Olasılığa dayalı uyarlanabilir hiper ortamlarda etkili olan değişkenlerin modellenmesi

Abstract

Eğitsel hiper ortamlar, öğretmen ya da rehber bir kişinin desteği olmadan öğrencinin öğrenme sürecini kendisinin düzenlemesine imkân vermektedir. Bu tür sistemlerde, öğrencilerin bireysel özelliklerinin öğrenme süreçleri üzerindeki etkisi daha fazla ön plana çıkmaktadır. Çünkü öğrencilerin, bir öğretim uygulamasına yönelik tercih ettikleri öğretme-öğrenme yaklaşımları, gezinme tercihleri ve öğretimsel içeriklerden yararlanma düzeyleri, sahip oldukları bireysel özelliklere göre farklılaşmaktadır. Alanyazındaki çalışmalar öğrenenin bireysel özelliklerini dikkate alan dinamik uyarlanabilir öğrenci modeline sahip sistemler geliştirmenin önemi ve yararı üzerinde durmaktadır. Öğrencinin mevcut bilişsel durumunu ortaya çıkarmak ve öğrencilerin hiper ortam sistemlerinden daha etkili bir şekilde yararlanmalarını sağlamak için dinamik öğrenci modellerinin tasarımı önem arz etmektedir. Bu bağlamda çalışmanın amacı, dinamik öğrenci modeli geliştirebilmek için olasılığa dayalı hiper ortamlarda etkili olan değişenleri modellemektir. Bu amaç çerçevesinde farklı bilgi türlerinde içeriklerin sunulduğu eğitsel hiper ortam sistemlerinde karşılaşılan problemler ile öğrenenlerin gezinme davranışları arasındaki ilişki incelenmiş ve bireysel farklılıkların bu ilişki üzerindeki etkisi araştırılmıştır. Elde edilen anlamlı göstergeler temel alınarak dinamik öğrenci modellemede kullanılabilecek bayes ağları oluşturulmuştur. Çalışma 81 üniversite öğrencisinin katılımı ile 2014-2015 eğitim öğretim yılında gerçekleştirilmiştir. Çalışmanın uygulama süreci altı hafta sürmüştür. Araştırma kapsamında bağımlı değişkenlere ilişkin ölçümlerde akademik başarı testi, kaybolma algısı ölçeği ve memnuniyet ölçeği kullanılmıştır. Çalışmanın bağımsız değişkenlerini oluşturan gezinme metriklerinin hesaplanmasında ise öğrenenlerin gezinme verilerinden yararlanılmıştır. Son olarak çalışmanın aracı değişkenlerine ilişkin ölçümlerde, bilişsel stili belirlemek amacıyla gizlenmiş şekiller grup testinden, çalışan bellek kapasitesini belirlemek için işlem-harf dizisi testinden ve ön bilgi seviyesini belirlemek için akademik başarı testinden yararlanılmıştır. Çalışmanın amacı ve araştırma modeli çerçevesinde, çalışmada farklı nicel analiz tekniklerine başvurulmuştur. Çalışmaya katılan öğrencilerin demografik özelliklerini analiz etmek için frekans ve yüzde, değişkenler arası ilişkileri tespit etmek amacıyla pearson korelasyon, ele alınan bireysel özelliklere ait her bir alt grubun gezinme metrikleri arasındaki farklılığı belirlemek için bağımsız gruplar için t testi, ölçüm modelinde yer alan değişkenlerin betimsel özelliklerini analiz etmek için aritmetik ortalama, standart sapma, basıklık ve çarpıklık hesaplamaları yapılmıştır. Ayrıca model uygunluğunun tespiti için model uyum indeksleri, alt gruplar açısından farklılaşmaları görmek için çoklu grup analizi, model üzerindeki dolaylı ve doğrudan etkilerin ortaya koyulması için yol analizi yapılmıştır. Araştırmadan elde edilen verilerin analizi sonucunda, yapısal modelde yer alan değişkenler arasındaki ilişkilerin, bireysel özelliklere ve hiper ortamda sunulan bilgi türüne bağlı olarak değiştiği tespit edilmiştir. Bu değişimler göz önünde bulundurularak algılanan kaybolmanın, akademik performansın ve memnuniyetin tahmininde etkili olan göstergeler incelenmiştir. Olasılığa dayalı öğrenci modellemesinin temel girdisi olacak bayes ağları, bu göstergeler çerçevesinde oluşturulmuştur. Ayrıca araştırmadan elde edilen sonuçlara dayalı olarak uygulamaya ve gelecekte yapılabilecek araştırmalara yönelik öneriler sunulmuştur.Anahtar Kelimeler : Öğrenci modelleme, uyarlanabilir hiper ortamlar, Bayes ağları

Educational hypermedia environments allow students to organize their learning process on their own without any support. The impact of individual characteristics of students on their learning process comes into prominence in such systems. This is because of the fact that students' preferred teaching-learning approaches about any instructional application, their navigation patterns and their level of making use of instructional content vary according to their individual characteristics. In this respect, the related literature indicates that it is both significant and essential to design systems with dynamic adaptive student model considering learners' individual characteristics. It is crucial to improve dynamic student models so as to reveal students' cognitive status and to maximize their level of making good use of hypermedia systems. In this context, the purpose of the study is to model the variables effective in probability-based adaptive hypermedia systems so as to develop dynamic student model. In the framework of this aim, the relationship between students' navigation patterns and the problems encountered in educational hypermedia systems in which different types of data are presented were examined and also, the impact of these individual differences on this relationship was investigated. Based on significant indicators, Bayesian networks were formed in modeling dynamic student. The current study was conducted with 81 university students in the academic year of 2014-2015. The application process of the study lasted six weeks. As for measurements with dependent variables, academic achievement tests, perception of disorientation scale and satisfaction scale were employed. The students' navigation data were used in order to measure navigation metrics, the independent variables of the study. For measurements with moderator variables, group embedded figures test was employed to determine cognitive style, operation word span task to measure working memory capacity and lastly, academic achievement test was employed to find out the level of prior knowledge. Considering the aim and design of the study, various quantitative data analysis methods were used. That is to say, frequency and percentages were employed so as to analyze demographic information of the participant students; pearson correlation to analyze relations among the variables; independent t-test to determine the differences in navigation patterns of each subgroup regarding the individual characteristics in hand; arithmetic mean, standard deviation, kurtosis and skewness were employed so as to analyze descriptive characteristics of variables in measurement model. Furthermore, model fit index was used to determine convenience of the model and multiple group analysis was used to variations in subgroups, and also path analysis was used to estimate direct and indirect effects on the model. The data analysis indicated that relationships among the variables in structural model vary according to individual characteristics and different kinds of knowledge available in hypermedia environment. Considering these variations, significant indicators were examined in estimating perceived disorientation, academic achievement and satisfaction level. Bayesian networks, forming a basis for probability-based student modeling, were built in the framework of these indicators. Suggestions for further applications and research were offered based on results of the current study.Key Words : Student modeling, adaptive hypermedia, Bayesian networks