Öğrenme stiline dayalı uyarlanabilir öğrenme yönetim sisteminin geliştirilmesi ve değerlendirilmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Atatürk Üniversitesi, Eğitim Bilimleri Enstitüsü, Bilgisayar ve Öğretim Teknolojileri Eğitimi Anabilim Dalı, Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: İSMAİL KARA
Asıl Danışman (Eş Danışmanlı Tezler İçin): Yüksel Göktaş
Eş Danışman: Tolga Aydın
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Amaç: Araştırmada, Felder ve Silverman öğrenme stiline dayalı uyarlanabilir öğrenme yönetim sisteminin geliştirilmesi ve kullanıcı etkileşim verileriyle akademik başarı ve öğrenme stilinin makine öğrenmesi sınıflandırma algoritmalarıyla tahmin edilmesi amaçlanmıştır. Yöntem: Araştırmada tasarım tabanlı araştırma yöntemi kullanılmıştır. 80 öğrenciden oluşan çalışma grubuyla analiz ve keşif, tasarım ve geliştirme, değerlendirme ve yansıma aşamalarıyla çalışma yürütülmüştür. Çalışma grubunun öğrenme stilleri belirlenmiş ve geliştirilen ÖYS üzerinden kullanıcı etkileşim verileri toplanmıştır. İçerik analizi ile uyarlanabilir ÖYS'nin özellikleri ortaya çıkarılmış, makine öğrenmesi sınıflandırma algoritmaları kullanılarak öğrenme stilleri ve akademik başarı tahmin performansları değerlendirilmiştir. Sınıflandırma algoritmalarıyla analiz sürecinde SMOTE tekniği, GridSearchCV ve katmanlı k-fold çapraz doğrulama teknikleri kullanılmıştır. Ayrıca odak grup görüşmesi aracılığıyla sisteme ilişkin öğrenci görüşleri elde edilmiş, içerik analizi yöntemiyle analiz edilerek tema, kategori ve kodlar oluşturulmuştur. Bulgular: Uyarlanabilir öğrenme yönetim sistemlerinin özellikleri altı kategori altında sınıflandırılmıştır. Buna göre öğrenci modeli, öğretici modeli, içerik modeli, değerlendirme, arayüz, yapay zekâ ve veri işleme kategorileri ortaya çıkmıştır. Akademik başarı tahmininde Random Forest algoritması, %87 doğruluk oranıyla akademik başarı tahmininde en iyi performansı göstermiştir. Öğrenme stili boyutlarında ise görsel/sözel boyutta Random Forest algoritması %89.9 doğruluk oranıyla en başarılı algoritma olurken; aktif/yansıtıcı boyutta %70.6 doğruluk oranıyla SVM, algısal/sezgisel boyutta %79.3 doğruluk oranıyla Random Forest ve sıralı/bütünsel boyutta %73.4 doğruluk oranıyla yine Random Forest en iyi sonuçları elde etmiştir. Öğrencilerin sisteme ilişkin görüşleri ise kullanıcı deneyimi, uyarlanabilirlik ve kişiselleştirme, içerik, akademik başarı ve öneriler olmak üzere beş tema altında toplanmıştır. Sonuçlar: Araştırma sonucunda uyarlanabilir öğrenme yönetim sistemlerinin özellikleri ortaya koyulmuştur. Bu özellikler ile geliştirilecek sistemlerin uyarlanabilirlik düzeyinin yüksek olacağı sonucuna varılmıştır. Öğrenme stili ve akademik başarı tespitinde ise sınıflandırma algoritmalarının kullanılması etkili bir seçenektir. Akademik başarı tahmininde özellikle Random Forest algoritmasının yüksek performans gösterdiği ve bu tahminlerde ödev, quiz ve forum etkinliklerinin etkili olduğu sonucuna varılmıştır. Öğrenme stilinde görsel/sözel boyutu tahmininin diğer boyutlara göre genellenebilirliğinin daha yüksek olduğu sonucuna varılmıştır.