Mikroyeterlilik bilgi paketi · EK-1Veri Okuryazarlığı
Dersin resmî tanımı: öğrenme çıktıları, AKTS iş yükü, düzey, ölçme, başarı ölçütü, kalite güvencesi ve içerik. Danışmanınız, bölüm başkanlığınız ya da üniversitenizin tanınma komisyonu için.
- Sertifikayı veren:
- Orclever Bilim ve Araştırma Grubu — Orclever Campus
- Son güncelleme:
- Ekim 2026
- Dil:
- Türkçe
- Katılım:
- Çevrimiçi (asenkron) / Online (asynchronous)
- AKTS
- 2,1 AKTS
- 53 saat öğrenen iş yükü
- Düzey
- TYÇ 6 · EQF 6
- Lisans düzeyi
- Ölçme
- Final + proje
- 24 soru · 7 ölçütlü rubrik
- İçerik
- 32 ders
- 8 modül
01
Ders tanımı
Veri Okuryazarlığı, her bölümden lisans öğrencisi için tasarlanmış evrensel bir mikro yeterlilik dersidir. Amaç sizi istatistikçi ya da veri bilimci yapmak değil; grafikleri, istatistikleri ve sayısal iddiaları eleştirel biçimde okuyup sorgulayabilen bir araştırmacı ve yurttaş olmanızı sağlamaktır. Ders; verinin doğasından betimsel istatistiğe, veri görselleştirmeden korelasyon-nedensellik ayrımına, istatistiksel anlamlılıktan veri etiği, mahremiyet (KVKK) ve yapay zekâya kadar sekiz modülde ilerler. Kavram düzeyinde, ağır formül olmadan, sağlıklı bir şüphecilik kazandırır.
Ön koşul: Ön koşul yok. Ders başlangıç düzeyindedir ve kavramlardan başlar.
02
Öğrenme çıktıları EK-1 · Madde 5
Dersi başarıyla tamamlayan kişi:
- 1.Veri, enformasyon ve bilgi arasındaki farkı; veri türlerini ve ölçme düzeylerini (nominal, sıralı, aralık, oran) açıklar. BilgiExplains the difference between data, information and knowledge, and the types and levels of measurement of data.
- 2.Betimsel istatistiğin temel kavramlarını (merkezi eğilim, yayılım, dağılım) ve bu ölçülerin sınırlılıklarını tanımlar. BilgiDefines the core concepts of descriptive statistics (central tendency, dispersion, distribution) and their limitations.
- 3.Ölçmede geçerlilik ve güvenilirliği, örneklemeyi ve başlıca örnekleme yanlılığı türlerini (seçilim, hayatta kalma, gönüllü yanıt) açıklar. BilgiExplains validity and reliability in measurement, sampling, and the main types of sampling bias.
- 4.Bir grafiği veya veri görselleştirmesini eleştirel biçimde okur; kesik eksen, ölçek ve seçicilik gibi yanıltıcı sunum tekniklerini tespit eder. BeceriCritically reads a chart or data visualisation and detects misleading presentation techniques.
- 5.Korelasyon ile nedenselliği ayırt eder; karıştırıcı değişken, ters nedensellik, örnekleme yanlılığı ve sahte ilişki gibi tuzakları fark eder. BeceriDistinguishes correlation from causation and recognises confounding, reverse causation and spurious relationships.
- 6.İstatistiksel anlamlılık, p-değeri, göreli/mutlak risk ve temel oran kavramlarını doğru yorumlar; sayılarla kurulan yanıltıcı iddiaları çözümler. BeceriCorrectly interprets statistical significance, p-values, relative/absolute risk and base rates, and analyses misleading numerical claims.
- 7.Veri mahremiyeti (KVKK), algoritmik yanlılık ve yapay zekâ üretimi veriyi doğrulama dâhil veri etiği ilkelerine uygun, sorumlu ve bağımsız biçimde davranır. YetkinlikActs responsibly and independently in line with data ethics, including privacy (KVKK), algorithmic bias and verification of AI-generated data.
- 8.Güvenilir veri kaynaklarını değerlendirir, hesap tablosu araçlarıyla veriyi düzenler; belirsizlik altında veriye dayalı karar alır ve veriyi dürüst, bağlamıyla iletir. YetkinlikEvaluates reliable data sources, organises data with spreadsheet tools, makes data-driven decisions under uncertainty, and communicates data honestly and in context.
