Göz takibi teknolojisi ve öğrenme analitikleri ile görsel-işitsel öğrenme stillerinin e-öğrenme uygulaması kullanılarak modellenmesi
Modeling audio-visual learning styles using e-learning application with eye tracking technology and learning analytics
- Tez No: 940878
- Danışmanlar: PROF. DR. SEVİNÇ GÜLSEÇEN
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Yönetim Bilişim Sistemleri, Computer Engineering and Computer Science and Control, Science and Technology, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: 127
Özet
Eğitim materyalleri için içerikleri belirli öğrenen özelliklerine uyarlamak, genel öğrenme deneyimini iyileştirmek için fayda sağlamaktadır ve öğrenme stilleri bu iyileştirmede önemli bir rol oynamaktadır. Son yıllarda, göz izleme metodolojisi gibi teknolojik kaynakların kullanımı, öğrenme sürecini daha iyi anlamak için önemli araç olarak belirtilmektedir. Modern dijital öğrenme ortamında, kişiselleştirilmiş e-öğrenme, öğrenci katılımını ve akademik başarıyı artırmak için önemli bir yaklaşım olarak ortaya çıkmıştır. Felder-Soloman Öğrenme Stilleri Endeksi gibi öğrenme stillerini değerlendirmek için kullanılan geleneksel yöntemler, öznel önyargılara açık katılımcıların bireysel cevaplamalarını bildirilen anketlere dayanmaktadır. Bu katılımcı beyanına karşılık, göz izleme teknolojisinin öğrenme stillerini belirlemede kullanımı ise öğrenenlerin bilişsel öğrenme tercihlerini anlamak için nesnel, gerçek zamanlı davranışsal veriler sağlamaktadır. Bu çalışma, göz izleme metriklerinin öğrenenlerin öğrenme stillerine göre öğrenme analitiği ile görsel ve işitsel öğrenenler arasında doğru bir şekilde ayrım yapıp yapamayacağını araştırmaktadır. Özellikle, bu iki grup arasında önemli ölçüde farklılık gösteren metriklere uygun olarak öğrenme stillerini başarılı bir şekilde tahmin edip edilemeyeceği araştırılmış ve matematiksel tahmin formülasyonu oluşturması hedeflenmiştir. Çalışma kapsamında görsel veya işitsel öğrenenler olarak sınıflandırılan 38 katılımcıyla kontrollü bir laboratuvar deneyi yürütülmüştür. Katılımcılar, ADDIE öğretim modeli kullanılarak tasarlanmış video tabanlı bir inovasyon eğitimine katılırken, göz hareketleri bir Tobii Pro göz izleme cihazı kullanılarak kaydedilmiştir. Aynı zamanda eğitim içeriğinde belirlenen beş görsel ve beş işitsel ilgi alanlarında katılımcı öğrenen davranışları ölçülerek katılımcıların eğitim içeriğinde öğrenme stillerine göre odaklanma süreleri ve odak noktaları analiz edilmiştir. Çalışmanın tüm bulguları, öğrenme analitiği ile göz izleme verilerinin geleneksel kendi kendine bildirilen öğrenme stili değerlendirmelerine nesnel bir alternatif olarak kullanılmasının potansiyelini vurgulamaktadır. Eğitim tasarımını geliştirmek için göz izleme verilerini kullanarak, öğrenenlerin öğrenme stilleri belirlenenmiş, eğitime katılım düzeylerinin ve bilişsel yüklerinin uygun şekilde yönetilmesi sağlanmıştır. Sonuçta her öğrenen için öğrenme kalitesini en üst düzeye çıkaran öğrenme stillerine uygun kişiselleştirilmiş eğitim materyali hazırlanmıştır. Ayrıca, çeşitli öğrenen grupları arasında öğrenme deneyimini geliştirmek amacıyla kişiselleştirilmiş e-öğrenme tasarımının potansiyeli vurgulanmıştır. Bu durum, katılımcıların kendi beyanlarına dayanmayan göz izleme verileri aracılığıyla öğrenme stillerinin nesnel olarak yakalanması ve öğrenme sonuçlarını tahmin etmek için veri odaklı oluşturulan matematiksel formülasyon kullanılmasıyla gerçekleşmektedir.
Özet (Çeviri)
Adapting content for educational materials to specific learner characteristics is beneficial for improving the overall learning experience, and learning styles play an important role in this improvement. In recent years, the use of technological resources such as eye-tracking methodology has been indicated as an important tool for better understanding the learning process. In the modern digital learning environment, personalized e-learning has emerged as an important approach to increase student engagement and academic success. Traditional methods used to assess learning styles, such as the Felder-Soloman Learning Styles Index are based on self-reported surveys of participants that are open to subjective biases. In contrast to this participant statement, the use of eye-tracking technology in determining learning styles provides objective, real-time behavioral data to understand learners' cognitive learning preferences. This study investigates whether eye-tracking metrics can accurately distinguish between visual and auditory learners according to learners' learning styles through learning analytics. In particular, it is investigated whether learning styles can be successfully predicted in accordance with metrics that differ significantly between these two groups, and it is aimed to create a mathematical prediction formulation. Within the scope of the study, a controlled laboratory experiment was conducted with 38 participants classified as visual or auditory learners. While the participants participated in a video-based innovation training designed using the ADDIE teaching model, their eye movements were recorded using a Tobii Pro eye-tracking device. At the same time, participant learning behaviors were measured in five visual and five auditory interest areas determined in the training content, and the participants' focus times and focus points in the training content according to their learning styles were analyzed. All the findings of the study emphasize the potential of using learning analytics and eye-tracking data as an objective alternative to traditional self-reported learning style assessments. By using eye-tracking data to improve training design, learners' learning styles were determined, and their participation levels and cognitive loads were managed appropriately. As a result, personalized training materials were prepared according to learning styles that maximized the quality of learning for each learner. In addition, the potential of personalized e-learning design to improve the learning experience among various learner groups was emphasized. This is achieved by objectively capturing learning styles through eye-tracking data that does not rely on self-reporting from participants and using data-driven mathematical formulation to predict learning outcomes.
Benzer Tezler
- Synthesizing data driven and physics based character motions with mathematical methods
Matematiksel yöntemlerle veri güdümlü ve fizik tabanlı karakter hareketlerinin sentezlenmesi
ZÜMRA KAVAFOĞLU
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe ÜniversitesiMatematik Ana Bilim Dalı
PROF. DR. HAŞMET GÜRÇAY
DOÇ. DR. TOLGA KURTULUŞ ÇAPIN
- Evaluation des performances des projets de l'affaire électronique basé sur GRC en utilisant le tableau de bord équilibré et management de capital client
CRM bazlı e-iş proje performanslarının dengelenmiş skorkartı ve entelektüel müşteri sermayesi yönetimi ile değerlendirilmesi
BURHAN BURÇ KILIÇER
Yüksek Lisans
Fransızca
2004
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. ETHEM TOLGA
- Öğrenme yönetim sistemi çevrimiçi sınavlarında yüz tanıma ve göz hareketleri takibi ile usulsüzlük tespiti
Irregularity detection with face recognition and eye movements tracking in learning management system online exams
İBRAHİM AKYAYLA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY TEZEL
- Derin öğrenme tabanlı ve gerçek zamanlı bakış takibi
Deep learning based and real-time gaze tracking
KENAN DONUK
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. DAVUT HANBAY
- High-speed trajectory replanning and trajectory tracking for collision avoidance
Çarpışma önlemek için yüksek hızlı rota planlama ve rota takibi
MEHMET HASANZADE
Doktora
İngilizce
2021
Uçak Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRE KOYUNCU