BUS 210 | Ders Tanıtım Bilgileri - Matematik | İzmir Ekonomi Üniversitesi

Dersin Adı

İşletme ve Sosyal Bilimler için Veri Okuryazarlığı

Kodu	Yarıyıl	Teori (saat/hafta)	Uygulama/Lab (saat/hafta)	Yerel Kredi	AKTS
BUS 210	Güz/Bahar	2	2	3	5

Ön-Koşul(lar)	Yok
Dersin Dili	İngilizce
Dersin Türü	Seçmeli
Dersin Düzeyi	Lisans
Dersin Veriliş Şekli	-
Dersin Öğretim Yöntem ve Teknikleri	Tartışma Olgu / Vaka çalışması Deney / Laboratuvar / Atölye uygulama Anlatım / Sunum
Ulusal Meslek Sınıflandırma Kodu	-
Dersin Koordinatörü	Prof. Dr. Mehmet Gençer
Öğretim Eleman(lar)ı	Dr. Öğr. Üyesi Sinem Tokçaer Öğr.Gör.Dr. Emre CAN Prof. Dr. Mehmet Gençer
Yardımcı(ları)	Araş. Gör. Hasan GÜLOĞLU

Dersin Amacı	Bu ders, işletme ve sosyal bilimler alanlarındaki öğrencilere, günümüzün veri odaklı ortamlarında mesleki ve araştırma görevlerini yerine getirmeleri için gereken veri becerilerini kazandırmayı amaçlamaktadır.
Öğrenme Çıktıları	Bu dersi başarıyla tamamlayabilen öğrenciler; Bir veri kaynağının kalitesini değerlendirebilir. Veri depolama ve erişimini sağlayan teknolojileri tanımlayabilir. Analizi kolaylaştırmak için veri kümeleriyle ilgili sorunları düzeltebililir. Çalışma alanlarıyla ilgili veri kaynaklarını bulabilir. Farklı kaynaklardan gelen veri kaynaklarını birleştirebilir. Veri analizinden görselleştirmeler ve çıkarımlar yoluyla anlamlı bilgiler aktarabilir.
Ders Tanımı	Veriler her şey hakkında olabilir. Bu ders verinin kendisiyle ilgilidir. Bu uygulamalı ders sayesinde öğrenciler bir problemle ilgili veri kaynaklarını belirlemek için eleştirel bir bakış açısı geliştirir. Öğrenciler, çağdaş kurumsal sistemlerde teknoloji ve veri yönetimi süreçlerini tanımlamayı; farklı kaynak, format ve standartlardan verileri birleştirme ve dönüştürmeyi; veri kalitesini değerlendirme ve geliştirmeyi; verinin özelliklerini ve temel veri analizini görselleştirip yorumlayarak bir işletme veya sosyal bilimler sorununa ilişkin çıkarımlar oluşturmayı öğrenir. Kurs üç modülden oluşmaktadır: 1. Veri ve Yaşam (4 hafta): İş ve sosyal bilimlerdeki veri kaynaklarını tanımlama ve neyi temsil ettiğini anlama. Teorileri ve hipotezleri veriye çevirme. Veriye ilişkin kaynaklar ve maliyetler. Veri sorumlulukları, etik, güvenlik ve hırsızlık, gizlilik endişeleri. Associational, relational ve coğrafi veri. 2. Veri İle Hikayeler Anlatma (5 hafta): İletişim analalitiği, raporlarda basit (Excel, Kaggle) grafikler kullanma, infografikler oluşturma. 3. Gerçek Dünyada Veri Yönetimi (5 hafta): SQL, İlişkisel Veritabanı Yönetim Sistemleri (RDBMS), veri temizleme sorunları, yapılandırılmamış veri, bulut ve büyük veride NoSQL veritabanlarına duyulan ihtiyaç.
Dersin İlişkili Olduğu Sürdürülebilir Kalkınma Amaçları

Dersin Kategorisi	Temel Ders
	Uzmanlık/Alan Dersleri
	Destek Dersleri
	İletişim ve Yönetim Becerileri Dersleri
	Aktarılabilir Beceri Dersleri

