Eğitim Bilimleri Çalışmalarında Kullanılan Ağ Yaklaşımının Kavramsal Haritalanması
Öz
Ağ toplumu olarak tanımlanan günümüz toplumunun yapısına özgü uygulamalara eğitim bilimleri alanında da çeşitli şekillerde rastlanılmaktadır. Bu makalede, eğitim bilimlerinin hangi alt-alanlarında ağ yaklaşımının kullanıldığına ilişkin sistematik alanyazın taraması yapılmış ve ortaya çıkan konular analitik bir çerçevede araştırmacılara ve öğretim tasarımcılarına yol gösterecek şekilde kavramsal bütünlük içinde tartışılmıştır. Bu amaçla, büyük metinsel verilerde gizli veya soyut konuları ortaya çıkarmak için kullanılan BERTopic konu modelleme tekniğinden yararlanılmıştır. .konu modelleme sonucu elde edilen 10 konu değerlendirildiğinde şu boyutlar öne çıkmıştır: 1-) eğitimde rol alan grupların tanımlanmasında bilimsel araştırma yöntemi olarak Sosyal Ağ Analizinden yararlanılması, 2-) Dayanışma, yardımlaşma ve etkileşim gerektiren konularda bu kavramın yaygın olarak benimsenmesi, 3-) Öğrenme ağlarında farklı ilişki türlerinin veya rollerin yapısal, yönetsel ve ilişkisel bir işleyişle değerlendirilmesi. Bu araştırma sonuçları da göstermektedir ki araştırmacıların eğitimde giderek yaygınlaşan bir öğrenme ortamının doğru anlaşılabilmesi için Sosyal Ağ Analizi gibi tekniklere ilişkin bilgi ve beceriye sahip olmaları gerekmektedir.
Anahtar Kelimeler
eğitimde ağ, ağ tabanlı öğrenme, ağ toplumu, sosyal öğrenme, BERTopic
Kaynakça
- Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent dirichlet allocation. The Journal of machine Learning research, 3, 993-1022.
- Comins, J. A., & Hussey, T. W. (2015). Compressing multiple scales of impact detection by Reference Publication Year Spectroscopy. Journal of Informetrics, 9(3), 449-454.
- Comins, J. A., & Hussey, T. W. (2015). Detecting seminal research contributions to the development and use of the global positioning system by reference publication year spectroscopy. Scientometrics, 104(2), 575-580.
- de Laat M., & Ryberg T. (2018) Celebrating the Tenth Networked Learning Conference: Looking Back and Moving Forward. In: Bonderup Dohn N., Cranmer S., Sime JA., de Laat M., Ryberg T. (eds) Networked Learning. Research in Networked Learning. Springer, Cham. https://doi.org/10.1007/978-3-319-74857-3_1
- De Lima, J. Á. (2010). Thinking more deeply about networks in education. Journal of Educational Change, 11(1), 1-21. Elango, B., Bornmann, L., & Kannan, G. (2016). Detecting the historical roots of tribology research: a bibliometric analysis. Scientometrics, 107(1), 305-313.
- Estabrooks, C. A., Derksen, L., Winther, C., Lavis, J. N., Scott, S. D., Wallin, L., & Profetto-McGrath, J. (2008). The intellectual structure and substance of the knowledge utilization field: A longitudinal author co-citation analysis, 1945 to 2004. Implementation Science, 3(1), 1-22.
- Grootendorst, M. (2020). Bertopic: Leveraging bert and c-tf-idf to create easily interpretable topics. Kilgore, C. D. (2013). Rhetoric of the network: Toward a new metaphor. Mosaic: a journal for the interdisciplinary study of literature, 37-58.
- Kop, R., & Hill, A. (2008). Connectivism: Learning theory of the future or vestige of the past? International Review of Research in Open and Distance Learning, 9 (3), 1-13.
- Kuhn T. S. (1962). The structure of scientific revolutions. University of chicago press Kumari, R., Jeong, J. Y., Lee, B. H., Choi, K. N., & Choi, K. (2019). Topic modelling and social network analysis of publications and patents in humanoid robot technology. Journal of Information Science, 0165551519887878.
- Liu, L., Tang, L., Dong, W., Yao, S., & Zhou, W. 2016. An Overview of Topic Modeling and Its Current Applications in Bioinformatics. SpringerPlus, 5(1): 1608. http://doi.org/10.1186/s40064-016-3252-8