Designing an artificial intelligence-based learning and assessment system in education
Eğı̇tı̇mde yapay zeka tabanlı bı̇r öğrenme ve değerlendı̇rme sı̇stemı̇ tasarlamak
- Tez No: 960863
- Danışmanlar: DOÇ. DR. SERKAN ÖZBAY
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: İnsan-yapay zeka etkileşimi, Human-artificial intelligence interaction
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gaziantep Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Devreler ve Sistemler Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, Madde Tepki Kuramı (IRT) tabanlı uyarlanabilir test sistemlerine cevap süresi verisinin entegrasyonunu yapay zekâ ve davranışsal modelleme yoluyla incelemektedir. Çalışmanın amacı, yalnızca doğru/yanlış puanlamaya dayalı geleneksel yaklaşımların ötesine geçerek yetenek kestiriminde doğruluk ve adaleti artırmaktır. İlk aşamada, öğrenme hızı (k) parametresini kullanan Rasch tabanlı bir prototip R diliyle geliştirilmiş, ardından Python tabanlı ve zaman duyarlı bir sistem olan TestYourself platformu tasarlanmıştır. Bu platform, yanıt doğruluğuna ek olarak cevap süresi ve toplam sınav süresini de analiz etmektedir. Toplam yedi model (1PL-IRT ve altı zaman duyarlı varyant: TP-IRT, STP-IRT, TWD-IRT, NRT-IRT, DTA-IRT, ART-IRT) 150 öğrencinin 30 matematik sorusuna verdiği yanıtlar üzerinden test edilmiştir. L-BFGS-B algoritmasıyla parametre tahminleri yapılmış; Maksimum Olabilirlik Tahmini, tam parametre optimizasyonu ve K-Katlı Doğrulama uygulanmıştır. AIC, BIC, AUC ve MAE gibi ölçütlerle modeller karşılaştırılmıştır. Sonuçlar, özellikle Dinamik Zaman Ayarlı IRT (DTA-IRT) modelinin doğruluk ve kararlılık açısından üstün olduğunu göstermiştir. Performans sınıflandırması için Random Forest ve k-NN gibi makine öğrenmesi algoritmaları kullanılmıştır. Çalışma, zaman verisinin yetenek kestirimine önemli katkı sağladığını göstermekte ve adil, davranış odaklı akıllı test sistemleri için zemin oluşturmaktadır.
Özet (Çeviri)
This doctoral study investigates the integration of response time into Item Response Theory (IRT)-based adaptive testing using artificial intelligence and behavioral modeling. The study aims to improve the accuracy and fairness of ability estimation beyond traditional right/wrong scoring. A preliminary Rasch-based prototype was developed in R using a learning rate parameter (k) to control adaptivity. This prototype led to the design of TestYourself, a Python-based, time-aware adaptive testing platform that evaluates response correctness, latency, and test duration. Seven models were tested: 1PL-IRT and six time-sensitive variants (TP-IRT, STP-IRT, TWD-IRT, NRT-IRT, DTA-IRT, ART-IRT), using data from 150 students who answered 30 math items. Parameters were estimated via L-BFGS-B optimization, applying Maximum Likelihood, full joint estimation, and K-Fold Cross-Validation. Metrics such as AIC, BIC, AUC, and MAE were used to evaluate model performance. Findings showed that subtractive models especially Dynamic Time-Adjusted IRT (DTA-IRT) outperformed others in both accuracy and stability. Machine learning algorithms (Random Forest, k-NN) were used for performance classification. This study demonstrates that response time significantly enhances ability estimation and supports the development of intelligent, fair, and behavior-aware adaptive testing systems.
Benzer Tezler
- Patentlenebilirlik tespiti üzerine bir anlamsal benzerlik modeli geliştirilmesi
Development of a semantic similarity model for patentability assessment
AHMET KAYAKÖKÜ
- Türkiye'de kurulu güç dağılımı dengelemesiyle rüzgardan enerji üretiminin üniformlaştırılması
Uniformizing energy production from wind through installed capacity balancing in Turkey
CANSU ŞİMAL BAĞLI
Yüksek Lisans
Türkçe
2026
İstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
Yükleniyor...
- Assure öğretim tasarim modeli ile gerçekleştirilen yapayzekâ destekli uygulamalarin öğrencilerin yazılı istembecerilerine etkisi: Karma bir çalışma
The impact of AI-supported applications implemented through the assure instructional design model on students' prompt writing skills: A mixed-methods study
NURCAN İNAN
- Yatan bireylerin vücut kitle indeksi sınıflandırması için makine öğrenmesi tabanlı telemetri enstrümantasyon sistemi tasarımı
Designing a telemetry instrumentation system using machine learning for classifying the body mass index of individuals in a lying position
ŞULE ZEYNEP AYDIN
Yüksek Lisans
Türkçe
2024
Yıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Betonarme binaların sismik risk düzeylerinin yapay zeka metotları ile tahmin edilmesi
Estimation of seismic risk levels of RC buildings with artificial intelligence methods
MERTCAN YILMAZ