Bilişim Ders Notları
Yapay Zekâ · 16. hafta · Yapay Zekâ Geliştirme Ortamları

Temel Bileşenler 5: Metin Sınıflandırma

Yapay Zekâ Uygulamaları · 16. hafta ders notu · YZU1.2.3

Öğrenme çıktıları
YZU1.2.3
  • Metin sınıflandırmanın bir cümleyi önceden belirlenmiş etiketlerden birine ayırdığını açıklar.
  • Machine Learning for Kids'te etiket oluşturur, örnek cümle ekler ve modeli eğitir.
  • Olumlu/olumsuz yorum ayırıcıyı Scratch bloklarına bağlayıp güven değerine göre cevap verdirir.
  • Makine çevirisinin de metin işleyen bir YZ bileşeni olduğunu ve yanılabileceğini örnekle gösterir.
Bilgisayarsız sınıf alternatifi

Kâğıt model

Tahtaya iki sütun çizilir: olumlu ve olumsuz. Gruplara 10'ar cümle kartı verilir; gruplar kartları yeşil ve kırmızı notlarla etiketleyip sütunlara yapıştırır (eğitim). Sonra her gruba etiketsiz 5 yeni kart verilir; gruplar yalnızca tahtadaki örneklere bakarak tahmin yapar ve 1–5 arası "ne kadar eminiz" puanı yazar. Karışık cümlelerde gruplar arası farklı tahminler tartışılır.

Konu anlatımı

Önce konuyu aç, sonra sorulara dokun: cevap altında açılır. Soru işaretli kutulara dokununca cevap görünür.

01Metin sınıflandırma nedir?

Kartlara dokun.

?Metin sınıflandırma ne yapar?
Bir cümleyi ya da paragrafı okur ve önceden belirlenmiş etiketlerden birine yerleştirir. Örneğin bir oyun yorumunu "olumlu" ya da "olumsuz" olarak işaretler.
?Model bir cümlenin anlamını nasıl çıkarır?
Eğitim örneklerinde hangi kelimelerin ve kelime gruplarının hangi etiketle birlikte geçtiğini öğrenir. "Harika", "sevdim" olumlu örneklerde, "sıkıcı", "bozuldu" olumsuz örneklerde sık geçtiği için yeni cümlede bu ipuçlarını arar.
Anahtar kavramlar: Metin sınıflandırmaEtiketDuygu analizi
02Eğitim ekranı: etiket, örnek, test
Eğit: örnek cümleleri doğru etikete ekle olumluBu oyun çok eğlenceliKitabı çok sevdimHarika bir gündüYemek nefistiolumsuzHiç beğenmedimÇok sıkıcıydıSesi berbattıYine bozuldu Toplam2 etiket40 örnek + örnek ekle Modeli eğit Test et: Film güzeldi ama biraz uzundu olumlu · %64
  1. 1Olumlu etiketiOlumlu cümlelerin toplandığı sınıf.Dokun, adını gör
  2. 2Örnek cümleModelin öğrendiği etiketli veri.Dokun, adını gör
  3. 3Olumsuz etiketiOlumsuz cümlelerin toplandığı sınıf.Dokun, adını gör
  4. 4Örnek ekleSınıfa yeni cümle eklenir.Dokun, adını gör
  5. 5Modeli eğitÖrneklerden örüntü öğrenilir.Dokun, adını gör
  6. 6Test kutusuModelin hiç görmediği yeni cümle yazılır.Dokun, adını gör
  7. 7Sonuç ve güvenTahmin edilen etiket ve yüzde.Dokun, adını gör

Görseldeki numaralara dokun.

