Student learning analysis in e-learning using deep neural networks
Derin sinir ağları ile e-öğrenmede öğrenci öğrenme analizi
- Tez No: 662074
- Danışmanlar: DR. ÖĞR. ÜYESİ DIONYSIS GOULARAS
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 128
Özet
Web tabanlı eğitim sistemlerine olan talebin hızla arttığı bir dönemde, bir öğrencinin öğrenip öğrenmediğini ve bir dersin öğrencilerinin ihtiyaçlarına göre nasıl uyarlanabileceğini tahmin etmek çok önemli hale geliyor. Akış teorisi, bir bireyin duygusal durumunun öğrenmeleri üzerinde nasıl bir etkiye sahip olabileceğine dair bir açıklama sağlar. Bu nedenle, e-öğrenme kapsamında, öğrencilerin akış durumlarının tahmin edilmesi, öğrenmeleri hakkında bir tahmine yol açacak faydalı bilgiler sağlayabilir. E- öğrenme platformlarında akış durumu tahminindeki zorluk, öğrencilerin çabalarını, aktivitelerini ve performansını yansıtan parametreleri çıkarmaktır. Bu kapsamda bu tez, e- öğrenme ile öğretilen bir derste öğrenci öğrenmesini tahmin etmeyi amaçlayan derin bir sinir ağı ve akış teorisi temelli bir yöntem önermektedir. İlk olarak, klasik e-öğrenme sayfaları ve bir zaman çizelgesi aracından oluşan bir e-öğrenme platformu ile öğrencilerin etkileşimi kullanılarak öğrencilerin etkinlikleri analiz edilir. Bu analiz, aktivite ısı haritalarını ve derin sinir ağı tekniklerini içerir. Daha sonra e-öğrenme arayüzü ile sunulan quizler ile öğrencilerin performansları elde edilir. Etkinlikler ve performanslar daha sonra öğrenci anketleri kullanılarak istatistiksel bir analizle doğrulanır. Yöntem, etkinlikleri ve performansları kullanarak bir dersteki öğrencilerin akış durumu hakkında bir tahmin üretir. Önerilen derin sinir ağı modeli, etkinlik ısı haritalarından kalıpları çıkaran bir boyut azaltma yöntemi olarak işlev görür. Öğrenci profili yanlılıkları, iki farklı disiplinden iki farklı derste deneyler yapılarak ortadan kaldırılmaktadır. Önerilen model, anketlerle korelasyon açısından literatürde kullanılan boyut küçültme yöntemlerine göre üstün performans göstermektedir.
Özet (Çeviri)
In a period where demand for web-based education systems is rapidly increasing, estimating whether a student is learning or not and how a course can be adapted to the needs of its students becoming crucial. Flow theory provides an explanation for how the emotional state of an individual can have an impact on their learning. Hence, in the scope of e-learning, estimating the flow states of students can provide useful information that will lead to the estimation of their learning. The challenge in flow state estimation in e-learning platforms is to extract parameters that reflect the effort, the activity, and the performance of students. In this scope, this thesis proposes a deep neural network and flow theory-based method aiming to estimate student learning in a course taught with e-learning. First, the activities of the students are analyzed using the interaction of students with an e-learning platform that comprises classical e-learning pages and a timeline tool. This analysis contains activity heatmaps and deep neural network techniques. Then, the performances of the students are obtained through quizzes presented with the e-learning interface. The activities and performances are then validated with a statistical analysis using student surveys. Using the activities and the performances the method generates an estimation about the flow state of students in a course. The proposed deep neural network model acts as a dimension reduction method that extracts patterns from the activity heatmaps. The student profile biases are eliminated by conducting experiments in two different courses from two different disciplines. The proposed model presents superior performance over the dimension reduction methods used in the literature in terms of correlation with the surveys.
Benzer Tezler
- LGS İnkılap Tarihi ve Atatürkçülük alt testi doğru sayılarının yapay zeka yöntemleriyle tahmin edilmesi
Estimating LGS Revolution History and Kemalism subtest correct numbers using artificial intelligence methods
ENİS HARUN BAŞER
Doktora
Türkçe
2022
Eğitim ve ÖğretimKütahya Dumlupınar ÜniversitesiTürkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı
PROF. DR. BAYKAL BİÇER
- Çevrimiçi BİT dersindeki öğrenci davranışlarının ve öğrenme performanslarının öğrenme analitiği ile incelenmesi
An examination of student behaviours and learning performances in online ICT course with learning analytics
SEMİH ORKUN
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimAnkara ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. AYFER ALPER
- Developing student performance in industrial design studios through self-regulated learning strategies
Endüstriyel tasarım stüdyosunda öğrenci performansının öz düzenlemeli öğrenme stratejileriyle geliştirilmesi
AYSUN ATEŞ AKDENİZ
Doktora
İngilizce
2022
Endüstri Ürünleri Tasarımıİstanbul Teknik ÜniversitesiEndüstriyel Tasarım Ana Bilim Dalı
PROF. DR. GÜLNAME TURAN
- An investigation of students homework self-regulation and teachers' homework practices
Öğrencilerin ödevle ilgili öz-düzenleme becerilerinin ve öğretmenlerin ödev uygulamalarının araştırılması
YASEMİN TAŞ
Doktora
İngilizce
2013
Eğitim ve ÖğretimOrta Doğu Teknik Üniversitesiİlköğretim Ana Bilim Dalı
DOÇ. DR. SEMRA SUNGUR VURAL
PROF. DR. CEREN ÖZTEKİN
- Ortaokul öğrencilerinin e-öğrenme platformlarını kullanım niyetine etki eden faktörlerin teknoloji kabul modeli ile incelenmesi
Examining the factors affecting the behavioral intention to use e-learning platforms of the secondary school students using the tec
ESRA ALPAY
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FETHİ ÇALIŞIR