Research Article
BibTex RIS Cite

Eğitimde Endüstri 4.0 ile İlişkili Kavramların Çok-Yüzeyli Rasch Ölçme Modeliyle Analizi

Year 2022, Volume: 8 Issue: 1, 31 - 41, 30.06.2022
https://doi.org/10.34137/jilses.1072494

Abstract

Bu araştırmanın amacı, eğitimde Endüstri 4.0 kavramlarına ilişkin akademisyenlerin yeterlik düzeylerine yönelik görüşlerini belirlemektir. Akademisyen görüşleri çok yüzeyli Rasch ölçme modeliyle incelenmiştir. Araştırmanın çalışma grubunu Türkiye'nin farklı bölgelerinde görev yapan 13 akademisyenden oluşan puanlayıcılar oluşturmaktadır. Rasch ölçme modeline göre araştırmanın üç yüzeyinden; ilki 13 adet puanlayıcı (jüri) olarak akademisyenler, diğeri dokuz adet Endüstri 4.0 ile ilişkili kavramlar, üçüncüsü de bu kavramlara yönelik belirlenen dokuz maddeden (ölçüt) oluşmaktadır. Araştırmada Endüstri 4.0 terminolojisinde sıklıkla kullanılan nesnelerin interneti, artırılmış gerçeklik, yapay zekâ, siber güvenlik, bulut bilişim teknolojisi, giyilebilir teknolojiler, sanal gerçeklik, simülasyon teknolojileri, büyük veri ve veri analitiği kavramları akademisyen görüşleri doğrultusunda incelenmiştir. Yapılan analiz sonucunda Endüstri 4.0 ile ilişkili kavramlardan yapay zekâ ile büyük veri ve veri analitiği kavramlarının en yüksek niteliğe sahip olduğu tespit edilmiştir. Diğer taraftan araştırmada giyilebilir teknolojiler ve siber güvenlik kavramlarının en düşük niteliğe sahip olduğu sonucuna ulaşılmıştır. Ayrıca katılımcıların araştırmada incelenen Endüstri 4.0 ilişkili kavramları öğrenme ortamlarını düzenleyebilme ve materyal hazırlama konusunda zorluk yaşayabilecekleri sonucu ortaya çıkmıştır. Diğer taraftan katılımcılar bu kavramlarla yaşam boyu öğrenmelerini ve kişisel gelişimlerini sürdürebileceklerini ifade etmişlerdir. Analiz sonucunda ayrıca jürilerin katılık ve cömertlikleri açısından ayrıldıkları tespit edilmiştir. Endüstri 4.0 ile ilişkili kavramların değerlendirilmesinde çok-yüzeyli Rasch ölçme modelinin etkin bir şekilde kullanılabileceği ve oldukça faydalı sonuçlar sağladığı sonucuna varılmıştır. 