03
Yetkinlik profili ve çerçeve eşlemesi TYYÇ · EQF
Yetkinlik
- Bağımsız Çalışabilme ve Sorumluluk Alabilme: Bir çalışmayı bağımsız yürütür; proje ve ekip yönetir; sorumluluk üstlenir.
- Öğrenme Yetkinliği: Yaşam boyu öğrenmeye olumlu yaklaşır; öğrenmesini yönlendirir.
- İletişim ve Sosyal Yetkinlik: Düşüncelerini yazılı/sözlü aktarır; bir yabancı dili en az B1 düzeyinde ve bilişim teknolojilerini ileri düzeyde kullanır.
- Alana Özgü Yetkinlik: Verilerin kullanımında toplumsal, bilimsel ve etik değerlere; kalite ve sosyal hakların evrenselliğine duyarlıdır.
TYYÇ çerçeve tanımlayıcıları — özet (paraphrase). TYÇ 5-8 ≙ EQF 5-8.
Öğrenme Çıktısı × TYYÇ Yeterlilik Eşlemesi
| Çıktı | Bilgi | Beceri | Bağımsız | Öğrenme | İletişim | Alana Özgü |
|---|---|---|---|---|---|---|
| 1. Veri, enformasyon ve bilgi arasındaki farkı; veri türlerini ve ölçme düzeylerini (nominal, sıralı, aralık, oran) açıklar. | · | · | · | · | · | |
| 2. Betimsel istatistiğin temel kavramlarını (merkezi eğilim, yayılım, dağılım) ve bu ölçülerin sınırlılıklarını tanımlar. | · | · | · | · | · | |
| 3. Ölçmede geçerlilik ve güvenilirliği, örneklemeyi ve başlıca örnekleme yanlılığı türlerini (seçilim, hayatta kalma, gönüllü yanıt) açıklar. | · | · | · | · | · | |
| 4. Bir grafiği veya veri görselleştirmesini eleştirel biçimde okur; kesik eksen, ölçek ve seçicilik gibi yanıltıcı sunum tekniklerini tespit eder. | · | · | · | · | · | |
| 5. Korelasyon ile nedenselliği ayırt eder; karıştırıcı değişken, ters nedensellik, örnekleme yanlılığı ve sahte ilişki gibi tuzakları fark eder. | · | · | · | · | · | |
| 6. İstatistiksel anlamlılık, p-değeri, göreli/mutlak risk ve temel oran kavramlarını doğru yorumlar; sayılarla kurulan yanıltıcı iddiaları çözümler. | · | · | · | · | · | |
| 7. Veri mahremiyeti (KVKK), algoritmik yanlılık ve yapay zekâ üretimi veriyi doğrulama dâhil veri etiği ilkelerine uygun, sorumlu ve bağımsız biçimde davranır. | · | · | · | · | ||
| 8. Güvenilir veri kaynaklarını değerlendirir, hesap tablosu araçlarıyla veriyi düzenler; belirsizlik altında veriye dayalı karar alır ve veriyi dürüst, bağlamıyla iletir. | · | · | · | · |
Boş sütun = çerçevede kapsanmayan (boşta) yeterlilik.
04
AKTS ve iş yükü EK-1 · Madde 6
| Öğrenme etkinliği | Saat |
|---|---|
| Ders metinlerini okuma32 ders metni, 25.100 sözcük ÷ 200 sözcük/dk | 2,1 sa |
| Sınıf dışı okuma ve kaynak inceleme | 8 × 3 = 24 sa |
| Bireysel uygulama ve veri/grafik analizi alıştırmaları | 8 × 1,5 = 12 sa |
| Dönem projesi (veri iddiası eleştirel analizi) hazırlama | 1 × 12 = 12 sa |
| Ölçme-değerlendirme (final hazırlık + sınav) | 1 × 3 = 3 sa |
| Toplam | 53 sa = 2,1 AKTS |
1 AKTS = 25 saat öğrenen iş yükü. Okuma süresi ders metinlerinin sözcük sayısından, video süresi videoların kendi sürelerinden hesaplanır.
