KaydedilenlerDerginizi ekleyin

Dergiler / Yükseköğretim ve Bilim Dergisi / 2025 / Cilt: 15 Sayı: 3

Yükseköğretimde Büyük Veri: Araştırma ve Uygulamalara Yansımaları

Big Data in Higher Education: Reflections on Research and Applications

Selçuk Karaman(ANKARA HACI BAYRAM VELİ ÜNİVERSİTESİ)0000-0002-0493-3444
Berat Tahtabiçen(ANKARA HACI BAYRAM VELİ ÜNİVERSİTESİ)0009-0004-3386-0629
Nadide Gizem Gürson Dolar(ANKARA HACI BAYRAM VELİ ÜNİVERSİTESİ)0000-0002-2710-4163
Nursel Çetin(ANKARA HACI BAYRAM VELİ ÜNİVERSİTESİ)0000-0003-3771-6523
Sayfa
398–412
Yayın Tarihi
2025-12-31
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Elde edilen sonuçlar, araştırmaların genellikle kavramsal düzeyde kaldığını, uygulamaya geçişte zorluklar ve sınırlılıklar yaşandığını göstermektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmanın amacı, yükseköğretimde büyük veri uygulamalarına yönelik yapılmış olan çalışmaları sistematik literatür taramasıyla analiz ederek farklı değişkenler açısından incelenmesi ve bu konudaki eğilimin ortaya çıkarılmasıdır.
📊
Temel Bulgular & Veri:Tarama sonucunda 159 adet çalışma elde edilmiştir.
💡
Sonuç & Katkı:Elde edilen sonuçlar, araştırmaların genellikle kavramsal düzeyde kaldığını, uygulamaya geçişte zorluklar ve sınırlılıklar yaşandığını göstermektedir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:159 adet
⚙️Değişkenler:Büyük veri · Yükseköğretim · Büyük veri çalışmaları

Özet

Bu çalışmanın amacı, yükseköğretimde büyük veri uygulamalarına yönelik yapılmış olan çalışmaları sistematik literatür taramasıyla analiz ederek farklı değişkenler açısından incelenmesi ve bu konudaki eğilimin ortaya çıkarılmasıdır. Bu amaca ulaşabilmek için Google Akademik, Ulusal Tez Merkezi, Scopus, Web of Science, Science-direct ve Eric veri tabanlarında yer alan çalışmalar taranmıştır. Tarama sonucunda 159 adet çalışma elde edilmiştir. Bu çalışmalar araştırma kriterlerine göre elenmiş ve bu sayı 87 çalışmaya düşürülmüştür. Daha sonra bu çalışmalar; çalışmanın amacı, çalışmanın yükseköğretimi ele alma düzeyi, çalışmanın büyük veri analiz teknikleri, çalışmada kullanılan veriler, çalışmanın uygulamaya geçme düzeyi ve çalışmanın odak noktası, gibi özellikler dikkate alınarak sınıflandırılmıştır. Bu araştırmada sistematik literatür taraması yöntemi ve çalışmaların analizinde içerik analizi kullanılmıştır. Elde edilen sonuçlar, araştırmaların genellikle kavramsal düzeyde kaldığını, uygulamaya geçişte zorluklar ve sınırlılıklar yaşandığını göstermektedir. Çalışmaların, genellikle öğrenci verileri üzerinde yoğunlaşmakta olduğu ve yapay zekâ temelli modellerden özellikle karar ağaçları ve yapay sinir ağlarının öne çıktığı sonucuna da ulaşılmıştır. Yapılan çalışma, büyük veri uygulamalarının teknoloji hazırlık seviyesinin artırılması gerektiğini ve bu alandaki teknik ile kavramsal gelişmelerin gelecekteki uygulamalar için önemli bir temel oluşturduğunu göstermektedir