References

  • Aktürk, C. (2020). Uzaktan eğitim iş sürecinin eğitim 4.0 perspektifiyle yeniden yapılandırılması: Kilis 7 Aralık Üniversitesi örneği. Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 12(23), 322-339. DOI: 10.20990/kilisiibfakademik.732510.
  • Aktürk, C. (2021). Artifıcial intelligence in enterprise resource planning systems: A bibliometric study. Journal of International Logistics and Trade, 19(2), 69-82. DOI: 10.24006/jilt.2021.19.2.069.
  • Alanoğlu, M., & Karabatak, S. (2020). Artificial intelligence in education. In F. Güçlü-Yılmaz & M. Naillioğlu-Kaymak (Eds.), Educational Research (1st ed., pp. 175-186). Ankara: EYUDER Publications Inc.
  • Alexopoulos, K., Makris, S., Xanthakis, V., Sipsas, K., & Chryssolouris, G. (2016). A concept for context-aware computing in manufacturing: The white goods case. International Journal of Computer Integrated Manufacturing, 29(8), 839-849. DOI: 10.1080/0951192X.2015.1130257.
  • Alkayiş, A. (2021). Eğitim felsefesi perspektifinden dijitalleşme ve Eğitim 4.0. Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (BUSBED), 11(21), 221-237. DOI: 10.29029/busbed.818165.
  • Aydemir, E., Aktürk, C., & Yalçınkaya, M. A. (2020). Yapay zekâ ile konut fiyatlarının tahmin edilmesi. Turkish Studies - Applied Sciences, 15(2), 183-194. DOI: 10.29228/TurkishStudies.43161.
  • Baştürk, R. (2010). Bilimsel araştırma ödevlerinin çok yüzeyli Rasch ölçme modeli ile değerlendirilmesi. Journal of Measurement and Evaluation in Education and Psychology, 1(1), 51-57.
  • Baştürk, R., & Işıkoğlu, N. (2008). Okul öncesi eğitim kurumlarının işlevsel kalitelerinin çok yüzeyli Rasch modeli ile analizi. Kuram ve Uygulamada Eğitim Bilimleri, 8(1), 7-32.
  • Batdı, V. (2014). Ortaöğretim matematik öğretim programı içeriğinin Rasch ölçme modeli ve NVIVO ile analizi. Turkish Studies, 9(11), 93-109.
  • Cubukcu, C., & Akturk, C. (2021). The rise of big data and learning analytics in education as a result of Covid-19: Some problems and potential solutions. In Yüksel Akay Ünvan (Eds.), Business Studies and New Approaches, pp.89-101. Livre de Lyon Pub, Lyon France.
  • Davis, L. L. (1992). Instrument review: Getting the most from a panel of experts. Applies Nursing Research, 5(4), 194-197.
  • Demir, A. (2018). Endüstri 4.0'dan Eğitim 4.0'a değişen eğitim-öğretim paradigmaları. Electronic Turkish Studies, 13(15), 147-171. DOI: 10.7827/TurkishStudies.13480.
  • Doğan, O., & Baloğlu, N. (2020). Endüstri 4.0 kavramsal farkındalık ölçeği. KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi, 22(38), 58-81.
  • Doğan, O., Bulut, Z. A., & Çımrın, F. K. (2015). Bireylerin sürdürülebilir tüketim davranışlarının ölçülmesine yönelik bir ölçek geliştirme çalışması. Ataturk University Journal of Economics & Administrative Sciences, 29(4), 659-678.
  • Erol, H. (2021). Büyük veri analitiği için yüksek performans hesaplama: Çözüm ortamları ve kodlama. Bilgisayar Bilimleri ve Teknolojileri Dergisi, 2(2), 66-71.
  • Ersöz, F. (2019). Dijitalleşme çağında büyük veri ve analitiği: Sektörel uygulamalar. 4th International Congress on 3d Printing (Additive Manufacturing) Technologies and Digital Industry, 11-14 Nisan 2019, Antalya, 712-720.
  • Fırat, O. Z., & Fırat, S. Ü. (2017). Endüstri 4.0 yolculuğunda trendler ve robotlar. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 46(2), 211-223. DOI: 10.5152/iujsb.2017.005.
  • Güler, N., & Gelbal, S. (2010). A study based on classic test theory and many facet Rasch model. Eurasian Journal of Educational Research, 38, 108-125.
  • Halili, S. H. (2019). Technological advancements in education 4.0. The Online Journal of Distance Education and e-Learning, 7(1), 63-69.
  • Himmetoglu, B., Aydug, D., & Bayrak, C. (2020). Education 4.0: Defining the teacher, the student, and the school manager aspects of the revolution. Turkish Online Journal of Distance Education, 21(Special Issue-IODL), 12-28.
  • İlhan, M. (2016). Açık uçlu sorularla yapılan ölçmelerde klasik test kuramı ve çok yüzeyli Rasch modeline göre hesaplanan yetenek kestirimlerinin karşılaştırılması. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 31(2), 346-368. DOI:10.16986/HUJE.2016015182.
  • Karacı, A., Akyüz, H. İ., & Bilgici, G. (2017). Üniversite öğrencilerinin siber güvenlik davranışlarının incelenmesi. Kastamonu Eğitim Dergisi, 25(6), 2079-2094. DOI: 10.24106/kefdergi.351517.
