Makine öğrenmesi ile uzaktan eğitim öğrencilerinin performanslarının değerlendirilmesi

Abstract

Uzaktan eğitimdeki öğrencilerin yıl sonu akademik performanslarının önceden tahmin edilmesi ve bu tahmin sonucunda elde edilecek bilginin kullanılmasıyla gerekli önlemlerin alınması çok önemlidir. Özellikle öğrencilerin akademik performanslarının iyileştirilmesine ve böylece eğitim kalitesinin artırılmasına olanak sağlanabilir. Bu çalışmada uzaktan eğitimdeki öğrencilerin ilk 6 haftalık öğretim yönetim sistemi verileri kullanılarak, yıl sonu akademik performanslarını tahmin etmeye yönelik yeni bir matematiksel model geliştirilmiştir. Klasik bulanık ve uzman görüşüne dayanılarak oluşturulan bulanık modeller kurulmuş, sonrasında genetik algoritma kullanılarak bulanık modele ait üyelik fonksiyon aralıkları optimize edilmiştir. Daha sonrasında kümeleme yöntemleri kullanılarak bulanık mantık ile birlikte melez bir model oluşturulmuştur. Bu çalışmada kullanılan veriler veriler açık kaynak kodlu öğretim yönetim sistemi olan Moodle üzerinden elde edilmiştir. 2011-2012 öğretim yılı Temel Bilgisayar Bilimleri dersine kayıtlı 218 öğrencinin verileri kullanılarak model oluşturulmuştur. 2012-2013 öğretim yılı Temel Bilgisayar Bilimleri dersine kayıtlı 95 öğrenciye ait veriler de doğrulama verisi olarak kullanılmıştır. Yapılan çalışmada bir öğrencinin sisteme en son ne zaman girdiği, ne sıklıkla girdiği, en son oturumda ne kadar süre kaldığı gibi 6 haftalık verilere ilave olarak, 4.haftada yapılan küçük sınav notu ve 8.haftada yapılan ara sınav notu bilgileri giriş verisi olarak kullanılmıştır. Bu veriler ışığında oluşturulan modellerle öğrencilerin akademik performans tahminleri yapılmış ve elde edilen sonuçlar karşılaştırılmıştır.Anahtar kelimeler:Bulanık, Çıkarımlı, Genetik, FCM, Kümeleme

It is essential to predict distance education students' year-end academic performance early during the semester and to take relevant measures on the basis of such prediction. In this way, it could be possible to enhance students' academic performance and thus the quality of education they are provided with. The present study is forced on designing a new mathematical model to predict distance education students' year-end academic performance in reference to the 6-week data kept in the learning management system. Particular fuzzy models were formed on the basis of classical fuzzy and learned opinion, and the membership function ranges for the fuzzy model were optimized through a genetic algorithm. Next, a hybrid model was formed with fuzzy logic using clustering methods. The data were collected on Moodle, an open-source learning management system. The model was based on the data on a total of 218 students registering for the course Basic Computer Sciences during the 2011-2012 Academic Year. In addition, one more dataset, which was concerning another 95 students registered for the course during the 2012-2013 Academic Year, was used as verification data. The input data were comprised of five components, namely the last time when students logged on to the system, the frequency at which they logged on to the system, the amount of time spent online in the last session, one quiz administered in Week 4, and one midterm exam administered in Week 8. The models formed on the basis of these data were used to predict students' academic performance and to make particular comparisons.Anahtar kelimeler:Fuzzy, Subtractive, Genetic, FCM, Clustering