Çevrimiçi sınavlarda istenmeyen davranış tespitine yönelik yeni bir yaklaşımın geliştirilmesi
Development of a new approach to detect unwanted behavior in online exams
- Tez No: 950441
- Danışmanlar: PROF. DR. MURAT KARABATAK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Uzaktan öğretim, birçok eğitim kurumu tarafından yaygın olarak kullanılmaktadır. Koronavirüs'ün sebep olduğu pandemiden dolayı tüm dünyada olduğu gibi ülkemizde de uzaktan eğitimin önemi daha çok artmıştır. Eğitim öğretim faaliyetlerinin çevrimiçi ortama taşınması ile beraber etik olmayan davranışlarda ortaya çıkmıştır. Özellikle çevrimiçi sınavlarda kopya ve intihal gibi davranışlar hem öğrenenler hem de eğitim kurumları için bir endişe kaynağı olmuştur. Bu tez çalışması, çevrimiçi uzaktan eğitimde ders alan öğrencilerin, uzaktan eğitim sistemi aracılığı ile çevrimiçi ortamda yapay ve gerçek sınav verilerinden oluşan veri setini kullanarak, istenmeyen davranış örüntülerini tahmin ve sınıflandırma yaparak iyileştirilmiş ve optimize edilmiş en iyi yapay zekâ modellerini ortaya çıkarmayı amaçlamaktadır. Çalışma kapsamında çevrimiçi sınav verisi, iki farklı senaryo kullanılarak, araştırmacılar tarafından regresyon ve sınıflandırmada en iyi model tahmin ve sınıflandırma performansını ortaya çıkarmak için makine öğrenmesi ve derin öğrenme algoritmaları kullanılarak analiz edilmiştir. Senaryo-1 kapsamında, istenmeyen davranış örüntülerinden“kopya çeken”öğrencileri tespit etmede önerdiğimiz model beş katmanlı DNN modelidir. Senaryo-2 kapsamında ikili sınıflandırmada istenmeyen davranış tespitinde“kopya çeken”öğrencileri tespit etmede Rastgele Orman modeli ve üçlü sınıflandırmada XGBoost modeli önerdiğimiz en iyi model olarak tespit edilmiştir. Ayrıca en iyi performans gösteren algoritmaların, model başarımında performansı artıran etkenleri tespit etmek amacıyla açıklayıcı yöntemler kullanılmıştır. Bu çalışmanın bir sonucu olarak performansı iyileştirecek en uygun parametre seçimi ve katman fonksiyonlarının uygulanması, hedef değişkenleri ve klasik matematik modelleri kullanılarak çözülemeyen karmaşık problemleri tahmin etmede etkili olabileceği gösterilmiştir. Sonuçlar, öğrencilerin çevrimiçi uzaktan eğitim sınav verilerinin makine öğrenmesi modellerine ve DNN modeline rahatlıkla uygulanabileceğini kanıtlamaktadır. Önerilen modeller, eğitim kurumlarına, çevrimiçi sınav uygulamalarının değerlendirilmesinde ve akademik bütünlüğü sağlamada bir yol haritası ve öngörü sağlayabilir.
Özet (Çeviri)
Distance learning is widely used by many educational institutions. Due to the pandemic caused by the coronavirus, the importance of distance learning has increased in our country as well as all over the world. With the transfer of educational activities to the online environment, unethical behaviors have also emerged. Behaviors such as cheating and plagiarism, especially in online exams, have become a source of concern for both learners and educational institutions. This thesis aims to reveal the best improved and optimized artificial intelligence models by predicting and classifying undesirable behavior patterns using a dataset consisting of artificial and real exam data of students taking online distance education courses in an online environment through a distance education system. Within the scope of the study, online exam data was analyzed by researchers using machine learning and deep learning algorithms to reveal the best model prediction and classification performance in regression and classification using two different scenarios. The model we proposed in Scenario-1 to detect students who“cheat”from undesirable behavior patterns is a four-layer DNN model. Within the scope of Scenario-2, the SVM model was found to be the best model we proposed in detecting students who“cheat”in the undesirable behavior analysis in binary classification and the RF model in ternary classification. In addition, explanatory methods were used to identify the factors that increase the performance of the best performing algorithms in the model performance. As a result of this study, it has been shown that the most appropriate parameter selection and application of layer functions that will improve performance can be effective in predicting complex problems that cannot be solved using target variables and classical mathematical models. The results prove that students' online distance education exam data can be easily applied to machine learning models and DNN models. The proposed models can provide educational institutions with a roadmap and insight in evaluating online exam applications and ensuring academic integrity.
Benzer Tezler
- İş sağlığı ve güvenliği eğitim uygulamalarının karşılaştırılması
Comparison of occupational health and safety training methods
İBRAHİM KOL
Doktora
Türkçe
2021
Eğitim ve Öğretimİstanbul Gedik Üniversitesiİş Sağlığı ve Güvenliği Ana Bilim Dalı
PROF. DR. SUNULLAH ÖZBEK
- Sivil pilotlarda gürültü maruziyetine bağlı hiperakuzinin değerlendirilmesi
Evaluation of hyperacusis due to noise exposure in civilian pilots
BİLGE NASİBOĞLU
Yüksek Lisans
Türkçe
2022
Kulak Burun ve BoğazHacettepe ÜniversitesiOdyoloji Ana Bilim Dalı
DOÇ. DR. MERAL DİDEM TÜRKYILMAZ
- Classification of abnormal respiratory sounds using deep learning techniques
Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması
AHAMADI ABDALLAH IDRISSE
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
DOÇ. DR. OKTAY YILDIZ
- Çevrimiçi sınavlarda test hilesinin belirlenmesinde kullanılan alternatif yöntemlerin incelenmesi
Examining alternative approaches used for identifying test cheating in online exams
MUHAMMET KUMARTAŞ
Yüksek Lisans
Türkçe
2023
Eğitim ve ÖğretimAkdeniz ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. BİLAL BARIŞ ALKAN
- Dijital sınavlarda yapay zeka ile kopya tespiti: Iğdır Üniversitesi örneği
Cheat detection in digital exams with artificial intelligence: Iğdır University example
DERYA KARA
Yüksek Lisans
Türkçe
2025
Bilim ve TeknolojiBatman ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DOÇ. DR. YILMAZ KAYA
DR. ÖĞR. ÜYESİ FEVZİ DAŞ