  • Karasar, N. (2017). Bilimsel araştırma yöntemleri [Scientific research methods] (35th ed.). Ankara: Nobel Publishing.
  • Kaya, M. (2021). Sanayi 4.0, işgücü piyasası ve bilgi işçiliği. The Journal of International Lingual Social and Educational Sciences, 7(2), 54-73. DOI: 10.34137/jilses.1015418.
  • Keser, H., & Semerci, A. (2019). Technology trends, Education 4.0 and beyond. Contemporary Educational Researches Journal, 9(3), 39–49. DOI: 10.18844/cerj.v9i3.4269.
  • Köse, İ. A., Usta, H. G., & Yandı A. (2016). Sunum yapma becerilerinin çok yüzeyli rasch analizi ile değerlendirilmesi. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, 16(4), 1853-1864.
  • Lasi, H., Fettke, P., Kemper, H. G., Feld, T., & Hoffmann, M. (2014). Industry 4.0. Bus Inf Syst Eng, 6, 239–242. DOI: 10.1007/s12599-014-0334-4.
  • Linacre, J. M. (1993). Generalizability theory and many facet rasch measurement. A paper presented at the Annual Meeting of the American Educational Association, (April, 13, 1993), (ED 364 573). Atlanta Georgia.
  • Lu, Y. (2017). Industry 4.0: A survey on technologies, applications and open research issues. Journal of industrial information integration, 6, 1-10. DOI: 10.1016/j.jii.2017.04.005.
  • Lynch, B. K., & McNamara, T. F. (1998). Using G-theory and many-facet Rasch measurement in the development of performance assessments of the ESL speaking skills of immigrants. Language Testing, 15(2), 158-180. DOI: 10.1177/026553229801500202.
  • MacDougall, W. (2014). Industrie 4.0 Smart Manufacturing for the Future. Berlin: Germany Trade & Invest.
  • Miranda, J., Navarrete, C., Noguez, J., Molina-Espinosa, J. M., Ramírez-Montoya, M. S., Navarro-Tuch, S. A., ... & Molina, A. (2021). The core components of education 4.0 in higher education: Three case studies in engineering education. Computers & Electrical Engineering, 93, 107278. DOI: 10.1016/j.compeleceng.2021.107278.
  • Nabiyev, V. V. (2012). Yapay zekâ: İnsan-bilgisayar etkileşimi. Ankara: Seçkin Publishing.
  • Özsoylu, A. F. (2017). Endüstri 4.0. Çukurova Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(1), 41-64.
  • Öztemel, E. (2018). Eğitimde yeni yönelimlerin değerlendirilmesi ve eğitim 4.0. Üniversite Araştırmaları Dergisi, 1(1), 25-30. DOI: 10.32329/uad.382041.
  • Pamuk, N. S., & Soysal, M. (2018). Yeni sanayi devrimi endüstri 4.0 üzerine bir inceleme. Verimlilik Dergisi, 1, 41-66.
  • Pirim, A. (2006). Yapay zeka. Journal of Yaşar University, 1(1), 81-93.
  • Semerci, Ç. (2012). Öğrencilerin BÖTE bölümüne ilişkin görüşlerinin Rasch ölçme modeline göre değerlendirilmesi (Fırat Üniversitesi örneği). NWSA-Education Sciences, 7(2), 777-784.
  • Sezgin, S. (2016). Eğitimde giyilebilir teknolojiler: Fırsatlar ve eğilimler. Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 40, 405-418.
  • Soylu, A. (2018). Endüstri 4.0 ve girişimcilikte yeni yaklaşımlar. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 32, 43-57. DOI: 10.30794/pausbed.424955.
  • Talan, T. (2021). Artificial intelligence in education: A bibliometric study. International Journal of Research in Education and Science (IJRES), 7(3), 822-837. DOI: 10.46328/ijres.2409.
  • Taş, H. Y. (2018). Dördüncü sanayi devrimi’nin (Endüstri 4.0) çalışma hayatına ve istihdama muhtemel etkileri. OPUS International Journal of Society Researches, 9(16), 1817-1836. DOI: 10.26466/opus.479123.
  • Thames, L., & Schaefer, D. (2016). Software-defined cloud manufacturing for industry 4.0. Procedia CIRP, 52, 12-17. DOI: 10.1016/j.procir.2016.07.041.
  • Uluman, M., & Tavşancıl, E. (2017). Çok değişkenlik kaynaklı Rasch ölçme modeli ve hiyerarşik puanlayıcı modeli ile kestirilen puanlayıcı parametrelerinin karşılaştırılması. İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 6(2), 777 - 798.
  • Veneziano, L., & Hooper, J. (1997). Research notes. A method for quantifying content validity of health-related questionnaires. American Journal of Health Behavior, 21, 67–70.
  • Wright B. D., & Linacre J. M. (1996). Rasch measurement transactions, Measurement, Evaluation, Statistics, and Assessment Laboratory (MESA), Chicago, IL.
  • Yıldırım, A., & Şimşek, H. (2013). Sosyal bilimlerde nitel araştırma yöntemleri (Qualitative research methods in the social sciences), Ankara: Seçkin Yayıncılık.
  • Yıldız, A. (2018). Endüstri 4.0 ve akıllı fabrikalar. Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 22(2), 546-556. DOI: 10.16984/saufenbilder.321957.

