Veri Analizi Okulu

Temel İstatistik Modülü, katılımcılara veri okuryazarlığından istatistiksel analiz uygulamalarına uzanan kapsamlı bir öğrenme deneyimi sunmayı amaçlamaktadır.

Program kapsamında katılımcılar, verinin bilimsel araştırmalardaki rolünü ve temel istatistiksel kavramları öğrenerek veri toplama, düzenleme, dönüştürme, analiz etme ve görselleştirme süreçlerini uygulamalı olarak ele alacaktır.

Eğitim süresince Excel, SPSS ve R gibi veri analizi araçlarıyla çalışılacak; betimleyici istatistiklerden hipotez testlerine, korelasyon ve regresyon analizlerinden çok değişkenli istatistiksel yöntemlere kadar farklı analiz teknikleri incelenecektir.

Modülde ayrıca yapay zekâ destekli araçların veri hazırlama, analiz süreçlerini kolaylaştırma, kod üretme ve görselleştirme amacıyla nasıl kullanılabileceği ele alınacaktır. Bu uygulamalarda üretilen sonuçların doğrulanması, veri güvenliği ve araştırma süreçlerinin güvenilirliği üzerinde durulacaktır.

Teorik bilgiyi uygulamalı çalışmalarla bir araya getiren modül, katılımcıların yalnızca istatistiksel analizleri gerçekleştirmelerini değil; araştırma sorularına uygun yöntemleri seçmelerini, analiz sonuçlarını eleştirel biçimde değerlendirmelerini ve elde ettikleri bulguları anlamlı şekilde yorumlamalarını hedeflemektedir.

Modülün temel amacı, katılımcıların veriyle bağımsız çalışabilme, istatistiksel analiz yapabilme ve elde ettikleri sonuçları bilimsel araştırma süreçlerinde kullanabilme yetkinliklerini geliştirmektir.

Panel Veri Modülü, katılımcılara R programlama dilini kullanarak sosyal ve ekonomik verileri analiz etme, ekonometrik yöntemleri uygulama ve elde edilen bulguları bilimsel bir çerçevede yorumlama becerisi kazandırmayı amaçlamaktadır. Modül, temel programlama bilgisinden başlayarak gerçek veri setleriyle gerçekleştirilecek uygulamalı ekonometrik analizlere uzanan kapsamlı bir eğitim süreci sunmaktadır.

Modülün ilk aşamasında, R programlama dili ve RStudio ortamı tanıtılacaktır. Katılımcılara temel R programlama yapıları, veri türleri, fonksiyonlar, veri aktarma, veri temizleme, veri dönüştürme, veri yönetimi ve görselleştirme teknikleri öğretilecektir. Böylece katılımcıların büyük ölçekli veri setleriyle bağımsız çalışabilmeleri için gerekli teknik altyapı oluşturulacaktır.

Ardından, ekonometri temelleri ve regresyon analizi ele alınacaktır. Yatay-kesit, zaman serisi ve panel veri yapıları tanıtılarak basit ve çoklu doğrusal regresyon, kategorik değişkenler, model spesifikasyonu, katsayıların yorumlanması ve istatistiksel çıkarım konuları işlenecektir. Ardından panel veri analizinin temel yaklaşımları üzerinde durularak bireysel ve zamansal farklılıkların ekonometrik modellerde nasıl dikkate alınabileceği açıklanacaktır.

Sonrasında, ulusal ve uluslararası gerçek araştırma verileriyle uygulamalar gerçekleştirilecektir. Türkiye Genel Sosyal Saha Araştırması (TGSS), Avrupa Sosyal Araştırması (ESS), National Longitudinal Survey of Youth (NLSY), Health and Retirement Study (HRS) ve Panel Study of Income Dynamics (PSID) gibi kapsamlı veri kaynaklarından yararlanılacaktır. Bu uygulamalarda katılımcılar, araştırma sorusu oluşturma, değişken tanımlama, veri hazırlama, betimsel istatistikler üretme, ekonometrik modeller tahmin etme ve sonuçları yorumlama süreçlerini deneyimleyecektir.

Modül sonunda katılımcıların, yatay-kesit ve panel verilerle bağımsız analiz gerçekleştirebilmeleri, bulguları tablolar ve grafiklerle sunabilmeleri ve bilimsel araştırmalarda kullanılabilecek tekrarlanabilir analizler geliştirebilmeleri hedeflenmektedir.

