Yarasalar çıkardıkları seslerin yansıması ile yönlerini bulurlar Ultrason cihazları ile vücudumuzun görüntülenmesinde ses dalgalarından faydalanılır. Böbreklerde oluşan taşlar ses dalgaları gönderilerek kırılır. Sesin Şiddeti(Genlik) Sesin şiddetli gür olması genliğine bağlıdır. Ses dalgalarının genliği ne kadar fazla olursa sesimizi o kadar uzağa ulaştırabiliriz. Televizyonun sesini açtığımız zaman genliğini artırmış oluyoruz. Sesin şiddeti Desibel birimi ile ifade edilir. Resim 6: Sesin Şiddeti İnsan kulağının ses eşiği 0 desibel ve 120 desibel aralığıdır ve 90 Desibelden sonraki sesler insan kulağına hasar vermeye başlar. Sorularda karşımıza çıkabilir Aslan ,kedi ve farenin selerinin şiddetlerini karşılaştırınız. Şiddeti en fazla olan aslan, en aza olan ise faredir. Sesin Yüksekliği(Frekans) Sesin ince(tiz) veya kalın(pes) olması frekansına bağlıdır. Sesin frekansı arttıkça incelir, ince seslere yüksek ses de denilir. Frekans dalgaların birim zamandaki titreşim sayısıdır. Frekans Hertz birimi ile ifade edilir. Resim 7: Sesin Yüksekliği İnsan kulağı 20-20.000 Hz aralığındaki sesleri işitebilir. Frekansı 20Hz’den küçük olan ses dalgalarına infrasonic ses dalgaları denir. Frekansı 20000Hz’den büyük olan ses dalgalarına ultrasonic ses dalgaları denir.Frekans konusunda çokça karşımıza çıkacak olan diyapozon nedir; Titreştirilince belli frekansta sesler çıkaran, çelikten yapılmış U şeklinde olan alete denir. (5)
Derinleştirme Aşaması: Öğrenciler tasarladıkları ses olayı ve dalgalarına benzer yapıları araştırması istenir. Bu modelin bilgisayar veya elektronik bir ortamda nasıl kullanılabileceğine dair bilgiler toplaması istenir. Doğal dil işleme (NLP), bilgisayarların metin okumasını, konuşmasını duymasını, yorumlamasını, duyarlılığı ölçmesini ve hangi bölümlerin önemli olduğunu belirlemesini sağlar. Günümüzün makineleri, yorulmadan ve tutarlı, tarafsız bir şekilde insanlardan daha fazla dile dayalı verileri analiz edebilir. Doğal dil işleme işlemi aşağıdaki işlemlerden geçirildikten sonra kullanılmaya hazır olabilmektedir: Ses örnekleme Özellik çıkarma Konuşma tanıma Bireysel sesleri tanıma Bunları metne dönüştürme Ses girişi metne dönüştürüldükten sonra onu anlamak için karşılaştırılmalar yapılır, dile özgü yapılar ile doğru dil olup olmadığı teyit edilir, dile ait yöresel değişiklikler varsa bunlar değerlendirilir. Asıl işlem bu arada gerçekleşmektedir. Doğal dil işlemenin ses girişlerini işlemede karşılaştığı en büyük zorluk, aksanları anlamak ve ayırt etmek, arka plan gürültüsünü anlamlı bir ifadeden ayırmak (sinyali gürültüden ayırmak) ve konuşmaların çakışması vb. gibi yapıları oluştururken olmaktadır. Çıktı tarafında, NLP sadece dilbilgisi açısından doğru değil aynı