Bilgi Paketi / Ders Kataloğu
| Ders Kodu | : MIS523 |
| Ders Türü | : Seçmeli |
| Ders Grubu | : Yüksek Lisans |
| Eğitim Dili | : Türkçe |
| Staj Durumu | : Yok |
| Teori | : 3 |
| Uyg. | : 0 |
| Kredi | : 3 |
| Laboratuvar | : 0 |
| AKTS | : 6 |
Bilinçli olarak seçilen yöntemlerin kavramsal entegrasyonu, algoritmaların ve iş akışlarının sistematik optimizasyonu ve ampirik araştırmalara ilişkin metodolojik yansımalar ile ilgili olarak sosyal bilimler çalışmaları için metin madenciliği uygulamaları. Örnek bir çalışmada, Almanya'da “demokratik sınırlama” konusunda yaklaşık 600.000 gazete makalesinin bir parçasını analiz etmek için iş akışları sunuyor. Uygulamalı doğal dil işleme alanında sosyal bilimciler ve bilgisayar bilimcileri için yenilikçi önlemler için değerli bir kaynak sağlar. İçindekiler • Dijital Dünyada Niteliksel Veri Analizi • Sosyal Bilimlerde Bilgisayar Destekli Metin Analizi • Karmaşık Analiz için Metin Madenciliği Uygulamalarının Entegrasyonu
Bilinçli olarak seçilen yöntemlerin kavramsal entegrasyonu, algoritmaların ve iş akışlarının sistematik optimizasyonu ve ampirik araştırmalara ilişkin metodolojik yansımalar ile ilgili olarak sosyal bilimler çalışmaları için metin madenciliği uygulamaları. Örnek bir çalışmada, Almanya'da “demokratik sınırlama” konusunda yaklaşık 600.000 gazete makalesinin bir parçasını analiz etmek için iş akışları sunuyor. Uygulamalı doğal dil işleme alanında sosyal bilimciler ve bilgisayar bilimcileri için yenilikçi önlemler için değerli bir kaynak sağlar. İçindekiler • Dijital Dünyada Niteliksel Veri Analizi • Sosyal Bilimlerde Bilgisayar Destekli Metin Analizi • Karmaşık Analiz için Metin Madenciliği Uygulamalarının Entegrasyonu
| 1. | Öğrenciler çok değişkenli veri analizinin temel kavramlarını öğrenme ve uygulayabilme bilgi ve becerisi kazanacaklardır. |
| 2. | Öğrenciler çok değşkenli veri önişleme yöntemlerini öğrenecektir |
| 3. | Öğrenciler istatistiksel teknikler kullanarak çok teğişkenli verileri analiz edebileceklerdir |
| 4. | Öğrenciler istatisksel öğrenme yöntemlerini öğrenecekleridir. |
| 5. | Öğrenciler regresyon yöntemleri hakkında bilgiye sahip olacaklardır. |
| 1. | Silver C., & Lewins, A., (2014) “Using Software in Qualitative Research: A step by step guide” 2nd Edt. Sage,UK |
| 2. | QDA Miner Training Workbook, Provalis Research 2014 |
| Değerlendirme Türü | Adet | Yüzde |
|---|---|---|
| Ara Sınav (Vize) | 1 | %40 |
| Dönem Sonu Sınavı (Final) | 1 | %60 |
| Etkinlik | Sayısı | Ön Hazırlık | Süre | Toplam Iş Yükü (Saat) |
|---|---|---|---|---|
| Kuramsal Ders | 15 | 3 | 3 | 90 |
| Ödev | 2 | 4 | 4 | 16 |
| Okuma | 1 | 0 | 1 | 1 |
| Bireysel Çalışma | 15 | 1 | 1 | 30 |
| Ara Sınav | 1 | 3 | 1 | 4 |
| Dönem Sonu Sınavı | 1 | 4 | 5 | 9 |
| TOPLAM İŞ YÜKÜ (Saat) | 150 | |||
PÇ-1 | PÇ-2 | PÇ-3 | PÇ-4 | PÇ-5 | PÇ-6 | PÇ-7 | PÇ-8 | PÇ-9 | PÇ-10 | |
OÇ-1 | 5 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | |
OÇ-2 | 4 | 4 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 |
OÇ-3 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | 5 | |
OÇ-4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | |||
OÇ-5 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 4 | 5 | |