Geri Dön

Bilgisayar programlamayı öğrenme sürecindeki öğrencilerin duyguları, yetkilendirilmeleri ve bilgi işlemsel kimliklerinin metin madenciliği algoritmalarını kullanarak tahmin edilmesi

Predicting emotions, empowerment and computational identity of students in the process of learning computer programming using text mining algorithms

PDF İndir

  1. Tez No: 810381
  2. Yazar: NİLÜFER ATMAN USLU
  3. Danışmanlar: DOÇ. DR. AYTUĞ ONAN
  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: 2023
  8. Dil: Türkçe
  9. Üniversite: İzmir Katip Çelebi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 119

Özet

Bu çalışmada, programlama eğitimi alan öğrencilerin açık uçlu sorulara verdikleri yanıtların, duygu/görüş analizi ile tahminlenmesi ve farklı algoritmaların performanslarının karşılaştırılması amaçlanmıştır. Böylece, programlama eğitiminde duygu, bilgi işlemsel kimlik ve programlamada yetkilendirme ile ilgili metin tabanlı verilerin analiz edilmesi ile ilgili bir girişim yapılmasına çalışılmıştır. Araştırmada veri setinin oluşturulması için açık uçlu sorulardan oluşan elektronik bir form hazırlanmıştır. Bu formda, programlama eğitimi alan öğrencilerin duyguları, bilgi işlemsel kimlikleri ve programlamada yetkinliklerine ilişkin görüşlerinin toplanması için 14 açık uçlu soru bulunmaktadır. Araştırmaya, programlama eğitimi gören ve yaş aralığı 12-20 arasında değişen 646 öğrenci katılmıştır. Öğrencilerin sorulara verdikleri yanıtlar neticesinde 9044 cümlelik bir veri seti oluşturulmuştur. Duygu analizi kapsamında makine öğrenme algoritmalarından, karar ağaçları, destek vektör makineleri, lojistik regresyon, yapay sinir ağları ve rasgele orman algoritmaları kullanılmıştır. Ayrıca BERTurk ile öğrenci görüşleri tahminlenerek, söz konusu algoritmaların performansları karşılaştırılmıştır. Analizler, Python 3.10 programlama dili kullanılarak yapılmıştır. Araştırmanın sonuçları, duyguları tahminleme sürecinde, destek vektör makineleri ve rasgele orman algoritmalarının %94 doğruluk değeri ürettiğini göstermiştir. BERTurk ile %96'lık bir tahminleme performansına ulaşılmıştır. Lojistik regresyon ve yapay sinir ağları ile birlikte TF-IDF temsili bilgi işlemsel kimlik için en yüksek doğruluk oranını elde etmiştir (%93). Programlamada yetkilendirme için en yüksek doğruluk oranları destek vektör makineleri ve rasgele orman algoritmasından elde edilmiştir (%94). BERTurk ile elde edilen doğruluk değerleri; bilgi işlemsel kimlik ve programlamada yetkilendirme için %96 olarak bulunmuştur. Öğrencilerin programlama eğitimine yönelik duygularının, sınıflandırılmasında BERTurk'ün, makine öğrenmesi algoritmalarının tamamından daha yüksek doğruluk değerlerini ortaya çıkardığı tespit edilmiştir.

Özet (Çeviri)

It is aimed to predict the answers of the students who receive programming education to open-ended questions by emotion/opinion analysis and to compare the performances of different algorithms in this study. Thus, an attempt has been made to analyze text-based data in on emotion in programming education, computational identity, and programming empowerment. An electronic form consisting of open-ended questions was prepared for the creation of the data set in the research. In this form, there are 14 open-ended questions to collect the opinions of the students who receive programming education about their emotions, computational identities, and their programming empowerment. A total of 646 students, aged between 12 and 20, studying programming, participated in the research. As a result of the answers given by the students to the questions, a data set of 9044 sentences was created. Within the scope of sentiment analysis, decision trees, support vector machines, logistic regression, artificial neural networks, and random forest algorithms from machine learning algorithms were used. In addition, students' opinions were estimated with BERTurk and the performances of these algorithms were compared. Analyzes were made using the Python 3.10 programming language. The results of the research showed that the support vector machines, and random forest algorithms produced 94% accuracy in the process of predicting emotions in general. With BERTurk, an estimation performance of 96% has been achieved. Logistic regression and neural networks with TF-IDF achieved the highest accuracy rate (93%) for computational identity. The highest accuracy rates for programming empowerment were obtained from support vector machines and random forest algorithm (94%). The accuracy values obtained with BERTurk were found to be 96% for computational identity and programming empowerment. It has been determined that BERTurk reveals higher accuracy values than all machine learning algorithms in classifying students' emotions towards programming education.

Benzer Tezler

  1. Tez No

    411656

    Elektrohidrolik bir sisteminin darbe eni modüleli kayan kipli kontrolü

    Pulse width modulated sliding mode control of an electrohydraulic system

    SALİH DEDEOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Mekatronik MühendisliğiBozok Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İLHAMİ YİĞİT

  2. Tez No

    411659

    Endüstriyel çalışma ortamlarında otomatik aydınlık kontrolü

    Automatic lighting control on industry

    METİN ORTATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Mühendislik BilimleriBozok Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ORHAN ER

  3. Tez No

    411807

    A web based multi-criteria decision support system for department selection process of vocational high school students

    Meslek lisesi öğrencilerinin bölüm seçim süreci için web tabanli çok kriterli karar destek sistemi

    MUSTAFA COŞKUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgi ve Belge YönetimiBoğaziçi Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    PROF. DR. MELTEM SEBA ÖZTURAN

  4. Tez No

    411858

    Using dijkstra algorithm in calculating alternative shortest paths for public transportation with transfers and walking case study: Ankara

    Yürüme dahil aktarmalı toplu taşımada alternatif kısayol hesaplaması için dijkstra algoritması kullanımı çalışma konusu: Ankara

    HAİTHAM LATİF HASSAN AL-TAMEEMİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. ÖZGÜR TOLGA PUSATLI

  5. Tez No

    411920

    İlköğretim matematik öğretmenliği lisans öğrencilerinin analiz-I-dersinde alan dili kullanımlarının incelenmesi

    The investigation of using mathematical language of primary school mathematics under graduate students on the area of analysis-I-

    ZEKİYE AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Eğitim ve ÖğretimDokuz Eylül Üniversitesi

    İlköğretim Ana Bilim Dalı

    DOÇ. DR. SÜHA YILMAZ

Geri Dön