Veri tabanları verinin düzenli, tutarlı ve erişilebilir bir şekilde saklanmasını, yönetilmesini ve işlenmesini sağlayan sistemlerdir. Tek bir türle sınırlı kalmayıp iş yükü ve ihtiyaca göre optimize edilmiş çeşitli türleri mevcuttur. Eğitim ve ölçme değerlendirme gibi farklı veri yapılarına sahip alanlarda uygun veri tabanı türünü seçmek analizlerin hızını ve doğruluğunu etkiler.
Veri tabanı türleri genel olarak İlişkisel (SQL) ve İlişkisel Olmayan (NoSQL) olmak üzere iki ana kategoriye ayrılır.
A. İlişkisel Veri Tabanları (SQL)
1. İlişkisel Veri Tabanı (Relational Database – SQL)
Bu tür veri tabanlarında veriler satır ve sütunlardan oluşan tablolarda saklanır. Tablolar arası ilişkiler anahtarlar (primary/foreign key) aracılığıyla tanımlanır, bu da veri bütünlüğünü ve tutarlılığını garanti eden ACID (Atomicity, Consistency, Isolation, Durability-Atomisite, Tutarlılık, İzolasyon, Dayanıklılık) prensiplerinin uygulanmasını sağlar.
İlişkisel veri tabanlarını, herbiri onbilerce ve daha fazla satırdan oluşabilen birbirine bağlı Excel tablolarının bütünü olarak düşünebilirsiniz. Belirli sütünlardaki anahtarlarla (primary/foreign key) birbirine bağlı bu tabloların tümü üzerinde tek merkezden birbiriyle ilişkili sorgulama yapabilirsiniz. Bu veritabanlarının "ilişkisel" olarak adlandırılması tablolar arası bağlantı özelliğinden gelmektedir.
Örnek sistemler: MySQL, PostgreSQL, Oracle Database, Microsoft SQL Server.
Avantajları: Veri bütünlüğü yüksektir, karmaşık sorgular yapılabilir, ACID kurallarını destekler. Finans, insan kaynakları, stok yönetimi gibi veri tutarlılığının önemli olduğu alanlarda kullanılır.
Eğitim Alanından Örnek:
Öğrenci Bilgi Yönetim Sistemleri (ÖBYS): Öğrenci, ders ve not tablolarının birincil ve yabancı anahtarlar (primary/foreign key) aracılığıyla ilişkilendirilmesi.
Başarı Test Verileri: Bir sınavın madde-cevap ve öğrenci-not verilerinin tutarlı ve tekil bir şekilde kaydedilmesi.
2. Analitik (OLAP – Online Analytical Processing) Veri Tabanı
OLAP sistemleri büyük miktarda tarihsel veriyi analiz etmek için optimize edilmiştir. Çoğunlukla veri ambarlarında (Data Warehouse) kullanılır.
Örnek sistemler: Amazon Redshift, Google BigQuery, Snowflake, Microsoft Analysis Services.
Avantajları: Karmaşık sorgular, çok boyutlu analiz, raporlama ve iş zekâsı (BI) için idealdir. Kurumsal raporlama, satış analizleri, tahminleme, karar destek sistemleri gibi çözümlerde kullanılır.
Eğitim Alanından Örnek:
Eğitim Araştırma Sonuçları: Bir eğitim uygulamasının son 5 yıldaki öğrenci başarısı üzerindeki etkisini, demografik gruplara göre (bölge, yaş, cinsiyet) analiz etmek.
Kurumsal Raporlama: Eğitim kurumlarının yıllık bütçe, ders tamamlama oranları ve öğretmen performansı raporlarını oluşturmak.
B. İlişkisel Olmayan Veri Tabanları (NoSQL)
NoSQL veri tabanları esnek şema, kolay yatay ölçeklenebilirlik ve yüksek performans sunarak modern, büyük ölçekli ve hızlı değişen veri ihtiyaçlarına cevap verir.
1. Anahtar-Değer Veri Tabanı (Key-Value Database – NoSQL)
Her kaydı benzersiz bir anahtar (key) ve ona karşılık gelen herhangi bir veri yapısına sahip bir değer (value) çifti olarak saklar. Çok hızlı okuma/yazma işlemleri için idealdir.
Örnek sistemler: Redis, Amazon DynamoDB, Riak.
Avantajları: Çok hızlı okuma/yazma performansı, büyük ölçekli önbellekleme için uygundur. Oturum yönetimi, oyun verileri, kullanıcı tercihleri, gerçek zamanlı analiz gibi görevler için kullanılır.
Eğitim Alanından Örnek:
Oturum Yönetimi: E-öğrenme platformlarında kullanıcının oturum bilgilerine (sepetteki ürün, son izlediği ders) hızlıca erişmek için önbellekleme (caching) yapmak.