?İyi bir eğitim verisi nasıl olmalı?
Her etikette benzer sayıda, farklı konulardan ve farklı uzunluklarda cümle olmalıdır. Hep aynı kalıptaki cümleler modelin yalnızca o kalıbı ezberlemesine yol açar.
?Model yanlış tahmin yaparsa ne yapmalıyız?
Yanlış sınıflandırılan cümleye benzeyen yeni örnekleri doğru etiketle ekleyip modeli yeniden eğitiriz. Model her eğitimde örneklerin tamamından yeniden öğrenir.
03Betik: yorum ayırıcı kukla
?"cevap metnini tanı: etiket" bloğu ne verir?
Kullanıcının yazdığı cümleyi eğittiğimiz modele gönderir ve modelin seçtiği etiketi ("olumlu" ya da "olumsuz") metin olarak geri verir.
bayrağa tıklanınca
Oyun hakkında ne düşünüyorsun? diye sor ve bekle
eğer (cevap metnini tanı: etiket) = (olumlu) ise
kostümü gülen ▾ yap
Beğenmene sevindim! de 2 saniye
değilse
kostümü üzgün ▾ yap
Geri bildirimin için teşekkürler. de 2 saniye
Biliyor muydun?

Güven değeri için ikinci bir blok vardır; eşik kontrolüyle kukla emin olmadığında yeniden sorabilir.

04Metin işleyen bir başka bileşen: çeviri
?Çeviri asistanında seslendirme dili neden çeviri diliyle aynı olmalı?
İngilizce çeviriyi Türkçe sesle okutursak kelimeler Türkçe harf kurallarıyla okunur ve anlaşılmaz. Çeviri hangi dile yapıldıysa seslendirme de o dilde olmalıdır.
?Makine çevirisi neden bazen yanlış olur?
Çok anlamlı kelimeler (yüz: sayı mı, surat mı?), deyimler ve eksik cümleler modeli yanıltabilir. Önemli metinlerde çeviri bir insan tarafından kontrol edilmelidir.
bayrağa tıklanınca
Çevrilecek cümleyi yaz. diye sor ve bekle
çeviri ▾ değişkenini cevabı İngilizceye çevir yap
konuşma dilini İngilizce ▾ yap
çeviri de 2 saniye
çeviri seslendir
Anahtar kavramlar: Makine çevirisiBağlam
Çeviri asistanı: sor, çevir, seslendir Kullanıcı yazarKütüphane nerede? Çeviri modeli ENWhere is the library?DEWo ist die Bibliothek?FROù est la bibliothèque ? Where isthe library? Okuma dili, çeviridiliyle aynı olmalı:İngilizce → İngilizce ses

Ders akışı

40 dakikalık bir ders saati için planlandı. Adımın başlığına dokun, ayrıntılar açılsın.

5dk

Isınma: Yorum kutusu

Tahtaya beş kısa yorum yaz (ör. "Bu kitap harikaydı", "Oyun sürekli donuyor"). Öğrenciler her yorumu "olumlu" ya da "olumsuz" diye oylar. Bir uygulamanın binlerce yorumu nasıl bu kadar hızlı ayırabileceğini sor.

8dk

Keşif: Etiket ve örnek

Metin sınıflandırma ekranını göster ve numaralara dokun. Etiketin (olumlu, olumsuz) sınıfın adı, her cümlenin ise etiketli bir örnek olduğunu anlat. ML for Kids'in modeli eğitebilmek için her etikette en az 5 örnek istediğini söyle.

Eğit: örnek cümleleri doğru etikete ekle olumluBu oyun çok eğlenceliKitabı çok sevdimHarika bir gündüYemek nefistiolumsuzHiç beğenmedimÇok sıkıcıydıSesi berbattıYine bozuldu Toplam2 etiket40 örnek + örnek ekle Modeli eğit Test et: Film güzeldi ama biraz uzundu olumlu · %64
12dk

Etkinlik: Yorum ayırıcıyı eğit

ML for Kids'te "metin" türünde proje aç. Öğrencilerin kartlardan seçtiği cümleleri iki etikete ekleyin; her etikete 8–10 örnek girin ve modeli eğitin. Test kutusuna modelin görmediği cümleler yazılıp tahmin ve güven değeri okunur; hatalı tahminler için yeni örnek eklenip yeniden eğitilir.

