Ders Tanıtımı ve İzlence

📘 OLC731 – R Yazılımı ile Ölçme Uygulamaları

Ders Kodu: OLC731

Program: Ölçme ve Değerlendirme Doktora Programı

Dönem: Güz 2025

Öğretim Üyesi: 🏛 Assoc. Prof. Dr. Kübra Atalay Kabasakal

🧭 ORCID, 🎓 YÖK Akademik, 🧑‍💻 GitHub,

İletişim: kkatalay@gmail.com / katalay@hacettepe.edu.tr

Ders Web sitesi: https://atalay-k.github.io/2025_OLC731

1 🎯 Dersin Amacı

Bu dersin amacı, R programlama dili aracılığıyla öğrencilerin temel ve ileri düzey veri analizi becerilerini kazanmaları; betimsel istatistik, hipotez testleri, regresyon analizleri gibi işlemleri kendi yazdıkları fonksiyonlarla gerçekleştirmeleri ve elde edilen bulguları akademik standartlara uygun biçimde raporlamayı öğrenmeleridir.

2 🧠 Öğrenme Hedefleri

Bu dersi tamamlayan öğrenciler:

  • R ortamını kurar ve temel paketleri yükler.

  • Veri okuma, düzenleme ve analiz etme becerileri geliştirir.

  • Fonksiyon yazarak betimleyici istatistikler ve hipotez testleri gerçekleştirir.

  • Regresyon analizlerini uygular, varsayımları test eder.

  • Analiz sonuçlarını APA formatına uygun şekilde raporlar.

3 📅 Haftalık Ders Planı

3.1 Hafta 1 – Giriş

  • Dersin tanıtımı, R ve RStudio kurulumu, veri kavramı
  • Veri türleri, paketlerle veri yükleme

3.2 Hafta 2 – Veri İnceleme - I

  • Değişken türleri
  • Veri setlerini tanıma (glimpse(), summary(), görselleştirme temelleri)

3.3 Hafta 3 – Veri İnceleme - II

  • Veri temizleme, eksik/veri hataları

  • Kategorik ve sürekli değişkenlerle temel özet istatistikler

3.4 Hafta 4 –5 Keşfedici Veri Analizi-

  • Tek değişkenli görselleştirme (barplot, histogram, boxplot)

  • Dağılımların yorumlanması

  • Simpson Paradoxu - Anscombe dörtlüsü

  • İki değişkenli görselleştirme (scatterplot, grouped barplot)

  • Kategorik + sayısal ilişkiler, korelasyon

3.5 Hafta 6 – Regresyon I

  • Basit doğrusal regresyon
  • Regresyon katsayılarının yorumlanması

3.6 Hafta 7 – Regresyon II

  • Çoklu regresyon
  • Varsayımlar, etkileşim terimleri

3.7 Hafta 8 – Ara Sınav

3.8 Hafta 9 – Regresyon III

  • Regresyon modelleme uygulamaları

3.9 Hafta 10 – Progralama

Fonksiyonlar Döngüler

3.10 Hafta 11 – İstatistiksel çıkarım I

  • Örnekleme dağılımı
  • Merkezî limit teoremi, güven aralıkları

  • Hipotez testleri: t-test, ki-kare testleri

  • ANOVA, post-hoc testler

  • Etki büyüklüğü, yorumlama

3.11 Hafta 14 – Çıkarımsal Modelleme I

  • Model seçimi, çapraz doğrulama
  • Genel tekrar ve proje sunumları

3.12 Hafta 15 – Genel tekrar ve tartışma

3.13 Hafta 16 – Final sınavı / Proje teslimi

4 📝 Değerlendirme Ölçütleri

Bileşen Ağırlık
Ara Sınav 25%
Ödev ve Uygulamalar 25%
Genel Sınav 50%

📌 Sınavlar yüzyüze gerçekleştirilecektir.

📌 3. hafta itibariyle her hafta ders kapsamında öğrenme günlüğü oluşturmanız beklenmektedir.

5 🛠️ Teknik Gereksinimler

  • R ve RStudio kurulumu

  • Aşağıdaki R paketlerinin kurulumu:

    • tidyverse, ggplot2, readr, dplyr, psych, infer, learnr, quarto, vb.

  • Yapay zeka aracı: ChatGPT , copilot (web veya API erişimi önerilir)

6 🌐 Önceki Yılların Ders Web Siteleri

7 📚 Ders Kaynakları

🔗 R ile Veri Analizi ve Psikometri Uygulamaları – Atar, Atalay Kabasakal, Ünsal Özberk, Özberk, Uysal
🔗 R ile Psikometri (2025) – Güler, Atar & Atalay Kabasakal
🔗 Veri Düzenleme ve Görselleştirme (2023) – Atalay Kabasakal & Gönen

🔗 R Shiny ile Psikometri ve İstatistik Uygulamaları (2021) – Doğan & Aybek
🔗 Handbook of Educational Measurement and Psychometrics Using R – Desjardins & Bulut
🔗 R Diliyle İstatistik Uygulamaları (2021) – Demir
🔗 R Programlama Diline Giriş (2024) – Güngör

📌 Bu ders materyallerine ek olarak, R öğrenmek için bir dizi mükemmel kaynak vardır.

📌 Bu sayfa, dersin tanıtımı ve genel planını içerir. Haftalık içerik, ödevler ve uygulamalara menüden erişebilirsiniz.

7.1 🔗 İlgili Bağlantılar ve Mevzuat

📄 Dersin AKTS Bilgi Paketi Sayfası (Hacettepe Üniversitesi)

📜 Bu ders, Hacettepe Üniversitesi Lisansüstü Eğitim ve Öğretim Yönetmeliği hükümlerine uygun olarak yürütülmektedir.