Rapor Tarihi: 24.02.2026 05:55
| Ders Adı | Kodu | Dili | Türü | Yarıyıl | T+U Saat | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| Eğitimde Nicel Veri Analizi Yöntemleri | EYD600 | Türkçe | Zorunlu | 3 + 0 | 3,0 | 10,0 |
| Ön Koşul Dersleri | |
| Dersin Seviyesi | Lisansüstü |
| Dersin Verilişi | Yüz yüze |
| Dersin Koordinatörü | Doç. Dr. Taner ATMACA |
| Dersi Veren(ler) | Doç. Dr. Taner ATMACA (Güz) |
| Dersin Amacı | Bu dersin amacı, doktora düzeyindeki öğrencilerin eğitim araştırmalarında kullanılan nicel veri analizi yöntemlerini ileri düzeyde kavramalarını, uygulamalarını ve yorumlamalarını sağlamaktır. Öğrenciler, istatistiksel modelleme, ileri regresyon teknikleri, ölçme modelleri, yapısal eşitlik modellemesi ve veri temelli karar verme süreçleri konusunda yetkinlik kazanacaktır. |
| Dersin İçeriği | Bu ders, eğitim araştırmalarında kullanılan temel ve ileri düzey nicel analiz yöntemlerini kapsamaktadır. İçerik; betimsel istatistikler, korelasyon ve regresyon analizleri, varyans analizi, çok değişkenli istatistikler, faktör analizi, yapısal eşitlik modellemesi, ölçek geliştirmenin nicel boyutları ve veri analizi yazılımlarının kullanımını içermektedir. Öğrenciler, gerçek veri setleri üzerinde uygulama yaparak araştırma sorularını test etmeyi, sonuçları yorumlamayı ve raporlamayı öğreneceklerdir. |
| # | Öğrenme Kazanımı |
| 1 | Öğrenme Kazanımı No Eğitim araştırmalarında kullanılan ileri düzey nicel analiz yöntemlerini açıklayabilir. |
| 2 | Farklı istatistiksel teknikleri uygun veri yapısına göre seçebilir ve uygulayabilir. |
| 3 | Regresyon, faktör analizi ve yapısal eşitlik modellemesi gibi yöntemleri yorumlayabilir. |
| Hafta | Konular/Uygulamalar | Yöntem |
|---|---|---|
| 1. Hafta | Nicel Araştırmanın Temelleri, veri türleri, ölçme düzeyleri | Ön Hazırlık, Pekiştirme Çalışmaları, Araştırma |
| 2. Hafta | Betimsel istatistikler, normallik, aykırı değer analizi | Ön Hazırlık, Pekiştirme Çalışmaları, Araştırma |
| 3. Hafta | Korelasyon analizi, varsayımlar | Ön Hazırlık, Pekiştirme Çalışmaları, Araştırma |
| 4. Hafta | Basit regresyon analizi | |
| 5. Hafta | Çoklu regresyon ve model karşılaştırma | Ön Hazırlık, Pekiştirme Çalışmaları, Araştırma |
| 6. Hafta | Lojistik regresyon ve karar modelleri | |
| 7. Hafta | Varyans analizleri (ANOVA, MANOVA) | |
| 8. Hafta | Çok değişkenli istatistiklere giriş (MANOVA, MANCOVA) | |
| 9. Hafta | Keşfedici faktör analizi (EFA) | |
| 10. Hafta | Doğrulayıcı faktör analizi (CFA) | Ön Hazırlık, Pekiştirme Çalışmaları |
| 11. Hafta | Yapısal eşitlik modellemesi (SEM) | |
| 12. Hafta | Ölçek geliştirme süreçlerinde nicel analiz | Ön Hazırlık, Pekiştirme Çalışmaları, Araştırma |
| 13. Hafta | Büyük veri setleriyle nicel analiz ve yazılım uygulamaları | |
| 14. Hafta | Öğrenci sunumları ve genel değerlendirme |
| No | Program Yeterlilikleri | Katkı Düzeyi | |||||
|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | |||
| 1 | Yüksek lisans yeterliliklerine dayalı olarak Eğitim Yönetimi alanında ileri düzeydeki bilgilerini özgün düşünce ve araştırma ile uzmanlık düzeyinde geliştirir ve derinleştirir. | ✔ | |||||
| 11 | Eğitim Yönetimi alanında özgün ve disiplinler arası çalışmalarda liderlik yapar. | ✔ | |||||
| Program Yeterlilik | DK1 | DK2 | DK3 |
|---|---|---|---|
| PY1 | 3 | 3 | 3 |
| PY11 | 3 | 3 | 3 |
| Ders Kitabı veya Notu | Ders Kitabı veya Ders Notu bulunmamaktadır. |
|---|---|
| Diğer Kaynaklar |
|
| AKTS / İş Yükü Tablosu | Sayısı | Süresi (Saat) | Toplam İş Yükü (Saat) | |
|---|---|---|---|---|
|
Ders İçi |
Ders Saati (14 Hafta) | 1 | 3 | 3 |
|
Ders Dışı |
Ödev | 1 | 1 | 1 |
| Ön Hazırlık, Pekiştirme Çalışmaları | 1 | 1 | 1 | |
| Uygulama | 1 | 1 | 1 | |
|
Sınavlar |
Final | 1 | 3 | 3 |
| Toplam İş Yükü | 9 | |||
| *AKTS = (Toplam İş Yükü) / 25,5 | Dersin AKTS Kredisi | 10,0 | ||
