Yapay zekâ destekli öğrenci tanıma sisteminin tasarımı ve farklılaştırılmış öğretimin kavramsal öğrenmeye etkisi
Design of an artificial intelligence supported student recognition system and the effect of differentiated instruction on conceptual learning
- Tez No: 987654
- Danışmanlar: PROF. DR. ORHAN KARAMUSTAFAOĞLU
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Amasya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Çalışmada; fen öğretiminde kavramsal öğrenmeyi verimli bir şekilde yapılandırabilmek için yapay zekâ ile bütünleştirilmiş farklılaştırılmış öğretim uygulamalarının etkisinin incelenmesi amaçlanmıştır. Bu doğrultuda eğitsel veri madenciliği, öğrenme analitiği ve makine öğrenmesi algoritmaları ile farklılaştırılmış öğretim uygulamalarının zenginleştirilmesi hedeflenmiştir. Çalışmada yapay zekâ araçları öğrenme stillerini, kavramsal öğrenmeyi ve kavram yanılgılarını analiz etmek için kullanılmıştır. Bu çalışma süreci tasarım tabanlı araştırma yöntemi kullanılarak sürdürülmüştür. Tasarım tabanlı araştırma sürecinde üç tasarım gerçekleştirilmiştir. İlk olarak öğretmen adaylarının öğrenme stillerini belirlemede“Christou'nun Beş Aşamalı Modeli”kullanılmıştır. İkinci olarak öğretmen adaylarının kavram yanılgılarını belirleme sürecinde“Öğrenme Analitiği Döngüsü Modeli”kullanılmıştır. Üçüncü aşamada ise farklılaştırılmış öğretim uygulamasında etkinlikleri geliştirmede“ADDIE Tasarım Döngüsü Modeli”nden yararlanılmıştır. Tasarım tabanlı araştırma sürecinde üç farklı örneklem grubu ile tez çalışması gerçekleştirilmiştir. İlk örneklem grubu, yapay zekâ destekli öğrenme stillerini belirleme sürecine dâhil edilen 8 faklı üniversitede fen bilgisi öğretmenliği programında öğrenim gören 522 gönüllü öğretmen adayıdır. İkinci örneklem grubu, yapay zekâ destekli elektrik konusuna yönelik kavram yanılgılarını belirleme sürecine dâhil edilen 8 farklı üniversitede fen bilgisi öğretmenliği programında öğrenim gören 510 gönüllü öğretmen adayıdır. Üçüncü örneklem grubu ise farklılaştırılmış öğretim sürecine dâhil edilen Kırıkkale Üniversitesi fen bilgisi öğretmenliği programında öğrenim gören ve amaçlı örnekleme ile seçilen 30 öğretmen adayından oluşmaktadır. Tez çalışmasında öncelikle insan uzmanlar yerine yapay zekâ algoritmaları kullanılarak öğretmen adaylarının öğrenme stillerinin belirlenmesi hedeflenmiştir. Bu süreçte gerçekleştirilen çalışmalarda, 'KDD Veri Madenciliği Süreç Modeli' kullanılarak nitel veriler toplanmıştır. Bu veriler Tematik Analiz Yöntemi ile analiz edilmiştir. Toplam 552 öğretmen adayından elde edilen veri setini işlemek için Doğal Dil İşleme yöntemi kullanılmıştır. Veriler yapay zekâ araçlarından Makine Öğrenmesi ve denetimli öğrenme algoritmaları kullanılarak sınıflandırılmıştır. Öğretmen adaylarının öğrenme stillerini tahmin etmek için kullanılan en yüksek doğruluk oranına sahip Makine Öğrenmesi algoritmasının, araştırmacılar tarafından geliştirilen ve Çok Katmanlı Algılayıcı, Rastgele Orman ve Karar Ağacı algoritmalarının birleşiminden oluşturulan 'Topluluk Modeli' olduğu belirlenmiştir. Bu aşamada, öğrenme stillerinin otomatik olarak belirlenmesi sürecinde Doğal Dil İşleme uygulamalarının önemli olduğu ve tematik analizin yapay zekâ uygulamalarında yenilikçi bir yöntem olduğu sonuçlarına varılmıştır. Ayrıca çalışma kapsamında elde elden nicel verilere göre; öğretmen adaylarının öğrenme stillerini belirleme sürecinde yapay zekâ algoritması ile insan uzmanı değerlendirmesi arasındaki anlamlı farkı belirlemek için kappa (κ) değeri analiz edilmiş ve uyum gücünün 'neredeyse mükemmel' düzeyde olduğu görülmüştür. Tez çalışmasında ikinci olarak elektrik konusuna yönelik elde edilen 510 adayın yapay zekâ verileri Öğrenme Analitiği Döngüsü kullanılarak oluşturulmuş ve tematik analiz yöntemi ile çözümlenmiştir. Ayrıca araştırmacılar tarafından geliştirilen web formda yer alan sorular, öğretmen adaylarının kavram yanılgılarını ve kavramsal öğrenmelerini belirlemek amacı ile kullanılmıştır. Kavram yanılgılarını belirlemede frekans dağılımı