10dk

Etkinlik: Yorum ayırıcıyı kuklaya bağla

"Scratch 3" düğmesiyle projeyi açın; modelin blokları kategori olarak gelir. Kukla kullanıcıdan bir yorum ister, modele sorar ve etikete göre gülen ya da üzgün kostüme geçer. Güven düşükse "Emin olamadım" der.

bayrağa tıklanınca
Oyun hakkında ne düşünüyorsun? diye sor ve bekle
eğer (cevap metnini tanı: güven) < (60) ise
Emin olamadım, biraz daha anlatır mısın? de 2 saniye
değilse
eğer (cevap metnini tanı: etiket) = (olumlu) ise
kostümü gülen ▾ yap
Beğenmene sevindim! de 2 saniye
değilse
kostümü üzgün ▾ yap
Geri bildirimin için teşekkürler. de 2 saniye
5dk

Değerlendirme: Model nerede şaşırdı?

"Film güzeldi ama biraz uzundu" gibi karışık cümleleri ve "Hiç fena değil" gibi olumsuz kelimeyle olumlu anlam taşıyan cümleleri deneyin. Çeviri asistanı çizimini göstererek çeviri modelinin de benzer şekilde bağlamı yanlış anlayabileceğini tartışın.

Çeviri asistanı: sor, çevir, seslendir Kullanıcı yazarKütüphane nerede? Çeviri modeli ENWhere is the library?DEWo ist die Bibliothek?FROù est la bibliothèque ? Where isthe library? Okuma dili, çeviridiliyle aynı olmalı:İngilizce → İngilizce ses

Doğru mu, yanlış mı?

Dersin sonunda tahtada ya da öğrencinin kendi cihazında çözülür.

1. Metin sınıflandırma, bir cümleyi önceden belirlenmiş etiketlerden birine ayırır.

Cevabı gösterDoğru

2. Modeli eğitmek için örnek cümlelerin etiketlenmesi gerekmez.

Cevabı gösterYanlış · Bu derste kullandığımız yöntemde model etiketli örneklerden öğrenir; hangi cümlenin olumlu, hangisinin olumsuz olduğunu biz göstermezsek model ayırmayı öğrenemez.

3. ML for Kids'te bir metin modelini eğitmek için her etikette en az 5 örnek gerekir.

Cevabı gösterDoğru

4. Model yalnızca eğitimde gördüğü cümleleri sınıflandırabilir; yeni cümlelere tahmin yapamaz.

Cevabı gösterYanlış · Modelin amacı görmediği yeni cümlelere de tahmin yapmaktır. Test kutusuna yazdığımız cümleler zaten modelin hiç görmediği cümlelerdir.

5. Hem olumlu hem olumsuz ifade içeren cümlelerde modelin güven değeri düşebilir.

Cevabı gösterDoğru

6. "Hiç fena değil" gibi ifadeler, model için yanıltıcı olabilir.

Cevabı gösterDoğru · Cümlede "fena" ve "değil" gibi olumsuz görünen kelimeler vardır ama anlam olumludur. Az örnekle eğitilen model bunu yanlış sınıflandırabilir.

7. Her etiketteki örnek sayısının çok farklı olması modeli bir etikete doğru yanlı yapabilir.

Cevabı gösterDoğru · Olumlu etikette 50, olumsuzda 5 örnek varsa model kararsız kaldığında çoğunlukla "olumlu" der.

8. Makine çevirisi kelimeleri tek tek sözlükten bakarak çevirir, cümlenin bağlamına bakmaz.

Cevabı gösterYanlış · Günümüzdeki çeviri modelleri cümlenin tamamına ve bağlamına bakar; yine de "yüz" gibi çok anlamlı kelimelerde yanılabilir.

