TERS YÜZ SINIFLARDAKİ VİDEO İZLEME DAVRANIŞLARI İNCELENEREK VERİ MADENCİLİĞİ İLE BAŞARININ TAHMİN EDİLMESİ
Tez Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi, Fen Bilimleri Enstitüsü, Enformatik Bölümü, Türkiye
Tez Danışmanı: Sevinç Gülseçen
Tezin Onay Tarihi: 2021
Tezin Dili: Türkçe
Özet:
Bu tez çalışmasında ters yüz sınıflardaki video izleme davranışlarına ait veriler kullanılarak öğrencilerin başarı performansları veri madenciliği yöntemlerinden olan sınıflandırma yöntemleri ile modellenmesi amaçlanmıştır. Başarı tahmini öğrenme ortamının daha verimli tasarlanabilmesi ve bireysel dönütlerin verilebilmesi açısından önem arz etmektedir. Çevrimiçi ortamlardan gelen büyük miktardaki veriler kullanılarak gerçekleştirilen tahminler ise eğitsel veri madenciliği alanında oldukça popüler hale gelmiştir. Çalışmada 4 dönem boyunca Temel Bilgisayar Uygulamaları dersine kayıtlı olan farklı bölümlerdeki toplam 404 üniversite öğrencisine ait video izleme verileri kullanılmıştır. Öğrenciler 14 haftalık dönem boyunca yüz yüze eğitim öncesinde araştırmacı tarafından hazırlanan ortalama 15'şer dakikalık ders içeriği ile uyumlu 11 videoyu Moodle öğrenme yönetim sistemi üzerinden izlemişlerdir. Öğrencilerin atlama yapma sayısı, oturum açma sayısı, farklı video görüntüleme sayısı vb. verilerinin kaydedilmesi için öğrenme yönetim sistemi üzerine kurulan bir araçtan yararlanılmıştır. Dijital ortamdan toplanan 11 adet nitelik dışında 6 adet demografik bilgi de anket yöntemi ile toplanmış, veri setinde 17 adet nitelik elde edilmiştir. Öğrencilerin başarı performansı ise başarılı ve başarısız olarak belirlenmiştir. Verilerdeki gizli örüntüleri açığa çıkarmak için kullanılan ve alandaki başarı tahmini çalışmalarında en çok tercih edilen sınıflandırma algoritmalarından olan Rastgele Orman, Destek Vektör Makineleri ve Naive Bayes algoritmaları analiz aşamasında kullanılarak araştırmanın ana problemine yanıt aranmıştır. Veri setinin dengesiz olması nedeniyle SMOTE tekniği kullanılarak sentetik veriler oluşturulmuş ayrıca çapraz geçerlilik yöntemi de kullanılmıştır. Elde edilen sonuçlar incelendiğinde ders başarı performanslarının yüksek doğruluk oranları ile tahmin edilebileceği ortaya konmuştur. En başarılı sınıflandırma oranına sahip algoritma toplamda %83,11 doğruluk oranıyla Rastgele Orman algoritması olmuştur. Destek Vektör Makineleri, Naive Bayes ve Rastgele Orman algoritmalarına oranla oldukça düşük doğruluk oranlarıyla tahmin yapabilmiştir. Başarısız öğrencilerin dönem sonu sınavına girmeden önce doğru tahmin edilebilmesinin, başarı düzeyini arttırabileceği düşünüldüğünde başarılı öğrencileri tahmin etmeye kıyasla daha önemli olduğu görülmektedir. Rastgele Orman algoritmasının başarısız öğrencilerin tahmin edilmesinde %87,67 ile kullanılan diğer algoritmalardan oldukça yüksek bir doğru tahmin oranı yakaladığı tespit edilmiştir.