10.1 STRATEJİK DÖNÜŞÜM 10.1.1. Kurumun misyonu, değeri ve stratejik planı, yapay zeka (YZ) ve büyük veri (BV) kullanımını içerir. 10.1.2. YZ ve BV stratejileri, kurumun misyonunu, değerlerini ve stratejik planını destekler. 10.1.3. Kurum, YZ ve BV'nin stratejik değerini tüm paydaşlara (öğrenciler, öğretim üyeleri, personel, topluluk vb.) açıkça tanımlamış ve iletmiştir. 10.1.4. Kurum, YZ ve BV ile ilgili net, etkili ve kapsamlı karar vermeyi sağlayacak çevik anlayışta bir yönetim yapısına sahiptir. 10.1.5. Kurum, YZ ve BV'nin yönetimi ile ilgili sistematik ve sürekli iyileştirme sağlayacak bir sürece sahiptir. 10.1.6. Kurum, YZ ve BV görevini idame ettirebilmek için insan ve finansal kaynaklar da dâhil olmak üzere stratejik planlama ve kaynak tahsisi için bir plana ve yeterli kaynağa sahiptir. 10.2. TEKNOLOJİ GELİŞİMİ 10.2.1. Kurumun tüm teknolojik altyapı, hizmet ve kurumsal iletişim araçları ve e-ortamlarının siber güvenlik önlemlerini (ör. Şifre koruması, şifreleme, güvenli online veya gözetmenli sınavlar, sunucu ve teknolojilerin güvenliği vb.) içeren belgelenmiş bir teknoloji planı mevcuttur. 10.2.2. Merkezi bir bilgi işlem ofisi, YZ ve BV altyapısının oluşturulması, yeni teknolojik gelişimlere göre sürekli geliştirilmesi ve sürdürülmesi için destek sağlar. 10.2.3. Kurumsal teknolojiler, uygun güç koruması, yedekleme çözümleri, olağanüstü durum kurtarma planları, kriz yönetimi vb. içeren Bilgi Teknolojisi Hizmet Yönetimi Standartları (BTHYS) gibi yerleşik veri yönetimi uygulamalarına uygun olarak yönetilir. 10.2.4. Kurum, uzun süreli hizmet kesintileri veya olağanüstü durumlar için veri merkezlerinin ve destek hizmetlerinin devamı için bir acil durum planı oluşturmuştur. 10.2.5. Üniversitenin kullanmış olduğu YZ ve BV teknolojileri (LMS, CMS, Video Konferans vb.) kritik öneme sahip bir işletme sistemi olarak kabul edilir, desteklenir ve sürekli geliştirilir. 10.2.6 Fakülte, personel ve öğrenciler yeni teknolojilerin ve becerilerin geliştirilmesi ve kullanılmasında eğitim alır ve desteklenir. 10.2.7. Üniversite Yönetim Bilgi Sistemi (UMIS) ve Itslearning Entegrasyonu: UMIS ve Itslearning, üniversitenin tüm verilerini (öğrenci, personel, akademik, idari vb.) tek bir platformda toplayan merkezi bir sistem olarak YZ ve BV altyapısıyla entegre edilerek, veri analizleri ve YZ uygulamaları için zengin bir kaynak oluşturulacaktır. Bu entegrasyon, geçmiş yıllara ait verilerin de YZ modelleri için kullanılmasını sağlayarak, üniversitemize özgü ve rekabetçi çözümler üretmemize olanak tanıyacaktır.