kullanılmıştır. Verilerden öğretmen adaylarının elektrik konusuna yönelik kavram yanılgısı içeren cümle sayısının 249 olduğu tespit edilmiştir. Tespit edilen kavram yanılgılarının literatürde belirtilenler ile ilişkili olduğu görülmüştür. Tematik analiz sonucunda en yüksek başarım oranına sahip yapay zekâ algoritmasının araştırmacılar tarafından her bir soru için geliştirilen üçlü Topluluk Modeli olduğu belirlenmiştir. Ayrıca tez çalışmasının deneysel sürecinde 30 öğretmen adayından alınan ön-test ve son-test kavramsal öğrenme düzeyi verileri normal dağılım gösterdiği tespit edildiği için bağımlı t testi kullanılarak analiz edilmiştir. Son olarak farklılaştırılmış öğretimin etkisinde öğretmen adaylarının kavramsal öğrenme düzeyi puanları üzerinde son test lehine istatistiksel olarak anlamlı bir fark olduğu tespit edilmiştir. Bu tez çalışmasında farklılaştırılmış öğretimin öğretmen adaylarının kavramsal öğrenme düzeylerinde etkili olduğu sonucuna varılmıştır. Ayrıca çalışmada yapay zekâ ile kavram yanılgısı tespitinin başarım düzeyinin oldukça yüksek çıkması dikkat çekicidir. Varılan sonuçların ilgili literatüre ve benzer araştırmalar gerçekleştireceklere önemli katkı sağlayacağı düşünülmektedir.
Özet (Çeviri)
This thesis aims to investigate the effect of differentiated teaching practices integrated with artificial intelligence in order to effectively structure conceptual learning in science education. In this regard, the enrichment of differentiated teaching practices through educational data mining, learning analytics, and machine learning algorithms is targeted. Artificial intelligence tools were used to analyze learning styles, conceptual learning, and misconceptions. This study was conducted using a design-based research method. Three designs were implemented in the design-based research process. First,“Christou's Five-Step Model”was used to determine the learning styles of teacher candidates. Second, the“Learning Analytics Cycle Model”was used in the process of identifying the misconceptions of teacher candidates. In the third stage, the“ADDIE Design Cycle Model”was used to develop activities in differentiated instruction. The thesis study was conducted with three different sample groups in a design-based research process. The first sample group consisted of 522 volunteer teacher candidates studying in science education programs at eight different universities who were included in the process of determining AI-supported learning styles. The second sample group consisted of 510 volunteer teacher candidates studying in science education programs at 8 different universities who were included in the process of identifying misconceptions related to electricity supported by artificial intelligence. The third sample group consists of 30 teacher candidates enrolled in the science education program at Kırıkkale University, who were selected through purposive sampling and included in the differentiated teaching process. The thesis study primarily aimed to determine the learning styles of teacher candidates using artificial intelligence algorithms instead of human experts. In the studies conducted during this process, qualitative data was collected using the 'KDD Data Mining Process Model'. This data was analyzed using the Thematic Analysis Method. Natural Language Processing was used to process the dataset obtained from a total of 552 teacher candidates. The data was classified using artificial intelligence tools, namely Machine Learning and supervised learning algorithms. It was determined that the Machine Learning algorithm with the highest accuracy rate used to predict the learning styles of teacher candidates was the 'Ensemble Model' developed by the researchers, which was created from a combination of Multi-Layer Perceptron, Random Forest, and Decision Tree algorithms. At this stage, it was concluded that Natural Language Processing applications are important in the process of automatically determining learning styles and that thematic analysis is an innovative method in