05
Ölçme ve değerlendirme EK-1 · Madde 8
Ölçme iki bileşenden oluşur ve her bileşen ayrı ayrı geçilmelidir; puanlar ağırlıklı ortalamayla birleştirilmez. (1) Final sınavı: sekiz modülün tamamını kapsayan, senaryo temelli, sunucu tarafında otomatik puanlanan çoktan seçmeli bir sınavdır; geçme notu %60'tır ve sınav, geçme notuna ulaşılana kadar tekrarlanabilir. (2) Dönem projesi: öğrenen, gerçek bir veri iddiasını eleştirel olarak analiz eder ve dürüst biçimde yeniden sunar. Proje, önceden ilan edilen ölçütlü değerlendirme anahtarıyla (rubrik) eğitmen tarafından puanlanır; geçme notu 100 üzerinden 70'tir. Ders ilerlemesi, sınav denemeleri ve proje değerlendirmesi sunucu tarafında, zaman damgalı olarak kaydedilir.
- Final sınavı: 24 soru, geçme notu %60; geçene kadar tekrar hakkı.
- Dönem Projesi: Veri İddiası Eleştirel Analizi ve Dürüst Yeniden Sunum — eğitmen puanlar, geçme 70/100. Ölçütler: Veri İddiasının / Görselin Seçimi ve Bağlamı (10 puan), Kaynak ve Veri Toplama / Örnekleme Değerlendirmesi (15 puan), İstatistiksel Yorum ve Tuzakların Tespiti (20 puan), Görselleştirmenin Eleştirisi (15 puan), Etik, Mahremiyet ve Yanlılık Değerlendirmesi (10 puan), Dürüst Yeniden Sunum (20 puan), Yazım, Kaynak Gösterimi ve Akademik Dürüstlük (10 puan).
06
Başarı ölçütü ve sertifika EK-1 · Madde 10
Belge için tüm dersleri tamamlamak, final sınavından en az %60 almak, dönem projesinden eğitmen değerlendirmesiyle en az 70/100 almak ve T.C. Kimlik No ile kimlik doğrulamak gerekir.
Sistemin denetlediği koşul: Belge için tüm dersleri tamamlamak, final sınavından en az %60 almak, dönem projesinden eğitmen değerlendirmesiyle en az 70/100 almak ve T.C. Kimlik No ile kimlik doğrulamak gerekir.
Sertifika bu bilgileri düzenlendiği günkü hâliyle EK-1 ekinde taşır ve QR koduyla herkese açık doğrulanır (Açık kayıt: sınav ve proje sonucuyla, SHA-256).
07
Kalite güvencesi EK-1 · Madde 11
Eğitim, değişmez ve zaman damgalı kayıtlarla tam izlenebilir bir kalite güvence altyapısı üzerinde yürütülür: ilerleme, alıştırma ve sınav sonuçları sunucu tarafında puanlanır ve öğrenci tarafından değiştirilemez biçimde saklanır. Dersler sırayla ilerler ve öğrenenin tamamlamasıyla izlenir. Belge yalnızca final sınavı ve eğitmen puanlı proje başarıyla geçildiğinde ve kimlik doğrulandığında verilir; her belge SHA-256 ve QR ile herkese açık olarak doğrulanabilir. Her sertifika tekil bir sertifika numarası ve tahmin edilemez bir doğrulama koduyla düzenlenir; belgenin bütünlüğü SHA-256 özetiyle mühürlenir ve herkese açık doğrulama sayfası (QR kodu ve /verify adresi) üzerinden üçüncü taraflarca çevrimiçi denetlenebilir. Belge içeriği düzenlenme anında dondurulan kayıttan üretilir, uluslararası birlikte çalışabilirlik için Open Badges 3.0 standardıyla yayımlanır ve EK-1 asgari bilgilerini içeren sertifika ekiyle birlikte geçerlidir. Ders içeriği telif açısından özgündür; kaynak fikirler yeniden ifade edilerek (paraphrase) hazırlanmış, hiçbir kaynaktan birebir kopyalama yapılmamıştır.
08
Eğitmen EK-1 · Madde 9
- Orclever Akademik EkibiOrclever Akademik Ekibi; akademik yayıncılık, hakemli dergi editörlüğü (EJRND — E-ISSN 2822-2296), veri okuryazarlığı, istatistiksel akıl yürütme ve yapay zekâ destekli araştırma araçları alanında faaliyet gösteren Orclever Bilim ve Araştırma Grubu bünyesindeki uzman kadrodur. Ders içeriği; veri okuryazarlığı, istatistiksel akıl yürütme, veri görselleştirme, veri etiği ve mahremiyet konularında hazırlanmış olup yalnızca eğitim amaçlıdır; bir istatistik veya veri bilimi uzmanlık eğitimi ya da profesyonel danışmanlık niteliği taşımaz.