Analysis of the Concepts Related to Industry 4.0 in Education through Many-Facet Rasch Measurement Model

Year 2022, Volume: 8 Issue: 1, 31 - 41, 30.06.2022
https://doi.org/10.34137/jilses.1072494

Abstract

The purpose of this research is to determine the opinions of academicians about the proficiency levels of industry 4.0 concepts in education. The opinions of the academicians were examined with the many-facet Rasch measurement model. The study group of the research consists of raters consisting of 13 academicians working in different regions of Turkey. According to the Rasch measurement model, the first of the three dimensions of the research consists of academicians as 13 raters (jury), the other dimension consists of nine concepts related to industry 4.0, and the third dimension consists of nine items (criteria) determined for these concepts. In the research, the concepts frequently used in industry 4.0 terminology: the internet of things, augmented reality, artificial intelligence, cyber security, cloud computing technology, wearable technologies, virtual reality, simulation technologies, big data and data analytics were examined in line with the opinions of academicians. As a result of the analysis, it was determined that the concepts of artificial intelligence, big data and data analytics, which are among the concepts related to industry 4.0, have the highest quality. On the other hand, in the research, it was concluded that the concepts of wearable technologies and cyber security had the lowest qualifications. On the other hand, in the research, it has been concluded that the concepts of wearable technologies and cyber security are the concepts with the lowest quality. In addition, it was concluded that the participants might have difficulties in organizing the teaching environments and preparing materials for Industry 4.0 related concepts examined in the research. On the other hand, the participants stated that they could continue their lifelong learning and personal development by using these concepts. As a result of the analysis, it was also determined that the juries differed from each other in terms of their severity and leniency. It has been concluded that the many facet Rasch measurement model can be used effectively in the evaluation of the concepts related to Industry 4.0 and provides quite useful results.

