İçeriğe geç
Ders MerkeziDP Pano
6. Sınıf · 14. Hafta 21–25 Aralık 2026 5. Tema · Yapay Zekâ

Yapay Zekâ Girdileri: Veri Avcıları

Yapay zekâ girdileri hakkında bilgi buluyor, bulduğumuz bilgileri doğruluyor ve kaydediyoruz; verinin nasıl etiketlendiğini ve önyargının nereden geldiğini keşfediyoruz.

  • Yapay Zekâda Verinin Rolü
Öğrenme çıktıları

BTY.6.5.1 Yapay zekâ girdileri hakkında bilgi toplayabilme

  • b) Belirlediği araçları kullanarak yapay zekâ girdileri hakkındaki bilgileri bulur.
  • c) Yapay zekâ girdileri hakkındaki ulaşılan bilgileri doğrular.
  • ç) Yapay zekâ girdileri hakkındaki ulaşılan bilgileri kaydeder.
Dikkat Çekme

Düşünelim, konuşalım

  1. 1
    Bir yapay zekâya kedi ile köpeği ayırt etmeyi nasıl öğretirdiniz?
    Öğretmen için: olası cevaplar

    Olası cevaplar: "Kulaklarından", "burnundan", "çok fotoğraf göstererek", "farklarını anlatarak".

    Varılacak nokta: Yapay zekâya kural yazarak değil, "kedi" ve "köpek" etiketli çok sayıda örnek göstererek öğretiriz.

    Cevap gelmezse: "Küçük bir kardeşinize kedi ile köpeğin farkını kitapta resimler göstererek mi, tanım okuyarak mı öğretirdiniz?" diye sorun. Gerekirse: "Resimlerle. Yapay zekâya da her birinin ne olduğunu yazdığımız çok sayıda fotoğraf gösteririz."

  2. 2
    Yapay zekâya hep aynı tür kedi fotoğrafı verseydik ne olurdu?
    Öğretmen için: olası cevaplar

    Olası cevaplar: "Başka kedileri tanıyamaz", "sadece o kediyi bilir", "yanılır".

    Varılacak nokta: Çeşitli olmayan veri, modelin farklı örneklerde yanılmasına yol açar; bu bir önyargı kaynağıdır.

    Cevap gelmezse: "Yalnız sarı kedi görmüş bir model siyah bir kedi görünce ne der?" diye sorun. Gerekirse: "Kedi olduğunu anlamayabilir. Veri çeşitli olmazsa model yanılır; buna önyargı diyoruz."

  3. 3
    Anket de bir veri toplama yöntemi midir?
    Öğretmen için: olası cevaplar

    Olası cevaplar: "Evet", "Hayır, anket soru sormak".

    Varılacak nokta: Anket bir gruba sorular sorarak veri toplama yöntemidir; doğru hazırlanırsa yapay zekâ için de veri sağlar.

    Cevap gelmezse: "Sınıfa 'En sevdiğin meyve hangisi?' diye sorsak elimizde ne olur?" diye sorun. Gerekirse: "Cevaplar, yani veri. Anket de bir veri toplama yöntemidir."

  4. 4
    Bir fotoğrafın altına "kedi" yazmak neden önemli olabilir?
    Öğretmen için: olası cevaplar

    Olası cevaplar: "Ne olduğunu anlamak için", "yapay zekâ öğrensin diye", "aramada çıksın diye".

    Varılacak nokta: Etiket, bir veri örneğinin ne olduğunu söyleyen addır; model örneğin ne olduğunu etiketten öğrenir.

    Cevap gelmezse: "Fotoğrafların altında hiçbir şey yazmasa model hangisinin kedi olduğunu nereden bilir?" diye sorun. Gerekirse: "Bilemez. 'Kedi' yazısı bir etikettir; model öğrenirken bu etiketlere bakar."

Konu

Hangi veri türü?