Abstract

The aim of this study is to systematically review and analyze the existing literature on big data applications in higher education, examining it through various variables and revealing the trends in this field. To achieve this goal, studies were scanned from databases such as Google Scholar, the National Thesis Center, Scopus, Web of Science, ScienceDirect and Eric. A total of 159 studies were initially obtained. These studies were filtered based on research criteria, reducing the number to 87. Subsequently, these studies were categorized according to features such as the purpose of the study, the educational level addressed (e.g., undergraduate, graduate), big data analysis techniques used in the study, the type of data used, the level of implementation, and the main focus of the study. The systematic literature review method and content analysis were used in the analysis of the studies. The results indicate that the research generally remains at a conceptual level, with challenges and limitations in transitioning to implementation. It was also found that studies predominantly focus on student data and that artificial intelligence-based analysis techniques, particularly decision trees and artificial neural networks, are prominent. The study suggests that the technology readiness level of big data applications needs to be increased and that the technical and conceptual advancements in this field provide an important foundation for future research

🔖

Bu Makaleye Atıf Yap

Karaman, S., Tahtabiçen, B., Dolar, N. G. G., Çetin, N. (2025). Yükseköğretimde Büyük Veri: Araştırma ve Uygulamalara Yansımaları. Yükseköğretim ve Bilim Dergisi, Cilt: 15 Sayı: 3, 398–412. https://doi.org/10.5961/higheredusci.1581156

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (44)

