Geri Dön

Uzaktan eğitimde öğrencilerin çevrim içi öğrenme performanslarının tahmin edilmesi için yapay zekaya dayalı sistemin geliştirilmesi

Development of an artificial intelligence based system to predict online learning performance of students in distance education

PDF İndir

  1. Tez No: 1015892
  2. Yazar: EMRAH EMİRTEKİN
  3. Danışmanlar: PROF. DR. URFAT NURIYEV, PROF. DR. TARIK KIŞLA
  4. Tez Türü: Doktora
  5. Konular: Matematik, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Mathematics, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Ege Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Ana Bilim Dalı
  12. Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışmada, uzaktan eğitim yoluyla öğrenim gören öğrencilerin çevrim içi derslere yönelik performanslarını etkileyen özniteliklerin (bağımsız değişkenlerin) belirlenmesi ve bu öznitelikler ile öğrencilerin performansları arasındaki ilişkinin tespiti amacıyla yapay zekaya dayalı bir sistem geliştirilmiştir. Bu amaç doğrultusunda veri madenciliği yaklaşımı benimsenmiş ve bir üniversitede uzaktan eğitim yoluyla yürütülen derslerde öğrencilerin xAPI standartlarında tutulan yaklaşık 18 milyon öğrenme deneyimi kullanılmıştır. Veriler, ön işleme süreçlerinden geçirilerek zamansal olarak dört çeyreğe ayrılmıştır. Veri ön işleme sürecinin sonunda, topluluk öğrenimine dayalı makine öğrenmesi algoritmaları ile modeller oluşturulmuş ve bu modeller öğrencilerin çevrim içi derslerdeki performansını tahmin etmek için karşılaştırılmıştır. Sonuçlar, veri setinin tamamı kullanılarak öğrenci performanslarının %92.7 başarı oranıyla tahmin edildiğini göstermiştir. Ayrıca, veri setinin birinci, ikinci ve üçüncü çeyreğiyle oluşturulan modellerin başarı performansları sırasıyla %84.1, %87.4 ve %90.2 oranlarında tahmin edilmiştir. Bu bulgular, yapay zekaya dayalı sistemlerin öğrenci performansını etkili bir şekilde tahmin edebildiğini ve eğitim süreçlerine değerli katkılar sağlayabileceğini göstermektedir.

Özet (Çeviri)

In this study, an artificial intelligence-based system was developed to identify the features (independent variables) that affect the performance of students attending online classes through distance education and to determine the relationship between these features and students' performance. For this purpose, a data mining approach was adopted, and approximately 18 million learning experiences recorded in xAPI standards were used from courses conducted through distance education at a university. The data were preprocessed and divided temporally into four quarters. At the end of the data preprocessing stage, models were created using machine learning algorithms based on ensemble learning, and these models were compared to predict students' performance in online courses. The results showed that student performance was predicted with an accuracy rate of 92.7% using the entire dataset. Additionally, the performance prediction accuracy of the models created with data up to the first, second, and third quarters was 84.1%, 87.4%, and 90.2%, respectively. These findings indicate that artificial intelligence-based systems can effectively predict student performance and provide valuable contributions to educational processes.

Benzer Tezler

  1. Tez No

    954017

    Dijital eğitimde süreç madenciliği ve makine öğrenmesi: LMS verileri ile öğrenci davranış modelleri ve akademik performans tahmini

    Process mining and machine learning in digital education: Modeling student behavior and predicting academic performance using LMS data

    FETTAH KURTULUŞ

    Doktora

    Türkçe

    Türkçe

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. MURAT TAHA BİLİŞİK

  2. Tez No

    255628

    Livelms: A blended e-learning environment, a model proposition for integration of asynchronous and synchronous e-learning

    Livelms: Harmanlanmış e-öğrenme ortamı, bütünleşik asenkron ve senkron e-öğrenme için model önerisi

    ERKAN ER

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Eğitim ve ÖğretimOrta Doğu Teknik Üniversitesi

    Bilişim Sistemleri Ana Bilim Dalı

    DR. ALİ ARİFOĞLU

    PROF. DR. M. YAŞAR ÖZDEN

  3. Tez No

    948887

    Uzaktan eğitim ortamlarında dijital dürtmelerin kullanımı

    The use of digital nudges in distance learning environments

    ECENUR DEMİR

    Doktora

    Türkçe

    Türkçe

    2025

    Eğitim ve ÖğretimSakarya Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. ADEM AKBIYIK

  4. Tez No

    718366

    Teaching and learning English online: The perspectives of English teachers and students at Karabuk University

    Çevrimiçi İngilizce öğretimi ve öğrenimi: Karabük Üniversitesi'ndeki İngilizce öğretmenleri ve öğrencilerinin bakış açıları

    İLYAS ÖZYILDIRIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Eğitim ve ÖğretimKarabük Üniversitesi

    Batı Dilleri ve Edebiyatları Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NAYEF JOMAA

  5. Tez No

    871633

    Uzaktan eğitimde öğrenme performansının modellenmesi

    Modeling learning performance in distance education

    MELİH KARASU

    Doktora

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimAnkara Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    PROF. DR. ÖZLEM ÇAKIR

Geri Dön