Görsel
  • Yaprak fotoğrafları
  • Trafik kamerası görüntüsü
Ses
  • Kuş sesleri
  • Sesli komutlar
Metin
  • Kitap özetleri
  • Müşteri yorumları
Sayısal / sensör
  • Sıcaklık ölçümleri
  • Adım sayısı
EBA materyali Bitki Örneği - Resim EBA'da aç
Konu

İyi verinin özellikleri

Yeterli

Öğrenmek için çok sayıda örnek gerekir.

Doğru

Yanlış etiketlenmiş veri yanlış öğrenmeye yol açar.

Çeşitli

Farklı durumları kapsamalı; yoksa model önyargılı olur.

Güncel ve izinli

Kişisel veriler izinle ve korunarak kullanılmalı.

Konu

Etiket ve önyargı

Etiket, bir veri örneğinin ne olduğunu söyleyen addır: bir fotoğrafa "sağlıklı yaprak" ya da "hastalıklı yaprak" demek gibi. Yapay zekâ, etiketli örneklere bakarak aradaki farkı öğrenir.

Önyargı, verinin bir tarafa kayık olması yüzünden modelin haksız ya da hatalı sonuçlar üretmesidir. Yalnız gündüz çekilmiş fotoğraflarla eğitilen bir kamera gece yanılabilir; yalnız bir aksanla eğitilen ses asistanı başka aksanları anlamayabilir.

Konu

Bu veri setinde sorun ne?

Meyve tanıyan modele 500 elma, 5 muz fotoğrafı verildi.Cevabı göster

Yeterli ve dengeli değil. Model muzu tanımakta zorlanır; her sınıftan benzer sayıda örnek gerekir.

Bazı kedi fotoğraflarına yanlışlıkla "köpek" etiketi konmuş.Cevabı göster

Doğru değil. Yanlış etiket, modele yanlış bilgi öğretir.

Yüz tanıma modeli yalnız yetişkin yüzleriyle eğitilmiş.Cevabı göster

Çeşitli değil (önyargı). Çocukların yüzlerinde hata yapabilir.

Sınıf arkadaşlarının fotoğrafları izinsiz toplanmış.Cevabı göster

İzinli değil. Kişisel veriler izin alınarak ve korunarak kullanılır.

Konu

Anketle veri toplamak

  1. Amacı belirle: Veriyi hangi soruyu cevaplamak için topluyoruz?
  2. Soruları yaz: Kısa, açık ve tek konulu; kişisel bilgi (ad, adres) sorma.
  3. Seçenekleri hazırla: "Evet / Hayır" ya da dereceli seçenekler cevapları karşılaştırılabilir yapar.
  4. Topla ve doğrula: Eksik, çift ya da anlamsız cevapları ayıkla.
  5. Kaydet: Verileri tabloya düzenli biçimde gir.
Etkinlik 1

Girdi Avcıları: Yapay Zekâya Bilgi Besleme Oyunu

25 dk Grup

Gruplar girdi kartlarını bir yapay zekâ görevine uygunluğuna göre seçer.

  1. Girdi kartlarını dağıtın (EBA).
  2. Görev: bitki hastalığını tanıyan yapay zekâ. Hangi girdiler işe yarar?
  3. Seçimlerinizi gerekçelendirin.
EBA materyali Yapay Zekâda Girdi Nedir Sunumu EBA'da aç
EBA materyali Girdi Avcıları - Girdi Kartları EBA'da aç
Etkinlik 2

Merak Ettim, Sordum, Girdi Oldu

25 dk Grup

Gruplar küçük bir anketle veri toplar, doğrular ve tabloya kaydeder.