9. Eğitilen metin modeli Scratch'e bağlanınca "etiket" ve "güven" veren bloklar gelir.

Cevabı gösterDoğru
← Önceki haftaTemel Bileşenler 4: Ses Tanıma ve Konuşma Sonraki hafta →Temel Bileşenler 6: Sayısal Veriyle Tahmin

16. hafta günlük planı

2026–2027 1. düzey Seçmeli Yapay Zekâ Uygulamaları dersi 16. hafta günlük planı. Okul ve öğretmen bilgileriyle doldurulmuş Word dosyası için etkileşimli sürümde Evraklar › Günlük planlar bölümünü kullanın.

2026–2027 EĞİTİM ÖĞRETİM YILI …………………………

SEÇMELİ YAPAY ZEKÂ UYGULAMALARI 1. SEVİYE DERSİ GÜNLÜK PLANI · 16. HAFTA

BÖLÜM I · DERSE İLİŞKİN BİLGİLER
DersSeçmeli Yapay Zekâ Uygulamaları 1. SeviyeSınıf / Düzey1. düzey (seçmeli)
Hafta / Tarih16. Hafta · 4–8 Ocak (OCAK)Süre2 ders saati (40' + 40')
TemaYAPAY ZEKÂ GELİŞTİRME ORTAMLARI
KonuTemel Bileşenler 5: Metin Sınıflandırma
BÖLÜM II · ÖĞRENME ÇIKTILARI VE KAYNAKLAR
Öğrenme çıktısıYZU1.2.3 Yapay zekâ uygulamalarının temel bileşenlerinden yararlanma
Süreç bileşenleri
  • Metin sınıflandırmanın bir cümleyi önceden belirlenmiş etiketlerden birine ayırdığını açıklar.
  • Machine Learning for Kids'te etiket oluşturur, örnek cümle ekler ve modeli eğitir.
  • Olumlu/olumsuz yorum ayırıcıyı Scratch bloklarına bağlayıp güven değerine göre cevap verdirir.
  • Makine çevirisinin de metin işleyen bir YZ bileşeni olduğunu ve yanılabileceğini örnekle gösterir.
Araç, gereç ve kaynaklarAkıllı tahtada Machine Learning for Kids (öğretmen hesabı) ve Scratch 3 bağlantısı · İsteğe bağlı: PictoBlox makine öğrenmesi ortamı (metin sınıflandırıcı) · Yeşil ve kırmızı yapışkan notlar · Film, kitap, oyun yorumu cümle kartları (20 adet) · Bilişim Ders Notları ders sayfası, sunum ve etkinlikler (bilisimdersnotlari.com)
BÖLÜM III · ÖĞRENME-ÖĞRETME UYGULAMALARI
SüreEtkinlik akışı
1. ders
5 dk		Isınma: Yorum kutusu
Tahtaya beş kısa yorum yaz (ör. "Bu kitap harikaydı", "Oyun sürekli donuyor"). Öğrenciler her yorumu "olumlu" ya da "olumsuz" diye oylar. Bir uygulamanın binlerce yorumu nasıl bu kadar hızlı ayırabileceğini sor.
1. ders
8 dk		Keşif: Etiket ve örnek
Metin sınıflandırma ekranını göster ve numaralara dokun. Etiketin (olumlu, olumsuz) sınıfın adı, her cümlenin ise etiketli bir örnek olduğunu anlat. ML for Kids'in modeli eğitebilmek için her etikette en az 5 örnek istediğini söyle.
1. ders
12 dk		Etkinlik: Yorum ayırıcıyı eğit
ML for Kids'te "metin" türünde proje aç. Öğrencilerin kartlardan seçtiği cümleleri iki etikete ekleyin; her etikete 8–10 örnek girin ve modeli eğitin. Test kutusuna modelin görmediği cümleler yazılıp tahmin ve güven değeri okunur; hatalı tahminler için yeni örnek eklenip yeniden eğitilir.
1. ders
10 dk		Etkinlik: Yorum ayırıcıyı kuklaya bağla
