Öğrenme stiline dayalı uyarlanabilir öğrenme yönetim sisteminin geliştirilmesi ve değerlendirilmesi
Development and evaluation of an adaptive learning management system based on the learning style
- Tez No: 922051
- Danışmanlar: PROF. DR. YÜKSEL GÖKTAŞ, DOÇ. DR. TOLGA AYDIN
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
- Bilim Dalı: Bilgisayar ve Öğretim Teknolojileri Eğitimi Bilim Dalı
- Sayfa Sayısı: 136
Özet
Amaç: Araştırmada, Felder ve Silverman öğrenme stiline dayalı uyarlanabilir öğrenme yönetim sisteminin geliştirilmesi ve kullanıcı etkileşim verileriyle akademik başarı ve öğrenme stilinin makine öğrenmesi sınıflandırma algoritmalarıyla tahmin edilmesi amaçlanmıştır. Yöntem: Araştırmada tasarım tabanlı araştırma yöntemi kullanılmıştır. 80 öğrenciden oluşan çalışma grubuyla analiz ve keşif, tasarım ve geliştirme, değerlendirme ve yansıma aşamalarıyla çalışma yürütülmüştür. Çalışma grubunun öğrenme stilleri belirlenmiş ve geliştirilen ÖYS üzerinden kullanıcı etkileşim verileri toplanmıştır. İçerik analizi ile uyarlanabilir ÖYS'nin özellikleri ortaya çıkarılmış, makine öğrenmesi sınıflandırma algoritmaları kullanılarak öğrenme stilleri ve akademik başarı tahmin performansları değerlendirilmiştir. Sınıflandırma algoritmalarıyla analiz sürecinde SMOTE tekniği, GridSearchCV ve katmanlı k-fold çapraz doğrulama teknikleri kullanılmıştır. Ayrıca odak grup görüşmesi aracılığıyla sisteme ilişkin öğrenci görüşleri elde edilmiş, içerik analizi yöntemiyle analiz edilerek tema, kategori ve kodlar oluşturulmuştur. Bulgular: Uyarlanabilir öğrenme yönetim sistemlerinin özellikleri altı kategori altında sınıflandırılmıştır. Buna göre öğrenci modeli, öğretici modeli, içerik modeli, değerlendirme, arayüz, yapay zekâ ve veri işleme kategorileri ortaya çıkmıştır. Akademik başarı tahmininde Random Forest algoritması, %87 doğruluk oranıyla akademik başarı tahmininde en iyi performansı göstermiştir. Öğrenme stili boyutlarında ise görsel/sözel boyutta Random Forest algoritması %89.9 doğruluk oranıyla en başarılı algoritma olurken; aktif/yansıtıcı boyutta %70.6 doğruluk oranıyla SVM, algısal/sezgisel boyutta %79.3 doğruluk oranıyla Random Forest ve sıralı/bütünsel boyutta %73.4 doğruluk oranıyla yine Random Forest en iyi sonuçları elde etmiştir. Öğrencilerin sisteme ilişkin görüşleri ise kullanıcı deneyimi, uyarlanabilirlik ve kişiselleştirme, içerik, akademik başarı ve öneriler olmak üzere beş tema altında toplanmıştır. Sonuçlar: Araştırma sonucunda uyarlanabilir öğrenme yönetim sistemlerinin özellikleri ortaya koyulmuştur. Bu özellikler ile geliştirilecek sistemlerin uyarlanabilirlik düzeyinin yüksek olacağı sonucuna varılmıştır. Öğrenme stili ve akademik başarı tespitinde ise sınıflandırma algoritmalarının kullanılması etkili bir seçenektir. Akademik başarı tahmininde özellikle Random Forest algoritmasının yüksek performans gösterdiği ve bu tahminlerde ödev, quiz ve forum etkinliklerinin etkili olduğu sonucuna varılmıştır. Öğrenme stilinde görsel/sözel boyutu tahmininin diğer boyutlara göre genellenebilirliğinin daha yüksek olduğu sonucuna varılmıştır.
