| Ders Adı | Kodu | Verildiği Yıl | Verildiği Yarıyıl | Süresi (T+U) | Yerel Kredisi | AKTS Kredisi |
| Karar Analizi II | MIS 402 | | | 3 + 0 | 3 | 5,00 |
| |
| Ders Bilgileri |
| Dersin Öğretim Dili | İngilizce |
| Dersin Seviyesi | Lisans |
| Dersin Türü | |
| Dersin Veriliş Biçimi | Yüz Yüze |
| |
Dersin Öğrenme Kazanımları:
Bu dersi başarı ile tamamlayan öğrenciler: |
| 1. Risk ve Belirsizlik Ayırımı |
| 2. İstatistiksel Karar Teorisine giriş |
| 3. buluşsal karar verme kriterlerinin kullanımı |
| 4. Fayda Fonksiyonunun özellikleri ve paradokslar |
| 5. Karar Ağaçlarının kurulması |
| 6. Stokastik Üstünlük (Baskınlık) Kriteri ve kullanımı |
| 7. Sınır analizleri ve uygulamaları |
| 8. Benzetim ve karar verme için kullanımı |
| |
| Dersin Önkoşulları ve Birlikte Alınması Gereken Dersler | Yok |
| Daha Önce Alınmış Olması Önerilen Dersler | Yok |
| |
Dersin Tanımı:
Bu dersin amacı Yönetim Bilişim Sistemleri program öğrencilerine belirsizlik altında karar alma analizlerinin temellerini tanıtmayı amaçlamaktadır. Dersi başarıyla tamamlayan öğrenciler, belirsizlik altında (rasyonel) karar almaya yönelik farklı model ve karar analiz teknikleri hakkına bilgi ve gerçek hayat uygulamalarına yönelik bir aracın kullanımını da öğrenmiş olacaklardır. Dersin içeriği (sınırlı olmamak kaydıyla), Karmaşık ortamlarda karar verme; risk ve belirsizlik; istatistiksel karar teorisi, fayda teorisi; karar ağaçları; buluşsal yöntemler; benzetim yöntemleri; Stokastik üstünlük; etkin sınır; çok amaçlı karar verme yöntemlerine giriş konularını kapsamaktadır. |
| |
Üretken Yapay Zeka Kullanımı:
Öğrencilerin, ChatGPT ve Copilot gibi üretken yapay zeka araçlarını, problem çözme konusunda rehberlik almak, kendi çözümlerini yapay zeka tarafından üretilen yanıtlarla karşılaştırmak ve hatalarını tespit etmek için çözümleri adım adım analiz etmek amacıyla kullanmaları teşvik edilecektir. Bu uygulama öğrencilerin eleştirel düşünme ve problem çözme becerilerini geliştirecektir. Yapay zeka öğrenme sürecinde değerli bir destek aracı olarak hizmet etse de, öğrencilerin üretilen çıktıları eleştirel bir bakış açısıyla değerlendirmeleri ve bağımsız analitik düşünme yetilerini güçlendirmeleri teşvik edilecektir.
|
| |
| Dersin İçeriği (Haftalık Konu Dağılımı): |
| |
| Hafta | Konu |
| 1 | Giriş: Karar Teorisi ve Temel Kavramlar |
| 2 | Karar ve Optimizasyon |
| 3 | Belirsizlik: Nedir, Sınıflama, Yaklaşımlar I |
| 4 | Belirsizlik: Nedir, Sınıflama, Yaklaşımlar II |
| 5 | Belirsizlik Altında Karar Verme: Olasılıklar olmadan Karar Verme |
| 6 | Belirsizlik Altında Karar Verme: İstatistiksel Karar Teorisine Giriş |
| 7 | Mükemmel ve Örneklem Bilgilerinin Değerleri |
| 8 | Fayda Fonksiyonları, Özellikleri ve Ölçümü |
| 9 | Tek Özellikli (değişkenli) Fayda Fonksiyonu Ölçümü |
| 10 | Çok Özellikli (değişkenli) Fayda Fonksiyonu Ölçümü |
| 11 | Benzetim |
| 12 | Stokastik Üstünlük |
| 13 | Karar Ağaçları |
| 14 | Sınır Analizleri |
| |
| Kaynaklar: |
| Decision Analysis for Management Judgement, Paul Goodwin, Geoge Wright. Wiley |
| |
| Diğer Kaynaklar: |
| Thinking and Deciding, J. Baron, Cambridge University Press
Statistics for Business and Economics, Paul Newbold, W. Carlson and B. Thorne (Statistical Decision Theory Chapter), Pearson
|
| |
| Öğretim Yöntem ve Teknikleri: |
| Dersler uygulama örnekleri ve vaka çalışmaları işle desteklenerek öğrencilere uygulama alanında tecrübe kazanmaları sağlanacaktır. Sınıf içinde öğrencilerin tartışmalara katılmaları teşvik edilecek ve grup olarak yapılan çalışmalar ve sunumları ile takım çalışması tecrübesi kazanmaları sağlanacaktır. |
| |
| Değerlendirme Sistemi: |
| Yöntem | Adet | Katkı (%) |
| Ara Sınav | 1 | %30 |
| Dönem Ödevi (Sunumu) | 1 | %20 |
| Final Sınavı | 1 | %40 |
| Ders Katılımı | 1 | %10 |
| |
| Ders İşbaşı Eğitimi (iş yerinde eğitim) Gerektiriyor mu? |
| Gerektirmiyor |
| |
Dersin Program Yeterlilikleri vs. Öğrenme Kazanımları:
|
| # | Program Yeterlilikleri | Katkı |
| 1 | Bilişim teknolojileri altyapısını öğrenmek ve gelişmeleri takip etmek. | 1 |
| 2 | Örgüt yapısına uygun bilişim sistemleri tasarlamak. | 2 |
| 3 | Yazılım bilgileri edinmek ve etkin bir şekilde kullanabilmek. | 1 |
| 4 | Veri toplama, temizleme ve saklama yöntemlerini öğrenmek. | 2 |
| 5 | Gelecekteki veri ve yazılım gereksinimlerini tahmin edebilmek. | 2 |
| 6 | Firma içindeki veri odaklı yönetim süreçlerini takip etmek. | 4 |
| 7 | "Büyük Veri" kullanarak bilgi elde etme yöntemlerini öğrenmek. | 1 |
| 8 | Bilgi teknolojilerindeki gelişmeleri takip etmek. | 0 |
| 9 | Bir kuruluşun bilgi teknolojileri ve veri problemlerini anlamak ve değerlendirmek. | 0 |
| 10 | Veri toplama, yorumlama, analiz etme ve yayma süreçlerinde bilimsel, sosyal ve etik standartları korumak. | 0 |
| 11 | Bilgi sistemleri arasındaki birlikte çalışabilirliği anlamak. | 0 |
| 12 | İş ortamını anlamak ve değerlendirmek. | 4 |