artificial intelligence applications. Furthermore, based on the quantitative data obtained within the scope of the study, the kappa (κ) value was analyzed to determine the meaningful difference between the artificial intelligence algorithm and the human expert assessment in the process of determining the learning styles of teacher candidates, and it was found that the level of agreement was 'almost perfect'. Secondly, in the thesis study, the artificial intelligence data of 510 candidates obtained on the subject of electricity was created using the Learning Analytics Cycle and analyzed using the thematic analysis method. In addition, the questions included in the web form developed by the researchers were used to determine the misconceptions and conceptual learning of teacher candidates. Frequency distribution was used to determine misconceptions. The data revealed that teacher candidates had 249 sentences containing misconceptions about electricity. The identified misconceptions were found to be related to those mentioned in the literature. The thematic analysis determined that the artificial intelligence algorithm with the highest performance rate was the triadic Ensemble Model developed by the researchers for each question. Furthermore, since the pre-test and post-test conceptual learning level data obtained from 30 teacher candidates during the experimental process of the thesis study were found to be normally distributed, they were analyzed using the dependent t-test. Finally, it was found that there was a statistically significant difference in favor of the final test on the conceptual learning level scores of teacher candidates under the influence of differentiated instruction. This thesis study concluded that differentiated instruction is effective in the conceptual learning levels of teacher candidates. Furthermore, it is noteworthy that the success rate of identifying misconceptions using artificial intelligence was quite high. It is believed that the findings will contribute significantly to the relevant literature and to those who will conduct similar research.
Benzer Tezler
- Uzaktan eğitimde öğrencilerin duygularını yapay zekâ ile tespit ederek dönüt sağlayan ortamın tasarımı ve değerlendirilmesi
Design and evaluation of an environment that provides feedback by detecting students emotions with artificial intelligence in distance education
AHMET DOĞUKAN SARIYALÇINKAYA
Doktora
Türkçe
2024
Eğitim ve ÖğretimTrabzon ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. HASAN KARAL
- Yapay zekâ destekli robotik kodlama öğretiminin öğrencilerin tasarım odaklı düşünme ve problem çözme becerilerine etkisi
The effect of artificial intelligence assisted robotic coding teaching on students' design thinking and problem solving skills
MEHMET EMİN HANGÜN
Doktora
Türkçe
2025
Bilim ve TeknolojiFırat ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
PROF. DR. YALIN KILIÇ TÜREL
- Yabancı dil olarak Türkçe öğretiminde yapay zekâ destekli metinlerin somut olmayan kültürel miras unsurlarını öğretmedeki yeterliği
The effectiveness of ai-supported texts in teaching intangible cultural heritage elements in teaching Turkish as a foreign language
İLKNUR ERDEM
Yüksek Lisans
Türkçe
2025
Eğitim ve ÖğretimÇanakkale Onsekiz Mart ÜniversitesiTürkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı
PROF. DR. FATİH KANA
- Development of an aı-powered vırtual assıstant for unıversıty ınquıry support
Üniversite danışma desteği için yapay zekâ destekli sanal asistan geliştirilmesi
AICHA MALAK GHIMOUZ
Yüksek Lisans
İngilizce
2025
Mühendislik Bilimleriİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SELÇUK ŞENER
- Yabancı dil olarak Türkçe öğretiminde sözlü etkileşim ve üretim sürecinin yapay zekâ uygulamalarıyla desteklenmesi
Supporting the oral interaction and production process with artificial intelligence applications in teaching Turkish as a foreign language
MUSTAFA TEKELİ
Doktora
Türkçe
2025
Eğitim ve ÖğretimGazi ÜniversitesiTürkçe Eğitimi Ana Bilim Dalı
PROF. DR. YILMAZ YEŞİL