Özet (Çeviri)
Purpose: The aim of the research is to develop an adaptive learning management system based on Felder and Silverman learning style and to predict academic success and learning style with machine learning classification algorithms using user interaction data. Method: Design-based research method was used in the study. With a study group of 80 students, the study was conducted through analysis and exploration, design and development, evaluation and reflection phases. The learning styles of the study group were determined and user interaction data were collected through the developed LMS. The features of the adaptive LMS were revealed through content analysis, and learning styles and academic achievement prediction performances were evaluated using machine learning classification algorithms. SMOTE technique, GridSearchCV and layered k-fold cross-validation techniques were used in the analysis process with classification algorithms. In addition, student opinions about the system were obtained through focus group interviews, and themes, categories and codes were created by analyzing them with content analysis method. Findings: The features of adaptive learning management systems were classified into six categories: student model, instructor model, content model, evaluation, interface, artificial intelligence, and data processing. In predicting academic achievement, the Random Forest algorithm demonstrated the best performance with an accuracy rate of 87%. Regarding learning style dimensions, the Random Forest algorithm achieved the highest accuracy of 89.9% for the visual/verbal dimension, while the SVM algorithm achieved 70.6% accuracy for the active/reflective dimension, the Random Forest algorithm achieved 79.3% for the sensing/intuitive dimension, and 73.4% for the sequential/global dimension. Student feedback on the system was categorized into five themes: user experience, adaptability and personalization, content, academic achievement, and suggestions. Conclusions: The study revealed the features of adaptive learning management systems. It was concluded that systems developed with these features would have a high level of adaptability. The use of classification algorithms was found to be an effective option for identifying learning styles and predicting academic achievement. In particular, the Random Forest algorithm demonstrated high performance in predicting academic achievement, with assignments, quizzes, and forum activities playing a significant role in these predictions. Additionally, it was concluded that the generalizability of predictions for the visual/verbal dimension of learning styles was higher compared to other dimensions.
Benzer Tezler
- Öğrenme stiline dayalı eğitiminin ortaokul öğrencilerinin dinlediğini anlama becerilerine ve dinlemeye yönelik tutumlarına etkisi
The effect of learning styles-based instruction on secondary school students' listening comprehension skills and their attitudes to listening
ESRA KARAKUŞ TAYŞİ
Doktora
Türkçe
2014
Eğitim ve ÖğretimGazi ÜniversitesiTürkçe Eğitimi Ana Bilim Dalı
PROF. DR. MURAT ÖZBAY
- Öğrenme stiline dayalı biyoloji öğretiminin analizi
Analysis of the learning style-based instruction
GÜLAY EKİCİ
Doktora
Türkçe
2001
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Programları ve Öğretimi Ana Bilim Dalı
PROF. DR. ÜLKER AKKUTAY
- Kolb öğrenme stiline dayalı öğretim uygulamasının ortaokul 7. sınıf öğrencilerinin matematik dersi erişilerine ve tutumuna etkisi
The effects to attitudes and achievements of math lesson teaching application which depends on Kolb learning style on 7th class students teaching application , which depends on colb learning style, among the 7th class students with their attitudes and math lesson achievements
GÖRKEM DİNÇER
Yüksek Lisans
Türkçe
2018
Eğitim ve ÖğretimNecmettin Erbakan ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. FÜSUN GÜLDEREN ALACAPINAR
- Fen bilgisi eğitiminde öğrenme stiline dayalı kişiselleştirilmiş tam öğrenme yaklaşımının öğrenci başarısı üzerine etkisi
The effect of the personalized full learning approach based on the learning style on students' success in science education
HARUN MERT
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimNecmettin Erbakan ÜniversitesiOrtaöğretim Fen ve Matematik Alanları Eğitimi Ana Bilim Dalı
PROF. DR. ERCAN TÜRKKAN
- Öğrenme stillerine dayalı etkinliklerin öğrencilerin dinleme becerisi erişileri, ingilizce dersine yönelik tutumları ve öğrenilenlerin kalıcılığına etkisi
The effect of learning-style-based activities on the listening skill achievements, the attitudes and the retention capacity of the learners
ZELİHA ZÜHAL GÜVEN
Doktora
Türkçe
2007
Eğitim ve ÖğretimSelçuk ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ.DR. ALİ MURAT SÜNBÜL