  1. Aldowah, H., Al-Samarraie, H. & Fauzy, W. M. (2019). Educational data mining and learning analytics for 21st century higher education: A review and synthesis. Telematics and Informatics, 37, 13-49. https://doi.org/10.1016/j.tele.2019.01.007
  2. Alblawi A. S. & Alhamed A. (2017). Big data and learning analytics in higher education: Demystifying variety, acquisition, storage, NLP and analytics. 2017 IEEE Conference on Big Data and Analytics (ICBDA), Malaysia, 124-129. http://dx.doi. org/10.1109/ICBDAA.2017.8284118
  3. Alyahyan, E., & Düştegör, D. (2020). Predicting academic success in higher education: literature review and best practices. International Journal of Educational Technology in Higher Education, 17(1), 3.
  4. Aruğaslan, E. & Çivril, H. (2021). Türkiye’de eğitim alanında yapılan veri madenciliği ve yapay zeka çalışmaları. Uluslararası Teknolojik Bilimler Dergisi, 13(2), 81-89.
  5. Attaran, M., Stark, J. & Stotler, D. (2018). Opportunities and challenges for big data analytics in US higher education: A conceptual model for implementation. Industry and Higher Education, 32(3), 169-182. https://doi.org/10.1177/0950422218770937
  6. Aytaç, Z. & Bilge, H. Ş. (2020). Big data analytics in higher education: a systematic review. Journal of Internet Applications and Management, 11(2), 81-99.
  7. Bahçeci, F. (2015). Öğrenme yönetim sistemlerinde kullanılan öğrenme analitikleri araçlarının incelenmesi. Turkish Journal of Educational Studies, 2(1), 41-58.
  8. Baig, M. I., Shuib, L. & Yadegaridehkordi, E. (2020). Big data in education: a state of the art, limitations, and future research directions. International Journal of Educational Technology in Higher Education, 17(1), 1-23. https://doi.org/10.1186/ s41239-020-00223-0
  9. Bayrakçı, S. & Albayrak, M. A. (2019). Büyük Verinin Akademik Çalışmalarda Kullanımı Üzerine Mukayeseli Bir Veri Tabanı Araştırması. AJIT-e: Bilişim Teknolojileri Online Dergisi, 10(36), 73-94. https://doi.org/10.5824/1309-1581.2019.1.004.x
  10. Batko, K., & Ślęzak, A. (2022). The use of Big Data Analytics in healthcare. Journal of big Data, 9(1), 3.
  11. Bölükbaş, K. (2021). Sosyal Bilimlerde Büyük Veri Üzerine Yapılan Akademik Çalışmaların Analizi: YÖK Tez Örneği (2010-2020). Akdeniz Üniversitesi İletişim Fakültesi Dergisi, (35), 158-173. https://doi.org/10.31123/akil.886708
  12. Chaurasia, S. S. & Rosin, A. F. (2017). From Big Data to Big ımpact: analytics for teaching and learning in higher education. Industrial and Commercial Training, 49(7/8), 321-328. https:// doi.org/10.1108/ICT-10-2016-0069
  13. Changpetch, P., Pitpeng, A., Hiriote, S. & Yuangyai, C. (2021). Integrating Data Mining Techniques for Naïve Bayes Classification: Applications to Medical Datasets. Computation, 9(9), 99. https://doi.org/10.3390/computation9090099
  14. Daniel, B. K. (2016). Big data in higher education: The big picture. In Big data and learning analytics in higher education: current theory and practice (pp. 19-28). Cham: Springer International Publishing. https://doi.org/10.1007/978-3-319-06520-5_1
  15. Doğan, K. & Arslantekin, S. (2016). Büyük veri: önemi, yapısı ve günümüzdeki durum. Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi, 56(1), 15-36. http://dx.doi.org/10.1501/ Dtcfder_0000001461
  16. Gewirtz, D. (2018, 21, Mart). Volume, velocity, and variety: Understanding the three V’s of big data. Zdnet. https:// www.zdnet.com/article/volume-velocity-and-varietyunderstanding- the-three-vs-of-big-data/
  17. Hadwer A. A., Gillis D. & Rezania D. (2019). Big Data Analytics for Higher Education in The Cloud Era. 2019 IEEE 4th International Conference on Big Data Analytics (ICBDA), China, 203-207. https://doi.org/10.1109/ICBDA.2019.8713257
  18. Higgins, J.P.T., Altman, D.G., Gotzsche, P.C., Juni, P., Moher, D., Oxman, A.D., Savovic, J., Schulz, K.F., Weeks, L., Sterne, J.A.C. (2011). The cochrane collaboration’s tool for assessing risk of bias in randomised trials. BMJ, 343(7829), 1–9. https://doi. org/10.1136/bmj.d5928
  19. Hilbert, M. (2016). Big data for development: A review of promises and challenges. Development Policy Review, 34(1), 135-174. https://doi.org/10.1111/dpr.12142
  20. Hwang, Y. (2019). Adoption of big data in higher education for better institutional effectiveness. American Journal of Creative Education, 2(1), 31-44.
  21. Iqbal, R., Doctor, F., More, B., Mahmud, S., & Yousuf, U. (2020). Big data analytics: Computational intelligence techniques and application areas. Technological Forecasting and Social Change, 153, 119253.
  22. İşbulan, O., Hamutoğlu, N. B. & Kıyıcı, M. (2021). Yükseköğretim Alanında Yapılan Ulusal ve Uluslararası Çalışmalardaki Eğilimlerin Büyük Veri ve Veri Madenciliği ile İncelenmesi: 1965- 2019. Yükseköğretim Dergisi, 11(2 Pt 1), 276-296. https://doi. org/10.2399/yod.20.735528
