Anlamsal sosyal ağa dayalı e-öğrenme içeriklerinin değerlendirilmesi ve kalite değerlerinin ölçülmesi

Abstract

İnternet teknolojilerinin hızla gelişmesi, internet üzerindeki veri boyutunun artmasına ve kaliteli içeriğe erişimin zorlaşmasına neden olmaktadır. Bu veri karmaşası içerisinde, istenilen bilgiyi getirmek için yeni yaklaşımlara ihtiyaç duyulmaktadır.Öneri sistemleri ve anlamsal web teknolojilerinin bir arada kullanımı, özellikle sosyal ağlarda, bilgi filtreleme için kayda değer iyileşmeler sağlamıştır. Bu çalışma kapsamında, öneri sistemlerinin soğuk başlangıç, veri seyrekliği, ölçeklenebilirlik gibi kronik sorunlarını çözmek için anlamsal web teknolojileri kullanılarak melez öneri yöntemleri geliştirilmiştir. Bu yöntemler, e-öğrenme alanında kullanılarak, öğrenenler için içeriklerin kalite değerleri tahminlenmiştir.Bu tez çalışmasında öğrenen, öğrenme nesnesi ve öğrenme alanı için üç adet ontoloji tasarlanmıştır. İçerik tabanlı ve işbirlikçi filtreleme kullanılarak melez yöntemler geliştirilmiştir. Daha sonra, melez yöntemler bir araya getirilmiş ve elde edilen çıktı kümesi öğrenme patikasına göre iyileştirilmiştir. Çıktı kümesiyle, öğrenme nesnelerinin kalite değerleri elde edilmiştir. Bu çalışmada geliştirilen melez öneri yöntemi, e-öğrenme içeriklerinin öğrenenler için kalitelerinin ölçülmesinde kullanılmıştır.

The rapidly development of Internet technologies cause to increase the size of the data on the Internet and to become difficult access to quality content. Within this data complexity, the new approaches are needed to bring the desired information.The combination of recommender systems and semantic web technologies has made significant improvements for information filtering, especially in social networks. In this study, the hybrid recommendation methods have been developed by using semantic web technologies to solve the chronic problems of recommender systems such as cold start, data sparsity, scalability. Using these methods in the domain of e-learning, the quality values of the contents have been estimated for the learner.In this thesis, three ontologies have been designed for the learner, the learning object and the learning domain. The hybrid methods have been developed using content-based and collaborative filtering. Then, the hybrid methods have been combined and the output set has been improved according to the learning path. The quality values of the learning objects have been obtained using the output set. The hybrid recommendation method developed in this study, has been used to measure the quality of e-learning contents for learners.