References

  • Aktürk, C. (2020). Uzaktan eğitim iş sürecinin eğitim 4.0 perspektifiyle yeniden yapılandırılması: Kilis 7 Aralık Üniversitesi örneği. Akademik Araştırmalar ve Çalışmalar Dergisi (AKAD), 12(23), 322-339. DOI: 10.20990/kilisiibfakademik.732510.
  • Aktürk, C. (2021). Artifıcial intelligence in enterprise resource planning systems: A bibliometric study. Journal of International Logistics and Trade, 19(2), 69-82. DOI: 10.24006/jilt.2021.19.2.069.
  • Alanoğlu, M., & Karabatak, S. (2020). Artificial intelligence in education. In F. Güçlü-Yılmaz & M. Naillioğlu-Kaymak (Eds.), Educational Research (1st ed., pp. 175-186). Ankara: EYUDER Publications Inc.
  • Alexopoulos, K., Makris, S., Xanthakis, V., Sipsas, K., & Chryssolouris, G. (2016). A concept for context-aware computing in manufacturing: The white goods case. International Journal of Computer Integrated Manufacturing, 29(8), 839-849. DOI: 10.1080/0951192X.2015.1130257.
  • Alkayiş, A. (2021). Eğitim felsefesi perspektifinden dijitalleşme ve Eğitim 4.0. Bingöl Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (BUSBED), 11(21), 221-237. DOI: 10.29029/busbed.818165.
  • Aydemir, E., Aktürk, C., & Yalçınkaya, M. A. (2020). Yapay zekâ ile konut fiyatlarının tahmin edilmesi. Turkish Studies - Applied Sciences, 15(2), 183-194. DOI: 10.29228/TurkishStudies.43161.
  • Baştürk, R. (2010). Bilimsel araştırma ödevlerinin çok yüzeyli Rasch ölçme modeli ile değerlendirilmesi. Journal of Measurement and Evaluation in Education and Psychology, 1(1), 51-57.
  • Baştürk, R., & Işıkoğlu, N. (2008). Okul öncesi eğitim kurumlarının işlevsel kalitelerinin çok yüzeyli Rasch modeli ile analizi. Kuram ve Uygulamada Eğitim Bilimleri, 8(1), 7-32.
  • Batdı, V. (2014). Ortaöğretim matematik öğretim programı içeriğinin Rasch ölçme modeli ve NVIVO ile analizi. Turkish Studies, 9(11), 93-109.
  • Cubukcu, C., & Akturk, C. (2021). The rise of big data and learning analytics in education as a result of Covid-19: Some problems and potential solutions. In Yüksel Akay Ünvan (Eds.), Business Studies and New Approaches, pp.89-101. Livre de Lyon Pub, Lyon France.
  • Davis, L. L. (1992). Instrument review: Getting the most from a panel of experts. Applies Nursing Research, 5(4), 194-197.
  • Demir, A. (2018). Endüstri 4.0'dan Eğitim 4.0'a değişen eğitim-öğretim paradigmaları. Electronic Turkish Studies, 13(15), 147-171. DOI: 10.7827/TurkishStudies.13480.
  • Doğan, O., & Baloğlu, N. (2020). Endüstri 4.0 kavramsal farkındalık ölçeği. KMÜ Sosyal ve Ekonomik Araştırmalar Dergisi, 22(38), 58-81.
  • Doğan, O., Bulut, Z. A., & Çımrın, F. K. (2015). Bireylerin sürdürülebilir tüketim davranışlarının ölçülmesine yönelik bir ölçek geliştirme çalışması. Ataturk University Journal of Economics & Administrative Sciences, 29(4), 659-678.
  • Erol, H. (2021). Büyük veri analitiği için yüksek performans hesaplama: Çözüm ortamları ve kodlama. Bilgisayar Bilimleri ve Teknolojileri Dergisi, 2(2), 66-71.
  • Ersöz, F. (2019). Dijitalleşme çağında büyük veri ve analitiği: Sektörel uygulamalar. 4th International Congress on 3d Printing (Additive Manufacturing) Technologies and Digital Industry, 11-14 Nisan 2019, Antalya, 712-720.
