1) Grafik Düşünme Zihin Seti: “Şekil” Değil, Karar Motoru

İlk soru asla “Hangi grafik?” değildir. İlk soru şudur:
“Okur hangi karara varmalı ve bu karar için hangi sinyal, hangi belirsizlik ve hangi eşik görünür olmalı?”
Bu soru, ekseni, rengi, notu, açıklamayı belirler. Grafik, buton adı değil, karar cümlesi taşır: “İlk 6 haftada akran rehberliği + görünürlük esnekliği, düşük başlangıç düzeyinde sürdürmeyi küçük–orta artırıyor; sınıf başına 3–4 öğrenci (2–7).”

Uygulamalı sahne: Gündüz/gece programı ayrımında sürdürme farkını metinle anlatmak yerine, “sınıf başına kaç kişi” dilini eksene taşıyan yalın bir çubuk grafiği düşünün; üstüne belirsizlik bantı ve “eşik ≥3” çizgisini ekleyin. Okur, üç bakışta kararı görür.

2) Soru–Grafik Eşleştirmesi: Doğru Görsel, Doğru Hikâye

• İkili sonuç (evet/hayır): Olasılık farkını çubuk veya nokta–hata bandıyla; “sınıf başına” çeviriyi not olarak.

• Sürekli sonuç (dakika/puan): Zaman penceresi veya kutu/kuyruk anlatısını sözlü grafik diliyle (“2–6 dakika kısalma; pazartesi 09:00–11:00 tepe”).

• Sıralı (Likert): Ortalama yerine band–geçiş okuyan şeritler (düşük→orta, orta→yüksek).

• Kategorik × kategorik: Hücre yönlerini vurgulayan sade ısı tonu; damgalamadan.

• Sayım: Ritim ve mevsim etkisi odakta; tepe–çukur–telafi.

• Süre/sağkalım: “Ne zaman?” sorusunu akışla gösteren anlatım.

Uygulamalı sahne: “Kamerayı her zaman açarım” oranı esnekliğe rağmen düşüyor, “bazen” yükseliyor, “hiç” sabit. Bunu tek ortalama ile değil, üç şerit halinde band paylarını yürüten bir akışla göstermeyi hayal edin—okur kayışı görür.

3) Etki Büyüklüğünü Görselleştirmek: p’yi etikete, büyüklüğü sahneye

Grafikte ana katman, etki büyüklüğünün insan dili karşılığıdır: “3–4 öğrenci” veya “2–6 dakika” gibi. p-değeri görünse bile, arka rolde kalmalıdır. Gösterim fikirleri:

• Referans çizgileri: “Operasyon eşiği” (ör. ≥3 öğrenci kazanımı).

• Gölgeli bantlar: Güven aralığı.

• Not bloğu: “Alt sınırda bile program amorti.”

Uygulamalı sahne: Sürdürme kazanımını gösteren nokta–bant grafiğinde, eşik çizgisi göz hizasında; not: “Kırsalda kazanım daha büyük.”

4) Belirsizliği Anlatmak: Güven Aralığına Söz Hakkı Verin

Okur, tek sayıya güvenmez; bant görmek ister. Belirsizliği göstermenin yolları:

• Hata çubukları/bantları: Nokta etrafındaki olası aralık.

• Ton geçişleri: Daha koyu merkez, uçlarda saydamlık.

• Metin: “Belirsizlik orta; pilot genişletilirse daralır.”

Uygulamalı sahne: Bekleme süresi 2–6 dakika kısalıyor; grafikte orta çizgi 4, bant 2–6. Not: “Zirve saatlerinde artış daha yüksek.”

5) Zaman Penceresi ve Ritim: “Ne Oldu?”dan Çok “Ne Zaman Oldu?”

Duyuru +1 gün tepe, tatil sonrası telafi, pazartesi 09:00–11:00 zirvesi… Bu ritimleri yürüten grafikler, karar için altın değerindedir:

• Gün/gün, saat/saat akış: Tepe–çukur–telafi okunur.

• Zaman katmanlı çubuklar: Önce/sonra kıyasını aynı gözle.

Uygulamalı sahne: Duyurudan bir gün sonra gelen başvurular, üçüncü günde sönümleniyor. Grafiğin altına “Duyuru +1 akşam penceresi önerisi” notu iliştirilir.

6) Alt Grup ve Etkileşim: Adalet Merceğini Görselleştirin

Ortalama etki, adaleti saklayabilir. Grafik, “kimin için daha çok?” sorusunu ortaya koymalıdır:

• Aynı eksende iki renk şeridi: Kırsal/kent.

• Kesişim şeritleri: Düşük başlangıç × esneklik.

• Not: “Kırsalda küçük kampüslerde hücre birleştirildi (gizlilik).”

Uygulamalı sahne: Düşük başlangıç grubunda kazanım yüksek, kırsalda daha da yüksek. Aynı grafikte iki renkle yığmadan gösterilir; küçük hücreler için birleştirme notu düşülür.

7) Likert’te Band–Geçiş: Ortalama Fetişini Bozan Şeritler

Likert ortalama tek sayı verir, sırayı yok eder. Band–geçiş şeritleri, “düşük→orta kayışı arttı; üst band sabit” mesajını bir bakışta anlatır.

• Üç şerit: Hiç/seyrek – bazen – çoğunlukla/her zaman.

• Ok notu: “Bazen bandı genişledi; mahremiyet yönergeleriyle ilişkili.”

Uygulamalı sahne: Esneklik sonrası “bazen” bandı geniş, “hiç” sabit; iki cümlelik alıntı bu kayışın nedenini anlatır.

8) Kategorik × Kategorik: Hücre Yönleri, Damgalamadan

Çok kategorili desenlerde “ısı” ve “yön” dili önemli; ancak damgalayıcı bir paletten kaçının.

• Yumuşak tonlar: Yükselen, sönümleyen, sabit hücreler.

• Açıklama kutusu: “Kulüp olmayan kampüslerde madde uyumsuzluğu.”

Uygulamalı sahne: Kulüp × aidiyet bandı: katılımı olanlarda üst band daha sık; kırsalda fark belirgin. Metinde damgalamadan, hücreyi bağlama bağlayın.

9) Sayım Verisinde Ritim ve Aşırılıklar: Taşan Günleri Görünür Kılın

Başvuru sayıları, yoklamalar, erişimler… Ritim; duyuru, yağış, tatil gibi dışsal etkenlere duyarlıdır.

