Ders Notları

100% Complete (success)
Dikkat !!! Lütfen okuyunuz ...

Öğretim Üyesi (Üyeleri): Prof. Dr. Dilek Çelikler *

(*) Ders notu girebilmek için, bu alanda kendi isminiz yazıyor olmalı...

  • Bologna verilerinin girilmesi;
    ubys.omu.edu.tr adresinden,
    ÜBYS' de Öğretim Elemanları yetkisi seçilmeli... Öğretim elemanı danışmanlık işlemlerinden yapabilirsiniz...
Yıl: 2025, Dönem: Güz
Ders Kitabı / Malzemesi / Önerilen Kaynaklar

1. Adadan, E., & Güneş, B. (2021). Fen eğitiminde modeller ve modelleme: Kuram ve uygulama. Pegem Akademi. 2. Chiu, M. H., & Lin, J. W. (2019). Modeling in science education. In R. Gunstone (Ed.), Encyclopedia of science education (pp. 671–675). Springer. 3. Gilbert, J. K., & Boulter, C. J. (Eds.). (2000). Developing models in science education. Kluwer Academic Publishers. 4. Güneş, B. (Ed.). (2017). Fen eğitiminde modelleme. Pegem Akademi. 5. Halloun, I. A. (2004). Modeling theory in science education. Springer Science & Business Media. 6. Harrison, A. G., & Treagust, D. F. (2000). A typology of school science models. International Journal of Science Education, 22(9), 1011–1026. 7. Justi, R. S., & Gilbert, J. K. (2002). Modelling, teachers' views on the nature of modelling, and implications for the education of modellers. International Journal of Science Education, 24(4), 369–387. 8. Namdar, B., & Shen, J. (2015). Modelling-oriented science education and computer-supported argumentation. Educational Sciences: Theory & Practice, 15(4), 1053–1073. 9. National Research Council. (2012). A framework for K-12 science education: Practices, crosscutting concepts, and core ideas. National Academies Press. 10. Windschitl, M., Thompson, J., & Braaten, M. (2008). Beyond the scientific method: Model‐based inquiry as a new paradigm of preference for school science investigations. Science Education, 92(5), 941–967. 11. Zhai, X., Yin, Y., Pellegrino, J. W., Haudek, K. C., & Ma, W. (2020). Applying machine learning in science assessment: A systematic review. Studies in Science Education, 56(1), 111–151. 12. Zhai, X., & Nehm, R. H. (Eds.). (2023). AI in STEM education: The opportunities and challenges. CRC Press.

Dersin İçeriği

Dersin içeriği; modellerin epistemolojik ve ontolojik temellerinden başlayarak, zihinsel modellerden matematiksel ve analojik modellere kadar geniş bir yelpazedeki model sınıflandırmalarını kapsamaktadır. Modelleme döngüsünün aşamaları, argümantasyon ile modelleme arasındaki ilişki, dijital araçlarla teknoloji entegrasyonu, STEM disiplinlerinde modelleme yaklaşımları ve güncel fen müfredatlarında yer alan modelleme yeterliliklerinin ölçülmesine yönelik pedagojik stratejiler dersin ana odak noktalarını oluşturmaktadır.

Dersin Amacı

Bu dersin amacı, öğretmen adaylarına ve araştırmacılara bilimin doğası çerçevesinde model ve modelleme süreçlerinin teorik ve uygulamalı temellerini kazandırmaktır. Ders süresince öğrencilerin; farklı model türlerini sınıflandırması, fen öğretiminde modelleme döngülerini kullanması, teknoloji destekli simülasyonlarla özgün öğretim materyalleri tasarlaması ve modelleme becerilerini müfredat programlarıyla ilişkilendirerek etkili ölçme-değerlendirme araçları geliştirmesi hedeflenmektedir.

Haftalık Ders İçeriği

Hafta Teorik Uygulama Laboratuar Ders Notları
1 Bilimin Doğası ve Modellemeye Giriş
2 Model Türleri ve Sınıflandırılması
3 ihinsel Modeller ve Kavramsal Değişim
4 Modelleme Süreci ve Aşamaları
5 Epistemolojik ve Ontolojik Açıdan Modeller
6 Fen Öğretiminde Analojiler ve Modeller
7 Modellemeye Dayalı Öğretim (MDÖ) Stratejileri
8 Modellerin Görselleştirilmesi ve Temsil Biçimleri
9 Teknoloji Destekli Modelleme ve Simülasyonlar
10 Argümantasyon ve Modelleme İlişkisi
11 Müfredat Programlarında Modelleme
12 Modelleme Becerilerinin Ölçülmesi ve Değerlendirilmesi
13 Disiplinlerarası Modelleme Yaklaşımları (STEM)
14 Model ve Modelleme Araştırmalarında Güncel Eğilimler
15 Modellerin Değerlendirilmesi