Yapay zeka ile öğrenme çıktılarına dayalı sınav oluşturma: RAG yaklaşımı
Generating exams based on learning outcomes with artificial intelligence: A RAG approach
- Tez No: 1017552
- Danışmanlar: PROF. DR. BURAK ORDİN, PROF. DR. TARIK KIŞLA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Yapay zeka, Artificial intelligence
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, öğrenme çıktıları temelli ölçme-değerlendirme süreçlerinde karşılaşılan zorlukları ele alarak, büyük dil modelleri ve Geri Getirme ile Artırılmış Üretim (RAG) yaklaşımını birleştiren çok aşamalı bir soru üretim sistemi önermektedir. Çalışma, özellikle sınav sorularının öğrenme çıktılarıyla uyumu, bağlamsal doğruluğu ve pedagojik geçerliliği problemlerine odaklanmaktadır. Önerilen sistem, hibrit bilgi geri getirme, bağlam seçimi, kontrollü üretim ve bağlamsal doğrulama aşamalarından oluşan modüler bir mimariye sahiptir. Bilgi geri getirme katmanında anahtar kelime tabanlı ve anlamsal vektör tabanlı arama birlikte kullanılmış; elde edilen aday bağlamlar Reciprocal Rank Fusion (RRF) ile birleştirilmiş ve cross-encoder ile yeniden sıralanmıştır. Bu süreç, üretim aşamasına yüksek ilişkili ve düşük gürültülü bağlam sağlanmasını amaçlamaktadır. Seçilen bağlamlar kullanılarak, öğrenme çıktıları ve Bloom taksonomisi düzeyleriyle uyumlu çoktan seçmeli sorular kontrollü istem yapılarıyla üretilmiştir. Üretim sonrasında sisteme entegre edilen bağlamsal doğrulama katmanı, üretilen soru ve cevapların kaynak metinlerle tutarlılığını denetleyerek hatalı ve desteklenmeyen çıktıları elemektedir. Sistem performansı, hem otomatik metrikler hem de uzman değerlendirmeleri ile analiz edilmiştir. Elde edilen bulgular, hibrit getirme ve yeniden sıralama bileşenlerinin bağlam-çıktı tutarlılığını artırdığını; doğrulama katmanının ise hatalı üretimleri önemli ölçüde azalttığını göstermektedir. Sonuç olarak bu tez, RAG tabanlı yaklaşımların eğitimde otomatik soru üretimi süreçlerinde doğruluk, tutarlılık ve pedagojik uygunluk açısından etkili olduğunu ortaya koymakta ve ölçeklenebilir, tekrarlanabilir bir sistem mimarisi önermektedir.
Özet (Çeviri)
This thesis addresses the challenges encountered in learning outcomes–based assessment and evaluation processes by proposing a multi-stage question generation system that integrates large language models and the Retrieval-Augmented Generation (RAG) approach. The study focuses particularly on the alignment of exam questions with learning outcomes, contextual accuracy, and pedagogical validity. The proposed system is built on a modular architecture consisting of hybrid information retrieval, context selection, controlled generation, and contextual verification stages. In the information retrieval layer, keyword-based search and semantic vector-based search are used together; the retrieved candidate contexts are combined using RRF and then re-ranked with a cross-encoder. This process aims to provide highly relevant and low-noise context to the generation stage. Using the selected contexts, multiple-choice questions aligned with learning outcomes and Bloom's taxonomy levels are generated through controlled prompt structures. After the generation process, a contextual verification layer is integrated into the system to assess whether the generated questions and answers are supported by the source texts, eliminating unsupported and erroneous outputs. System performance is evaluated using both automated metrics and expert assessments. The findings indicate that hybrid retrieval and re-ranking components improve context-output consistency, while the verification layer significantly reduces erroneous generations. In conclusion, this thesis demonstrates that RAG-based approaches are effective in terms of accuracy, consistency, and pedagogical appropriateness in automated question generation processes in education, and proposes a scalable and reproducible system architecture.
Benzer Tezler
- Belirli temel, sosyal ve akademik etkinliklerin başarıya etkisinin modern tekniklerle ölçülmesi
Measuring the effect of certain basic, social and academic activities on success using modern technique
SELMA KILINÇ
Yüksek Lisans
Türkçe
2025
Eğitim ve ÖğretimSüleyman Demirel ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. AHMET ŞAHİNER
- Explainable medical ai systems for visual and speech based medical diagnosis
Görsel ve konuşma tabanlı tıbbi teşhis için açıklanabilir tıbbi yapay zeka sistemleri
ŞEVVAL İLHAN
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGebze Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF SİNAN AKGÜL
- HbA1c tayinine yönelik moleküler baskılı polimerler ve yapay zeka destekli nanobiyosensör geliştirilmesi
Devolopment of molecular imprinted polymer and artificial intelligence-assited nanobiosensor for HbA1c determination
ESRA YAŞAR
Yüksek Lisans
Türkçe
2025
BiyokimyaEge ÜniversitesiBiyokimya Ana Bilim Dalı
PROF. DR. SİNAN AKGÖL
DR. ÖĞR. ÜYESİ EMİNE SEZER
- Enhancing UCAV operations with AI-driven point cloud semantic segmentation for precision gimbal targeting in defense industry
Savunma sanayiinde hassas gimbal hedefleme için yapay zeka tabanlı nokta bulutu semantik segmentasyon yaklaşımlarıyla S/İHA operasyonlarının iyileştirilmesi
SALİH BOZKURT
Doktora
İngilizce
2024
Savunma ve Savunma Teknolojileriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ZAİDE DURAN
- Fen bilgisi öğretmen adaylarında dijital okuryazarlık: Yapay zekâ destekli istasyon tekniğinin etkileri
Digital literacy in science teacher candidates: The effects of artificial intelligence-supported station technique
FATMANUR GÜR
Yüksek Lisans
Türkçe
2026
Eğitim ve ÖğretimNecmettin Erbakan ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
DOÇ. DR. KADRİYE KAYACAN