• Şerit grafikleri: Gün–gün/hafta–hafta.

• İşaretler: Duyuru, tatil, yağış günleri.

• Okur cümlesi: “Yağışta yüz yüze düşer, çevrim içi artar.”

Uygulamalı sahne: Tatil haftası düşüş; sonraki hafta telafi. Grafiğin altındaki not: “Telafi gücü orta; hatırlatma eklenince artıyor.”

10) Süre/ Sağkalım Anlatısı: “Ne Zaman Kopuyor?”u Gösteren Akış

Sürdürme ve kopuş gibi olaylar zaman içinde yaşanır. Grafik, “ilk 6 haftada risk yüksek; esneklik altında gecikiyor” mesajını netleştirir.

• Katmanlı akış: Destek alan/almayan; kırsal/kent.

• Karar notu: “İlk 6 hafta yoğun destek; akşam penceresi kalıcı.”

Uygulamalı sahne: Desteği olanların kopuşu gecikiyor; çakışan bantlar yerine ayrışan akışlar tercih edilir.

11) Eksik Veri Gölgelerini Görünür Kılmak

“Yanıt yok”, “uygulanmadı”, “bilmiyorum” aynı sepet değildir; grafikte ayrı tonlarla gösterildiğinde, okur iyimserlik tuzağına düşmez.

• Gölge sütun: Eksiklerin payı ve profili.

• Not: “Üst gelir diliminde ‘yanıt yok’ daha yüksek; yorum temkinli.”

Uygulamalı sahne: Eksikler çıkarılınca etki büyüyor; grafikte iki versiyon (tam veri / eksiksiz alt küme) üst üste verilerek yönün sabit kaldığı gösterilir.

12) Duyarlılık ve Sağlamlık: Varsayım Değişince Grafik Ne Diyor?

Temizlik kuralı (pasif >20 dk), pencere (14→10 gün), eşik (≥3→≥2), tatil/duyuru bayrakları… Hepsi varsayım.

• Çoklu panel yerine tek sahne: Aynı grafikte saydam alternatifler.

• Not: “Yön korunuyor; büyüklük az oynuyor.”

Uygulamalı sahne: Oturum kesme 15–25 dk arasında; çizgiler birbirini takip ediyor. Okur “mesaj sağlam” sonucuna varır.

13) Nitel–Nicel Köprü: İki Cümlelik Alıntıyı Doğru Yere Çivileyin

Grafiğin yanında kısa alıntılar, mekanizmayı görünür kılar:

• “Kamerayı açınca evim görünüyor.”

• “Akşam 20:00–22:00 daha uygun.”

• “Yağışta ulaşım zor, çevrim içi daha mantıklı.”

Uygulamalı sahne: “Bazen” bandı genişledi grafiğinin hemen yanında, mahremiyet alıntısı ve politika notu: “Mahremiyet yönergeleri + kayıtlı izleme.”

14) Etik, Gizlilik ve Küçük Hücre Koruması: Gör, Ama Damgalama

n<5 hücreleri açmayın; birleştirin ya da genelleyin. Renk dili saygılı olsun; etiketler damgalayıcı olmasın: “zayıf öğrenci” değil, “daha fazla desteğe ihtiyaç duyan öğrenci.”

Uygulamalı sahne: Kırsal küçük kampüste “her zaman” bandı çok az kişi. Grafikte o hücre birleştiriliyor; dipnota “gizlilik için birleştirme” notu düşülüyor.

15) Yaygın Hatalar ve Hızlı Düzeltmeler

• Hata: Ortalama grafikleriyle Likert anlatmak.
  Düzeltme: Band–geçiş şeritleri kullan; “düşük→orta kayışı”na odaklan.

• Hata: p-değerini grafiğin merkezine koymak.
  Düzeltme: p etiket, merkezde büyüklük + bant olsun.

• Hata: Eşik/operasyon çizgisi göstermemek.
  Düzeltme: “≥3 öğrenci” veya “≥2 dakika” gibi referans çizgileri ekle.

• Hata: Zaman penceresini yazmamak.
  Düzeltme: Duyuru +1, tatil telafisi, zirve saatleri işaret ve not ile görünür olsun.

• Hata: Eksikleri gizlemek.
  Düzeltme: Eksik türlerini gölge olarak göster; temkin cümlesi ekle.

• Hata: Renkle damgalamak.
  Düzeltme: Yumuşak tonlar; saygılı etiketler.

• Hata: Grafik enflasyonu.
  Düzeltme: Bir ana grafik (karar), bir ek (denetim) yeter.

16) Grafik Hikâyesi (Storyboard): Gerekçe → Bulgu → Karar

Bir makaledeki grafik dizisini film şeridi gibi kurgulayın:

1. Sahne 1 – Gerekçe: “Sorun nerede başlıyor?” (betimsel ritim)

2. Sahne 2 – Bulgu: “Fark nerede?” (büyüklük + bant)

3. **Sahne 3 – Kimin için, ne zaman?” (etkileşim + zaman)

4. Sahne 4 – Karar: “Eşik–zaman–kapasite–hata” (referans çizgileri ve not)

Uygulamalı sahne: Sürdürme hikâyesi; ritim (ilk 6 hafta), alt grup (düşük başlangıç × kırsal), büyüklük (3–4 öğrenci) ve karar (eşik ≥3, akşam penceresi).

17) Okur Profili: Jüri, Yönetici, Alan Dışı Okur

• Jüri: Denetlenebilirlik ve varsayım notu; hata bantları, eksik gölgeleri, sürüm notu.

• Yönetici: Karar cümlesi, eşik çizgisi, “sınıf başına kişi/dakika” notu.

• Alan dışı okur: Basitleştirilmiş eksen, az renk, açıklayıcı başlık.

Uygulamalı sahne: Aynı bulgu üç sürümde—detaylı (eklerde), karar odaklı (ana metinde), popüler anlatı (özet raporda).

18) Yeniden Üretilebilirlik ve Sürüm Notu: Grafiğin İzi

Grafikler yalnız görsel değil, tekrar üretilebilir adımların meyvesi olmalı.

• Sürüm notu: “v1.2—pasif >20 dk hariç; v1.3—eşik ≥3→≥2 denendi; yön sabit.”

• Karar günlüğü: “Duyuru +1 önerisi kabul edildi; akşam penceresi kalıcı.”