zamanda anlaşılabilir ve anlamlı olan cevaplar üretme zorluğu ile karşı karşıyadır. Doğal dil işleme sisteminin nasıl işlediğini kavramak için ve dilleri algılayıp yapay zeka yöntemiyle benzeyen kelimelerin listelendiği örnek bir uygulama inceleyelim. Bunun için “https://www.cs.cmu.edu/~dst/SpeechDemo/” web sayfasına tıklıyoruz. Mikrofonumuzun açık olduğuna ve web sayfasına izin verildiğine dikkat etmemiz gerekmektedir. Resim 8: Yapay Zekâ ile Doğal Dil İşleme Örneği Web sayfasını açtığımızda yapmamız gereken tek şey mikrofonu kullanmasına izin vermektir. Her konuştuğumuz kelimeyi algılayacak ve bizlere öneri sunacaktır. Burada farklı dillerde aynı telaffuz ile söyleniyorsa onları da örnek olarak verecektir.(6)
Resim 9: “Türkiye” Kelimesi Söylendiğinde Verilen Örnekler Değerlendirme Aşaması: Öğrencilerimizin kazanımları hangi seviyede elde ettikleri ve günlük hayata aktarabilme becerisini “görev oluşturma kağıdında” yüzde olarak belirtebiliriz. Ayrıca “neler öğrendik” kısmındaki sorulara verilen cevapları da nicel ölçüm aracı olarak kullanabiliriz. Yapay zeka tabanlı bir STEAM etkinliğinin tam manasıyla ölçülebilmesinde öğrencilere yapılan eşit düzeyde eğitmen rehberliği, etkinliğin gerçekleştiği ortam ve elektronik yapıların özelliklerinin de değerlendirme yapılırken göz önünde bulundurulması gerektiğini unutmamalıyız.
KAYNAKÇA 1-http://mufredat.meb.gov.tr/Dosyalar/201812312311937- FEN%20B%C4%B0L%C4%B0MLER%C4%B0%20%C3%96%C4%9ERET%C4%B0M%20P ROGRAMI2018.pdf 2-DOĞAN, A., & ULUAY, G. Fen Bilgisi Öğretmen Adaylarının 3D Teknolojilerini Öğrenme ve Uygulama Deneyimleri: Tinkercad Örneği. Trakya Eğitim Dergisi, 10(3), 980-994. 3- ŞAHİN, K., & TURAN, B. O. (2018). ÜÇ BOYUTLU YAZICI TEKNOLOJİLERİNİN KARŞILAŞTIRMALI ANALİZİ. Stratejik ve Sosyal Araştırmalar Dergisi, 2(2), 97-116. 4-Kökhan, S., & Özcan, U. (2018). 3D yazıcıların eğitimde kullanımı. Bilim Eğitim Sanat ve Teknoloji Dergisi, 2(1), 80-85. 5-08.11.2020 , https://www.fizikbilimi.gen.tr/ses-dalgalari/ 6-SARGIN,A. , Çocuklar İçin Yapay Zeka-2 , ISBN: 978-605-06822-1-2
Bu kitap 2020-2021 “Coding and Artificial Intelligence For The Future” Etwinning Projesi için proje ortaklarımızla birlikte hazırlanmıştır. YENİLENEBİLİR ENERJİ VE GERİ DÖNÜŞÜM TEMALI FİNAL ORTAK ÜRÜN GÖREV PAYLAŞIMI ORTAK ÜRÜN GÖREV PAYLAŞIMI OKUL ADI BÖLÜM/KONU 1)KARAKÖPRÜ ORTAOKULU B1/GÜNEŞLE HAREKET BEREKETİ 2)ORHANGAZİ 15 TEMMUZ ŞEHİTLER AL. B2/PLASTİK POŞET ALGILAMA UYARI SİSTEMİ 3)EDREMİT ANADOLU LİSESİ B3/ATIK SINIFLANDIRMA OTOMASYONU 4)ŞÜKRÜ DORUK KIZ AİHL FEN VE B4/DOĞADA KAÇ YILDA KAYBOLACAK SOSYAL BİLİMLER PROJE OKULU 5)ESKİŞEHİR ÇAĞFEN KOLEJİ B5/BİYOKÜTLE İLE ENERJİ ÜRETİMİ 6) B6/SES DALGASI UYGULAMASI Proje Web Sitemiz Proje Blog Sayfamız
Search