10.2.8 Çoklu Bulut Veri Platformu ve Hibrit YZ Hesaplama Altyapısı: Üniversitemiz, Azure, AWS, GCP ve Huawei gibi global bulut sağlayıcılarıyla işbirlikleri yaparak çoklu bulut veri platformu oluşturmayı hedeflemektedir. Bu platform, farklı bulut ortamlarında ve onpremises sunucularda bulunan verileri entegre ederek, YZ uygulamaları için esnek ve ölçeklenebilir bir altyapı sunacaktır. Hibrit YZ hesaplama altyapısı ile gizli/kişiye özel veriler lokal sunucularda tutulup işlenirken, yüksek hesaplama gücü gerektiren durumlarda public cloud kaynakları kullanılarak yatayda ölçeklenebilirlik sağlanacaktır. Bu sayede hem veri güvenliği hem de yüksek performanslı YZ uygulamaları mümkün olacaktır. 11. DERS TASARIMI (YAPAY ZEKA ile ENTEGRE) 11.1. DERSİN GENEL BAKIŞI VE BİLGİLERİ 11.1.1. Ders, YZ destekli kişiselleştirilmiş öğrenme deneyimini vurgulayan bir "Hoş Geldin" sayfası içerir. 11.1.2. Ders izlencesi, YZ araçlarının (örneğin, otomatik değerlendirme, içerik önerileri) ders sürecinde nasıl kullanılacağını açıklar. 11.1.3. Öğrenciler için YZ destekli öğrenme kaynaklarına (örneğin, chatbotlar, kişiselleştirilmiş alıştırmalar) erişim sağlayan bir bölüm bulunur. 11.1.4. Ders, YZ etiği ve yapay zekanın eğitimdeki rolü gibi konulara değinen bir bölüm içerir. 11.1.5. Öğrenci başarısını desteklemek için YZ tabanlı araçlar (örneğin, öğrenme analizleri, uyarı sistemleri) hakkında bilgi verilir. 11.1.6. Dersin çevrimiçi veya hibrit yapısı, YZ araçlarının kullanımını nasıl etkilediği açıklanır. 11.1.7. Öğrencilerin YZ araçlarına erişimi için gerekli yöntemler ve cihazlar hakkında bilgi verilir. 11.1.8. Ders kazanımları, YZ yeterliliklerini de içerecek şekilde güncellenir. 11.1.9. Öğretim üyesi, YZ ve eğitim alanındaki uzmanlığını gösteren bilgiler paylaşır. 11.2. DERSİN TEKNOLOJİSİ VE ARAÇLARI 11.2.1. YZ tabanlı öğrenme araçları ve platformları (örneğin, kişiselleştirilmiş öğrenme platformları, otomatik değerlendirme araçları) hakkında detaylı bilgi verilir. 11.2.2. Öğrencilerin YZ araçlarını kullanması için gerekli teknik beceriler ve kaynaklar açıklanır. 11.3. İÇERİK VE ETKİNLİKLER 11.3.1. Ders içeriği, YZ teknolojileri ve uygulamaları ile ilgili en son gelişmeleri yansıtır. 11.3.2. Öğrencilerin YZ algoritmalarını ve modellerini anlamalarını sağlayacak etkinlikler düzenlenir. 11.3.3. Gerçek dünya YZ projelerinden örnekler ve vaka çalışmaları ders içeriğinde yer alır. 11.3.4. Açık eğitim kaynakları ve YZ tabanlı öğrenme materyalleri kullanılır.
11.4. ETKİLEŞİM (YAPAY ZEKA İLE ENTEGRE) 11.4.1. Öğretim elemanından zamanında ve düzenli geri bildirim beklentileri açıkça belirtilmiştir (sorular, elektronik mailler, ödevler). Yapay zeka destekli araçlar (örneğin, otomatik geri bildirim sistemleri) kullanılarak geri bildirim süreçleri iyileştirilir. 11.4.2. Öğrenenler, eğitmeni akademik özgeçmiş anlamında tanıma fırsatına sahiptir. Öğretim elemanının yapay zeka ve eğitim alanındaki uzmanlığı ön plana çıkartılır. 11.4.3. Ders, sınıf topluluğu duygusu oluşturmayı amaçlayan kaynaklar veya aktiviteler içerir, açık iletişimi destekler ve güven duygusu oluşturur. (en azından takip edenlerden bir tanesi – kaynaştırma aktiviteleri, bildiri tahtası, tanışma, tartışma forumları vb.). Yapay zeka destekli iletişim araçları (örneğin, sanal asistanlar, sohbet robotları) kullanılarak etkileşim artırılır. 11.4.4. Ders, öğrenciye öğrenci etkileşimi ve yapıcı iş birliği yapma fırsatı sunar. Yapay zeka tabanlı iş birliği araçları (örneğin, proje yönetim yazılımları, ortak çalışma platformları) kullanılarak öğrenci etkileşimi desteklenir. 11.4.5. Öğrenciler, ders etkileşimlerinde kaynakları ve çeşitli bilgi kaynaklarından bilgiyi paylaşmaya teşvik edilir. Yapay zeka destekli bilgi paylaşım platformları (örneğin, içerik, öneri sistemleri, bilgi erişim sistemleri vb.) kullanılarak bilgiye erişim kolaylaştırılabilir ve öğrencilerin ilgi alanlarına yönelik içerikler sunulabilir.
