Geri Dön

Ters yüz sınıflardaki video izleme davranışları incelenerek veri madenciliği ile başarının tahmin edilmesi

Predicting success by examining the video watching behaviors in flipped classrooms using data mining

PDF İndir

  1. Tez No: 660804
  2. Yazar: KADİR BURAK OLGUN
  3. Danışmanlar: PROF. DR. SEVİNÇ GÜLSEÇEN, DR. ALPER BAYAZIT
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Eğitim ve Öğretim, Computer Engineering and Computer Science and Control, Education and Training
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Enformatik Bilim Dalı
  13. Sayfa Sayısı: 124

Özet

Bu tez çalışmasında ters yüz sınıflardaki video izleme davranışlarına ait veriler kullanılarak öğrencilerin başarı performansları veri madenciliği yöntemlerinden olan sınıflandırma yöntemleri ile modellenmesi amaçlanmıştır. Başarı tahmini öğrenme ortamının daha verimli tasarlanabilmesi ve bireysel dönütlerin verilebilmesi açısından önem arz etmektedir. Çevrimiçi ortamlardan gelen büyük miktardaki veriler kullanılarak gerçekleştirilen tahminler ise eğitsel veri madenciliği alanında oldukça popüler hale gelmiştir. Çalışmada 4 dönem boyunca Temel Bilgisayar Uygulamaları dersine kayıtlı olan farklı bölümlerdeki toplam 404 üniversite öğrencisine ait video izleme verileri kullanılmıştır. Öğrenciler 14 haftalık dönem boyunca yüz yüze eğitim öncesinde araştırmacı tarafından hazırlanan ortalama 15'şer dakikalık ders içeriği ile uyumlu 11 videoyu Moodle öğrenme yönetim sistemi üzerinden izlemişlerdir. Öğrencilerin atlama yapma sayısı, oturum açma sayısı, farklı video görüntüleme sayısı vb. verilerinin kaydedilmesi için öğrenme yönetim sistemi üzerine kurulan bir araçtan yararlanılmıştır. Dijital ortamdan toplanan 11 adet nitelik dışında 6 adet demografik bilgi de anket yöntemi ile toplanmış, veri setinde 17 adet nitelik elde edilmiştir. Öğrencilerin başarı performansı ise başarılı ve başarısız olarak belirlenmiştir. Verilerdeki gizli örüntüleri açığa çıkarmak için kullanılan ve alandaki başarı tahmini çalışmalarında en çok tercih edilen sınıflandırma algoritmalarından olan Rastgele Orman, Destek Vektör Makineleri ve Naive Bayes algoritmaları analiz aşamasında kullanılarak araştırmanın ana problemine yanıt aranmıştır. Veri setinin dengesiz olması nedeniyle SMOTE tekniği kullanılarak sentetik veriler oluşturulmuş ayrıca çapraz geçerlilik yöntemi de kullanılmıştır. Elde edilen sonuçlar incelendiğinde ders başarı performanslarının yüksek doğruluk oranları ile tahmin edilebileceği ortaya konmuştur. En başarılı sınıflandırma oranına sahip algoritma toplamda %83,11 doğruluk oranıyla Rastgele Orman algoritması olmuştur. Destek Vektör Makineleri, Naive Bayes ve Rastgele Orman algoritmalarına oranla oldukça düşük doğruluk oranlarıyla tahmin yapabilmiştir. Başarısız öğrencilerin dönem sonu sınavına girmeden önce doğru tahmin edilebilmesinin, başarı düzeyini arttırabileceği düşünüldüğünde başarılı öğrencileri tahmin etmeye kıyasla daha önemli olduğu görülmektedir. Rastgele Orman algoritmasının başarısız öğrencilerin tahmin edilmesinde %87,67 ile kullanılan diğer algoritmalardan oldukça yüksek bir doğru tahmin oranı yakaladığı tespit edilmiştir.

