Efficiency of stacked ensemble learning for student's adaptivity classification to online education
Öğrencinin çevrimiçi eğitime uyumluluk sınıflandırması için yığınlanmış topluluk öğreniminin verimliliği
- Tez No: 814240
- Danışmanlar: DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Eğitim ve Öğretim, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Education and Training, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Derin öğrenme, Makine öğrenmesi yöntemleri, Sınıflandırma, Deep learning, Machine learning methods, Classification
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Özellikle Korona pandemisinden sonra öğrencilerin çevrimiçi öğrenmeye ne ölçüde uyum sağladığını bilmek gerekiyor. Çevrimiçi ve e-öğrenme, eğitim sürecinin önemli bir parçası haline geldi. En iyi sonuçları elde etmek için öğrencilerin bu tür eğitime uyumunu geliştirmeye çalışmak önemlidir. Öğrencilerin çevrimiçi öğrenmeye uyum sağlama becerilerine ilişkin mevcut bilgileri genişletmek bu çalışmanın amacıdır. Eğitim sürecini iyileştirmek için kullanılabilecek en iyi teknolojiyi ve en güçlü modeli elde etmek amacıyla çeşitli modeller geliştirmek ve sonuçlarını karşılaştırmak için makine öğrenimi tekniklerinden yararlanılmıştır.Dört farklı model geliştirildi; her model, çeşitli algoritmalar (tek ve toplu öğrenme) içeren bir modele ek olarak, bir tür makine öğrenimi (Bagging, boosting ve Stacking) için algoritmalar içeriyordu. Bu modeller, öznitelikleri seçmek için dört yöntem kullanmıştır: Rölyef F, ANOVA, Bilgi Kazanımı ve Ki-kare. Bu çalışmada tüm modellerde sınıflandırıcılarla birlikte K = 10 kat kullanılmıştır. Ki-kare tekniği kullanılarak Gradient Boosting algoritması ile doğruluk %0,866'ya ulaşmıştır. Düzey-0'da Boosting sınıflandırıcıları ve düzey-1'de Lojistik Regresyon kullanılarak Ki-kare tekniği kullanılarak yığınlı öğrenme ile elde edilen en yüksek doğruluk değeri %0,874 olmuştur.
Özet (Çeviri)
It is necessary to know the extent to which students adapt to online learning, especially after the Corona pandemic. Online and e-learning have become essential parts of the educational process. It is important to try to improve students' adaptation to this type of education to obtain the best results. Expanding existing knowledge of students' ability to adapt to online learning is the aim of this study. Machine learning techniques have been exploited to develop various models and compare their results in order to obtain the best technology and the most powerful model that can be used to improve the educational process. Four different models were developed, each model contained algorithms for a type of machine learning (Bagging, boosting, and Stacking), in addition to a model that contained a variety of algorithms (single and ensemble learning). These models used four methods of selecting features, which are: Relief F, ANOVA, Information Gain, and Chi-square. K = 10-fold was used with classifiers in all models in this study. The accuracy reached 0.866 % by Gradient Boosting algorithm using the Chi-square technique. While the highest value of accuracy obtained by the stacked learning by employing Boosting classifiers in level-0 and Logistic Regression in level-1 using the Chi-square technique was 0.874%.
Benzer Tezler
- New algorithms and techniques for microprocessor-controlled PWM induction drives
Başlık çevirisi yok
OSMAN KÜKRER
Doktora
İngilizce
1987
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. H. BÜLENT ERTAN
- Adana ili, turunçgil toptan fiyatlarının analizi
Başlık çevirisi yok
USULET ÖZTUNÇ
Yüksek Lisans
Türkçe
1987
ZiraatÇukurova ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
DOÇ. DR. OĞUZ YURDAKUL
- Üniversitelerdeki öğrenci işlerinin mikrobilgisayarlar yardımı ile çözümlenmesine ilişkin bir araştırma
Başlık çevirisi yok
SAİT ESLEK
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
YRD. DOÇ. DR. HALİL ŞENGONCA