tasarımı. Nobel Akademik Yayıncılık.
5.Atmaca, T., & Dağ, S. (Ed.). (2025). Eğitimde yapay zekâ ve uygulama alanları. Vizetek Yayıncılık.
6.Büyükköse, Ş. (Ed.). (2025). Matematik perspektifinden yapay zekâ. Vizetek Yayıncılık.
7.Karakaş, H., & Bircan, M. A. (Ed.). (2025). Etkinlik örnekleriyle eğitimde yapay zekâ uygulamaları. Vizetek Yayıncılık.
8.Nizam, F. (Ed.). (2025). Yapay zekâ çağı ve dijital iletişim: Fırsatlar, riskler, değişimler. Vizetek Yayıncılık.
Haftalık Ayrıntılı Ders İçeriği
1. Hafta - Teorik
Dersin tanıtımı: Kapsamı, gerekçesi, önemi, kural ve gerekleri
2. Hafta - Teorik
Eğitimde Yapay Zekâya Giriş: Yapay zekânın temel kavramları, tarihsel gelişimi ve eğitim teknolojilerindeki yeri
3. Hafta - Teorik
Matematik Eğitiminde Yapay Zekânın Rolü: STEM alanlarında yapay zekâ entegrasyonu, fırsatlar, zorluklar ve pedagojik yaklaşımlar.
4. Hafta - Teorik
Üretken Yapay Zekâ ve Dil Modelleri: ChatGPT, Claude gibi büyük dil modellerinin (LLM) ders planı ve içerik hazırlamada kullanımı.
5. Hafta - Teorik
Kişiselleştirilmiş Öğrenme ve Adaptif Sistemler: Öğrenci hızına ve seviyesine göre özelleştirilen akıllı öğretim sistemlerinin incelenmesi.
6. Hafta - Teorik
Veri Analitiği ve Öğrenme Analitiği: Öğrenci performans verilerinin yapay zekâ ile analiz edilmesi ve kavram yanılgılarının tespiti.
7. Hafta - Teorik
Matematik Eğitiminde Yapay Zekâ Araçları: Geometri, cebir ve problem çözme süreçlerini destekleyen akıllı yazılım ve platformların kullanımı.
8. Hafta - Teorik
Eğitimde Yapay Zekâ Etiği ve Güvenlik: Veri gizliliği, telif hakları, yapay zekâda yanlılık (bias) ve akademik dürüstlük ilkeleri.
9. Hafta - Teorik
Yapay Zekâ Destekli Proje Tasarımı (Planlama): Problem belirleme, hedef kitle analizi ve yapay zekâ araçlarının projeye entegrasyon stratejileri.
10. Hafta - Teorik
Disiplinler Arası Proje Geliştirme (Uygulama - I): Matematik odaklı yapay zekâ destekli proje taslağının hazırlanması ve prototip oluşturulması.
11. Hafta - Teorik
Disiplinler Arası Proje Geliştirme (Uygulama - II): Matematik odaklı yapay zekâ destekli proje taslağının hazırlanması ve prototip oluşturulması.
12. Hafta - Teorik
Ölçme ve Değerlendirmede Yapay Zekâ: Yapay zekâ destekli sınav hazırlama, otomatik geri bildirim verme ve rubrik oluşturma yöntemleri.
13. Hafta - Teorik
Projelerin Test Edilmesi ve İyileştirilmesi: Geliştirilen projelerin akran değerlendirmesi ve uzman görüşleri doğrultusunda revize edilmesi.
14. Hafta - Teorik
Proje Sunumları ve Değerlendirme: Geliştirilen yapay zekâ destekli matematik projelerinin sunulması ve öğretimsel etkililiğinin analizi.
Değerlendirme
Değerlendirme TürüAdetYüzde
Derse Katılım (Performans)1%5
Ödev1%25
Dönem Sonu Sınavı (Final)1%70
İş Yükü Hesaplaması
EtkinlikSayısıÖn HazırlıkSüreToplam Iş Yükü (Saat)
Kuramsal Ders141356
Ödev55235
Okuma140228
Bireysel Çalışma140114
Dönem Sonu Sınavı116117
TOPLAM İŞ YÜKÜ (Saat)150
Program ve Öğrenme Çıktıları İlişkisi
PÇ-1
PÇ-2
PÇ-3
PÇ-4
PÇ-5
PÇ-6
PÇ-7
PÇ-8
PÇ-9
PÇ-10
PÇ-11
PÇ-12
PÇ-13
OÇ-1
4
4
4
4
3
2
2
4
4
OÇ-2
4
5
3
5
OÇ-3
3
4
4
3
4
3
OÇ-4
3
4
4
2
4
4
2
4
OÇ-5
3
5
4
5
3
Adnan Menderes Üniversitesi - Bilgi Paketi / Ders Kataloğu
2026