09
Ders içeriği 8 modül · 32 ders
Modül 1. Veri Nedir? Veriden Bilgiye
- Veri, Enformasyon, Bilgi: DIKW Piramidi
- Veri Türleri ve Ölçme Düzeyleri
- Verinin Kaynağı ve Büyük Veri
- Veri Yaşam Döngüsü
Modül 2. Veriyi Toplamak ve Ölçmek
- Ölçme, Geçerlilik ve Güvenilirlik
- Örnekleme: Popülasyondan Örnekleme
- Örnekleme Yanlılıkları
- Anket Tasarımı ve Veri Kalitesi
Modül 3. Betimsel İstatistik: Veriyi Özetlemek
- Merkezi Eğilim: Ortalama, Medyan, Mod
- Yayılım: Ranj, Çeyrek, Standart Sapma
- Dağılımlar ve Normal Dağılım
- Ortalama Yanıltır: Simpson Paradoksu
Modül 4. Veriyi Görselleştirmek ve Görselle Yalan
- İyi Grafiğin İlkeleri
- Grafikle Yalan I: Eksen Oyunları
- Grafikle Yalan II: Oran, Harita, Renk
- Grafiği Eleştirel Okuma Kontrol Listesi
Modül 5. İlişki, Nedensellik ve Çıkarım
- Korelasyon Nedir?
- Korelasyon ≠ Nedensellik
- Nedenselliği Nasıl Gösteririz? Deney ve Kontrol
- Örneklemden Popülasyona: Belirsizlik Sezgisi
Modül 6. İstatistiksel Anlamlılık ve Yanıltıcı İddialar
- p-değeri ve İstatistiksel Anlamlılık Sezgisi
- p-hacking, Çoklu Karşılaştırma, Yayın Yanlılığı
- Yüzde Tuzakları ve Temel Oran Yanılgısı
- Sayılarla İddia Okuma: Cherry-picking ve Kanıt Hiyerarşisi
Modül 7. Veri Etiği, Mahremiyet ve Yapay Zekâ
- Veri Mahremiyeti ve KVKK
- Algoritmik Yanlılık ve Adalet
- Veri, Yapay Zekâ ve Doğrulama
- Sorumlu Veri Kullanımı ve Açık Veri
Modül 8. Uygulamalı Veri Okuryazarlığı: Karar ve İletişim
- Hesap Tablosu Okuryazarlığı
- Güvenilir Veri Kaynakları ve Veri Setini Değerlendirme
- Veriyle Karar Vermek ve Veri Okuryazarı Vatandaşlık
- Veriyi Dürüst İletmek ve Kapanış
10
Standartlar ve uygunluk
- AB Mikroyeterlilik Yaklaşımı — Konsey Tavsiyesi 2022/C 243/02'nin standart öğelerine uygun biçimde yapılandırılmıştırStructured in accordance with the standard elements of the European approach to micro-credentials — Council Recommendation 2022/C 243/02
- TYÇ / Avrupa Yeterlilikler Çerçevesi (EQF) düzeyiyle referanslanmıştırReferenced to the TQF / European Qualifications Framework (EQF) level
- EMC Ortak Mikroyeterlilik Çerçevesi'nin ölçütleriyle tutarlıdırConsistent with the criteria of the EMC Common Microcredential Framework
- Europass Avrupa Öğrenme Modeli (ELM) / Avrupa Dijital Kimlik Bilgileri ile uyumlu olarak dışa aktarılabilirExportable in a form compatible with the Europass European Learning Model (ELM) / European Digital Credentials
- Open Badges 3.0 (W3C Doğrulanabilir Kimlik Bilgileri) uyumlu, SHA-256 bütünlük özetli dijital rozettirAn Open Badges 3.0 (W3C Verifiable Credentials) compatible digital badge with a SHA-256 integrity digest
Bu belge bir akreditasyon veya eşdeğerlik belgesi değildir. Tanınma; Lizbon Tanıma Sözleşmesi ve ENIC-NARIC çerçevesinde, öğrenenin başvurduğu yükseköğretim kurumunun yetkili organının (senato) kararına tabidir.