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 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.

Bu çalışma, Leppink ve diğerleri (2013) tarafından geliştirilen "Farklı Bilişsel Yük Türleri Ölçeği"nin Türkçe uyarlamasını ve geçerlik-güvenirlik analizlerini gerçekleştirmeyi amaçlamaktadır. Araştırma, bilişsel yük kuramı çerçevesinde içsel, dışsal ve etkili yük türlerini ayrıştırarak ölçebilen kapsamlı bir aracın Türkçe literatürdeki eksikliğini gidermeyi hedeflemiştir. Ölçek, uzman görüşleri doğrultusunda Türkçeye çevrilmiş, dil eşdeğerliği testleri uygulanmış ve doğrulayıcı faktör analizi ile üç faktörlü yapısı doğrulanmıştır. Çalışmada, bir devlet üniversitesinde uzaktan eğitim alan 221 ön lisans öğrencisinin katılımıyla toplanan veriler üzerinde analizler yapılmıştır. Ölçeğin uyum indeksleri (RMSEA, CFI, TLI vb.) kabul edilebilir düzeyde bulunmuş ve Cronbach Alfa katsayıları genel olarak .93, alt boyutlarda ise .86 ile .98 arasında değişmiştir. Sonuçlar, ölçeğin hem genel hem de alt boyutlar düzeyinde yüksek güvenilirlik ve geçerlilik sunduğunu göstermiştir. Bu ölçeğin, Türkçe literatüre önemli bir katkı sunacağı ve eğitim ortamlarında bilişsel yük ölçümüne yönelik araştırmalarda etkili bir araç olacağı öngörülmektedir.

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.

This study aimed to evaluate the validity and reliability of the Artificial Intelligence Attitude Scale (AIAS-4), originally developed by Grassini (2023) and subsequently adapted into Turkish. In addition, the study examined participants' attitudes toward artificial intelligence (AI) across various demographic and usage-related factors. Following the translation and cultural adaptation of the scale, analyses were conducted to assess its psychometric properties. A total of 315 individuals voluntarily participated, and data were collected via an online platform. Statistical analyses confirmed that the Turkish version of the AIAS-4 is a valid and reliable instrument. The study also explored differences in AI attitudes based on gender, age, education level, and daily internet use. The results indicated significant differences in attitudes depending on gender, education level, and internet usage duration, whereas age did not have a significant effect. Overall, participants exhibited positive attitudes toward AI, with most reporting usage in areas such as digital assistants and language translation tools. This study contributes to a deeper understanding of AI attitudes and highlights demographic differences in these perceptions.