This research sought to explore educators’ views on Artificial Intelligence (AI), a topic that has become increasingly important with the advent of recent digital transformations. Given its potential impact on education, AI can offer valuable insights for curriculum planning and teaching strategies. The study used metaphor analysis to understand educators' perspectives on AI. An online questionnaire was employed to collect data from teachers working in schools affiliated with the Ministry of National Education in Şanlıurfa in the 2023-2024 academic year. Teachers were asked to complete the sentences about their perceptions of artificial intelligence, especially using expressions such as "Artificial intelligence is like ..." and "...because ...". According to the findings of the metaphor analysis, teachers conceptualized AI as a job facilitator, associating it with robots and machines representing cognitive intelligence. However, concerns also emerged about the potential risks of AI and its impact on creativity. The findings emphasized the complex perceptions of AI in education, showcasing the balance between its positive contributions and the ethical responsibilities it entails. While the study offers valuable insights for understanding the complexity of AI in the educational context, it also highlights the various metaphors teachers use to describe this technology. In this context, prominent metaphors used by teachers to describe artificial intelligence include human, robot, brain, assistant, and machine.

Particulate matter, particularly PM_2.5, poses a significant threat to public health due to its ability to disperse widely and its detrimental impact on the respiratory and circulatory systems upon inhalation. Consequently, it is imperative to maintain regular monitoring and assessment of particulate matter levels to anticipate air pollution events and promptly mitigate their adverse effects. However, predicting air quality is inherently complex, given the multitude of variables that influence it. Deep learning models, renowned for their ability to capture nonlinear relationships, offer a promising approach to address this challenge, with hybrid architectures demonstrating enhanced performance. This study aims to develop and evaluate a hybrid model integrating Convolutional Neural Networks (CNNs) and Recurrent Neural Networks (RNNs) for forecasting PM_2.5 levels in India, Milan, and Frankfurt. A comparative analysis with established deep learning and machine learning techniques substantiates the superior predictive capabilities of the proposed CNN-RNN model. The findings underscore its potential as an effective tool for air quality prediction, with implications for informed decision-making and proactive intervention strategies to safeguard public health.

This study aims to provide an overview and contribute to the related literature by examining the videos created by the students. In this context, a systematic literature review was conducted in addition to a bibliometric analysis that was performed using the bibliographic data from Web of Science directory to identify the common words. Afterwards, word clouds were formed based on the information gathered from titles, keywords, and abstracts of studies. The literature highlights the metacognition category, that is students' thinking about their own learning, with relation to the purpose of use for the student-generated videos. Further, it is observed that the sampling of studies was mostly carried out in the higher education level. In terms of theoretical background, unspecified studies outnumber; theories in which students actively engage such as collaborative learning, constructivist approach and experiential learning stand out.

Bu çalışmanın amacı okul yöneticilerinin dijital okuryazarlık ve yaşam boyu öğrenme eğilimleri arasındaki ilişkinin incelenmesidir. Çalışmanın örneklemini Şanlıurfa'nın Siverek ilçesinde görev yapan 228 okul yöneticisi oluşturmaktadır. Betimsel tarama yöntemi kullanılarak gerçekleştirilen bu çalışmada, kolay ulaşılabilir örneklem yöntemiyle veriler toplanmıştır. Bulgular incelendiğinde ise; kadınların lehine anlamlı bir yaşam boyu öğrenme eğilimi bulunmuştur. Ayrıca, okul yöneticilerinin dijital okuryazarlık düzeyleri ile boyu öğrenme eğilimleri arasında doğrusal yönde pozitif bir ilişki belirlenmiştir. Bu bulgular, okul yöneticilerinin Dijital okuryazarlık düzeyleri ile boyu öğrenme eğilimleri arasındaki ilişkinin değerlendirilmesine ve eğitim politikalarının geliştirilmesine katkı sağlamaktadır.

Liselere Giriş Sınavı (LGS) ortaokul 8. sınıf öğrencilerinin girdikleri ve aldıkları puanlara göre okuyacakları liseleri belirlemektedir. Bu sınav ile öğrencinin eğitim öğretim becerileri sınanmaktadır. Öğrencilerin sınav başarısını, öğrencinin sosyal-ekonomik durumu, aile ortamı, ebeveyn eğitim durumu, cinsiyeti ve önceki yıllara ait eğitim verilerinde gibi faktörler etkilemektedir. Bu faktörlerin sınav başarısındaki etkilerinin araştırılması, mevcut durumun tahmin edilebilmesi, gelecek dönemlerdeki öğrenci başarısını iyileştirmede çok önemlidir. Bu amaçla ortaokul öğrenci bilgileri güncel makine ögrenme yöntemleri kullanılarak analiz edilmiştir. Öğrencilerin sınav performansını etkileyen faktörler ön plana çıkarılmıştır. Aynı zamanda öğrencinin sınav performans tahmini yapılmıştır. Çalışmamızın sonuçları alanda daha önce yapılan araştırma sonuçlarını desteklemektedir. Çeşitli optimizasyon yöntemleri kullanarak sınav performansını etkileyen ortak faktörler tespit edilmiştir. Bunlar; ortaokul öğrencisinin yıllara göre okul puan ortalaması, aile gelir durumu, kardeş sayısı ve sıralaması ve özürsüz devamsızlık sayısıdır. Devamında birden fazla makine ögrenme yöntemi kullanılarak öğrenci sınav performans tahmini yapılmıştır. Yapılan deneylerde optimizasyon algoritması olan Guguk Kuşu Arama Algoritmaları (GKAA) ile seçilen etkin faktörler, Destek Vektör Regresyonu analizi ile 0.866 (R2 doğruluk) sınav başarı tahminin skoru elde edilmiştir. Aynı zamanda sınav performansında kardeş sıralamasının etkisi gözlenmiş, ileri çalışmalar için hedefler belirlenmiştir.