Uygulamalı sahne: Aynı grafiği bir ay sonra aynı veri kesimiyle yeniden üretiyor, karar günlüğüne işliyorsunuz—okur güveni artıyor.

19) Disiplinlerarası Mini Sahneler

Eğitim – Sürdürme (ikili):
Nokta–bant grafiği; sınıf başına 3–4 öğrenci (2–7). Kırsalda renk tonu daha koyu (daha büyük). Referans çizgisi “≥3”. Not: “İlk 6 hafta odak; akşam 20:00–22:00 penceresi.”

Klinik – Bekleme (sürekli):
Zaman şeridi; 2–6 dakika kısalma; pazartesi 09:00–11:00 tepe. Not: “p=.08; operasyon eşiği aşıldı; zirvede geçici kapasite.”

Kamu – Başvuru (sayım/ritim):
Duyuru işareti; +1 gün tepe; yağışta yüz yüze düşüş, çevrim içi artış; tatil sonrası telafi. Not: “Yağış günlerinde asenkron kaynak.”

Sosyal Bilimler – Likert (sıralı):
Band–geçiş şeritleri; “her zaman” düşük, “bazen” yüksek, “hiç” sabit; bakım verenlerde kayış daha belirgin. Not: “Mahremiyet yönergeleri + kayıtlı izleme.”

20) Grafik Yazıları: Başlık, Eksen, Not ve Dil

• Başlık = karar cümlesi: “Düşük başlangıçta esneklik sürdürmeyi sınıf başına 3–4 öğrenci artırıyor.”

• Eksen = insan dili: “Öğrenci sayısı”, “Dakika”, “Gün”.

• Not = etik–eşitlik: Küçük hücreler birleştirildi; dil damgalamıyor.

• Açıklama = sürüm izi: Veri kesim tarihi, temizlik kuralı.

21) Kontrol Listesi – Grafik Koymadan Hemen Önce

1. Grafik karar cümlesini görünür kılıyor mu?

2. Etki büyüklüğü + belirsizlik merkezde mi?

3. Eşik/operasyon çizgisi var mı (≥3 öğrenci, ≥2 dakika)?

4. Zaman penceresi ve ritim işaretleri eklendi mi (duyuru +1, tatil, zirve)?

5. Alt grup/etkileşim adalet merceği ile gösterildi mi?

6. Likert band–geçiş şeritleri mi, yoksa ortalama yanılgısı mı?

7. Eksikler gölge olarak görülebiliyor mu (yanıt yok/uygulanmadı/bilmiyorum)?

8. Duyarlılık/sağlamlık saydam alternatiflerle gösterildi mi?

9. Küçük hücreler birleştirildi, dil saygılı mı?

10. Başlık–eksen–notlar insan dilinde mi?

11. Sürüm notu ve karar günlüğüne referans kondu mu?

12. Tek bir ana grafik ve bir ek grafik ile enflasyondan kaçınıldı mı?

Sonuç

Grafikler, akademik analizin ikinci dili değil; birinci sınıf vatandaşıdır. Onlar olmadan, veri yalnızca rakam; bulgu yalnızca bir cümle; öneri yalnızca bir temennidir. Bu yazı, grafikleri bir süs değil karar motoru olarak konumlandırdı: etki büyüklüğü + belirsizlik merkezde; eşik–zaman–kapasite–hata bedeli sahnenin üstünde; zaman penceresi (duyuru +1, zirve, tatil) ve ritim işaretleri grafiğin eteklerinde; alt grup/etkileşim katmanı adalet merceğiyle birlikte; eksik veri gölgeleri ve duyarlılık notları dürüstçe görünür; nitel alıntı mekanizmayı fısıldar; küçük hücre gizliliği ve saygılı dil grafiğin etiğidir.

Özüyle:

• Grafik, bulguyu eyleme bağlayan köprüdür; başlığı bir karar cümlesi olsun.

• Etki büyüklüğü (3–4 öğrenci, 2–6 dakika) grafikte göz hizasında; p-değeri etikette kalsın.

• Güven aralığı bantları ve eşik çizgileri olmadan grafik eksiktir.

• Zaman penceresi ve ritim anlatısı (duyuru +1, zirve, tatil) kararı hızlandırır.

• Etkileşim (kimin için daha çok?) ve eşitlik görünür olmadıkça ortalama maskeler.

• Likert, band–geçiş dilinde gösterilmeli; ortalama, sırayı yutar.

• Eksikler (yanıt yok/uygulanmadı/bilmiyorum) gölge olmadan, metin iyimser görünür.

• Duyarlılık/sağlamlık saydam alternatiflerle yazılmalı; mesaj kırılgansa itiraf edin.

• Sürüm notu ve karar günlüğü, grafiğin yarın da aynı sözü vermesini sağlar.

Böyle çizdiğinizde, okur yalnız “ne oldu?”yu değil; hangi haftada, kime, hangi eşikte ve hangi bedelle ne yapacağını da görür. Akademik bulgu, işte o zaman gerçek hayata bağlanır—grafik, bu bağın gözle görülen halidir.

Akademi Delisi, eğitim ve akademik destek alanında kapsamlı hizmetler sunan öncü bir platformdur. Öğrencilerin akademik başarılarına yön verirken, onları bilgiyle buluşturmayı ve potansiyellerini en üst düzeye çıkarmayı amaç edinmiş bir ekibiz. Sitemiz bünyesinde ödevlerden projelere, tezlerden makalelere kadar geniş bir yelpazede destek sağlıyoruz. Alanında uzman yazarlarımız, öğrencilere özgün içerikler sunarken, aynı zamanda onlara araştırma, analiz ve yazım konularında rehberlik ederek kendilerini geliştirmelerine yardımcı oluyor.
Akademik hayatın zorluklarıyla başa çıkmak artık daha kolay. Akademi Delisi olarak, öğrencilere sadece ödevlerinde değil, aynı zamanda araştırma projelerinde, tez çalışmalarında ve diğer akademik gereksinimlerinde de destek sağlıyoruz. Sunduğumuz kaliteli hizmetler sayesinde öğrenciler zamanlarını daha verimli bir şekilde kullanabilirler. Uzman ekibimiz, her bir öğrencinin ihtiyaçlarına özel çözümler üreterek, onların akademik hedeflerine ulaşmalarına katkı sağlar.
Gelişmiş kaynaklara erişimden akademik yazım kurallarına, araştırma yöntemlerinden kaynakça oluşturmaya kadar her aşamada öğrencilere destek sunan Akademi Delisi, eğitimde yeni bir perspektif sunuyor. Amacımız, öğrencilere sadece geçici çözümler değil, aynı zamanda uzun vadeli öğrenme ve başarıya giden yolda rehberlik etmektir.

