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: Belirtilmemiş.
- 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: 169
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
- 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
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. BURCU ERKMEN
- 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
Yüksek Lisans
Türkçe
2024
Deprem MühendisliğiErciyes Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TAMER DİRİKGİL
- Design of a test setup for steel wire rope fatigue testing and development of an AI-based damage detection method
Çelik halat yorulma testi için bir test düzeneğinin tasarımı ve yapay zeka tabanlı hasar tespit yönteminin geliştirilmesi
MOHSEN SEYYEDİ
Yüksek Lisans
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. CEVAT ERDEM İMRAK
- Bankacılık işlemlerinde müşteri edinimi ve müşteri kaybının yapay zeka ile değerlendirilmesi
Assessment of customer acquisition and closure in banking transactions with artificial intelligence
BETÜL KOKULU
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FATİH BAŞÇİFTÇİ
- Uzman sistem teknolojisi ve çizelgeleme uygulaması
The technology of expert system and applications of scheduling
TARIK ÇAKAR
Yüksek Lisans
Türkçe
1991
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiY.DOÇ.DR. ORHAN KURUÜZÜM