VBL5060 - İnsan Makine Etkileşimi Uygulamaları

BİLECİK ŞEYH EDEBALİ ÜNİVERSİTESİ

LİSANSÜSTÜ EĞİTİM ENSTİTÜSÜ

VERİ BİLİMİ VE ANALİTİĞİ - YL

(2025 - 2026) Ders Bilgi Formu

Ders Adı	Kodu	Yarıyıl	T+U Saat	AKTS	Z / S
İnsan Makine Etkileşimi Uygulamaları	VBL5060	1	3 + 0	7,5	Seçmeli

Birim Bölüm	Veri Bilimi ve Analitiği - YL - Lisansüstü (Yüz yüze)
Amaç	Veri bilimi ve analitiği öğrencilerine, kullanıcı deneyimini (UX) nicel ve nitel verilerle modelleme, etkileşimli arayüzler tasarlama ve insan davranışlarını tahmin eden algoritmalar geliştirme becerisi kazandırmaktır.
Ders İçeriği	Kullanıcı merkezli tasarım, etkileşim modelleri, kullanılabilirlik analitiği, göz izleme (eye-tracking), doğal dil işleme tabanlı etkileşim ve giyilebilir teknolojilerdeki veri akışlarını kapsamaktadır.
EBS Koordinatörü	Kadriye Nurdanay ÖZTÜRK Serpil TÜRKYILMAZ

Hafta	Konu
1	İnsan-Makine Etkileşimine Giriş: Tarihçe, temel ilkeler ve veri bilimi ile kesişimi.
2	Kullanıcı Merkezli Tasarım ve Tasarım Odaklı Düşünce (Design Thinking)
3	Bilişsel Modeller: İnsan algısı, belleği ve karar verme süreçlerinin modellenmesi.
4	Etkileşim Teknolojileri: Dokunmatik, sesli ve jest tabanlı arayüzlerin analizi
5	Kullanılabilirlik Metrikleri: Görev tamamlama süresi, hata oranları ve sistem kullanılabilirlik ölçeği (SUS).
6	Veri Odaklı Kullanıcı Deneyimi (UX): A/B testleri, ısı haritaları ve tıklama akışı (clickstream) analizi.
7	Göz İzleme (Eye-Tracking) ve Fizyolojik Veri Analizi: EEG ve GSR verilerinin etkileşimdeki rolü.
8	Doğal Dil İşleme (NLP) ve Diyalog Bazlı Sistemler: Sohbet botları ve sesli asistanlar.
9	Adaptif Arayüzler: Kullanıcı davranışına göre şekillenen dinamik sistem tasarımı
10	Giyilebilir Teknolojiler ve Ubiquitous Computing: Sensör verisi toplama ve organizasyonu.
11	Artırılmış Gerçeklik (AR) ve Sanal Gerçeklik (VR) Uygulamalarında Veri Analitiği
12	Etkileşimde Yapay Zeka Etiği: Algoritmik önyargılar ve kullanıcı güveni.
13	Erişilebilirlik Analitiği: Engelli kullanıcılar için veri destekli çözüm geliştirme
14	Dönem Projesi Sunumları: Bir etkileşimli sistemin tasarımı ve analitik değerlendirmesi.

Program Çıktıları
1	Veri bilimi ve analitiğinin temel bileşenlerine hâkim olma; istatistiksel analiz, veri madenciliği ve makine öğrenmesine ilişkin yöntemleri uygulamalı olarak kullanabilme
2	Yapılandırılmış ve yapılandırılmamış veri tiplerini analiz etme becerisine sahip olma; büyük veri kümeleri üzerinden anlamlı çıkarımlar yaparak analitik yöntemleri etkili biçimde kullanabilme
3	Veri analizi ve modelleme süreçlerinde Python, R, SQL gibi programlama dillerinden yararlanabilme; veri işleme ve otomasyon adımlarını etkin biçimde yönetebilme
4	Veri görselleştirme ve sonuç raporlama tekniklerini kullanarak analiz bulgularını açık, etkili ve karar verme süreçlerine katkı sunacak biçimde ifade edebilme
5	Karmaşık veri odaklı problemleri analiz edebilme, uygun çözüm yolları geliştirebilme ve bilimsel araştırma yöntemleri aracılığıyla yaratıcı, veri temelli kararlar alabilme
6	Veri bilimi ve analitiği kapsamında karşılaşılan problemleri analiz edebilme, uygun veri analizi tekniklerini seçerek çözüm yolları geliştirebilme; istatistiksel, algoritmik ve yapay zekâ temelli yöntemleri eleştirel düşünme yeteneğiyle değerlendirebilme
7	Veri bilimi ve analitiği uygulamalarında Python, R, SQL gibi programlama dillerini etkin biçimde kullanabilme; veri madenciliği, makine öğrenmesi, büyük veri işleme, veri görselleştirme ve modelleme araçlarıyla pratik çözümler geliştirebilme, gerçek veri setleri üzerinde uygulamalar gerçekleştirebilme
8	Veri bilimi ve analitiği ile ilgili bireysel veya ekip çalışmalarında sorumluluk üstlenebilme, karmaşık veri projelerini bağımsız olarak planlayıp yürütebilme; karşılaştığı sorunlara analitik ve yaratıcı çözümler geliştirerek karar alma süreçlerinde etkin rol oynayabilme
9	Veri bilimi ve analitiği alanındaki güncel gelişmeleri, teknolojileri ve yöntemleri izleyerek yaşam boyu öğrenme bilinciyle kendini sürekli geliştirme yetkinliğine sahip olma; yeni bilgi ve becerileri hızla edinip uygulamaya aktarabilme
10	Veri bilimi ve analitiği alanındaki çalışmalarını yazılı, sözlü ve görsel yollarla açık ve etkili bir biçimde ifade edebilme; çok disiplinli takımlarda etkin biçimde çalışabilme, iletişim kurabilme ve iş birliğine dayalı çözümler geliştirebilme
11	Veri bilimi ve analitiği alanına özgü kavramlara, yöntemlere, algoritmalara ve araçlara hâkim olma; etik ilkelere uygun biçimde veri toplama, işleme, analiz etme ve yorumlama süreçlerini yürütebilme, veri gizliliği ve güvenliği konularında sorumluluk bilinciyle hareket edebilme

Ders Öğrenme Çıktısı - Program Çıktıları (1 -5 Puan Aralığı)

Ders Öğrenme Çıktısı	PÇ 1	PÇ 2	PÇ 3	PÇ 4	PÇ 5	PÇ 6	PÇ 7	PÇ 8	PÇ 9	PÇ 10	PÇ 11
Kullanıcı davranışlarını istatistiksel ve makine öğrenmesi yöntemleriyle analiz edebilir.	-	-	-	-	-	-	-	-	-	-	-
Bir sistemin kullanılabilirliğini bilimsel metriklerle test edip raporlayabilir.	-	-	-	-	-	-	-	-	-	-	-
İnsan faktörlerini veri analiz süreçlerine dahil ederek daha etkin modeller kurabilir.	-	-	-	-	-	-	-	-	-	-	-
Farklı etkileşim kanallarından (ses, görüntü, sensör) gelen verileri entegre edebilir.	-	-	-	-	-	-	-	-	-	-	-
Ortalama Değer	-	-	-	-	-	-	-	-	-	-	-

https://ebs.bilecik.edu.tr/pdf/dersbilgigetir/451286