  1. Anket sorularını hazırlayın (EBA örnekleri).
  2. Sınıftan veri toplayın.
  3. Verileri tabloya kaydedin, hatalı kayıtları temizleyin.
EBA materyali Anket Soru Örnekleri EBA'da aç
Pekiştirme

Kendimizi sınayalım

  1. Yapay zekâya yalnız bir türün fotoğrafları verilirse ne olur?

    • Her şeyi tanır
    • Diğer türlerde hata yapabilir (önyargı)
    • Daha hızlı çalışır
    • Hiç etkilemez

  2. Bir veri örneğinin ne olduğunu söyleyen ada ne denir?

    • Etiket
    • Kanal
    • Lisans
    • Uzantı

  3. Kuş sesleri hangi veri türüdür?

    • Görsel
    • Ses
    • Metin
    • Sayısal
Özet

Bugün neler öğrendik?

  • Girdiler: görsel, ses, metin, sayısal/sensör.
  • İyi veri: yeterli, doğru, çeşitli, güncel ve izinli.
  • Model etiketlerden öğrenir; kayık veri önyargı doğurur.
  • girdi
  • veri
  • etiket
  • önyargı
  • anket

Gelecek derse hazırlık

Kullandığınız bir yapay zekâ aracı hangi işi yapıyor? Adını ve amacını not edin.

Ders notu

Defterime yazıyorum

Sınavdan önce tekrar etmek için defterine yaz. Başlığı ve tarihi unutma!

6. Sınıf Bilişim · 14. Hafta: Yapay Zekâ Girdileri: Veri AvcılarıTarih: ....../....../20....

1. Yapay zekâ girdilerinin türleri

Veri türüÖrneklerKullanıldığı yer
GörselYaprak fotoğrafı, trafik kamerası görüntüsüGörüntü tanıma, yüz kilidi
SesKuş sesleri, sesli komutlarSesli asistan, ses tanıma
MetinKitap özetleri, müşteri yorumlarıÇeviri, sohbet uygulamaları
Sayısal / sensörSıcaklık ölçümleri, adım sayısıHava tahmini, akıllı saat

2. İyi verinin özellikleri

  • Yeterli: Öğrenmek için her sınıftan çok sayıda örnek gerekir.
  • Doğru: Yanlış etiketlenmiş veri yanlış öğrenmeye yol açar.
  • Çeşitli: Farklı durumları (gece-gündüz, farklı yaş, farklı aksan) kapsamalıdır.
  • Dengeli: Sınıfların örnek sayıları birbirine yakın olmalıdır.
  • Güncel ve izinli: Kişisel veriler izinle ve korunarak kullanılır.

3. Etiket

Etiket, bir veri örneğinin ne olduğunu söyleyen addır. Yapay zekâ "bu fotoğraf sağlıklı yaprak, bu hastalıklı yaprak" gibi etiketli örneklere bakarak aradaki farkı öğrenir. Etiket yanlışsa model de yanlış öğrenir.

Örnek: Bitki hastalığını tanıyan model için girdi: yaprak fotoğrafları; etiket: "sağlıklı" ya da "hastalıklı"; çıktı: yeni bir yaprağın hangi sınıfta olduğu.

4. Önyargı

Önyargı, verinin bir tarafa kayık olması yüzünden modelin haksız ya da hatalı sonuçlar üretmesidir.

Veri sorunuSonuç
500 elma, 5 muz fotoğrafıModel muzu tanımakta zorlanır (dengesiz veri)
Yalnız gündüz çekilmiş fotoğraflarKamera gece yanılır (çeşitli olmayan veri)
Yalnız yetişkin yüzleriÇocuk yüzlerinde hata (önyargı)
Kedilere "köpek" etiketiModel yanlış öğrenir (hatalı etiket)

