Farklı öğrenme analitiği türlerine dayalı öğrenme panellerinin tasarımı
The design of learning analytics dashboard including different types of analytics
- Tez No: 806980
- Danışmanlar: PROF. DR. HALİL YURDUGÜL
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
- Bilim Dalı: Bilgisayar ve Öğretim Teknolojileri Eğitimi Bilim Dalı
- Sayfa Sayısı: 165
Özet
Bu çalışmada, farklı analitik türlerine (betimleyici, tanılayıcı, yordayıcı, yönergeli) dayalı öğrenme panelinin tasarlanması, bu tasarım sonucunda geliştirilen öğrenme paneli öğelerine ilişkin eğilimlerin veri yönelimli olarak belirlenmesi ve bu eğilimlerin öğrenen özelliklerine göre incelenmesi amaçlanmaktadır. Bu çalışma tasarım tabanlı araştırma yöntemi temele alınarak yürütülmüştür. İlk olarak odak grup görüşmeleriyle öğrenen beklentileri belirlenmiştir. Ardından bu beklentiler temelinde tasarım kararları belirlenmiştir. Tasarım kararlarının belirlenmesi sürecinde çeşitli aşamalarda uzman görüşleri alınmıştır. Tasarlanan öğrenme paneli bir kitlesel açık çevrimiçi ders platformunun yapısına uygun olarak geliştirilmiştir. Öğrenme paneli öğrenenlerin kendi istek ve ihtiyaçlarına göre ayarlanabilir öğrenme paneli olarak yapılandırılmıştır. Öğrenme panelinde yer alan öğeler için makine öğrenmesi algoritmaları ve çeşitli kural tabanlı önerilerden yararlanılmıştır. Bu öğelerin bir bölümü değerlendirme etkileşimlerine (uyarlanabilir yetkinlik testleri) yönelik bilgiler sağlarken bir bölümü zaman yönetimine, bir bölümü ise içerik etkileşimlerine (video, alternatif içerikler vb.) yönelik bilgiler sağlamıştır. Geliştirilen öğrenme paneli 121 katılımcıyla uygulanmıştır. Ayarlanabilir öğrenme panelindeki bireyselleştirmelere dayalı öğrenenlerin hangi öğrenme paneli öğelerini ve özelliklerini kullanmayı tercih ettikleri belirlenmiştir. Bu eğilimlerin öğrenen özelliklerine (öz-düzenleme ve başarı hedefi yönelimleri) göre farklılaşma durumları ortaya konulmuştur. Araştırma sonucunda öğrenenlerin bireyselleştirilebilir öğrenme panelini arzu ettikleri ve aktif olarak kullandıkları görülmüştür. Öğrenenler tüm analitik türlerini içeren bir öğrenme panelini arzu ederken en çok mevcut öğrenme durumlarını özetleyici ve gelecekteki olası başarı tahminlerini içeren öğrenme paneli öğelerini kullanmayı tercih etmişlerdir. Öz-düzenleme stratejileri yüksek öğrenenler en çok başarı tahminlerini içeren ve buna yönelik yol haritaları sunan öğrenme paneli öğelerini tercih etmişlerdir. Bu araştırmanın sonuçları eğitim kurumları, üniversiteler ve tasarımcılar için öğrenme paneli tasarımına yönelik önemli bulgular içermektedir.
Özet (Çeviri)
This study aims to design a learning analytics dashboard including different analytic types (descriptive, diagnostic, predictive, and prescriptive), to determine learners' tendencies toward its elements in a data-driven manner, and to examine these tendencies according to learner characteristics. This study is conducted based on the design-based research method. Firstly, learner expectations are determined through focus group interviews. Then, design decisions are made based on these expectations, with expert opinions taken at various stages. The learning analytics dashboard is developed in accordance with the structure of a massive open online course platform and structured as an adaptable dashboard that learners can customize dashboard elements according to their needs and wishes. Machine learning algorithms and various rule-based recommendations are utilized for the dashboard elements, providing information for performance management (adaptive mastery tests), time management, and resource management (video, alternative content, etc.). The dashboard is implemented with 121 participants, and learners' preferences for its elements and features are determined based on their interactions. The differentiation of these preferences according to learner characteristics (self-regulated learning and achievement goal orientation) is revealed. The study finds that learners desire and actively use the adaptable learning analytics dashboard, preferring elements that summarize current learning situations and predict possible future achievement. Learners with high self-regulation strategies prefer dashboard elements that include predictions of achievement and provide recommendations for achieving it. This research has significant findings that are relevant to the design of learning analytics dashboard for educational institutions, designers, and universities.
Benzer Tezler
- Efficient deep learning approaches for signal and image analysis applications
Sinyal ve görüntü analizi uygulamaları için verimli derin öğrenme yaklaşımları
ONUR CAN KOYUN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Kıyı yapısı inşaatları için iş güvenliği risk yönetim sistemi
Occupational safety risk management system for coastal structure construction
DİNÇER İNANÇ YILMAZ
Doktora
Türkçe
2024
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. DENİZ ARTAN
- Derin öğrenme ile cerrahi video anlama
Surgical video understanding with deep learning
ABDISHAKOUR ABDILLAHI AWALE ABDISHAKOUR ABDILLAHI AWALE
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DUYGU SARIKAYA
- Building outlier detection framework by using automated machine learning methods
Otomatik makine öğrenimi yöntemlerini kullanarak anomali tespit çerçevesi oluşturma
MUSTAFA KURTOĞLU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiAkıllı Sistemler Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET TEOMAN NASKALİ
- Early detection of distributed denial of service attacks
Dağıtık hizmet engelleme saldırılarının erken tespiti
KAĞAN ÖZGÜN
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AYŞE TOSUN KÜHN
DR. ÖĞR. ÜYESİ MEHMET TAHİR SANDIKKAYA