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 sayısal değişkenlerle temel özet istatistikler
3.4 Hafta 4 – Keşfedici Veri Analizi- I
- Tek değişkenli görselleştirme (barplot, histogram, boxplot)
- Dağılımların yorumlanması
3.5 Hafta 5 – Keşfedici Veri Analizi- II
- İki değişkenli görselleştirme (scatterplot, grouped barplot)
- Kategorik + sayısal ilişkiler, korelasyon
3.6 Hafta 6 – Regresyon I
- Basit doğrusal regresyon
- Regresyon katsayılarının yorumlanmas
3.7 Hafta 7 – Regresyon II
- Çoklu regresyon
- Varsayımlar, etkileşim terimleri
3.9 Hafta 9 – Regresyon III
- Regresyon modelleme uygulamaları
3.10 Hafta 10 – İstatistiksel çıkarım I
- Örnekleme dağılımı
- Merkezî limit teoremi, güven aralıkları
3.11 Hafta 11 – İstatistiksel çıkarım II
- Hipotez testleri: t-test, ki-kare testleri
3.12 Hafta 12 – İstatistiksel çıkarım III
- ANOVA, post-hoc testler
- Etki büyüklüğü, yorumlama
3.13 Hafta 13 – Çıkarımsal Modelleme I
- Lojistik regresyon
- Model karşılaştırmaları
3.14 Hafta 14 – Çıkarımsal Modelleme II
- Model seçimi, çapraz doğrulama
- Genel tekrar ve proje sunumları
3.15 Hafta 15 – Genel tekrar ve tartışma
4 📝 Değerlendirme Ölçütleri
| Bileşen | Ağırlık |
|---|---|
| Ara Sınav | 30% |
| Ödev ve Uygulamalar | 30% |
| Genel Sınav | 40% |
📌 Sınavlar yüzyüze gerçekleştirilecektir.
📌 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 (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.