Sosyal bilimlerin veriyle kurduğu ilişki son yirmi yılda köklü bir dönüşüm geçirdi. Toplumsal hayatın önemli bir kısmı artık dijital ortamlarda yaşanıyor ve geride izler bırakıyor. Haber arşivleri, sosyal medya yazışmaları, örgütler ve siyasi aktörler arası ilişkiler ve mekâna bağlı kayıtlar, toplumsal süreçleri daha önce erişilemeyen bir ölçek ve ayrıntı düzeyinde incelememize olanak tanıyor. Örneğin bir protesto dalgasının şehirden şehre nasıl yayıldığını sosyal medya paylaşımlarından izleyebiliyor; siyasi kampların hangi kavramlarla konuştuğunu ve birbirinden ne ölçüde yalıtıldığını milyonlarca metin ve etkileşim üzerinden görünür kılabiliyoruz.

Ne var ki verinin bolluğu kendiliğinden bilgi üretmiyor. Bu verilerin kimi temsil ettiğini, hangi sesleri dışarıda bıraktığını sormak ve bulguları sosyal bilimlerin kuramsal birikimiyle ilişkilendirmek her zamankinden daha önemli. Hesaplamalı Sosyal Bilimler, yöntemsel yenilik ile kuramsal soru arasındaki bu bağı kurmayı amaçlayan disiplinlerarası bir alan olarak tam da bu buluşma noktasında duruyor.

Hesaplamalı Sosyal Bilimler Modülü, Veri Analizi Okulu'nun ilk döneminde İstatistik ve Python temelini edinen katılımcıları bu alanın başlıca yöntemleriyle tanıştırmayı hedefliyor. 5 Mart - 4 Haziran 2027 arasında, on üç hafta boyunca her Cuma 10:00–13:00 saatlerinde yapılacak modül dersleri, alanın temel sorularını ve araştırma tasarımlarını tartıştığımız bir giriş haftasıyla açılacak. İzleyen üç haftada yapay zekaya, makine öğrenmesinden büyük dil modellerine kadar çeşitli yapay zeka algoritmalarının sosyal bilim araştırmalarına sunduğu olanaklara ve sınırlarına odaklanacağız. Kalan dokuz hafta üçer haftalık bloklar halinde metinlerin doğal dil işleme teknikleriyle çözümlenmesine, toplumsal ilişkilerin ağ analiziyle incelenmesine ve toplumsal olguların coğrafi bilgi sistemleriyle mekânsal analizine ayrılacak. Her blokta, ilgili alanda araştırma yürüten uzman akademisyenlerle birlikte kavramsal tartışmayı gerçek veri setleri üzerinde uygulamayla birleştireceğiz.

Dijital Beşeri Bilimler, beşeri bilimlerin araştırma sorularını dijital yöntemler, veri analizi ve hesaplamalı yaklaşımlarla bir araya getiren disiplinler arası bir çalışma alanıdır. Tarih, edebiyat, dilbilim, sanat tarihi, felsefe, ilahiyat ve kültürel çalışmalar gibi alanlarda üretilen metin, görsel, harita, arşiv belgesi, yazma eser ve diğer kültürel verilerin dijital ortamda yapılandırılması, analiz edilmesi ve yorumlanmasına yönelik yöntemler sunar.

Bu modül, katılımcılara beşeri bilimler araştırmalarında verinin nasıl oluşturulduğunu, düzenlendiğini, analiz edildiğini ve görselleştirildiğini uygulamalı bir çerçevede tanıtmayı amaçlamaktadır. Modül kapsamında dijital araştırma süreçlerinin temel kavramlarının yanı sıra veri tabanı oluşturma, metin madenciliği, doğal dil işleme, coğrafi bilgi sistemleri (GIS), ağ analizi, dijital haritalama ve veri görselleştirme gibi yöntem ve yaklaşımlara uygulamalı giriş yapılacaktır.

Modülün sonunda katılımcıların, dijital beşeri bilimlerin temel yöntem ve yaklaşımlarını tanımaları, kendi araştırma sorularını veri odaklı bir perspektifle yeniden değerlendirebilmeleri ve uygun dijital yöntemleri araştırma süreçlerine bilinçli ve eleştirel biçimde dâhil edebilmeleri hedeflenmektedir.

Psikometri Modülü, eğitim, psikoloji, sağlık ve sosyal bilimler alanlarında ölçme araçları geliştiren, uyarlayan veya ileri veri analizi yöntemlerinden yararlanmak isteyen araştırmacılara yönelik uygulama ağırlıklı bir eğitim programıdır. Modül, ölçek geliştirme ve uyarlamanın temel aşamalarından başlayarak yapısal eşitlik modellemesi, Rasch modelleri, Madde Tepki Kuramı ve boylamsal modellemeye uzanan bütüncül bir öğrenme süreci sunmaktadır.

Programın ilk bölümünde ölçek geliştirme ve uyarlama, uzman görüşü ve kapsam geçerliği, madde analizi, güvenirlik, Açımlayıcı Faktör Analizi (AFA) ve Doğrulayıcı Faktör Analizi (DFA) ele alınacaktır. Katılımcılar Jamovi ve R Studio üzerinden gerçek veya örnek veri setleriyle analizleri gerçekleştirerek sonuçları yorumlama ve bilimsel olarak raporlama deneyimi kazanacaktır.