The post Akademide Analiz Sonuçlarının Grafikle Desteklenmesi first appeared on Akademi Delisi (Tez Yaptırma).

1) Zihin Seti: Veri Analizi “Buton” Değil, “Karar Mimarisi”

Veri analizi eğitiminin ilk kazanımı bir zihin setidir. Bu set, öğrenciye şu refleksi kazandırır:

• Sorunu “kim–ne–ne zaman–hangi koşulda?” diye karar cümlesine çevir.

• Tasarımını (deneysel/gözlemsel/kohort/kesitsel) bu karara göre kur.

• Ölçüm ve veri temizliği adımlarını, analizin kaderini belirleyen varsayımlar olarak yaz.

• Analizini yalnız p-değerine yaslama; etki büyüklüğü ve güven aralığına kulak ver.

• Yorumunu “hata bedeli–eşik–zaman–kapasite” dörtlüsüyle eyleme bağla.

• Raporunda eşitlik merceğini ve gizlilik ilkesini koru.

• İz bırak: kod–sürüm notu–karar günlüğü.

Uygulamalı sahne: Lisansüstü bir seminerde “Ders sürdürme” konusu işleniyor. Öğrenciler ilk hafta, “soru–karar cümlesi” yazıyor: “İlk 6 haftada akran rehberliği + görünürlük esnekliği, düşük başlangıç düzeyindeki öğrencilerde sürdürmeyi artırırsa, 30 kişilik sınıfta kaç öğrenci daha sürdürür; hangi haftada uygulama daha etkili olur?” Bu cümle, eğitimin yol haritasını çıkarır.

2) Soru–Tasarım–Analiz Hizalaması: Zincir Kadar Güçlü

Bir eğitim, öğrenciye “soruyu tasarımla hizalamadan analize girmemeyi” öğretmelidir.

• Deneysel sahnede rastgele atanmış müdahale → nedensel yorum.

• Gözlemsel sahnede karıştırıcı ve seçim yanlılığı → temkinli yorum + denge/karşılaştırılabilirlik teknikleri.

• Kohort ve sağkalım → “ne zaman?” sorusu.

• Kesitsel → dağılım ve band–geçiş.

Uygulamalı sahne: Üç kampüs, iki dönem. Eğitim; öğrencilerin önce farkların farkı (DiD) sezgisini, sonra eşleştirme/eğilim skoru fikrini anlamasını sağlar. Aynı veri, farklı tasarım mantıklarıyla üç ayrı hikâyeye dönüşür; öğrenci bu çokluğunda kaybolmaz.

3) Ölçüm ve Veri Kalitesi: Gürültüye Karşı İlk Savunma

Veri analizi eğitiminde “ölçüm” ayrı bir derstir: madde yazımı, yanıt kategorileri, ters maddeler, band birleştirme, log veride pasif oturum kesme. Çünkü kötü ölçüm, iyi analizi boşa çıkarır.

Uygulamalı sahne: “Kamerayı açma” beşli Likert, üç banda indirgenir (hiç/seyrek – bazen – çoğunlukla/her zaman). “Pasif >20 dk” kesilir. Öğrenci, band–geçiş ve temizlik kuralının sonuçları nasıl değiştirdiğini duyarlılık kutusunda yazar.

4) Açıklayıcı Veri Analizi (EDA): İlk Bakışta Görülenler, Görülmeyenler

EDA; histogramlara bakmak değildir; hikâyeyi koklamaktır. Ritim (duyuru +1), tepe (pazartesi 09:00–11:00), telafi (tatil sonrası), band kayışları (Likert), küçük hücre riskleri…

Uygulamalı sahne: Öğrenci, “Esneklikli sınıflarda ‘her zaman’ düşük, ‘bazen’ yüksek, ‘hiç’ sabit; kırsalda kayış daha belirgin” cümlesini yazıyor. Bu cümle, grafiksiz grafik tekniğidir; eğitimin hedefi, öğrenciyi sözlü görselleştirmeye alıştırmaktır.

5) Nicel–Nitel Köprü: Neden’lere Kulak Vermek

Veri analizi eğitimi, nitel alıntıların mekanizma gücünü öğretir. Sayı farkının nedenini duymadan politika önerisi eksik kalır.

Uygulamalı sahne: “Kamerayı açınca evim görünüyor.” Bu alıntı, esnekliğin neden işleyebileceğini anlatır; nicel farkın hikâyesini kurar.

6) P-Değerinin Ötesi: Etki Büyüklüğü, Güven Aralığı ve Pratik Önem

Eğitimin ana hedefi: p-değerini etiket, etki büyüklüğü ve güven aralığını ana ses yapmaktır. Öğrenci; “sınıf başına kaç kişi”, “kaç dakika”, “hangi haftada” dillerine çevirmeyi öğrenir.

Uygulamalı sahne: “Esneklik + rehberlik, düşük başlangıç grubunda küçük–orta artış; sınıf başına 3–4 öğrenci (2–7).” Bu, uygulamayı doğrudan karara bağlar.

7) Varsayımlar ve Duyarlılık: Makul Alternatiflerde Mesajın Kaderi

Normalite, homojenlik, bağımsızlık, paralel eğilim… Eğitim, testi “geçti/kaldı”ya indirmez; ne anlama geldiğini ve karar üzerindeki etkisini öğretir. Duyarlılık; eşik ve pencere kararlarında temkin üretir.

Uygulamalı sahne: Eşik ≥3 → ≥2; oturum kesme 15–25 dk; tatil bayrakları var/yok. Öğrenci “yön sabit, büyüklük biraz oynuyor” cümlesini rapora koyar.

8) Değişken Türleriyle Düşünmek: İkili–Sürekli–Sıralı–Kategorik–Sayım–Süre

Eğitim, testlerden önce doğa dilini öğretir:

• İkili sonuçlar: olasılık farkı → “sınıf başına” çeviri.

• Sürekli sonuçlar: dakika/puan → pratik eşik.

• Sıralı (Likert): band–geçiş.

• Kategorik: hücre yönlerini sözle anlatma.

• Sayım: sıfır-aşırılık, ritim.

