Geri Dön

Classification of students' mood from their mobility

Öğrencilerin aktiflik durumlarından, ruh hallerinin sınıflandırılması

  1. Tez No: 604914
  2. Yazar: MERVE KAYA
  3. Danışmanlar: YRD. DOÇ. DR. ECE GELAL SOYAK, DOÇ. DR. ÖZLEM DURMAZ İNCEL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 59

Özet

Ruhsal durumu birçok etkileyen durum olabilir. Akıllı telefon sensörleri pek çok bilgiyi toplayabilmemize olanak sağlıyor. Sosyal etkileşim, hareketlilik veya uyku gibi bilgileri bu sensörler ile toplayabiliriz. Bu durum 38 öğrencinin davranışlarının, 10 haftalık bir akademik yıl boyunca incelenmesine olanak sağlıyor. StudentLife R.Wang et al. (2014) veri seti Dartmouth Üniversitesinden, 48 ön lisans ve lisans öğrencinin verisini içermektedir. Bu çalışma ile öğrencilerin ruhsal durumunun onların hareketliliği ile olan ilişkisi incelenecektir. Tez çalışmasında, StudentLife veri setinde bulunan ruhsal durum (mutluluk-üzüntü seviyeleri), piazza kullanımı, uyku verileri ile öğrencilerin günlük aktivite verilerden yararlanılmıştır. Ruhsal durum verisi günlük ve öğrenci numaraları bazında birleştirilmiştir. WEKA'da bulunan J48, Random Forest, SVM ve MLP gibi sınıflandırmalardan ve özellik seçimi ile PCA uygulamalarından yararlanılmıştır. Mobilete verisinin etkisini gözlemlemek için tüm uygulamalar mobilete verileri ile ve mobilete verileri elenerek analiz edilmiştir. Özellik seçimi, mobilete verisi ile MLP sınıflandırmasında iyi sonuçlar vermiştir. En yüksek sonuç %67.2131 ile MLP algoritması üzerinden elde edilmiştir. MLP algoritması training sayıları arttırıldığında elde edilen sonuçlar %70-72 civarında olmuştur. PCA uygulaması mobilete verileri ile yapıldığında, sonuçları negatif olarak etkilenmiştir. PCA verileri lokasyon verileri bulunmadığında SVM sınıflandırması üzerinde daha iyi sonuçlar vermiştir. Özellik seçimi uygulanmadığında mobilete verileri ile çalıştırılan sınıflandırma algoritmalarının sonuçları daha başarılı olmuştur. Mobilete verilerinin öğrencilerin ruhsal durumları ile ilişki içinde olduğu gözlemlenmiştir. Ruhsal durumun kişiden kişiye değişmesinden dolayı, sonuçların da bu durumdan etkilendiği düşünülmektedir.

Özet (Çeviri)

Many factors affect how we feel, such as our daily experiences, weather, and exam periods for students. Sensing and wearable-mobile technologies make it possible to collect digital data about these factors to track our moods. The smartphones' sensing abilities make them effective platforms for collecting different kinds of data such as social interactions, mobility, and sleeping. In this respect, StudentLife (R. Wang et al., 2014) open dataset was collected to track students' behaviors throughout a 10- week academic year, from 48 students at Dartmouth University. In this thesis, our target is to investigate the relationship between students' mood with their mobility patterns using the StudentLife dataset In this thesis, the students' mood (happiness and sadness levels), Piazza usage, sleeping and mobility parameters from the StudentLife dataset are used. The mood data is taken as the target variable to classify and for each mood data, its response time and student id are merged with the sleeping, piazza usage, and current and daily average mobility variables for that timestamp. For the data analysis, the WEKA platform is used. Four main classifiers are used for analyzing the data: J48 (decision tree), Random Forest, SVM and MLP. Also, attribute selection methods and PCA are applied for exploring the effect on the accuracy. The effect of mobility is investigated by excluding/including the mobility-related attributes. Our results show that attribute selection with mobility variables reveal better results. The highest accuracy is achieved with the MLP classifier, at around 67.2131% with default parameters; and increases to 70-72% for higher training time. Besides, we have seen that attribute selection, when applied with both MLP and SVM algorithms chooses location and mobility-related attributes to improve algorithm accuracy. Based on our results, we interpret that location and mobility patterns have an impact on mood data; but for more accurate results, the mood classification model of each student should be personalized and more data should be collected. This is mainly because the mood data is not measurable and each person has different happiness parameters.

Benzer Tezler

  1. The significance and the contribution of 6+1 traits of writing to the success of the students in writing courses in English language teaching

    Yazmanın 6+1 özelliğinin İngilizce öğretiminde yazılı anlatım derslerindeki öğrenci başarısına katkısı ve önemi

    ÖZLEM YAZAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Eğitim ve ÖğretimGazi Üniversitesi

    İngiliz Dili Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. PAŞA TEVFİK CEPHE

  2. Self-regulatory capacities of students with differing proficiency levels in terms of vocabulary acquisition

    Farklı yeterlik seviyelerine sahip öğrencilerin kelime edinimi sürecinde öz düzenleme kapasiteleri

    DENİZ ELÇİN

    Doktora

    İngilizce

    İngilizce

    2018

    Eğitim ve ÖğretimÇağ Üniversitesi

    İngiliz Dili Eğitimi Ana Bilim Dalı

    PROF. DR. ŞEHNAZ ŞAHİNKARAKAŞ

  3. Yabancı dil olarak Türkçe öğretiminin B1 kur bitirme sınavlarındaki yazılı anlatımlarının yapı uyumu bakımından incelenmesi

    Examination of the written expressions of Turkish teaching as a foreign language in B1 course completion exams in terms of structure compliance

    ABDULHAMİT GÜNEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimNecmettin Erbakan Üniversitesi

    Türkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı

    DOÇ. DR. MURAT TURNA

  4. Ortaokul öğrencilerinin duygu durumlarına göre dinledikleri müzik türlerinin incelenmesi

    Investigation of the kinds of music that middle school students listen to according to their emotional states

    SEÇİL SEDA BOZKURT

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Eğitim ve ÖğretimGaziosmanpaşa Üniversitesi

    İlköğretim Ana Bilim Dalı

    YRD. DOÇ. DR. ZEYNEP DENİZ UYAN

    YRD. DOÇ. DR. ONUR ZAHAL

  5. Şan tekniğinin Türk halk müziğinde uygulanması ve karşılaşılan sorunlar

    Başlık çevirisi yok

    DİLEK TATLIDİL

    Yüksek Lisans

    Türkçe

    Türkçe

    1998

    Müzikİstanbul Teknik Üniversitesi

    Türk Halk Müziği Ana Sanat Dalı

    YRD. DOÇ. DR. AFŞİN EMİRALİOĞLU