Geçmiş dönemlerde katılımcıların yoğun ilgi gösterdiği Yapısal Eşitlik Modellemesi (SEM) bu yıl genişletilerek ölçme ve yapısal modeller, doğrudan ve dolaylı etkiler, aracılık ilişkileri ve ölçme değişmezliği uygulamalarını kapsayacak biçimde ele alınacaktır. Ayrıca programa Boylamsal Yapısal Eşitlik Modellemesi (Latent Growth Modelleri) de geçen yılki gibi dahil edilerek bireylerin zaman içerisindeki başlangıç düzeyleri ve değişim örüntülerinin nasıl modellenebileceği incelenecektir.

Modern psikometri bölümünde ise Rasch model ailesinden, Rating Scale ve Partial Credit modelleri yanısıra, 2 ve 3 parametreli Madde Tepki Kuramı modelleri ve Çok Yüzeyli Rasch Modeli üzerinde durulacaktır. Winsteps, FACETS, R/RStudio ve Shiny gibi web tabanlı araçlardan yararlanılarak uygulamalar gerçekleştirilecektir.

Modülün temel yaklaşımı, katılımcılara yalnızca “hangi tuşa basılacağını” göstermek değil; hangi durumda hangi yöntemin kullanılacağını, çıktının ne anlama geldiğini ve elde edilen bulgunun nasıl savunulabilir biçimde raporlanacağını deneyimletmektir.

Dijital Üniversite Platformu 2026–2027 kapsamında sağlık bilimleri alanındaki araştırmacılar, lisans/lisansüstü öğrenciler ve sağlık profesyonelleri için Biyoistatistik modülü düzenleniyor.

İlk aşama modüllerde edinilen temel istatistik ve kodlama (R / Python) altyapısını, klinik ve epidemiyolojik bir yaklaşımla pekiştirmeyi amaçlayan bu 10 haftalık program, klasik ders kitaplarındaki teorik yaklaşımların ötesine geçmeyi hedefliyor. Sağlık araştırmalarında karşılaşılan karmaşık çalışma tasarımlarını, saha dinamiklerini yansıtan veri senaryolarını ve literatürde sık tekrarlanan yöntem hatalarını odağına alarak, katılımcılara biyoistatistik alanında temel becerileri kazandırmayı amaçlıyor.

Modül Kapsamında Neler Var?

Gerçek araştırma senaryolarıyla uygulama: Tipik bir klinik veya saha araştırmasında karşınıza çıkabilecek şekilde kurgulanmış veri setleriyle uçtan uca analiz deneyimi.

“Hangi Testi Ne Zaman Seçmeliyim?”: Veri türü, dağılım özellikleri ve araştırma sorusuna göre en uygun yönteme adım adım karar verme.

Karıştırıcı faktörler ve çok değişkenli modelleme: Sağlık verilerine özgü karıştırıcı değişkenlerin yönetimi, etkileşimler ve regresyon modellerinin doğru kurgulanması.

Kritik metodolojik hatalar: p-değeri yanılgıları, modellerde aşırı uyum (overfitting), varsayım ihlalleri ve eksik veri (missing data) yaklaşımları.

Araştırmalarında veriye doğru bir bakış açısıyla yön vermek ve analiz yapabilme yetkinliği kazanmak isteyen herkes davetlidir.

Veri odaklı karar alma süreçlerinde uzmanlaşmak ve R programlama dili ile uçtan uca analitik projeler geliştirmek isteyenler için tasarlanan bu kapsamlı eğitim programı dört ana bölümden oluşmaktadır. Programın ilk bölümünde R programlama dili ile veri manipülasyonu, temel olasılık ve hipotez testleri gibi kavramları içeren temel istatistik tanıtılmaktadır. İkinci bölümde veri görselleştirme yetkinliği artırılmakta; keşfedici veri analizi, eksik veri analizi ve aykırı değer tespiti uygulamaları gösterilmektedir. Eğitimin devamında makine öğrenmesi süreçlerine adım atılarak regresyon modelleri, sınıflandırma algoritmaları, gözetimsiz öğrenme, veri ön işleme, aşırı öğrenmeyi önleme ve hiperparametre optimizasyonu gibi temel konular işlenmektedir. Son bölümde ise daha ileri seviye makine öğrenme tekniklerinden ağaç tabanlı yaklaşımlar ve topluluk algoritmaları, anomali tespiti ve açıklanabilir yapay zeka (XAI) uygulamaları ele alınarak uçtan uca eksiksiz bir analitik veri akış hattı (pipeline) kurulumu sağlanmaktadır. Program, veriden değer üretmek ve yapay zeka modellerini iş süreçlerine entegre etmek isteyenler için ideal bir rehberdir.