İçeriğe geç
parazade
Yapay Zeka

Veri Okuryazarlığı Nedir?

İngilizce: Data Literacy

Yayın: · Son güncelleme:

Veri Okuryazarlığı Nedir? Kısaca

Veri okuryazarlığı, veriyi okuma, anlama, eleştirel biçimde değerlendirme ve veriye dayalı bilgiyi başkalarına doğru aktarma becerisidir. Uzmanlara değil, veriyle karşılaşan herkese yönelik temel bir yetkinliktir.

Veri Okuryazarlığı nedir?
İçindekiler
  1. Veri okuryazarlığı nedir?
  2. Örnek
  3. Neden önemlidir?
  4. Nasıl geliştirilir?

Veri okuryazarlığı, bir grafiğe, tabloya ya da istatistiğe bakıp "bu ne söylüyor ve neyi söylemiyor?" sorusunu cevaplayabilme becerisidir. Haberlerden iş raporlarına kadar her yerde sayılarla karşılaşılan bir dünyada giderek daha temel bir beceri hâline gelmiştir.

Veri okuryazarlığı nedir?

Veri okuryazarlığı programlama ya da ileri istatistik bilmeyi şart koşmaz. Temel bileşenleri şunlardır:

  • Okuma: Grafik, tablo ve özet istatistikleri doğru anlamak.
  • Değerlendirme: Verinin kaynağını, nasıl toplandığını ve sınırlarını sorgulamak.
  • Yorumlama: Ortalama ile medyan farkı, yüzde ile yüzde puan farkı gibi kavramları karıştırmamak.
  • İletişim: Veriden çıkan sonucu abartmadan ve çarpıtmadan anlatmak.

Örnek

Varsayımsal bir haberde "X ilacını kullananlarda risk yüzde 50 arttı" yazdığını düşün. Veri okuryazarı bir kişi şunu sorar: Riskin başlangıç değeri neydi? Binde 2'den binde 3'e çıkmak da yüzde 50 artıştır, ama mutlak fark binde 1'dir. Ayrıca bu bir gözlem mi, yoksa kontrollü bir deney mi? Gözlemsel bir ilişki, korelasyon nedensellik değildir ilkesi gereği kesin neden-sonuç anlamına gelmez.

Neden önemlidir?

  • Kurumlarda veri odaklı karar verme kültürü, çalışanların veriyi doğru okuyabilmesine bağlıdır.
  • Yanıltıcı grafikler ve bağlamından koparılmış rakamlar dezenformasyonun sık kullanılan araçlarıdır.
  • Yapay zekâ çıktılarını değerlendirirken de modelin hangi veriyle eğitildiğini ve sonuçların ne kadar güvenilir olduğunu sorgulamak gerekir.

Nasıl geliştirilir?

Grafiklerin eksenlerini ve ölçeklerini kontrol etmeyi alışkanlık hâline getir, temel istatistik kavramlarını öğren ve gördüğün her rakam için "kaynağı ne, neyle karşılaştırılmış?" diye sor. Küçük veri setleriyle bir elektronik tabloda pratik yapmak da iyi bir başlangıçtır.

Sıkça Sorulan Sorular

Veri okuryazarlığı için kodlama bilmek gerekir mi?

Hayır. Temel veri okuryazarlığı grafikleri ve rakamları doğru okumak, kaynağı sorgulamak ve sonuçları doğru aktarmakla ilgilidir. Kodlama, daha ileri veri analizi için faydalı ama zorunlu olmayan bir ek beceridir.

Veri okuryazarlığı ile yapay zekâ okuryazarlığı arasındaki fark nedir?

Veri okuryazarlığı verinin kendisini anlamaya odaklanır. Yapay zekâ okuryazarlığı ise yapay zekâ sistemlerinin nasıl çalıştığını, sınırlarını ve çıktılarının nasıl değerlendirileceğini kapsar; veri okuryazarlığı onun temelidir.

İlgili terimler

Veri Analizi(Data Analysis)Veri analizi, ham verilerin incelenmesi, temizlenmesi, dönüştürülmesi ve modellenmesi yoluyla anlamlı bilgi elde etme ve karar vermeyi destekleme sürecidir. Betimsel, tanısal, tahmine dayalı ve kuralcı analiz gibi türleri vardır.Veri Görselleştirme(Data Visualization)Veri görselleştirme, sayısal ve kategorik verileri grafik, harita ve diyagram gibi görsel öğelerle sunarak örüntülerin, eğilimlerin ve aykırı değerlerin kolayca anlaşılmasını sağlayan bir yöntemdir. Hem analiz hem de iletişim aracıdır.Yapay Zekâ Okuryazarlığı(AI Literacy)Yapay zekâ okuryazarlığı (AI literacy), yapay zekânın temel olarak nasıl çalıştığını anlama, araçları amaca uygun ve güvenli biçimde kullanma, çıktılarını eleştirel değerlendirme ve etik riskleri fark etme becerilerinin bütünüdür.Veri Odaklı Karar Verme(Data-Driven Decision Making)Veri odaklı karar verme, iş ve yönetim kararlarının yalnızca sezgi ya da deneyime değil, toplanıp analiz edilmiş ölçülebilir verilere ve kanıtlara dayandırılması yaklaşımıdır.Medyan(Median)Medyan (ortanca), bir veri seti küçükten büyüğe sıralandığında tam ortada kalan değerdir. Verinin yarısı medyanın altında, yarısı üstündedir; aykırı değerlerden aritmetik ortalamaya göre çok daha az etkilenir.Korelasyon Nedensellik Değildir(Correlation Does Not Imply Causation)Korelasyon nedensellik değildir ilkesi, iki değişkenin birlikte hareket etmesinin birinin diğerine neden olduğunu kanıtlamadığını ifade eder. İlişki tesadüf, üçüncü bir etken ya da ters yönlü bir etki nedeniyle ortaya çıkmış olabilir.