Çevrimiçi eğitimde uyumlanabilirlik düzeyini tahmin eden makine öğrenmesi modeli

Basit Öğe Kaydı
dc.contributor.advisorYılmaz, Atınç
dc.contributor.authorGür, Yağmur
dc.date.accessioned2025-03-10T19:24:51Z
dc.date.available2025-03-10T19:24:51Z
dc.date.issued2024
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalı
dc.description.abstractGünümüzde makine öğrenme modellemeleri pek çok farklı sektörde kullanılan yöntemler kullanılan alanlarda yüksek performanslar göstermiştir. Farklı sektörlerde kullanılan makine öğrenmesinin kullanımı teknolojinin hızla gelişmesiyle yaygınlaşmıştır. Farklı sektörlerde kullanılan yöntemler pek çok sorunu görüp çözüme kavuşturmuştur. Teknolojinin gelişimi ile Eğitim sektörü de bundan etkilenmiştir. Uzaktan öğrenme veya çevrim içi öğrenmenin kullanımı Korona dönemi ile artmıştır. Ancak öğrenme yöntemi olarak kullanılan çevrim içi öğrenmenin pek çok örneğinin başarılı olmadığı görülmektedir. Bu çalışmada amaçlanan, var olan bu sorunun çevrim içi öğrenme yöntemi kullanılabilmesi için bir strateji sunarak örnek bir yöntem uygulamaktır. Böylece teknoloji alanında devam eden çalışmalara katkı sağlamak amaçlanmaktadır. Bu amaç doğrultusunda, 2000 satırlık demografik ve ekonomik özellikleri bulunan veriler incelenerek bazı ön işleme ve görselleştirme işlemlerinden geçirilmiştir. Çalışmada, bazı veri işlemleri gerçekleştirildikten sonra modeller kurularak öğrencinin çevrim içi öğrenmeye uyum düzeyi belirlenmiştir. Veri setindeki çevrim içi uyum düzeyi bağımlı değişken seçilirken diğer değişkenler bütünsel olarak değerlendirilip her biri çevrim içi uyum düzeyini etkiler. Ardından bu veriler üzerinde bir modelleme oluşturmak Korelasyon ile öznitelik belirlenmiş ve seçilen algoritmalar ile tekrar modellemeler oluşturulmuştur. Bu modellerde eğitim ve veri setleri sırasıyla %60-%40, %70-%30, %80-%20 ve %90-%10 olarak test edilmiştir. Daha sonra modellerin performansı, f1-skor, kesinlik ve geri çağırma değerleri karşılaştırılmıştır. Oluşturulan modeller ile yapılan testler sonucunda başarı düzeyi en yüksek algoritma Korelasyon sonrası oluşturulan Karar Ağaçları algoritmasında %70 eğitim seti %30 veri seti olarak kullanılan model belirlenmiştir. Çalışma sonucunda, modelin başarı performansı 0.85, f1-skoru 0.85, keskinlik 0.77 ve geri çağırma 0.88 olarak bulunmuştur. Model sonucuna göre çevrim içi uyum düzeyi en yüksek olan grup 71 kişiyle erkek öğrencilerdir. Erkek öğrencilerin arasında ise 21-25 yaş arası özel okulda okuyan üniversite öğrencilerinin uyumluluk seviyesi yüksektir. Bu verileri daha da özelleştirdiğimizde ise ekonomik durumu düşük, derse giriş aracı olarak bilgisayar ve internet bağlantısı olarak wi-fi, network tipi olarak 4G kullanan grup en yüksek uyumluluğa sahiptir. Elde edilen sonuçlar incelendiğinde, kişilerin demografik ve ekonomik özellikleri çevrim içi öğrenme uyumluluğunu etkilemektedir. Bu durum öne alınarak belli aralıklarla çalışma yapılması ve öğrenme tasarımının bu parametreyi de kullanarak hazırlanması kişilerin başarısını etkileyeceği öngörülmektedir.
dc.description.abstractToday, machine learning modeling methods used in many different sectors have shown high performance in areas where they are used. The use of machine learning, which is used in different sectors, has become widespread with the rapid development of technology. The methods used in different sectors have seen and solved many problems. With the development of technology, the Education sector has also been affected by this. The use of distance learning or online learning has increased with the Corona period. However, it seems that many examples of online learning used as a learning method are not successful. The aim of this study is to apply an example method by presenting a strategy for using the online learning method for this existing problem. Thus, it is aimed to contribute to ongoing studies in the field of technology. For this purpose, 2000 lines of data with demographic and economic characteristics were examined and underwent some pre-processing and visualization processes. In the study, after performing some data processing, models were established and the student's adaptation level to online learning was determined. While the level of online compliance in the data set is selected as the dependent variable, other variables are evaluated holistically and each of them affects the level of online compliance. Then, to create a model on these data, the attribute was determined by correlation and the models were created again with the selected algorithms. In these models, training and data sets were tested as 60%-40%, 70%-30%, 80%-20% and 90%-10%, respectively. Then, the performance of the models, f1-score, precision and recall values were compared. As a result of the tests carried out with the created models, the algorithm with the highest success level was determined to be the model used as 70% training set and 30% data set in the Decision Trees algorithm created after correlation. As a result of the study, the success performance of the model was found to be 0.85, f1-score 0.85, sharpness 0.77 and recall 0.88. According to the model results, the group with the highest level of online adaptation is male students with 71 people. Among male students, the compatibility level of university students aged 21-25 studying in private schools is high. When we further customize this data, the group with a low economic status, using a computer as a means of accessing the course, wi-fi as an internet connection, and 4G as a network type has the highest compatibility. When the results obtained are examined, people's demographic and economic characteristics affect online learning compatibility. It is envisaged that taking this situation into consideration, working at regular intervals and preparing the learning design using this parameter will affect the success of people.
dc.identifier.endpage77
dc.identifier.startpage1
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=LY6e5xGA7WWUpEdrBmEPLrmHdbRY9-RbSk7XuGkwXyYnf_hJLAe9sXHah__2An7N
dc.identifier.urihttps://hdl.handle.net/20.500.12662/9802
dc.identifier.yoktezid902906
dc.institutionauthorGür, Yağmur
dc.language.isotr
dc.publisherİstanbul Beykent Üniversitesi
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_TEZ_20250310
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol
dc.subjectComputer Engineering and Computer Science and Control
dc.titleÇevrimiçi eğitimde uyumlanabilirlik düzeyini tahmin eden makine öğrenmesi modeli
dc.title.alternativeMachine learning model to predict the level of adaptability in online education
dc.typeMaster Thesis

Dosyalar

Koleksiyon

Tez Koleksiyonu