• Süre/sağkalım: “ne zaman?” sorusu.

Uygulamalı sahne: Duyuru +1 gün tepe; pazartesi 09:00–11:00 zirve; tatil sonrası telafi. Öğrenci, “ritim sütunu” nu sözlü tabloya ekler.

9) Gözlemsel Araştırmalarda Adalet Merceği ve Etkileşim

Ortalama etki, adaleti gizleyebilir. Eğitim; etkileşimleri (“kimin için daha çok?”) ve küçük hücre gizliliğini birlikte öğretmelidir.

Uygulamalı sahne: “Kırsal + düşük başlangıç”ta kazanım daha büyük; kentte küçük. Karar: Kırsala öncelik, küçük hücreler birleştirildi, dil damgalamıyor.

10) Araç Ekosistemi: SPSS, R, Jamovi ve Alternatifler

Araç seçimi amaça bağlı. Eğitim, tek yazılıma hapsedilmemelidir:

• SPSS: Hızlı menü, kurumsal yaygınlık, rapor pratikleri.

• R: Esneklik, yeniden üretilebilirlik, dokümantasyon.

• Jamovi: Öğrenme eşiği düşük, öğretime uygun, etkileşimli.

• Python/Notebooks: Veri işleme ve modelleme entegrasyonu.
  Hedef, dil aktarımlı düşünmedir: “SPSS’te yaptığımı R’de nasıl yazıyorum?”

Uygulamalı sahne: Aynı analiz üç araçla anlatılır; öğrenci menü adını değil, karar cümlesini korur.

11) Veri Görselleştirme ve Sözlü Grafik Tekniği

Görselleştirme, şekil değil mesaj üretir. Grafik koyamadığınızda bile eğitim, öğrencinin sözle sahne kurmasını öğretir: “Esneklikli sınıflarda ‘her zaman’ düşük, ‘bazen’ yüksek; ‘hiç’ sabit.”

Uygulamalı sahne: Bekleme süresi 2–6 dakika kısalıyor; pazartesi 09:00–11:00 etkisi daha yüksek. Bu iki cümle, bir çizginin verdiği mesajdır.

12) Yeniden Üretilebilirlik: Kod, Defter, Sürüm Notu, Karar Günlüğü

Eğitimin işlevsel çıktısı iz bırakmaktır.

• Kod/defter: adımların kaydı.

• Sürüm notu: “v1.2—pasif >20 dk hariç; v1.3—eşik ≥3→≥2 denendi; yön sabit.”

• Karar günlüğü: eşik–zaman–kapasite–hata bedeli kararlarının kroniği.

Uygulamalı sahne: Tez jürisi, sürüm notları sayesinde “Yarın aynı veride sonuç tekrarlanabilir” güvenini duyar.

13) Etik, Gizlilik ve Küçük Hücre Koruması

Veri analizi eğitimi, yalnız teknik değil etik derstir:

• n<5 hücreleri açma; birleştir.

• Dilin damgalamasın (“zayıf” değil “daha fazla desteğe ihtiyaç duyan”).

• Mahremiyet, özellikle hassas gruplarda çekirdek ilkedir.

• Paylaşımda gerekli anonimizasyon ve erişim katmanları.

Uygulamalı sahne: “Kamerayı hiç açmayanlar” yerine “mahremiyet kaygısı belirtenler” ifadesi, nedene işaret eder ve damgalamayı önler.

14) Öğrenci–Danışman Ekosistemi: Laboratuvar Rutinleri

Eğitimin etkisi, tekrarlanan ritüellerle kalıcı olur:

• Haftalık EDA turu (herkes iki cümlelik sözlü grafik getirir).

• Duyarlılık kutusu (her hafta bir varsayım değiştir, mesajın kaderini yaz).

• Eşitlik köşesi (en az bir alt grup okumayı getir).

• Sürüm notu güncellemesi.

• Karar cümlesi ile bitirme (eşik–zaman–kapasite–hata bedeli).

Uygulamalı sahne: Laboratuvarda “duyuru +1 akşam penceresi” önerisi; takip hafta pilot; karar günlüğüne işlenir.

15) Müfredat Tasarımı: Modüler ve Büyüyen Yeterlikler

İyi bir müfredat:

1. Soru–tasarım–ölçüm (temel)

2. EDA ve sözlü grafik

3. İstatistiksel sonuç yazımı (etki–güven aralığı–pratik önem)

4. Kategorik/sıralı/ikili/sayım/süre ile düşünme

5. Gözlemsel yöntemler (eşleştirme, DiD, doğal deney sezgisi)

6. Model hataları (biçim ihlali, heterojenlik, uç gözlemler)

7. Eşitlik ve etik

8. Yeniden üretilebilirlik (kod/sürüm/karar günlüğü)

9. Rapor ve sunum (karar cümlesiyle kapanış)

Uygulamalı sahne: Her modül, “mini politika notu” üretir; öğrenci eylem cümlesi yazmadan modül tamamlanmış sayılmaz.

16) Ölçme–Değerlendirme: Puan Değil, Karar Kalitesi

Sınav yerine dosya. Değerlendirme, dört eksende yapılır:

• Doğruluk (analitik tutarlılık)

• Anlaşılabilirlik (insan dili)

• Adalet (eşitlik merceği)

• Uygulanabilirlik (eşik–zaman–kapasite–hata bedeli)

Uygulamalı sahne: “p=.04” yazıp bırakan öğrenci orta not; “sınıf başına 3–4 öğrenci, kırsalda daha büyük, eşik ≥3/≥2 ve duyuru +1 penceresi” yazan yüksek not alır.

17) Kurumsal Kapasite ve Kariyer Köprüleri

Veri analizi eğitimi, üniversitenin etki alanını genişletir: yerel yönetimle proje, hastaneyle bekleme süreleri takibi, üniversite içi öğrenci başarısı odakları… Öğrenci, veriyle toplumsal değeri buluşturur.

Uygulamalı sahne: Kütüphane saatlerini ayarlayan üniversite birimi, öğrenci ekibinin ritim analizleriyle zirve saatlerine göre kapasite planlar; 2–6 dakikalık kısalma hedeflenir.

18) Yaygın Mitler ve Hızlı Düzeltmeler

• Mit: “Veri analizi = p<.05.”
  Düzeltme: p etikettir; etki büyüklüğü + güven aralığı + pratik önem ana sestir.

