Dijital eğitimde süreç madenciliği ve makine öğrenmesi: LMS verileri ile öğrenci davranış modelleri ve akademik performans tahmini
Process mining and machine learning in digital education: Modeling student behavior and predicting academic performance using LMS data
- Tez No: 954017
- Danışmanlar: DOÇ. DR. MURAT TAHA BİLİŞİK
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Eğitim ve Öğretim, Computer Engineering and Computer Science and Control, Science and Technology, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Kültür Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: İşletme Bilim Dalı
- Sayfa Sayısı: 124
Özet
COVID-19 pandemisi, dijital eğitim platformlarının, özellikle Öğrenme Yönetim Sistemleri'nin (LMS), kullanımını önemli ölçüde artırmıştır. Pandemi süresince uzaktan eğitim yöntemlerine olan talep hızla yükselmiş, bu da eğitim sistemlerinin dijital dönüşümünü hızlandırmıştır. Araştırmalar, pandemi sırasında öğrencilerin çevrimiçi öğrenme platformlarındaki etkinliklerinin arttığını ve bu değişimin eğitim süreçlerinin dijital platformlar üzerinden yürütülmesinde kritik bir rol oynadığını göstermektedir (Fitriani, 2020). Bu bağlamda, öğrenci davranışlarının daha iyi anlaşılması ve bu davranışların akademik başarı üzerindeki etkilerinin incelenmesi gerekliliği ortaya çıkmıştır. Bu çalışmanın temel amacı, LMS sistemlerinde öğrencilerin davranışlarını analiz etmek ve akademik performanslarını tahmin eden bir model geliştirmektir. Çalışmada süreç madenciliği teknikleri kullanılarak öğrenci aktivitelerinden anlamlı süreç modelleri çıkarılacak, ardından makine öğrenmesi algoritmaları ile bu süreçler akademik başarıyla ilişkilendirilerek tahmin yapılacaktır. LMS sistemlerinde biriken büyük hacimli veri setleri, süreç madenciliği sayesinde öğrenci davranışlarındaki eğilimlerin tespit edilmesi için güçlü bir kaynak oluşturmaktadır. Bu araştırma, öğrenci davranışlarının yalnızca bireysel etkinlikler üzerinden değil, süreç odaklı bir yaklaşımla analiz edilmesini önerir. Süreç madenciliği ve makine öğrenmesi teknikleri, öğrencilerin öğrenme stratejilerini daha iyi anlamamıza yardımcı olurken, akademik başarıyı etkileyen kritik faktörlerin belirlenmesine olanak sağlayacaktır. Bu sayede, öğrenme yönetim sistemleri daha verimli hale getirilebilir ve öğrenci performansını artırmaya yönelik kişiselleştirilmiş eğitim stratejileri geliştirilebilir.
Özet (Çeviri)
The COVID-19 pandemic has significantly increased the use of digital education platforms, particularly Learning Management Systems (LMS). During the pandemic, the demand for remote learning methods rapidly rose, accelerating the digital transformation of educational systems. Research indicates that students' activity on online learning platforms increased during the pandemic, and this shift played a critical role in the management of educational processes through digital platforms (Fitriani, 2020). In this context, there emerged a need to better understand student behavior and examine the effects of these behaviors on academic success. The main objective of this study is to analyze student behavior in LMS systems and develop a model that predicts their academic performance. Using process mining techniques, meaningful process models will be extracted from student activities, and machine learning algorithms will then be applied to relate these processes to academic success for prediction purposes. The large datasets accumulated in LMS systems serve as a powerful resource for identifying trends in student behavior through process mining. This research proposes that student behavior should be analyzed not only through individual activities but also through a process-oriented approach. Process mining and machine learning techniques will help us better understand students' learning strategies while enabling the identification of critical factors affecting academic success. In this way, learning management systems can be made more efficient, and personalized educational strategies aimed at improving student performance can be developed.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Türkçe dilinde yapılmış açık uçlu sınavların doğal dil işleme ile otomatik olarak değerlendirilmesi
Automatic assessment of open-ended exams in Turkish language by natural language processing
NİMET AKSOY
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBalıkesir ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KAMİL TOPAL
- TFEEC : Türkçe finansal olay çıkarım derlemi
TFEEC : Turkish financial event extraction corpus
KADİR ŞİNAS KAYNAK
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET CÜNEYD TANTUĞ
- Design as making: Integration of design development and fabrication through human-computer interaction
Yaparak tasarlama: insan bilgisayar etkileşimi ile tasarım ve imalat süreçlerini bütünleştirme
SERDAR AŞUT
- Farklılaştırılmış öğretim stratejisi olarak kullanılan dijital öykü kartlarının öğrenme güçlüğü ve üstün zekalı öğrencilerin öykü yazma becerilerine etkisi
The effect of digital story cards used as a differentiated instruction strategy on the story-writing skills of students with learning disabilities and gifted students
İREM AKÇAYIR