"Scratch 3" düğmesiyle projeyi açın; modelin blokları kategori olarak gelir. Kukla kullanıcıdan bir yorum ister, modele sorar ve etikete göre gülen ya da üzgün kostüme geçer. Güven düşükse "Emin olamadım" der.
1. ders
5 dk		Değerlendirme: Model nerede şaşırdı?
"Film güzeldi ama biraz uzundu" gibi karışık cümleleri ve "Hiç fena değil" gibi olumsuz kelimeyle olumlu anlam taşıyan cümleleri deneyin. Çeviri asistanı çizimini göstererek çeviri modelinin de benzer şekilde bağlamı yanlış anlayabileceğini tartışın.
2. ders
10 dk		Tekrar: Sunum
9 slaytlık ders sunumu akıllı tahtada açılır; önceki saatte öğrenilen kavramlar öğrencilerle birlikte tekrar edilir.
2. ders
20 dk		Uygulama: Etkinlikler
Akıllı tahtada etkileşimli etkinlikler oynanır: Modeli sen eğit: etiketi seç; Eğitim ekranındaki parçalar; Yorum ayırıcıyı yapma sırası; Doğru mu, yanlış mı?; Kutuyu aç: konu soruları.
2. ders
10 dk		Değerlendirme
9 soruluk doğru-yanlış testi tahtada birlikte çözülür; yanlış cevaplar gerekçeleriyle tartışılır.
FarklılaştırmaBilgisayarsız sınıf alternatifi: Kâğıt model. Tahtaya iki sütun çizilir: olumlu ve olumsuz. Gruplara 10'ar cümle kartı verilir; gruplar kartları yeşil ve kırmızı notlarla etiketleyip sütunlara yapıştırır (eğitim). Sonra her gruba etiketsiz 5 yeni kart verilir; gruplar yalnızca tahtadaki örneklere bakarak tahmin yapar ve 1–5 arası "ne kadar eminiz" puanı yazar. Karışık cümlelerde gruplar arası farklı tahminler tartışılır.
BÖLÜM IV · ÖLÇME VE DEĞERLENDİRME
Ölçme araçlarıKontrol listesi, dereceli puanlama anahtarı, öz ve akran değerlendirme
Doğru-yanlış soruları
  1. Metin sınıflandırma, bir cümleyi önceden belirlenmiş etiketlerden birine ayırır. (D)
  2. Modeli eğitmek için örnek cümlelerin etiketlenmesi gerekmez. (Y)
  3. ML for Kids'te bir metin modelini eğitmek için her etikette en az 5 örnek gerekir. (D)
  4. Model yalnızca eğitimde gördüğü cümleleri sınıflandırabilir; yeni cümlelere tahmin yapamaz. (Y)
  5. Hem olumlu hem olumsuz ifade içeren cümlelerde modelin güven değeri düşebilir. (D)
  6. "Hiç fena değil" gibi ifadeler, model için yanıltıcı olabilir. (D)
  7. Her etiketteki örnek sayısının çok farklı olması modeli bir etikete doğru yanlı yapabilir. (D)
  8. Makine çevirisi kelimeleri tek tek sözlükten bakarak çevirir, cümlenin bağlamına bakmaz. (Y)
  9. Eğitilen metin modeli Scratch'e bağlanınca "etiket" ve "güven" veren bloklar gelir. (D)
Dersin uygulanmasına ilişkin açıklamalarML for Kids'te öğrenci hesabı açmak yerine öğretmen hesabıyla tek bir proje açıp tahtada birlikte çalışın. Modeli eğitmek bir iki dakika sürebilir; bu sırada bilgisayarsız "kâğıt model" etkinliğinin ilk turunu yapabilirsiniz.
…………………………Bilişim Teknolojileri Öğretmeni
UYGUNDUR04.01.2027…………………………Okul Müdürü
Bu dersi sınıfta işleyinSunum, tahta modu ve etkileşimli etkinlikler için.
Etkileşimli sürümü aç →