Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi, Fen Bilimleri Enstitüsü, Enformatik Bölümü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: HALİT IRMAK
Danışman: Zümrüt Satı
Özet:
İnsanların sahip olduğu bazı zihinsel özellik ve becerileri bilgisayarlar veya diğer yapay sistemler (makineler) aracılığıyla taklit etmeye çalışan ve yapay olarak oluşturulan zeki davranışlara sahip sistemler olan yapay zeka, sağlık, endüstri, finans ve daha bir çok sektörde olduğu gibi eğitimde alanında da sıklıkla kullanılmaktadır. Kuşkusuz, tüm eğitim kurumları öğrenci akademik performansını artırmayı hedefleyerek eğitim süreçlerini geliştirmek ve akademik kaliteyi artırmayı amaçlamaktadır. Günümüzde artan ve çeşitli sistem altyapılarında depolanan büyük veriler yapay zeka yöntemleri ile analiz edilerek anlamlı bilgiler elde edilebilmekte ve ileriye dönük tahminlemeler yapılabilmektedir. Bu anlamda yapay zeka teknolojilerinin eğitimde kullanılmasının, eğitim kurumlarının amaçlarına ulaşmalarında çok önemli olduğu düşünülmektedir.
Öğrencilere zaman ve mekan sınırlması olmadan öğrenme fırsatı sağlayan ve eğitimde fırsat eşitliğine büyük katkı sağlayan uzaktan eğitim sistemi günümüzde COVID-19 pandemisi sonrası büyük önem kazanmıştır. COVID-19 pandemisi sürecinde hemen hemen tüm ülkeler kapanma kararı almış ve eğitimde de tamamıyla uzaktan eğitim sistemine geçiş yapmışlardır. Bu dönemde ortaya çıkan büyük veri uzaktan eğitimdeki sorunların tespit edilmesi ve yapay zeka algoritmalarının öğrenci akademik performanslarını tahminlemedeki başarısının değerlendirmesi açısından önemli bir fırsat oluşturmuştur. Bu çalışmanın iki temel amacı bulunmaktadır: Çalışmanın birinci amacı akademisyen ve öğrencilerin uzaktan eğitimde yaşamış oldukları sorunların yapay zeka yöntemleri ile tespit edilmesi iken, çalışmanın bir diğer amacı ise öğrencilerin akademik performanslarının yapay zeka yöntemleri ile tahmin edilmesidir.
Çalışmanın birinci amacı doğrultusunda yapay zeka yöntemlerinden olan metin madenciliği yöntemleri kullanılmış ve sorunlar tespit edilmiştir. Bu amaç doğrultusunda 111 akdemisyen ve 202 öğrenci olmak üzere toplamda 313 destek kaydı Kelime Bulutları, Gizli Anlamsal Analiz ve Gizli Dirichlet Ayrımı yöntemleri ile analiz edilmiştir. Sonuç olarak hem akademisyen hem de öğrencilerin sistem altyapısı, internet bağlantı sorunları ve sınavlarla ilgili sorunlar yaşadıkları görülmüştür. Akademisyenlerin derslerin sisteme aktarılmaması veya geç aktarılmasına bağlı olarak sorun yaşadıkları ve bu durumun üniversitesinin senkronizasyon işlemlerindeki hatalardan kaynaklı olduğu anlaşılmıştır. Ayrıca beyaz tahta kullanımı ile ilgili de sorun yaşadıkları görülmüştür. Öğrencilerin ise belirtilen sorunların dışında ödev ve doküman konularında da sorun yaşadıkları anlaşılırken senkronizasyon hatalarının öğrencileri de etkilediği anlaşılmaktadır.
Öğrencilerin akademik performanslarının tahmin edilmesi amacıyla sınıflandırma algoritmaları olarak Destek Vektör Makineleri, Yapay Sinir Ağları, Logistik Regresyon, Random Forest, k-En Yakın Komşu ve Naive (Basit) Bayes Sınıflandırıcı kullanılmıştır. Çalışmada örneklem gurubu olarak bir devlet üniversitesinin tüm programlarında yer alan 1000 farklı öğrenci ve toplamda 7716 dersten oluşan öğrenci veri seti kullanılmıştır. Çalışmada kullanılan modellerin performansları tabakalı çapraz geçerleme ve tabakalı rastgele örnekleme yöntemleri kullanılarak analiz edilmiştir. Yapılan performans değerlendirmesi sonrası en yüksek performansın Yapay Sinir Ağları algoritmasından elde edildiği görülmüştür.