5. Anketle veri toplama

Girdi
Yapay zekâya verilen veri.
Veri
Görsel, ses, metin ya da sayı biçimindeki örnekler.
Etiket
Veri örneğinin ne olduğunu söyleyen ad.
Önyargı
Kayık veri yüzünden modelin haksız ya da hatalı sonuç üretmesi.
Anket
Bir gruba sorular sorarak veri toplama yöntemi.
  • Amacı belirle: Veri hangi soruyu cevaplayacak?
  • Soruları yaz: Kısa, açık, tek konulu; ad ve adres gibi kişisel bilgi sorma.
  • Seçenekleri hazırla: Evet/Hayır ya da dereceli seçenekler cevapları karşılaştırılabilir yapar.
  • Topla ve doğrula: Eksik, çift ya da anlamsız cevapları ayıkla.
  • Kaydet: Verileri tabloya düzenli gir.
Unutma!
  • Girdiler: görsel, ses, metin, sayısal/sensör.
  • İyi veri: yeterli, doğru, çeşitli, dengeli, izinli.
  • Model etiketlerden öğrenir; kayık veri önyargı doğurur.
Kendimi deniyorum
  1. Dört veri türüne ikişer örnek ver.
  2. İyi verinin özelliklerini yaz.
  3. Etiket nedir? Bitki hastalığı modeli için etiket örnekleri yaz.
  4. Önyargı nedir? Nasıl önlenir?
  5. Yalnız yetişkin yüzleriyle eğitilen bir modelde ne sorun çıkar?
  6. Anket hazırlarken hangi kurallara dikkat edilir?
Kendimi deniyorum — cevap anahtarı (yalnız öğretmen)

6. Sınıf Bilişim · 14. Hafta: Yapay Zekâ Girdileri: Veri Avcıları — Kendimi deniyorum cevap anahtarı

  1. Dört veri türüne ikişer örnek ver.

    Görsel: yaprak fotoğrafı, trafik kamerası görüntüsü. Ses: kuş sesleri, sesli komutlar. Metin: kitap özetleri, müşteri yorumları. Sayısal/sensör: sıcaklık ölçümleri, adım sayısı.

  2. İyi verinin özelliklerini yaz.

    Yeterli, doğru, çeşitli, dengeli, güncel ve izinli.

  3. Etiket nedir? Bitki hastalığı modeli için etiket örnekleri yaz.

    Etiket, bir veri örneğinin ne olduğunu söyleyen addır. Bitki hastalığı modeli için etiketler: "sağlıklı yaprak" ve "hastalıklı yaprak".

  4. Önyargı nedir? Nasıl önlenir?

    Önyargı, verinin bir tarafa kayık olması yüzünden modelin haksız ya da hatalı sonuçlar üretmesidir. Veriyi yeterli, çeşitli, dengeli ve doğru etiketlenmiş toplayarak önlenir.

  5. Yalnız yetişkin yüzleriyle eğitilen bir modelde ne sorun çıkar?

    Model çocuk yüzlerini tanımakta hata yapar (önyargılı sonuç verir).

  6. Anket hazırlarken hangi kurallara dikkat edilir?

    Amaç belirlenir; sorular kısa, açık ve tek konulu yazılır; ad ve adres gibi kişisel bilgi sorulmaz; seçenekler hazırlanır; eksik ve anlamsız cevaplar ayıklanır, veriler tabloya düzenli kaydedilir.

Video

Haftanın videosu

Bu hafta için hazır bir video yok. Kendi seçtiğiniz bir videoyu ekleyebilirsiniz.

Bağlantı yalnız bu tarayıcıda saklanır, sunucuya gönderilmez. Video, siz Oynat'a basana kadar yüklenmez (youtube-nocookie.com). Okul ağı YouTube'u engelliyorsa video açılmaz; EBA bağlantıları aşağıdadır.

Yalnız öğretmen

Ders hazırlığı ve materyaller

Dersten önce

  • "Girdi Avcıları" girdi kartlarını ve anket örneklerini EBA'dan açın.