• Mit: “Likert ortalaması her şeydir.”
  Düzeltme: Likert band–geçiştir: “düşük→orta kayışı”.

• Mit: “Eksikler tek torbaya atılır.”
  Düzeltme: “Yanıt yok/uygulanmadı/bilmiyorum” ayrı yazılır.

• Mit: “Grafik yoksa anlatı zayıf.”
  Düzeltme: Sözlü grafik iki cümlede sahne kurar.

• Mit: “Eşitlik ayrı bir ekip işidir.”
  Düzeltme: Her sonuçta “kimin için daha çok?” sorusu çekirdektir.

• Mit: “Tek araç yeter.”
  Düzeltme: Amaç–araç eşleşmesi; SPSS–R–Jamovi–Python birlikte düşünülür.

19) Disiplinlerarası Mini Sahneler: Eğitim–Klinik–Kamu–Sosyal Bilimler

Eğitim: İlk 6 haftada akran rehberliği + esneklik. Kazanım: Küçük–orta; sınıf başına 3–4 öğrenci. Karar: Eşik ≥3 (kapasite artarsa ≥2); akşam penceresi kalıcı; duyuru +1 hatırlatma.
Eğitim değeri: Öğrenci; ikili sonuçları “sınıf başına” diline çevirmeyi, eşik–zaman–kapasite ile bağlamayı öğrenir.

Klinik: Vardiya düzeni; pazartesi 09:00–11:00 zirvesi. Kazanım: 2–6 dakika kısalma; p=.08 olsa bile operasyonel eşik aşılmış.
Eğitim değeri: p’ye takılmadan pratik önem ve tepe yönetimi.

Kamu: Duyuru +1 gün tepe; yağışta yüz yüze düşüş, çevrim içi artış; tatil sonrası telafi.
Eğitim değeri: Ritim dili, sayım verisinde sıfır-aşırılık sezgisi.

Sosyal Bilimler: “Her zaman” düşük, “bazen” yüksek, “hiç” sabit; bakım verenlerde kayış daha belirgin.
Eğitim değeri: Likert’te band–geçiş, nitel alıntıyla mekanizma.

20) Kapanış Kontrol Listesi – Bir Dönemlik Veri Analizi Eğitimi Bittiğinde

1. Öğrenci karar cümlesi kurabiliyor mu?

2. Soru–tasarım–ölçüm hizalaması net mi?

3. EDA’da sözlü grafik kurabiliyor mu?

4. p’yi etiket, etki–güven aralığını ana ses yapabiliyor mu?

5. İkili sonuçları sınıf başına; süreyi dakika; Likert’i band–geçiş ile sunuyor mu?

6. Varsayımlar ve duyarlılık notu yazılıyor mu?

7. Gözlemsel çalışmada karıştırıcı/etkileşim konusunda temkin dili var mı?

8. Eşitlik merceği ve küçük hücre gizliliği gözetiliyor mu?

9. Yeniden üretilebilirlik için kod–sürüm–karar günlüğü tutuluyor mu?

10. Son cümle eşik–zaman–kapasite–hata bedeli ile eyleme bağlanıyor mu?

Sonuç

Veri analizi eğitimi, akademik hayatın çekirdeğidir: Bir disiplini “bilim” kılan yalnızca hipotezler ve literatür değil, verinin insan diline çevrilmesi ve adaletli eyleme bağlanmasıdır. Bu yazı, eğitimin niçin menü–buton öğretisi değil; karar mimarisi olduğunu gösterdi. Soru–tasarım–ölçüm–analiz–yorum–rapor–etik–eşitlik–yeniden üretilebilirlik zincirini bir “okurla konuşma sanatı”na dönüştürdük. Öğrenciyi p-değerine değil, etki büyüklüğü–güven aralığı–pratik önem üçlüsüne; tek rakama değil, ritim ve zaman penceresi anlatısına; ortalamaya değil, kimin için sorusuna alıştırdık.

Özüyle:

• Veri analizi eğitimi, karar cümlesi kurma alışkanlığı kazandırır.

• EDA ve sözlü grafik becerisi, grafiksiz de sahne kurdurur.

• Etki büyüklüğü + güven aralığı, p’nin önüne geçer; sınıf başına kişi ve dakika/puan dilleri pratik eşiği gösterir.

• Varsayım ve duyarlılık notları, güven üretir; mesaj kırılgansa itiraf edilir.

• Gözlemsel sahnede karıştırıcı–etkileşim eğitimi, adil hedeflemeye kapı açar.

• Eşitlik ve gizlilik ilkeleri, teknik kadar etik bir müfredat gerektirir.

• Araç ekosistemi (SPSS–R–Jamovi–Python), menü adı değil amaç–araç uyumu olarak öğretilir.

• Yeniden üretilebilirlik (kod–sürüm–karar günlüğü) akademik güvenin temelidir.

• Son cümle, daima eşik–zaman–kapasite–hata bedeli ile eyleme bağlanır.

Böyle bir eğitim, öğrencileri yalnızca sınavı geçen kişiler değil; veriyi adil, şeffaf ve uygulanabilir kararlara çeviren araştırmacılar yapar. Üniversite ile toplum arasındaki köprü güçlenir; bilim, sınıfta başlayan ama yarın sabah karar masasında devam eden bir dile kavuşur.

Akademi Delisi, eğitim ve akademik destek alanında kapsamlı hizmetler sunan öncü bir platformdur. Öğrencilerin akademik başarılarına yön verirken, onları bilgiyle buluşturmayı ve potansiyellerini en üst düzeye çıkarmayı amaç edinmiş bir ekibiz. Sitemiz bünyesinde ödevlerden projelere, tezlerden makalelere kadar geniş bir yelpazede destek sağlıyoruz. Alanında uzman yazarlarımız, öğrencilere özgün içerikler sunarken, aynı zamanda onlara araştırma, analiz ve yazım konularında rehberlik ederek kendilerini geliştirmelerine yardımcı oluyor.
Akademik hayatın zorluklarıyla başa çıkmak artık daha kolay. Akademi Delisi olarak, öğrencilere sadece ödevlerinde değil, aynı zamanda araştırma projelerinde, tez çalışmalarında ve diğer akademik gereksinimlerinde de destek sağlıyoruz. Sunduğumuz kaliteli hizmetler sayesinde öğrenciler zamanlarını daha verimli bir şekilde kullanabilirler. Uzman ekibimiz, her bir öğrencinin ihtiyaçlarına özel çözümler üreterek, onların akademik hedeflerine ulaşmalarına katkı sağlar.
Gelişmiş kaynaklara erişimden akademik yazım kurallarına, araştırma yöntemlerinden kaynakça oluşturmaya kadar her aşamada öğrencilere destek sunan Akademi Delisi, eğitimde yeni bir perspektif sunuyor. Amacımız, öğrencilere sadece geçici çözümler değil, aynı zamanda uzun vadeli öğrenme ve başarıya giden yolda rehberlik etmektir.