11.5. DEĞERLENDİRME VE GERİBİLDİRİM (YAPAY ZEKA İLE ENTEGRE) 11.5.1. Geç başvuruların sonuçları da dahil olmak üzere ders notlandırma politikaları ders bilgi alanında veya ders izlencesinde açıkça belirtilmiştir. Yapay zeka destekli notlandırma ve değerlendirme araçları (örneğin, otomatik ödev değerlendirme, intihal tespiti) kullanılarak notlandırma süreçleri iyileştirilebilir. 11.5.2. Ders, öğrencilerin yeterliliğini değerlendirmek için sürece ve ürüne dayalı uygun yöntemler içerir. Yapay zeka tabanlı öğrenme analizleri ve performans takip araçları kullanılarak öğrenci yeterliliği daha kapsamlı bir şekilde değerlendirilebilir. 11.5.3. Dereceli bir ödevin değerlendirilmesi için kriterler açıkça belirtilmiştir (rubrik, örnek çalışmalar gibi). Yapay zeka destekli değerlendirme araçları (örneğin, otomatik geri bildirim sağlayan rubrikler) kullanılarak değerlendirme süreçleri standartlaştırılabilir ve objektif hale getirilebilir. 11.5.4. Öğrenciler ders süresince kendi performanslarını gözden geçirme ve öğrenmelerini değerlendirme fırsatlarına sahiptir. Yapay zeka tabanlı öğrenme analizleri ve kişiselleştirilmiş öğrenme önerileri kullanılarak öğrencilerin kendi öğrenme süreçlerini daha iyi yönetmeleri sağlanabilir. 11.5.5. Öğrenciler iyi tasarlanmış ve güncel bir öğrenme yönetim sistemi sayfasına kolayca erişebilirler. Öğrenme yönetim sistemleri, yapay zeka destekli özelliklerle (örneğin, kişiselleştirilmiş içerik önerileri, öğrenme analitipikler) zenginleştirilerek öğrenme deneyimi iyileştirilebilir. 11.5.6. Öğrenciler, ders tasarımı, ders içeriği, ders deneyimi ve uzaktan eğitim teknolojilerinin kolaylığı hakkında açıklayıcı geribildirim sağlamak için birden fazla fırsata sahiptir. Yapay zeka destekli geri bildirim toplama ve analiz araçları (örneğin, duygu analizi, metin madenciliği) kullanılarak öğrenci geri bildirimleri daha etkili bir şekilde değerlendirilebilir ve derslerin geliştirilmesinde kullanılabilir.
11.6. İÇERİK VE AKTİVİTELER (YAPAY ZEKA İLE ENTEGRE) 11.6.1. Ders, öğrenimi ve katılımı destekleyen, iletişimi kolaylaştıran, iş birliğini arttıran ve içerik sunan ilgi çekici çeşitli kaynaklara erişim sunar. Yapay zeka destekli içerik öneri sistemleri ve kişiselleştirilmiş öğrenme platformları kullanılarak öğrencilerin ilgi alanlarına ve öğrenme hızlarına uygun içerikler sunulabilir. 11.6.2. Ders, öğrencilerin eleştirel düşünme ve analiz gibi üst düzey düşünme ve problem çözme becerilerini geliştirmeleri için etkinlikler sağlar. Yapay zeka tabanlı simülasyonlar, oyunlar ve sanal gerçeklik ortamları kullanılarak öğrencilerin problem çözme becerileri geliştirilebilir. 11.6.3. Ders ilgili bilim dalı hakkında, probleme dayalı etkinlikler, vaka çalışmaları ve deneysel çalışmalar gibi, gerçek dünya etkinliklerini sağlar. Yapay zeka destekli veri analiz araçları ve büyük veri setleri kullanılarak öğrencilerin gerçek dünya problemlerine çözüm üretmeleri sağlanabilir. 11.6.4. Eğer mümkünse açık eğitim kaynakları, ücretsiz ya da düşük maliyetli materyaller kullanılır. Yapay zeka tabanlı içerik oluşturma araçları ve çeviri sistemleri kullanılarak açık eğitim kaynakları daha erişilebilir hale getirilebilir ve farklı dillerde içerikler sunulabilir.
EN