Kullanıcı Tercihleri: Öğrencinin seçtiği tema, bildirim ayarları gibi kişisel ayarlarını saklamak.
2. Sütun Ailesi Veri Tabanı (Column-Family Database – NoSQL)
Veriler satır yerine sütunlara göre gruplandırılır, bu da büyük veri kümelerinde yatay ölçeklenebilirliği artırır. Farklı satırlarda farklı sütun yapısına izin verir.
Örnek sistemler: Apache Cassandra, HBase, ScyllaDB.
Avantajları: Büyük veri kümelerinde yatay ölçeklenebilirlik, hızlı okuma/yazma. Büyük veri uygulamaları, sensör verileri, zaman serisi depolama işlerinde kullanılır.
Eğitim Alanından Örnek:
Zaman Serisi Verileri: Öğrenci etkileşimlerini (video izleme süresi, tıklama sayıları, klavye basışları) zaman damgasıyla birlikte büyük ölçekte ve yüksek hızda kaydetmek.
Büyük Veri Uygulamaları: Farklı bölgelerden gelen sensör veya IoT verilerini depolamak.
3. Graf Veri Tabanı (Graph Database – NoSQL)
Verileri düğümler (nodes) ve bunlar arasındaki ilişkiler (edges) biçiminde depolar. Karmaşık ve çok katmanlı ilişkisel ağları hızlı çözümlemek için idealdir.
Örnek sistemler: Neo4j, ArangoDB, Amazon Neptune.
Avantajları: Karmaşık ilişkileri hızlı çözümleme, sosyal ağ analizleri için idealdir. Sosyal medya, öneri sistemleri, dolandırıcılık tespiti, bilgi grafikleri gibi işlevler için tercih edilir.
Eğitim Alanından Örnek:
İlgi ve Kişilik Ölçeği Verileri: Bireylerin (düğüm) birbirleriyle olan etkileşimlerini veya ilgi alanları (düğüm) arasındaki benzerlik derecesini (ilişki) analiz etmek.
Öneri Sistemleri (Yöneltme): Bir öğrencinin tamamladığı dersler, aldığı notlar ve başarı gösterdiği alanlara göre bir sonraki mantıklı kurs/kariyer yolunu önermek.
4. Belge Tabanlı Veri Tabanı (Document Database – NoSQL)
Veriyi genellikle JSON veya BSON gibi esnek yapılı belgeler halinde saklar. Şema zorunluluğu yoktur; hızlı geliştirme ve veri yapısı değişikliklerine kolay uyum sağlar.
Örnek sistemler: MongoDB, CouchDB, Firestore.
Avantajları: Esnek şema, hızlı geliştirme, yarı yapılandırılmış veri için idealdir. İçerik yönetim sistemleri, e-ticaret ürün katalogları, web uygulamaları alanlarında kullanılır.
Eğitim Alanından Örnek:
E-ticaret Ürün Katalogları (Kurslar): Bir e-eğitim platformundaki kursun başlık, içerik, eğitmen, fiyat ve yorumlar gibi farklı yapıdaki tüm bilgilerini tek bir JSON belgesinde toplamak.
Web Uygulamaları: Kullanıcıların esnek form verilerini ve ayarlarını depolamak.
Sonuç
Veri tabanı teknolojileri sadece veri saklama aracı olmaktan çıkıp bilgiye dayalı karar verme süreçlerinin temel taşı haline gelmiştir. Eğitim ve ölçme değerlendirme alanında ilişkisel veri tabanları temel kayıt ve not tutma işlevleri için vazgeçilmezken; graf, belge ve analitik veri tabanları modern eğitim araştırmaları, kişiselleştirilmiş öğrenme yolları ve büyük veri analizleri için kritik öneme sahiptir. İhtiyaca en uygun veri tabanını seçmek, veri kalitesini ve analiz sonuçlarının güvenilirliğini maksimize edecektir.
| Veri Tabanı Türü |
Tür Kategorisi |
Açıklama |
| İlişkisel (Relational) |
SQL |
Verileri satır ve sütunlardan oluşan tablolarda depolar. |
| Analitik (OLAP) |
SQL |
Tarihsel veriler üzerinde sorgulama ve raporlama için optimize edilmiştir. |
| Anahtar-Değer (Key-Value) |
NoSQL |
Anahtar ve değer çiftlerini hızlı erişim için saklar. |
| Sütun Ailesi (Column-Family) |
NoSQL |
Verileri esnek şemalı sütun tabanlı tablolarda depolar. |
| Graf (Graph) |
NoSQL |
Verileri düğümler (nodes) ve bunlar arasındaki ilişkiler (edges) biçiminde depolar. |
| Belge (Document) |
NoSQL |
Verileri esnek yapılı belgeler (JSON, BSON vb.) olarak saklar. |
