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: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Eğitim ve Öğretim, Computer Engineering and Computer Science and Control, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- 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: 74
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
- A novel intelligent machine learning system for coronary heart disease diagnosis
Başlık çevirisi yok
HAEDAR ALSAFI
Doktora
İngilizce
2022
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Derin öğrenme ve topluluk öğrenme yöntemlerine dayalı bilgisayar destekli tanı sisteminin geliştirilmesi: Omik teknolojileri üzerine uygulaması
Development of computer aided diagnosis system based on deep learning and ensemble learning methods: Application on omics technologies
AHMET KADİR ARSLAN
Doktora
Türkçe
2021
Biyoistatistikİnönü ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
PROF. DR. CEMİL ÇOLAK
- Prediction of students' success employing data mining algorithms
Öğrencilerin başarısının veri madenciliği algoritmaları kullanılarak tahmin edilmesi
ELAF SAEED JABER AL-YASIRI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankırı Karatekin ÜniversitesiElektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU
- Solution-processed/evaporation-based light-emitting diodes of face-down/edge-up oriented colloidal quantum wells
Çözelti işlemli/buharlaştırma tabanlı yüz aşağı/kenar yukarı yönlendirilmiş koloidal kuantum kuyuları ışık yayan diyotları
İKLİM BOZKAYA
Yüksek Lisans
İngilizce
2023
Bilim ve Teknolojiİhsan Doğramacı Bilkent ÜniversitesiMalzeme Bilimi ve Nanoteknoloji Ana Bilim Dalı
PROF. HİLMİ VOLKAN DEMİR
- An investigation of gain enhancement of the wideband dielectric resonator antenna
Geniş bantlı dielektrik rezonatör antenin kazanç iyileştirmesi üzerine bir araştırma
MOHAMAD NOUR QAMARI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiVan Yüzüncü Yıl ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH OĞUZ KIZILÇAY