SEMİNER KONULARI

1. Temel İstatistik ve Hipotez Testleri
SPSS paket programı ve menüleri (SPSS’e giriş, spss menüleri, data view ve -variable view sayfalarının yapısı), değişken tanımlama, veri tipleri ve veri girişi; anketlerin SPSS paket programında şablonunun oluşturulması, farklı türde oluşturulan anketlerin soru türlerinin spss’de şablonunun oluşturulması; veri kontrolü, kayıp veri analizi, kayıp veri tamamlama; tek örneklem student-t testi, bağımlı iki örneklem student-t testi, bağımsız iki örneklem student-t testi, varyans analizi, ki-kare testi, basit doğrusal regresyon analizi
2. Çok Değişkenli İstatistiksel Teknikler
Çok Değişkenli İstatistiğe giriş, veri tipleri, ortalama, varyans-kovaryans ve korelasyon; çok değişkenli normal dağılım; faktör analizi, başlangıç faktör yükleri tespiti, model kurma, döndürme işlemleri; asal bileşenler ve faktör analizi uygulamaları; uzaklık ölçüleri, veri tiplerine göre ve analiz tiplerine göre benzerlik matrisi oluşturulması; kümeleme analizi, diskriminant analizi, çoklu regresyon analizi, aracılık testi, düzenleyicilik testi, kanonik korelasyon
3. LISREL + AMOS Uygulamalı Yapısal Eşitlik Modellemesi
Yapısal eşitlik modellemesine ilişkin temel kavramlar, yapısal bir modelin oluşturulması, modelin belirlenmesi, model testi, uyum indeksleri, model modifikasyonu, doğrulayıcı faktör analizi, yol analizi.
4. SmartPLS ile PLS-SEM
Veri analizinde çok değişkenli istatistik, yapısal eşitlik modellemesi (YEM), kovaryans tabanlı -klasik yem (K-YEM), formatif ve reflektif değişkenler, geçerlilik ve güvenirlik, aracılık etkisi (mediating effect), düzenleyicilik etkisi (moderating effect), SPSS veri girişi ve verilerin düzenlenmesi, Smart PLS programı (genel tanıtım), program menüleri, proje oluşturma, veri setinin projeye yüklenmesi, model değerlendirme kriterleri, Smart PLS uygulamaları
5. MAXQDA ile Nitel Veri Analizi
Nitel veri analizinin tanımı, nitel araştırma, nitel araştırma yöntemleri, nitel araştırmada veri toplama teknikleri, nitel araştırmada örneklem (çalışma grubu), MAXQDA programını arayüzü, MAXQDA üzerinden verileri kodlama, ilişkili kodlama, betimsel analiz, ilişkili analiz, MAXQDA programında haritalandırma, MAXQDA programında görselleştirme seçenekleri, geçerlilik ve güvenirlik, kodlayıcılar arası uzlaşma, raporlama  
6. R ile Veri Madenciliği
R programlama ortamı, temel R okur yazarlığı, veri türleri ve veri yönetimi Dplyr uygulamaları, Ggplot2 uygulamaları, veri madenciliği, k-NN uygulaması Navie Bayes uygulaması, karar ağacı uygulaması, regresyon uygulaması, destek vektör makineleri uygulaması, yapay sinir ağları uygulaması
7. Sosyal Ağ Analizi
Ağ bilimi, sosyal ağların özellikleri, temel kuramları, ağ ve bağlantı türleri, GEPHİ, NODEXL ve R programlarında veri girişi, veri aktarımı, merkezilik ölçüleri, grafik çizimi, ağlarda kümelenmelerin belirlenmesi ve raporlama