Hafta	Konular	Ön Hazırlık
1	Modül 1: Veri Esasları. Temel veri kavramları: veri, bilgi. Sosyal bilimlerde sorgulamanın temelleri: istatistiksel çıkarım, veri terimleriyle teori ve hipotez oluşturma. Popülasyonlar, örneklemler ve veriler. Veri kalitesi. Veri dosyası formatları ve işleme yazılımları. Veri tabloları ve değişken veri tipleri. Elektronik tablo fonksiyonları ve referanslama.	Herzog, D. (2015). Data literacy: A user's guide. SAGE Publications: "Fundamentals of Analysis", Bölüm. 1, s. 1-12.
2	Veri kaynakları, sorumlulukları ve kalite kontrolü. Veri edinme kaynaklarını ve maliyetlerini belirleme. Veri sorumlulukları. Veri gizliliği, etik meseleler ve düzenleyici yasalar. Tanımlayıcı istatistikler ve özet görselleştirmeler ile bunların veri kalite kontrolü için kullanımı.	Herzog, D. (2015). Data literacy: A user's guide. SAGE Publications: Bölüm III ve IV, s. 65-142.
3	Verilerle değişimi keşfetme. Pivot tablolarla gruplar arasındaki değişimi toplama ve keşfetme. Zaman serisi görselleştirmesi ile zaman içindeki değişimi keşfetme.	Herzog, D. (2015). Data literacy: A user's guide. SAGE Publications: Bölüm V, s. 143-186.
4	Verilerdeki nedensel ilişkileri keşfetme. Farklı türde değişkenler arasındaki ortak değişimi, ilgili grafik türlerini kullanarak keşfetme. Korelasyon ve basit doğrusal regresyon. Kalite ölçütleri, kalite iyileştirme ve doğrusal regresyon modellerinde eğrisellikle (curvilinearity) başa çıkma.	Cetinkaya-Rundel, M., Diez, D., & Barr, C. (2019). OpenIntro Statistics. (Dördüncü Baskı) OpenIntro: bölüm 8, s. 303-340.
5	Modül 2: Verilerle Hikaye Anlatma. Sözlü ve yazılı iletişimin ötesinde görsel iletişim ve grafiklerin, infografiklerin rolü. Görselleştirmeler: iyisi, kötüsü ve fazlası, hikayeye odaklanma.	Herzog, D. (2015). Data literacy: A user's guide. SAGE Publications: Bölüm 2, s. 15-28.
6	Birlikte ortaya çıkma ve nedensellik hakkında anlatı kalıpları. Anlatı modelleri için veri görselleştirme türleri. Veri grafikleri üretmek için tercih edilen araçlar.	Herzog, D. (2015). Data literacy: A user's guide. SAGE Publications: Bölüm 3, s. 29-50.
7	Tercih edilen araçlarla tek değişkenli ve iki değişkenli keşifsel istatistikler ve veri grafikleri.	Herzog, D. (2015). Data literacy: A user's guide. SAGE Publications: Bölüm 4, s. 51-64.
8	Tek değişkenli ve çift değişkenli istatistiklerle vaka çalışması.	Herzog, D. (2015). Data literacy: A user's guide. SAGE Publications: Bölüm 5, s. 67-74.
9	ARASINAV HAFTASI	ARASINAV HAFTASI
10	Hikaye oluşturmak için ofis ve elektronik tablo araçlarını birleştirme.	Herzog, D. (2015). Data literacy: A user's guide. SAGE Publications: Bölüm 6, s. 75-94.
11	Verinin yapısı ve kalitesi. Veri Tabanı Yönetim Sistemleri (VTYS) ve VTYS'nin kullanım alanları.	Harrington, J. L. (2010). SQL clearly explained (3. baskı). Morgan Kaufmann: Bölüm 3, s. 65-74.
12	İlişkisel Veri Tabanı Yönetim Sistemleri. Veri tabanlarındaki temel kavramlar ve ilişkiler.	Harrington, J. L. (2010). SQL clearly explained (3. baskı). Morgan Kaufmann: Bölüm 3-4, s. 65-105.
13	SQL temelleri. SQL kullanarak veri alma ve aktarma. Google E-Tablolar'da Sorgu (Query) kullanarak veri düzenleme	Harrington, J. L. (2010). SQL clearly explained (3. baskı). Morgan Kaufmann: Bölüm 4, s. 77-105.
14	SQL ve Google E-Tablolar'ı kullanarak verileri bir araya getirme. Hesaplamalar ve gruplandırma sorguları.	Harrington, J. L. (2010). SQL clearly explained (3. baskı). Morgan Kaufmann: Bölüm 7, s. 161-196.
15	Temel birleştirme (join) işlemleri ve RDBMS'den tablo dışa aktarma.	Harrington, J. L. (2010). SQL clearly explained (3. baskı). Morgan Kaufmann: Bölüm 5, s. 107-130.
16	FİNAL SINAVI	FİNAL SINAVI

Ders Kitabı

Herzog, D. (2015). Data literacy: a user's guide (Veri Okuryazarlığı: Bir Kullanıcı Rehberi). SAGE Publications. DOI: https://dx.doi.org/10.4135/9781483399966
Cetinkaya-Rundel, M., Diez, D., & Barr, C. (2019). OpenIntro Statistics (OpenIntro İstatistik). (Dördüncü Baskı). OpenIntro. https://leanpub.com/os
Knaflic, Cole. (2015). Storytelling With Data: A Data Visualization Guide for Business Professionals (Verilerle Hikaye Anlatma: İş Profesyonelleri İçin Bir Veri Görselleştirme Rehberi). Wiley. https://www.storytellingwithdata.com/book/downloads
David, Matt ve Fowler, Dave. Fundamentals of Analysis (Analizin Temelleri). Bir web kitabı. https://dataschool.com/fundamentals-of-analysis/
Harrington, J. L. (2010). SQL clearly explained (SQL Açıkça Açıklanmıştır) (3. baskı). Morgan Kaufmann, ISBN: 9780123756978.

