Yapay Zekâ Yöntemleri ile Üniversite Öğrencilerinin Ders Motivasyonlarının Tahmin Edilmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: İstanbul Üniversitesi, Fen Bilimleri Enstitüsü, Enformatik Bölümü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: MİTHAT YAVUZARSLAN
Danışman: Çiğdem Erol
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Çevrimiçi öğrenme ortamlarında öğrencilerin derse olan ilgilerini saptamak yüz yüze öğrenme ortamlarına kıyasla daha zordur. Diğer yandan Öğrenme Yönetim Sistemleri (ÖYS), öğrencilerin çevrimiçi olarak sunulan derslerin ortam ve materyalleriyle olan etkileşimlerinden log adı verilen kayıt verisi oluşturmakta ve depolamaktadır. Söz konusu verinin yapay zekâ yöntemleriyle işlenerek öğrencilerin derse yönelik motivasyon düzeyleri ve motivasyon düzeylerini etkileyen değişkenleri ortaya çıkarmak mümkün olmaktadır. Bu çalışmada üniversite öğrencilerine ait ÖYS log verisi kullanılarak bir derse yönelik motivasyon düzeylerinin tahmin edilmesi amaçlanmıştır. Araştırma bir üniversitede 2020-2021 Güz, 2020-2021 Bahar ve 2021-2022 Güz dönemlerinde açılan Temel Bilgisayar Uygulamaları dersine kayıtlı 407 öğrenciyle yürütülmüştür. Öğrencilerden ders dönemini kapsayan 14 hafta boyunca kayıtlı oldukları dersin yürütüldüğü Moodle tabanlı ÖYS sunucusunda depolanan log kayıtları elde edilmiştir. Ayrıca öğrencilerin derse yönelik motivasyon düzeylerini belirlemek amacıyla John M. Keller tarafından geliştirilen ARCS motivasyon teorisini temel alan Derse İlgi Ölçeği (DİÖ) çalışma kapsamında Türkçe'ye uyarlama çalışmaları yapılarak uygulanmıştır. Çalışmada iki veri seti kullanılmıştır ve birinci veri seti ile modelleme ve test işlemleri yapılmış olup ikinci veri seti ise birinci veri setiyle geliştirilen modeller için geçerleme seti olarak kullanılmıştır. Motivasyon hedef niteliği DİÖ ile elde edilen toplam puanların ikili ve üçlü sınıflara indirgenmesiyle elde edilmiştir. Çalışmada kullanılan yapay zekâ modelleri k-En Yakın Komşu, Naive Bayes, Destek Vektör Makineleri, C5.0, CART, Rastgele Orman ve Lojistik Regresyon algoritmaları ile eğitilmiştir. Performans değerlendirme amacıyla rastgele alt örnekleme, k-katlı çapraz geçerleme ve hold-out yöntemleri kullanılmış olup hold-out ile yürütülen analizlerde veri setine çeşitli yukarı örnekleme yöntemleri uygulanmıştır. Değerlendirme için ise özellikle doğruluk ve ROC değerleri performans metrikleri olarak kullanılmıştır. Araştırmanın sonucunda ÖYS log dosyalarından elde edilen veriyle öğrencilerin derse yönelik motivasyon düzeylerini tahmin etmenin mümkün olduğu görülmüştür. Bu doğrultuda birinci ve ikinci aşama bulgularında rastgele alt örnekleme ve k-katlı çapraz geçerleme ile %70 civarında genel sınıflandırma başarısı görülürken yukarı örnekleme uygulanmış veri seti kullanılarak hold-out ile test edilen modellerin performansları %80 seviyesine yakın ölçülmüştür. Diğer yandan özellikle birinci aşamada test edilen modeller arasında en yüksek performanslar karar ağacı algoritmalarıyla (C5.0, CART ve Rastgele Orman) elde edilmiştir. Motivasyon hedef niteliğine etki eden öznitelikleri belirleyebilmek adına yüksek performans gösteren algoritmaların öznitelik önemi sıralamalarına bakılmış ve ÖYS log dosyaları ile oluşturulan özniteliklerden "ToplamOturumSuresi", "SinavOdakliCalisma" ve "SayfadaKalmaOrtalama" gibi süre ifade eden özniteliklerin derse yönelik motivasyon düzeyi üzerinde diğer özniteliklere kıyasla daha belirleyici oldukları görülmüştür. Araştırmanın sonuçları ilgili literatürdeki bulgular göz önüne alınarak tartışılmış ve gelecekte yürütülecek benzer çalışmalara dair öneriler sunulmuştur.