Önerilen ders akışı

  1. 5 dk Dikkat çekme
  2. 10 dk Veri türleri + iyi veri
  3. 10 dk Etiket ve önyargı + sorun ne?
  4. 25 dk Girdi Avcıları
  5. 25 dk Merak Ettim, Sordum
  6. 5 dk Pekiştirme

EBA materyalleri (kılavuz kitaptaki karekodlar)

Bağlantılar yeni sekmede açılır ve EBA girişi ister — tahtada öğretmen hesabınızla oturum açın. EBA bu içeriklerin başka bir sayfaya gömülmesine izin vermez.

Ders materyalleri

Ölçme ve değerlendirme formları

Ölçme ve değerlendirme

Gözlem formu ve dereceli puanlama anahtarı (EBA).

Kendi içeriklerim

Her bölümün altındaki "Bu bölüme görsel ekle" ile kendi görsellerinizi ekleyin, aşağıdaki düğmeyle görselleri sunuma ayrı slayt olarak katın; "Defterime yazıyorum" bölümünde kendi ders notunuzu yazın.

Yükleniyor…

Görseller ve notlar sunucuya gönderilmez; yalnız bu tarayıcıda saklanır. Tarayıcı verisi silinirse kaybolur: düzenli olarak Dışa aktar ile yedek alın, dosyayı başka tahtada İçe aktar ile açın. Öğrenci fotoğrafı ya da kişisel bilgi içeren görsel eklemeyin (KVKK).

Sınıf ortamı

İşaretlerseniz bilgisayar gerektiren etkinliklerdeki "tahta ve kâğıtla" alternatifleri açık gelir. Simülasyonlar tek bir tahta ekranında sınıfça yapılabilecek şekilde tasarlandı. Tercih bu tarayıcıda hatırlanır.

Maarif Modeli: 5. tema künyesi

Kaynak: Bilişim Teknolojileri ve Yazılım Dersi Öğretim Programı (TYMM). Tema toplam 10 ders saati.

Alan becerileri
BTYAB1. Bilişim Teknolojilerini Kullanma (BTYAB1.2. Bilişim Teknolojileri ile Çalışma)BTYAB4. Dijital Ürün Geliştirme (BTYAB4.4. Simülasyon/Model Geliştirme)
Kavramsal beceriler
KB2.6. Bilgi Toplama
Eğilimler
E2.3. GirişkenlikE3.4. Gerçeği AramaE3.6. AnalitiklikE3.8. Soru Sorma
Sosyal-duygusal öğrenme becerileri
SDB1.2. Kendini Düzenleme (Öz Düzenleme)SDB1.3. Kendine Uyarlama (Öz Yansıtma)SDB2.1. İletişimSDB2.3. Sosyal FarkındalıkSDB3.2. EsneklikSDB3.3. Sorumlu Karar Verme
Değerler
D2. Aile BütünlüğüD3. ÇalışkanlıkD5. DuyarlılıkD6. DürüstlükD8. MahremiyetD10. MütevazılıkD14. Saygı
Okuryazarlık becerileri
OB1. Bilgi OkuryazarlığıOB2. Dijital OkuryazarlıkOB4. Görsel OkuryazarlıkOB7. Veri Okuryazarlık
Disiplinler arası ilişkiler
Görsel SanatlarSosyal BilgilerTürkçe

Zenginleştirme (erken kavrayanlar için)

  • Yapay zekânın fen, matematik, Türkçe ve görsel sanatlardaki kullanımını araştırıp sunma.
  • Seçilen bir yapay zekâ aracıyla bir dersten içerik üretip yaratıcılık, etkililik ve uygunluk ölçütleriyle değerlendirme.
  • Disiplinlere göre (sağlık, spor, çevre) yapay zekâ girdileri üretip röportaj çalışması yapma.

Destekleme (zorlananlar için)

  • Yapay zekâ uygulamalarının nasıl çalıştığını gösteren video izleme.
  • Sesli asistan ya da öneri sistemiyle öğretmen gözetiminde basit görevler yapma.
  • Yaşa uygun bir araçla öğretmen rehberliğinde basit içerik oluşturma.