  23. KPMG Report. (2015). Embracing Technology: 2015–2016 Higher Education Industry Outlook Survey. https://assets.kpmg.com/ content/dam/kpmg/pdf/2016/06/co-gv-4-2015-2016-highereducation- industry-outlook-survey.pdf
  24. Kumar, K. A., Worku, B., Sisay Muleta Hababa, B. R., & Prasad, A. Y. (2021). Outcome-based education: A case study on course outcomes, program outcomes and attainment for big data analytics course. Journal of Engineering Education Transformations, 35(2), 2349-2473.
  25. Lane, J. E. & Finsel, B. A. (2014). Fostering Smarter Colleges and Universities: Data, Big Data, and Analytics. Building a Smarter University: Big Data, Innovation, and Analytics, (pp. 3-26). State University of New York Press. http://dx.doi. org/10.13140/2.1.5163.8086
  26. Lin, L., Zhou, D., Wang, J., & Wang, Y. (2024). A systematic review of big data driven education evaluation. Sage Open, 14(2), 21582440241242180.
  27. Mago, B. & Khan, N. (2021). A Proposed Framework for Big Data Analytics in Higher Education. International Journal of Advanced Computer Science and Applications, 12(7), 685-691. https://dx.doi.org/10.14569/IJACSA.2021.0120778
  28. Mah, A. (2017). Environmental justice in the age of big data: Challenging toxic blind spots of voice, speed, and expertise. Environmental Sociology, 3(2), 122-133. https://doi.org/10.10 80/23251042.2016.1220849
  29. Maroufkhani, P., Wan Ismail, W. K., & Ghobakhloo, M. (2020). Big data analytics adoption model for small and medium enterprises. Journal of Science and Technology Policy Management, 11(4), 483-513.
  30. Matsebula, F. & Mnkandla, E. (2017). A big data architecture for learning analytics in higher education. 2017 IEEE AFRICON, South Africa,951-956. https://doi.org/10.1109/ AFRCON.2017.8095610
  31. Oussous, A., Benjelloun, F. Z., Lahcen, A. A. & Belfkih, S. (2018). Big Data technologies: A survey. Journal of King Saud University- Computer and Information Sciences, 30(4), 431-448. https:// doi.org/10.1016/j.jksuci.2017.06.001
  32. Pei, Z., Han, L. & Gu, J. Q. (2017). Application of big data in higher education for learning analytics. 2017 3rd Conference on Education and Teaching in Colleges and Universities, China,100-104. https://doi.org/10.2991/cetcu-17.2017.25
  33. Prahani, B. K., Dawana, I. R., Jatmiko, B., & Amelia, T. (2023). Research Trend of Big Data in Education During the Last 10 Years. International Journal of Emerging Technologies in Learning, 18(10). https://doi.org/10.3991/ijet.v18i10.38453
  34. Rother, E. T. (2007). Systematic literature review X narrative review. Acta Paulista de Enfermagem, 20(2), V-VI. https://doi. org/10.1590/S0103-21002007000200001
  35. Somyürek, S., Güyer, T., Atasoy, B. & Mertcan, Ü. (2021). E-Öğrenme Ortamları ve Öğrenme Analitikleri. Bilişim Teknolojileri Dergisi, 14(3), 327-336. https://doi.org/10.17671/gazibtd.709798
  36. Şengür, D. & Tekin, A. (2013). Öğrencilerin mezuniyet notlarının veri madenciliği metotları ile tahmini. Bilişim Teknolojileri Dergisi, 6(3), 7-16.
  37. Tarmizi, S. S. A., Mutalib, S., Hamid, N. H. A. & Rahman, S. A. (2019). A review on student attrition in higher education using big data analytics and data mining techniques. International Journal of Modern Education and Computer Science, 10(8), 1-14. https://doi.org/10.5815/ijmecs.2019.08.01
  38. TÜBİTAK (2017, 1, Ağustos). Teknoloji Hazırlık Seviyesi (THS) Bilgilendirme. Tübitak. https://tubitak.gov.tr/sites/default/ files/2204/trl_tubitak_4.pdf
  39. Wang, R. & Chen, G. (2019). Application of Big Data in College Information Education. 2019 5th International Conference on Social Science and Higher Education, China,672-675. https:// doi.org/10.2991/icsshe-19.2019.138
  40. Williamson B. (2018) The hidden architecture of higher education: building a big data infrastructure for the ‘smarter university’, International Journal of Educational Technology in Higher Education, 15, 1-26. http://dx.doi.org/10.1186/s41239-018- 0094-1
  41. Yavuzarslan, M. & Erol, Ç. S. (2022). Öğrenme yönetim sistemi log kayıtlarının akademik başarı tahmininde kullanılması. Bilişim Teknolojileri Dergisi, 15(2), 199-207. https://doi.org/10.17671/ gazibtd.837884
  42. Ye, C. (2018). The research development of big data in education: A bibliometric analysis based on Citespace. 2018 Seventh International Conference of Educational Innovation through Technology, New Zealand, 116-122. http://dx.doi.org/10.1109/ EITT.2018.00031
  43. Yıldırım, A. & Şimşek, H. (2018). Sosyal Bilimlerde Nitel Araştırma Yöntemleri (11 baskı). Seçkin Yayıncılık
  44. Matsebula, F. & Mnkandla, E. (2017). A big data architecture for learning analytics in higher education. 2017 IEEE AFRICON, South Africa,951-956. https://doi.org/10.1109/ AFRCON.2017.8095610