Makine öğrenimi algoritmaları kullanılarak EEG sinyallerinden matematik oyun performans tahmini
Math game performance prediction from EEG signals using machine learning algorithms
- Tez No: 907822
- Danışmanlar: PROF. DR. MUHAMMET DEMİRBİLEK, DR. ÖĞR. ÜYESİ DURMUŞ KOÇ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Eğitim ve Öğretim, Matematik, Computer Engineering and Computer Science and Control, Education and Training, Mathematics
- Anahtar Kelimeler: Eğitsel dijital oyun, matematik eğitimi, makine öğrenmesi, EEG (elektroensefalografi), BBA (beyin bilgisayar arayüzü), yapay zekâ, Educational digital game, mathematics education, machine learning, EEG (electroencephalography), BCI (brain computer interface), artificial intelligence
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Süleyman Demirel Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Eğitim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 138
Özet
Çalışmada matematik öğretim programına yönelik tasarlanan dijital bir oyunun oynanması sırasında elde edilen EEG (Elektroensefalografi) verilerinin kullanılarak oyun performansının tahmin edilmesi amaçlanmıştır. Bu amaç doğrultusunda katılımcılara çalışma kapsamında geliştirilen eğitsel dijital bir matematik oyunu oynatılmış ve eş zamanlı olarak beyin sinyalleri kaydedilmiştir. Katılımcılar bilgisayar mühendisliği öğrencilerinden elverişli örnekleme yöntemiyle seçilen 18-25 arası gönüllü erkek deneklerdir. Katılımcılardan elde edilen veriler birleştirilmiş, oyun puanları hesaplanarak etiketlenmiş ve veri ön işleme sürecine geçilmiştir. Veri ön işleme sürecinde eksik veriler çıkarılmış, normalizasyon ve aykırı değerler tespiti işlemleri uygulanarak gürültü azaltılmıştır. Öznitelik seçim sürecinde X² (ki-kare) fonksiyonu kullanılarak en iyi ayırt edici öznitelikler belirlenmiştir. Oyun performansını en iyi ayırt eden öznitelikler sırasıyla POW.FC5.Gamma, POW.AF3.Gamma, EEG.O1, POW.P8.Gamma ve POW.AF3.BetaH olduğu tespit edilmiştir. Bu öznitelikler dikkat, görsel işlemleme ve uzamsal farkındalık gibi bilişsel süreçleri yansıtmakta olup oyun performansıyla doğrudan ilişkilidir. Çalışmada oyun performansının tahminlenmesinde k-En Yakın Komşu (kNN), Destek Vektör Makineleri (SVM), Rastgele Orman (RF), AdaBoost, Gradient Boosting, Sinir Ağları (NN) ve Stokastik Gradyan İnişi (SGD) gibi çeşitli makine öğrenmesi algoritmaları kullanılmıştır. Algoritmaların performansı, AUC (Eğri Altında Kalan Alan) değeri ile ölçülmüş ve Gradient Boosting algoritması % 87.7 ile en yüksek doğruluğa ulaşmıştır. Elde edilen bu bulgular sonucunda, EEG verilerinin en iyi ayırt edici öznitelikleri tespit edilmiş, bu özniteliklerin oyuncuların bilişsel süreçlerini, dikkat seviyelerini ve görsel-motor becerilerini doğrudan yansıttığı görülmüştür. Böylece eğitsel dijital oyunlarda öğrencilerin performansını daha doğru ve güvenilir bir şekilde değerlendirmeye yönelik yenilikçi bir yöntem sunulmuş ve eğitimde nörobilimsel verilerin kullanımına önemli katkılar sağlanmıştır.
Özet (Çeviri)
The study aimed to predict game performance by using EEG (Electroencephalography) data obtained while playing a digital game designed for the mathematics curriculum. For this purpose, an educational digital mathematics game developed within the scope of the study was played to the participants and their brain signals were recorded simultaneously. The participants are male volunteers between 18 and 25, selected by convenient sampling method from computer engineering students. The data obtained from the participants were combined, game scores were calculated and labeled, and the data pre-processing process began. During the data pre-processing process, missing data were removed and noise was reduced by applying normalization and outlier detection processes. In the feature selection process, the best discriminant features were determined by using the X² (chi-square) function. The features that best differentiate game performance are POW.FC5.Gamma, POW.AF3.Gamma, EEG.O1, POW.P8.Gamma and POW.AF3.BetaH, respectively. These attributes reflect cognitive processes such as attention, visual processing and spatial awareness and are directly related to game performance. In the study, various machine learning algorithms such as k-Nearest Neighbors (kNN), Support Vector Machines (SVM), Random Forest (RF), AdaBoost, Gradient Boosting, Neural Networks (NN) and Stochastic Gradient Descent (SGD) were used to predict game performance. The performance of the algorithms was measured by the AUC (Area Under the Curve) value and the Gradient Boosting algorithm reached the highest accuracy with 87.7%. As a result of these findings, the best distinguishing features of the EEG data were identified and it was observed that these features directly reflected the cognitive processes, attention levels and visual-motor skills of the players. Thus, an innovative method has been presented to evaluate students' performance in educational digital games more accurately and reliably, and significant contributions have been made to the use of neuroscientific data in education.
Benzer Tezler
- Parkinson hastalığının EEG sinyallerinden yapay zeka teknikleri kullanılarak sınıflandırılması
Classification of parkinson's disease from EEG signals using artificial intelligence techniques
SULTAN PENEKLİ
Yüksek Lisans
Türkçe
2023
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA LATİFOĞLU
- Makine öğrenme yöntemleri ile EEG sinyalinden alzheimer tespiti
Detection of alzheimer's from EEG signal with machine learning methods
YELİZ ŞENKAYA
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇETİN KURNAZ
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocuklarda bilişsel fonksiyonların elektroensefalografi, uyarılmış potansiyel ve fonksiyonel yakın kızılötesi spektroskopisi yöntemleriyle incelenmesi
Investigation of cognitive functions of children with attention deficiency and hyperactivity disorder via electroencephalography, evoked potentials and functional near-infrared spectroscopy
MİRAY ALTINKAYNAK
Doktora
Türkçe
2021
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL GÜVEN
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
Doktora
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF YASLAN
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- Derin öğrenme yöntemleri ile EEG tabanlı motor imgeleme sinyallerinin sınıflandırılması
Classification of motor imagery EEG signals using deep learning methods
UMUT ÖZFİDAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL NİŞANTAŞI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ŞANAL
DR. ÖĞR. ÜYESİ KÜBRA EROĞLU