DERS TANITIM ve UYGULAMA BİLGİLERİ

Dersin Adı Kodu Yarıyıl T+U+L (saat/hafta) Türü (Z / S) Yerel Kredi AKTS
Psikolojide Veri Analizi PSYC 345 Güz 03+00+00 Seçmeli 3 6
Akademik Birim: Psikoloji
Öğrenim Türü: Örgün Eğitim
Ön Koşullar Yok
Öğrenim Dili: İngilizce
Dersin Düzeyi: Lisans
Dersin Koordinatörü: - -
Dersin Amacı: • Pratik Becerileri Geliştirmek:

Temel istatistiksel teknikleri güçlendirmek ve genişletmek için gerçek dünyadaki psikolojik verilerle kapsamlı uygulamalar sağlamak.

İstatistiksel bulguları yazılı ve sözlü formatlarda farklı kitlelere iletme becerisini geliştirmek.

Öğrencileri bağımsız araştırma projelerine ve psikoloji alanında gelecekteki profesyonel veya akademik çalışmalara hazırlamak.

• Teori ve Uygulama Arasında Köprü Kurmak:

Öğrencilerin teorik kavramları uygulamalı veri analizlerine çevirmelerini sağlamak, onları eleştirel değerlendirmeye ve araştırma yapmaya hazırlamak ve kapsamlı uygulamalarla yaygın istatistiksel kavram ve yöntemlerin anlaşılmasını güçlendirmek

• Analitik Güven Geliştirmek:

Öğrencilerin verileri temizleme, keşfetme, yorumlama ve yönetme becerilerini geliştirmek, böylece veri analizindeki yetkinliklerini ve özgüvenlerini artırmak.

• Eleştirel Değerlendirmeyi Teşvik Etmek:

Yayınlanmış araştırmaları istatistiksel bir bakış açısıyla inceleme ve bulguları net bir şekilde iletme becerisini geliştirmek.
Dersin İçeriği: Bu ileri düzey lisans dersi, psikolojik araştırma verileriyle uygulamalı deneyim yoluyla öğrencilerin pratik veri analizi becerilerini güçlendirir. Önceki istatistik ve yöntem derslerine dayanarak, öğrenciler gerçek psikoloji veri setlerini kullanarak veri işleme, analiz ve yorumlama konusunda yeterlilik geliştirirler. Ders, araştırmanın tekrarlanabilirliğini, veri görselleştirmeyi ve istatistiksel sonuçların etkili iletilmesini vurgular.
Dersin Öğrenme Çıktıları (ÖÇ):
  • 1- Eksik verilerin işlenmesi ve değişkenlerin uygun şekilde kodlanması da dahil olmak üzere analiz için psikolojik veri setlerini hazırlar ve temizler.
  • 2- Psikolojik verilerdeki örüntüleri, dağılımları ve ilişkileri anlamak için keşifsel veri analizi tekniklerini uygular.
  • 3- Hem parametrik hem de parametrik olmayan yöntemler dahil olmak üzere araştırma sorularına ve veri özelliklerine dayalı olarak uygun istatistiksel analizleri seçer ve yürütür.
  • 4- Uygun tanılama tekniklerini ve görselleştirmeleri kullanarak istatistiksel varsayımları değerlendirir ve doğrular.
  • 5- Varsayımlara, etki büyüklüklerine ve istatistiksel güce uygun şekilde dikkat ederek çoklu regresyon modelleri oluşturur.
  • 6- Araştırma bulgularını etkili bir şekilde ileten net, bilgilendirici veri görselleştirmeleri oluşturur.
  • 7- Hem uzmanlar hem de genel kitleler için istatistiksel sonuçların doğru, APA tarzı yorumlarını yazar.
  • 8- Analiz prosedürlerini tekrarlanabilir ve şeffaf bir şekilde belgeler.
  • 9- Yayınlanmış psikolojik araştırmalarda istatistiksel analizleri eleştirel olarak değerlendirir.
  • 10- Veri analizi bulgularını hem yazılı raporlar hem de sözlü sunumlar aracılığıyla etkili bir şekilde sunar.
Dersin Öğrenme Yöntem ve Teknikleri Uygulamalı alıştırmalar içeren haftalık bilgisayar laboratuvarı oturumları; Gerçek psikolojik veri setleriyle küçük grup proje çalışması; İnteraktif uygulamalar ve problem çözme; Analiz raporlarının hakem değerlendirmesi; Bireysel danışma oturumları


HAFTALIK PROGRAM

HaftaKonularÖn Hazırlık
1 Temel İstatistiksel Yöntemlerin ve Varsayımlarının Gözden Geçirilmesi
2 İstatistiksel Analizde Yaygın Hatalar ve Sınırlılıklar
3 Veri Yönetiminin Temelleri
4 Gelişmiş Veri Temizleme ve Değişken Yönetimi
5 Keşifsel Veri Analizi I: Görselleştirme Teknikleri
6 Keşifsel Veri Analizi II: Uç Değerler ve Varsayımlar
7 Parametrik Olmayan Alternatifler
8 Uygulamalı Regresyon Analizi
9 Etki Büyüklükleri ve İstatistiksel Güç
10 Aracılık ve Düzenleyicilik Analizlerine Giriş
11 Gelişmiş Veri Görselleştirme
12 Etkin İstatistiksel Raporlama
13 Araştırma Makalelerinin Eleştirel Analizi
14 Bitirme Projesi Sunumları


ZORUNLU ve ÖNERİLEN OKUMALAR

Navarro, D. J. & Foxcroft, D. R. (2025). Learning statistics with Jamovi: A tutorial for beginners
in statistical analysis. Cambridge, UK: Open Book Publishers.

Öğretim elemanı tarafından sağlanan makaleler ve vaka çalışmaları.

Sosyal bilimler ve davranış bilimleri için modern istatistik metinlerinden seçilmiş bölümler


DİĞER KAYNAKLAR

Wickham, H., & Grolemund, G. (2017). R for Data Science.

Veri görselleştirme ve analizi için çevrimiçi kaynaklar


DEĞERLENDİRME SİSTEMİ

Yarıyıl İçi ÇalışmalarıSayıKatkı Payı (%)
Katılım 14 -
Laboratuvar 14 30
Proje 1 25
Ödev 4 30
Ara Sınavlar/Sözlü Sınavlar/Kısa Sınavlar 1 15
Total: 34 100


İŞ YÜKÜ HESAPLAMASI

EtkinliklerSayısıSüresi (saat)Toplam İş Yükü (saat)
Ders Saati14342
Laboratuvar14228
Proje12525
Ödev4832
Dersle İlgili Sınıf Dışı Etkinlikler141.521
Ara Sınavlar/Sözlü Sınavlar/Kısa Sınavlar122
Toplam İş Yükü (saat):150


PROGRAM YETERLİLİKLERİ (PY) ve ÖĞRENME ÇIKTILARI (ÖÇ) İLİŞKİSİ

# PY1 PY2 PY3 PY4 PY5 PY6 PY7 PY8 PY9 PY10
OC1                    
OC2                    
OC3                    
OC4                    
OC5                    
OC6                    
OC7                    
OC8                    
OC9                    
OC10