  • Fırat, O. Z., & Fırat, S. Ü. (2017). Endüstri 4.0 yolculuğunda trendler ve robotlar. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 46(2), 211-223. DOI: 10.5152/iujsb.2017.005.
  • Güler, N., & Gelbal, S. (2010). A study based on classic test theory and many facet Rasch model. Eurasian Journal of Educational Research, 38, 108-125.
  • Halili, S. H. (2019). Technological advancements in education 4.0. The Online Journal of Distance Education and e-Learning, 7(1), 63-69.
  • Himmetoglu, B., Aydug, D., & Bayrak, C. (2020). Education 4.0: Defining the teacher, the student, and the school manager aspects of the revolution. Turkish Online Journal of Distance Education, 21(Special Issue-IODL), 12-28.
  • İlhan, M. (2016). Açık uçlu sorularla yapılan ölçmelerde klasik test kuramı ve çok yüzeyli Rasch modeline göre hesaplanan yetenek kestirimlerinin karşılaştırılması. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 31(2), 346-368. DOI:10.16986/HUJE.2016015182.
  • Karacı, A., Akyüz, H. İ., & Bilgici, G. (2017). Üniversite öğrencilerinin siber güvenlik davranışlarının incelenmesi. Kastamonu Eğitim Dergisi, 25(6), 2079-2094. DOI: 10.24106/kefdergi.351517.
  • Karasar, N. (2017). Bilimsel araştırma yöntemleri [Scientific research methods] (35th ed.). Ankara: Nobel Publishing.
  • Kaya, M. (2021). Sanayi 4.0, işgücü piyasası ve bilgi işçiliği. The Journal of International Lingual Social and Educational Sciences, 7(2), 54-73. DOI: 10.34137/jilses.1015418.
  • Keser, H., & Semerci, A. (2019). Technology trends, Education 4.0 and beyond. Contemporary Educational Researches Journal, 9(3), 39–49. DOI: 10.18844/cerj.v9i3.4269.
  • Köse, İ. A., Usta, H. G., & Yandı A. (2016). Sunum yapma becerilerinin çok yüzeyli rasch analizi ile değerlendirilmesi. Abant İzzet Baysal Üniversitesi Eğitim Fakültesi Dergisi, 16(4), 1853-1864.
  • Lasi, H., Fettke, P., Kemper, H. G., Feld, T., & Hoffmann, M. (2014). Industry 4.0. Bus Inf Syst Eng, 6, 239–242. DOI: 10.1007/s12599-014-0334-4.
  • Linacre, J. M. (1993). Generalizability theory and many facet rasch measurement. A paper presented at the Annual Meeting of the American Educational Association, (April, 13, 1993), (ED 364 573). Atlanta Georgia.
  • Lu, Y. (2017). Industry 4.0: A survey on technologies, applications and open research issues. Journal of industrial information integration, 6, 1-10. DOI: 10.1016/j.jii.2017.04.005.
  • Lynch, B. K., & McNamara, T. F. (1998). Using G-theory and many-facet Rasch measurement in the development of performance assessments of the ESL speaking skills of immigrants. Language Testing, 15(2), 158-180. DOI: 10.1177/026553229801500202.
  • MacDougall, W. (2014). Industrie 4.0 Smart Manufacturing for the Future. Berlin: Germany Trade & Invest.
  • Miranda, J., Navarrete, C., Noguez, J., Molina-Espinosa, J. M., Ramírez-Montoya, M. S., Navarro-Tuch, S. A., ... & Molina, A. (2021). The core components of education 4.0 in higher education: Three case studies in engineering education. Computers & Electrical Engineering, 93, 107278. DOI: 10.1016/j.compeleceng.2021.107278.
