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
- Tez No: 810381
- Danışmanlar: DOÇ. DR. AYTUĞ ONAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Farklı programlama öğretimi ortamlarında eğitim alan öğrencilerin dikkat ve meditasyon düzeylerinin EEG sinyalleriyle ölçülmesi
Measuring the attention and meditation levels of students trained in different programming education environments using EEG signals
SEVİL HANBAY TİRYAKİ
Doktora
Türkçe
2024
Eğitim ve ÖğretimHatay Mustafa Kemal ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. FATİH BALAMAN
- Sosyal bilimler eğitim programlarında blok tabanlı ve metin tabanlı programlama dillerinin temel programlama öğrenme sürecine etkisi
The effect of block based programming and text based programming environments on learning programming skills in social science education
ÖZLEM BAYRAM AKBAY
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimMimar Sinan Güzel Sanatlar ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SALİH OFLUOĞLU
- Peyzaj mimarlığı eğitiminde bilgisayar oyunlarının öğretim aracı ve destek sistemi olarak kullanılması: LANDCONS 1.0
The use of computer games as a learning tool in landscape architecture education: LANDCONS 1.0
MUHAMMED ALİ ÖRNEK
Doktora
Türkçe
2016
Eğitim ve Öğretimİstanbul Teknik ÜniversitesiPeyzaj Mimarlığı Ana Bilim Dalı
DOÇ. DR. YASİN ÇAĞATAY SEÇKİN
- Blok tabanlı ortamlarda programlama öğretimi sürecinde farklı öğretim stratejilerinin çeşitli değişkenler açısından incelenmesi
The investigation of different teaching strategies during teaching programming process in block based environment in terms of different factors
ECMEN ERDEM
Yüksek Lisans
Türkçe
2018
Eğitim ve ÖğretimBaşkent ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
DOÇ. DR. FİLİZ KALELİOĞLU
- Programlama öğrenme performansına etki eden bilişsel faktörlerin belirlenmesi ve programlama eğitimi için bir model önerisi
Determining cognitive factors in learning computer programming and proposal of a model for computer programming instruction
EŞREF SEĞMEN
Doktora
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOkan ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEKİR TEVFİK AKGÜN
PROF. DR. YAVUZ AKPINAR