Özet (Çeviri)

In this thesis, it was aimed to model students' success levels via the classification methods, which are included in data mining methods, by using the data of video watching behaviors in the flipped classrooms. Prediction of success is important to design the learning environment more efficiently and to give individual feedback. Estimates made by using large amounts of data from online environments have become very popular in educational data mining. In the present study, video watching data were obtained from 404 university students in different departments enrolled in Basic Computer Applications course for 4 semesters. Before the face-to-face education, the researcher prepared 11 videos compatible with course content with the average of 15 minutes. During the 14-week course period, students watched these videos through the Moodle learning management system. To record students' data related to number of jumping, number of logins, number of different video views etc., a tool built on the learning management system was used. 11 qualities collected from digital environment and 6 demographic information collected via the survey method, totally, 17 qualities were obtained in data set. Success performance of the students were determined as successful and unsuccessful. Random Forest, Support Vector Machines and Naive Bayes algorithms, which are among the most preferred classification algorithms in success prediction studies in the field to reveal hidden patterns in the data, were used in the analysis phase to answer the main problem of the study. Since the data set was unstable, synthetic data were created via the smote technique, and cross validation method was also used. When the obtained results were examined, it was revealed that the course success could be predicted with a high accuracy rate. The algorithm with the most successful classification rate was the Random Forest algorithm with a total accuracy rate of 83.11%. Support Vector Machines were able to predict with a very low accuracy rate compared to Naive Bayes and Random Forest algorithms. Considering the fact that success levels of unsuccessful students can be increased before final exams, prediction of unsuccessful students is thought to be more important than prediction of successful students. It was determined that the Random Forest algorithm with a accuracy rate of 87,67% in predicting unsuccessful students achieved a much higher correct prediction than other algorithms used.

Benzer Tezler

  1. Tez No

    698465

    The effects of self-regulation skills on students' interaction and success in flipped classroom

    Ters-yüz edilmiş sınıflarda öz-düzenleme becerilerinin öğrenci etkileşimlerine ve başarıya etkisinin incelenmesi

    YILDIZ ŞERİFE YILDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilim ve TeknolojiYeditepe Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ALPER BAYAZIT

  2. Tez No

    781687

    Ters yüz edilmiş sınıf modelinin 7. sınıflarda fiillerin öğretimine ve öğrencilerin dil bilgisine yönelik tutumlarına etkisi

    The effect of the flipped classroom model on the teaching of verbs in seventh grades and on students' attitudes towards grammar

    İREM TOPRAK KAYA

    Doktora

    Türkçe

    Türkçe

    2023

    Eğitim ve ÖğretimFırat Üniversitesi

    Türkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı

    PROF. DR. ŞENER DEMİREL

  3. Tez No

    481748

    Sosyal bilgiler öğretiminde ters yüz sınıf modeli uygulamasının değerlendirilmesi

    The evaluation of implementation of flipped class model in the teaching of social studies

    ÖMER NAYCİ

    Doktora

    Türkçe

    Türkçe

    2017

    Eğitim ve ÖğretimAnkara Üniversitesi

    Eğitim Programları Ana Bilim Dalı

    PROF. DR. FATMA BIKMAZ

    DOÇ. DR. CANAY DEMİRHAN İŞCAN

  4. Tez No

    865265

    Exploring the perceptions and experiences of Turkish 9th grade EFL students in the flipped classroom: Findings from a qualitative research study

    9. sınıf İngilizce yabancı dil öğrencilerinin ters yüz sınıfta algıları ve deneyimleri: Bir nitel araştırma çalışmasından elde edilen bulgular

    NERMİN YILDIZ YÜKSEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Eğitim ve ÖğretimDokuz Eylül Üniversitesi

    Yabancı Diller Eğitimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ GÜLŞAH KÜLEKÇİ

  5. Tez No

    776469

    Understanding and supporting college students' help-seeking behaviour

    Üniversite öğrencilerinin yardım arama davranışlarını anlamak ve desteklemek

    ERKAN ER

    Doktora

    İngilizce

    İngilizce

    2016

    Eğitim ve ÖğretimThe University of Georgia

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    DOÇ. DR. MICHAEL OREY

Geri Dön