The post Akademide Veri Analizi Eğitimi Almanın Önemi first appeared on Akademi Delisi (Tez Yaptırma).

1) Araştırma sorusundan veri gereksinimine: “Ne arıyorum?”

• Araştırma sorusu → gereksinim matrisi: popülasyon, zaman, ölçüm türü, hassasiyet, örneklem büyüklüğü.

• Hipotez/amaç → minimum değişken seti; “olsa iyi olur” veriyi ayrı bir blokta tutun.

• Ön kayıt: Hangi analizler yapılacak? Ana/ikincil sonuçlar neler?

2) Veri kaynakları: Birincil, ikincil, sentetik

• Birincil: Anket, deney, gözlem, sensör.

• İkincil: Kurumsal idari kayıtlar, açık veri portalları, literatür ekleri.

• Sentetik: Paylaşım sınırlıysa anonim/sentetik ikizler.
  İpucu: İkincil veride ölçüm hatası ve tanım değişimleri için meta veriyi okuyun.

3) Etik, gizlilik ve izinler: Başlamadan önce

• Etik kurul/onam: Amaç sınırlılığı, veri saklama süresi.

• Anonimleştirme: Doğrudan tanımlayıcılar (ad, TC) kaldırılır; küçük hücreler (n<5) bastırılır.

• Erişim kontrolü: Roller, loglama, paylaşımlı klasör politikası.

4) Veri yönetim planı (DMP) ve FAIR ilkeleri

• Bulunabilirlik: Kalıcı tanımlayıcı (DOI), açıklayıcı başlık/etiketler.

• Erişilebilirlik: Lisans türü (CC-BY, CC0), erişim kısıtları.

• Birlikte çalışabilirlik: Açık biçimler (CSV, Parquet), standart şemalar.

• Yeniden kullanılabilirlik: Codebook, örnek kullanım not defteri.

5) Klasör yapısı ve adlandırma: Dağınıklığa son

project/
data_raw/ (değiştirilmez)
data_proc/ (türev veriler)
docs/ (DMP, etik, codebook)
src/ (fonksiyonlar)
notebooks/ (analiz defterleri)
outputs/ (tablo/şekil/rapor)

Adlandırma: 2025-01-15_merge-v2.parquet gibi tarih–eylem–sürüm.

6) Versiyonlama ve “tek tuş” boru hattı

• Git + açıklayıcı commit mesajları; veri büyükse DVC/Git-LFS.

• Makefile/snaker ya da targets/drake/prefect ile yeniden üretilebilir pipeline: raw → clean → features → models → report.

7) Codebook ve değişken sözlüğü

Her alan için: ad, açıklama, birim, tip, eksik kodları, kategori etiketleri, kaynak, dönüşüm geçmişi.
Kural: Codebook güncel değilse veri kullanılamaz sayılır.

8) Kaliteli veri alımı: Form tasarımından giriş doğrulamalarına

• Zorunlu alanlar, aralık kontrolleri, regex.

• Sürükleyici ama kısa anket (10–12 dk kuralı).

• Pilot çalışma → soru anlaşılırlığı, zaman.

9) Temizlik stratejisi: “Kir nerede birikir?”

• Tür dönüşümleri (string→date/float),

• Çift kayıt tespiti (ID+timestamp),

• Outlier bayrakları (z>3, IQR), na haritaları.
  Her adımı loglayın: “temizlik_notları.md”.

10) Eksik veriler: Mekanizma ve çözüm

• MCAR/MAR/MNAR ayrımı; neden eksik?

• Çoklu atama (m≥20) veya FIML; listwise yalnız küçük oranda.

• Sonuç bölümünde “eksik veri duyarlılığı” alt başlığı açın.

11) Birleştirme (merge) ve anahtarlar: Çatallanmaya dikkat

• Primary key benzersizliği test edin.

• “Many-to-many” uyarısı → neden?

• Birleştirme sonrası satır sayısı ve coverage raporu.

12) Ölçek güvenilirliği ve puanlama

• Cronbach α/ω, doğrulayıcı faktör ile yapı geçerliği.

• Ters maddeler, puan standardizasyonu, kesme noktaları (gerekçeli).

13) Keşifsel veri analizi (EDA): İlk bakışın kuralları

• Özet tablolar (ort/medyan/SD/IQR),

• Dağılım grafikleri (hist/kde/violin),

• İlişki haritası (serpilme, korelasyon ısı haritası).
  Kural: Her grafiğe n, birim, dönüştürme notu.

14) Aykırı ve etkili gözlemler: Karar ağacı

• Ölçüm hatası → düzelt/çıkar.

• Doğal uç → robust analiz + duyarlılık bölümü.

• Etkili gözlem (Cook’s D, leverage) için raporda kısa not.

15) Özellik mühendisliği: Anlamlı sinyal üretimi

• Oranlar, farklar, log/kök dönüşümleri,

• Zaman türevleri (trend, mevsim kuklaları),

• Metin/etkileşim ölçütleri (tf-idf, yoğunluk),

• Alan temelli kompozit skorlar (gerekçeyle).

16) Reprodüksiyon için notebook düzeni

• 01_eda, 02_clean, 03_features, 04_model, 05_figures, 06_report.

• Her defterin başında amaç ve girdiler; sonunda çıktılar ve bir sonraki adım.

17) Kod kalitesi ve testler

• Fonksiyonlaştırın; docstring + tip ipuçları.

• Birim testleri: kritik dönüştürmelere (tarih ayrıştırma, winsorize).

• Stil: black/flake8 veya lintr/styler.

18) Varsayım tanıları: Erken ve sık

• OLS için doğrusallık/normalite/homoskedastisite,

• Lojistikte kalibrasyon (Brier, eğri),

• Zaman serisinde durağanlık (ADF/KPSS),

• Kümeler için silüet/gap.

