Ai-assisted construction of educational knowledge graphs
Yapay zeka destekli eğitimsel bilgi şemalarının oluşturulması
- Tez No: 898286
- Danışmanlar: PROF. DR. YÜCEL SAYGIN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yapay Zeka ve Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 111
Özet
Bilgi şemaları, bilgiyi organize etmek için etkili araçlardır. Bu tezde, Eğitimsel Bilgi Şeması (EBŞ) adı verilen özel bir şemayı tanıtıyoruz. Bu şema bir alan içerisindeki kavramları yuvarlaklar ile görselleştirir ve bu kavramların ön koşul ilişkilerini oklarla belirtir. Böyle bir görselleştirme, öğrenilmek istenilen alanının kapsamlı bir temsilini sağlar ve öğrencilere kavramları hangi sırada öğrenemeye başlamalarının uygun olacağını gösterir. EBŞ'ler, her kavramın ne anlama geldiğini ve grafikteki diğer kavramlarla neden bir ön koşul ilişkisi oluşturduğunu tanımlayan metinsel bilgilerle daha da zenginleştirilebilir. EBŞ'lerin manuel olarak oluşturulması üç ana nedenden dolayı çok vakit alıcı ve zor bir iştir. Birinci zorluk, alan içindeki her kavramın spesifik tanımlarının oluşturulmasıdır. İkinci zorluk, ilgili alanın uzmanlarının alan içindeki her kavram çiftini tek tek değerlendirmesi ve önkoşul içerip içermediklerini belirtmesidir. Üçüncü zorluk ise, belirlenen her bir önkoşul ilişkisinin gerekçelendirilmesidir. İlk iki zorluğun üstesinden gelmek için, uzman insan bilgisi ile yapay zeka tekniklerini birleştiren bir metodoloji öneriyoruz. Metodolojimiz bize bir alan adı verildiğinde o alan ile ilgili belirli sayıda kavram ve onlara karşılık gelen açıklamaları üretiyor. Daha sonra bu üretilmiş açıklamaları kullanarak, her kavram çiftine bir önkoşul olasılık puanı atıyor. Yüksek puan alan çiftler daha sonra uzman bir insana tek tek soruluyor ve gerçekten önkoşul içerip içermedikleri teyit ettiriliyor. Her uzman geri bildiriminde arka planda eş zamanlı olarak EBŞ güncelleniyor ve uzman süreci bitirdiğinde şema oluşturulmuş oluyor. Buna ek olarak üçüncü belirtilen zorluğun üstesinden gelmek için ise Büyük Dil Modelleri (BDM) için bir ince ayar prosedürü tanımlıyoruz. Sonuçlar, tanımladığımız prosedüre göre ince ayarlanmış BDM'lerin önkoşul tespiti için etkili modeller olduğunu ve kavramlar arası önkoşul ilişkilerini mantıklı gerekçelere dayandırarak açıkladığını gösteriyor. Son olarak, bu tezde anlatılan tüm metodolojileri bir web uygulamasında sunuyoruz. Bu uygulamayı kullanarak eğitmenlere, kendi yapay zeka destekli EBG'lerini oluşturabilme ve bunları öğrencilerine ek öğrenme materyali olarak sunabilme imkanı sağlıyoruz.
Özet (Çeviri)
Knowledge graphs are effective tools for organizing information. In this dissertation, we introduce a specialized graph called the Educational Knowledge Graph (EKG). This graph visualizes the concepts within a domain by circles and indicates their prerequisite relations with arrows. Such a visualization provides a comprehensive representation of the learning domain and shows students the appropriate order in which to learn these concepts. EKGs can be further enriched by textual information defining what each concept means and why it forms a prerequisite relation with the other concepts in the graph. Manual construction of EKGs is a challenging and time consuming task for three main reasons. First, it requires assigning precise definitions to each concept within the domain. Second, the domain experts need to evaluate each concept pair for identifying possible prerequisite relations. Third, the identified prerequisite relations must be justified. To address the first two challenges, we propose a methodology that combines machine learning techniques with expert knowledge. Given a domain name, our approach automatically generates specific descriptions for a predetermined number of concepts related to that domain and then assigns a prerequisite probability score to each concept pair using the generated descriptions. The high scored pairs are then asked to a human expert for validation in an iterative manner. With each round of expert feedback, the EKG in the background is updated dynamically and the final EKG is constructed once the expert decides to finish the interaction. In order to address the third challenge, we describe a fine-tuning procedure for Large Language Models (LLMs) to teach them to identify and explain the prerequisite relations between the concepts. The results show that LLMs, fine-tuned according to our described procedure are effective models for prerequisite detection and can generate satisfactory explanations when asked to clarify the reasoning behind these relations. Finally, we present all the described methodologies in this dissertation in a web application. By using this application, we provide instructors with the ability to create their own AI-assisted EKGs and offer them to their students during their courses as supplementary learning materials.
Benzer Tezler
- Üretken yapay zeka destekli programlama eğitiminde sorgu mühendisliğinin çeşitli değişkenler açısından değerlendirilmesi
Evaluation of prompt engineering in generative artificial intelligence-assisted programming education with regards to various variables
HANDAN ATUN
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiBilgisayar ve Öğretim Teknolojileri Ana Bilim Dalı
PROF. DR. YASEMİN GÜLBAHAR GÜVEN
- Taxonomy and visualization of digital architecture knowledge: Proposal for a scientific online encyclopedia
Dijital mimarlık bilgisinin taksonomisi ve görselleştirilmesi: Bilimsel bir çevrim içi ansiklopedi önerisi
ESRANUR KARACİF
- Binaların ön tasarım aşamasında sürdürülebilirlik hedefli fiziki çevre analizleri ve maliyete etkisi
Sustainability-oriented physical environmental analysis and its cost effects in the preliminary design phase of buildings
NAGİHAN GÜNDÜZ
Yüksek Lisans
Türkçe
2025
MimarlıkMimar Sinan Güzel Sanatlar ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. ÜMİT IŞIKDAĞ
- New digital craftsmanship deepsmart corpus: Learning from pavilion data with an ai-assisted model
Yeni dijital zanaatkarlık deepsmart corpus: Yapay zeka destekli modelle pavyon verilerinden öğrenme
AYÇA AYAZ ERDAĞ
Doktora
İngilizce
2025
MimarlıkOrta Doğu Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. ARZU GÖNENÇ SORGUÇ
- Les Ghazavatname au XVesiècleDe l'époque de Murad II à celle de Bayezid II
Başlık çevirisi yok
SULTAN ÇETINKAYA