  • Nabiyev, V. V. (2012). Yapay zekâ: İnsan-bilgisayar etkileşimi. Ankara: Seçkin Publishing.
  • Özsoylu, A. F. (2017). Endüstri 4.0. Çukurova Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21(1), 41-64.
  • Öztemel, E. (2018). Eğitimde yeni yönelimlerin değerlendirilmesi ve eğitim 4.0. Üniversite Araştırmaları Dergisi, 1(1), 25-30. DOI: 10.32329/uad.382041.
  • Pamuk, N. S., & Soysal, M. (2018). Yeni sanayi devrimi endüstri 4.0 üzerine bir inceleme. Verimlilik Dergisi, 1, 41-66.
  • Pirim, A. (2006). Yapay zeka. Journal of Yaşar University, 1(1), 81-93.
  • Semerci, Ç. (2012). Öğrencilerin BÖTE bölümüne ilişkin görüşlerinin Rasch ölçme modeline göre değerlendirilmesi (Fırat Üniversitesi örneği). NWSA-Education Sciences, 7(2), 777-784.
  • Sezgin, S. (2016). Eğitimde giyilebilir teknolojiler: Fırsatlar ve eğilimler. Mehmet Akif Ersoy Üniversitesi Eğitim Fakültesi Dergisi, 40, 405-418.
  • Soylu, A. (2018). Endüstri 4.0 ve girişimcilikte yeni yaklaşımlar. Pamukkale Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 32, 43-57. DOI: 10.30794/pausbed.424955.
  • Talan, T. (2021). Artificial intelligence in education: A bibliometric study. International Journal of Research in Education and Science (IJRES), 7(3), 822-837. DOI: 10.46328/ijres.2409.
  • Taş, H. Y. (2018). Dördüncü sanayi devrimi’nin (Endüstri 4.0) çalışma hayatına ve istihdama muhtemel etkileri. OPUS International Journal of Society Researches, 9(16), 1817-1836. DOI: 10.26466/opus.479123.
  • Thames, L., & Schaefer, D. (2016). Software-defined cloud manufacturing for industry 4.0. Procedia CIRP, 52, 12-17. DOI: 10.1016/j.procir.2016.07.041.
  • Uluman, M., & Tavşancıl, E. (2017). Çok değişkenlik kaynaklı Rasch ölçme modeli ve hiyerarşik puanlayıcı modeli ile kestirilen puanlayıcı parametrelerinin karşılaştırılması. İnsan ve Toplum Bilimleri Araştırmaları Dergisi, 6(2), 777 - 798.
  • Veneziano, L., & Hooper, J. (1997). Research notes. A method for quantifying content validity of health-related questionnaires. American Journal of Health Behavior, 21, 67–70.
  • Wright B. D., & Linacre J. M. (1996). Rasch measurement transactions, Measurement, Evaluation, Statistics, and Assessment Laboratory (MESA), Chicago, IL.
  • Yıldırım, A., & Şimşek, H. (2013). Sosyal bilimlerde nitel araştırma yöntemleri (Qualitative research methods in the social sciences), Ankara: Seçkin Yayıncılık.
  • Yıldız, A. (2018). Endüstri 4.0 ve akıllı fabrikalar. Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 22(2), 546-556. DOI: 10.16984/saufenbilder.321957.
There are 48 citations in total.

Details

Primary Language Turkish
Subjects Studies on Education
Journal Section Articles
Authors

Tarık Talan 0000-0002-5371-4520

Veli Batdı 0000-0002-7402-3251

Early Pub Date July 1, 2022
Publication Date June 30, 2022
Submission Date February 12, 2022
Acceptance Date June 2, 2022
Published in Issue Year 2022 Volume: 8 Issue: 1

Cite

APA Talan, T., & Batdı, V. (2022). Eğitimde Endüstri 4.0 ile İlişkili Kavramların Çok-Yüzeyli Rasch Ölçme Modeliyle Analizi. The Journal of International Lingual Social and Educational Sciences, 8(1), 31-41. https://doi.org/10.34137/jilses.1072494