19) Modelleme sırası: Önce basit, sonra karmaşık

1. Temel karşılaştırma (ortalama farkı, korelasyon),

2. Baseline (OLS/lojistik),

3. Gelişmiş (GLM, çok düzeyli, düzenlileştirme, SEM),

4. Duyarlılık (robust SH, farklı belirtimler).
   Prensip: Parsimoni + açıklanabilirlik.

20) Doğrulama: CV, zaman farkındalığı, grup ayrımı

• Rasgele CV yerine veri yapısına uygun k-kat veya rolling-origin.

• Tek bireyin çok gözlemi aynı katmanda olmasın (leakage önlemi).

• Grup bazlı CV (okul/klinik).

21) Belirsizlik ve etki büyüklüğü: Karar dili

• GA (95%) ve etki büyüklüğü (β*, OR, d, ΔR²).

• Marjinal etkiler (yüzde puan), karar eşiği duyarlılık tabloları.

• Senaryo anlatımı: kötümser–temel–iyimser.

22) Görselleştirme prensipleri

• Eksen, birim, n, belirsizlik bandı zorunlu.

• Koyu/kontrast dostu, renk körlüğü erişilebilir palet.

• Şekil dosyaları vektör (PDF/SVG), açıklayıcı başlık.

23) Tablo şablonları ve açıklayıcı dipnotlar

• Tanımlayıcılar (n, ort, SD / medyan, IQR),

• Model çıktıları (β, SH, GA, p; dipnotta varsayımlar/robust),

• Çoklu test düzeltme notu.

24) Duyarlılık analizleri: Güven inşa edin

• Eksik veri stratejileri karşılaştırması (listwise vs MI),

• Aykırı yönetimi (ham vs winsorize vs robust),

• Model belirtimi (alternatif link/dağılım).
  Rapor: “Sonuç yönü değişmedi; büyüklük ±%X oynadı.”

25) Çoğaltılabilir rapor üretimi

• R Markdown/Quarto/Jupyter Book ile kod+metin+şekil aynı dosyada.

• Tohum (seed), paket sürümleri, ortam ayrıntıları (session info).

• Otomatik rapor: Pipeline sonunda make report.

26) Paylaşım ve uzun dönem arşivleme

• Depolama: Kurumsal repo + zenodo/OSF/figshare (açık dosyalar).

• Lisans: Veri (CC), kod (MIT/BSD/GPL).

• Meta veri: Dublin Core/Datacite alanları doldurulmuş.

27) İşbirliği: Roller, kod inceleme, değişiklik talepleri

• Contributor rolleri (CRediT).

• Pull request ile kod inceleme, sürüm notları.

• Haftalık “boru hattı sağlık” toplantısı: kırık işleri düzeltin.

28) Zaman yönetimi: %40 veri, %40 analiz, %20 rapor

• Başta temizlik ve dokümantasyona yeterli süre.

• “Son hafta görselleştirme yoğunluğu” riskini azaltın; şablonları erken kurun.

• Takvim taşları (milestones) ve done definition.

29) Sık hatalar ve kaçınma yolları

1. Tek dosya/tek defter kaosu → modüler yapı.

2. Codebook’suz veri → tekrar kullanılamaz.

3. Eksik veri stratejisiz → yanlılık.

4. Doğrulamasız model → aşırı uyum.

5. Belirsizliği saklama → GA/duyarlılık şart.

6. Erişimsiz grafikler → renk körlüğü paleti, metin eşleniği.

30) Alan bazlı mini-senaryolar

• Eğitim: LMS log + notlar → erken uyarı; PR-AUC, kalibrasyon şart.

• Sağlık: Ziyaret sayıları → sayım modeli; gizlilik → küçük hücre bastırma.

• Sosyal politika: Panel veri → DiD + event study; paralel eğilim kontrolü.

Veri setleriyle güçlü bir akademik çalışma yürütmek, teknik ustalıktan önce disiplinli süreç gerektirir: net veri gereksinimi, etik ve FAIR uyumu; temiz bir klasör ve codebook; yeniden üretilebilir bir boru hattı; temizlik–EDA–özellik–model–raporun birbirine kilitlendiği bir akış; belirsizliği ve duyarlılığı dürüstçe raporlama; görsel ve tabloları karar diline çevirme; kod–veri–ortam sürümlemesi ve açık arşiv. Bu pratikler, yalnız bugünkü tezinizi değil, yarının çoğaltılabilir bilim kültürünü de besler. Son kertede, veriye gösterilen özen—kaynağından saklanmasına, dönüşümünden yorumuna—araştırmanızın ikna gücünü ve kalıcılığını belirler. Önce düzen, sonra model; önce şeffaflık, sonra sonuç.

Akademi Delisi, eğitim ve akademik destek alanında kapsamlı hizmetler sunan öncü bir platformdur. Öğrencilerin akademik başarılarına yön verirken, onları bilgiyle buluşturmayı ve potansiyellerini en üst düzeye çıkarmayı amaç edinmiş bir ekibiz. Sitemiz bünyesinde ödevlerden projelere, tezlerden makalelere kadar geniş bir yelpazede destek sağlıyoruz. Alanında uzman yazarlarımız, öğrencilere özgün içerikler sunarken, aynı zamanda onlara araştırma, analiz ve yazım konularında rehberlik ederek kendilerini geliştirmelerine yardımcı oluyor.
Akademik hayatın zorluklarıyla başa çıkmak artık daha kolay. Akademi Delisi olarak, öğrencilere sadece ödevlerinde değil, aynı zamanda araştırma projelerinde, tez çalışmalarında ve diğer akademik gereksinimlerinde de destek sağlıyoruz. Sunduğumuz kaliteli hizmetler sayesinde öğrenciler zamanlarını daha verimli bir şekilde kullanabilirler. Uzman ekibimiz, her bir öğrencinin ihtiyaçlarına özel çözümler üreterek, onların akademik hedeflerine ulaşmalarına katkı sağlar.
Gelişmiş kaynaklara erişimden akademik yazım kurallarına, araştırma yöntemlerinden kaynakça oluşturmaya kadar her aşamada öğrencilere destek sunan Akademi Delisi, eğitimde yeni bir perspektif sunuyor. Amacımız, öğrencilere sadece geçici çözümler değil, aynı zamanda uzun vadeli öğrenme ve başarıya giden yolda rehberlik etmektir.

The post Akademide Veri Setleri ile Pratik Çalışma Önerileri first appeared on Akademi Delisi (Tez Yaptırma).