Önerilen Okumalar/Materyaller

https://ourworldindata.org/coronavirus

https://www.data-to-viz.com/

https://flourish.studio/examples/

Yarıyıl Aktiviteleri	Sayı	Katkı Payı %
Katılım
Laboratuvar / Uygulama
Arazi Çalışması
Küçük Sınav / Stüdyo Kritiği	2	40
Portfolyo
Ödev
Sunum / Jüri Önünde Sunum	1	30
Proje
Seminer/Çalıştay
Sözlü Sınav
Ara Sınav
Final Sınavı	1	30
Toplam

Yarıyıl İçi Çalışmalarının Başarı Notuna Katkısı	6	70
Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı	1	30
Toplam

Yarıyıl Aktiviteleri	Sayı	Süre (Saat)	İş Yükü
Teorik Ders Saati (Sınav haftası dahildir: 16 x teorik ders saati)	16	2	32
Laboratuvar / Uygulama Ders Saati (Sınav haftası dahildir. 16 x uygulama/lab ders saati)	16	2	32
Sınıf Dışı Ders Çalışması	16	4.5	72
Arazi Çalışması			0
Küçük Sınav / Stüdyo Kritiği	2	3	6
Portfolyo			0
Ödev			0
Sunum / Jüri Önünde Sunum	1	2	2
Proje			0
Seminer/Çalıştay			0
Sözlü Sınav			0
Ara Sınavlar			0
Final Sınavı	1	2	2
		Toplam	146

#	Program Yeterlilikleri / Çıktıları	* Katkı Düzeyi
#	Program Yeterlilikleri / Çıktıları	1	2	3	4	5
1	Temel matematik, uygulamalı matematik veya istatistik kuramlarına ve uygulamalarına hâkim olur.	-	-	-	-	-
2	Matematik veya istatistik alanlarında edindiği ileri düzey bilgi ve becerilerini kullanarak verileri yorumlar, sorunları tanımlar, araştırmalara ve kanıtlara dayalı çözüm önerileri geliştirir.	-	-	-	-	-
3	Disiplinler arası yaklaşımla, matematik veya istatistiği gerçek yaşamda uygular ve kendi potansiyelini keşfeder.	-	-	-	-	-
4	Matematik veya İstatistik alanında edindiği ileri düzeyde bilgi ve becerilerini eleştirel bir yaklaşımla değerlendirir.	-	-	-	-	-
5	Kuramsal ve teknik bilgilerini detaylı olarak uzman olan veya olmayan kişilere rahatça aktarır.	-	-	-	-	-
6	Matematik veya istatistik alanlarında bireysel veya ekip olarak bir çalışmayı sürdürür, bağımsız çalışmanın ilgili tüm aşamalarında etkili olur, karar verme sürecine katılır, zamanı etkili kullanarak gerekli planlamayı yapar.	-	-	-	-	-
7	Matematik veya istatistik alanlarında yaygın olarak kullanılan yazılımlara aşina olur ve Avrupa Bilgisayar Kullanma Lisansı İleri Düzeyindeki en az bir programı etkin şekilde kullanır.	-	-	-	-	-
8	Dahil olduğu projelerin tüm aşamalarında toplumsal, bilimsel ve etik değerlere uygun hareket eder, toplumsal duyarlılık çerçevesinde proje geliştirip uygular.	-	-	-	-	-
9	Evrensel anlamda birikimli ve duyarlı olarak tüm süreçleri etkin şekilde değerlendirir ve kalite yönetimi konusunda yeterli bilince sahip olur.	-	-	-	-	-
10	Soyut düşünce yapısına hâkim olarak, somut olayları bağlar ve çözüm üretir, veri toplayarak bilimsel yöntemlerle sonuçları inceler ve yorumlar.	-	-	-	-	-
11	Bir yabancı dili kullanarak Matematik veya İstatistik ile ilgili bilgi toplar ve meslektaşları ile iletişim kurar.	-	-	-	-	-
12	İkinci yabancı dili orta düzeyde kullanır.	-	-	-	-	-
13	İnsanlık tarihi boyunca oluşan bilgi birikimini uzmanlık alanıyla ilişkilendirir.	-	-	-	-	-