Eğitsel veri madenciliğinde kullanılmak üzere experience api (XAPI) temelli öğrenme deneyimi kayıtlarının işlenebilmesi için bir model geliştirilmesi

Abstract

Eğitsel veri madenciliği, eğitimle ilgili olarak elde edilen verilere veri madenciliği teknikleri uygulayarak öğretim yöntemlerini ve öğrenme sürecini geliştirmeye yardımcı olmaya çalışan bir çalışma alanıdır. Bu alanda yapılan çalışmaların amacı öğrenci performansını ve öğrencinin eğitim çıktılarını geliştirmeye yardımcı olacak bilgileri keşfetmektir. Bu tez çalışmasında hangi öğrenci davranışının öğrenme üzerinde daha çok katkısı olduğunun araştırılabileceği bir model önerilmektedir. Bu nedenle bu çalışmada öğrencilerin davranışsal özellikleri olarak adlandırılan yeni bir özellik seti kullanılmaktadır. Bu özellikler öğrencilerin etkileşime girebileceği tüm fiziksel ve dijital eğitim ortamlarından elde edebileceği öğrenme deneyimleriyle ilgilidir. Öğrenme deneyimleri, bireylerin eğitim ortamlarında yaşadıkları öğrenme yaşantılarıdır. Bu çalışmada literatürdeki çalışmaların aksine öğretime etkisi olan parametre değil öğretimi iyileştirecek parametre üzerinde çalışılmaktadır. Bu nedenle öğrencilere ait demografik veriler bu çalışmada kullanılmamıştır. Bu çalışmada öğrenme deneyimlerinin Experience Api ile kaydedilebildiği bir sistem kurulmuştur. Öğrenme deneyimi kayıtlarına veri ön işleme adımları uygulanıp veri seti elde edilmiştir. Elde edilen veri seti sınıflandırma algoritmalarından Karar Ağacı ve Gini algoritmalarıyla sınıflandırılmıştır. Oluşturulan modelde hangi deneyim kaydının başarı üzerinde etkisinin daha fazla olduğu tespit edilebilmektedir. Test verisiyle oluşturulan model sınandığında %76 oranında doğru sonuç elde edildiği görülmektedir.

Educational data mining is a field of study which is trying to help to improve teaching methods and learning process by applying data mining techniques to educational data which are acquired. The purpose of the studies is to discover the informations that provide to improve a learner's performance and educational outputs. In this thesis, a model is proposed that which student behavior may be investigated as a contribution to learning. A new feature set called behavioral characteristics of students is used in this study. These features relate to learning experiences that students can obtain from all the physical and digital learning environments in which they can interact. Learning experiences are individuals' learnings through experiencing in learning environments. In this thesis, contrary to the studies in the literature, the parameter which will improve the teaching is studied, not the parameter which has effect on teaching. On this purpose, demographic data belonging to the students has not been used. In this study, a system has been set up where learning experiences can be recorded via Experience API. Developed learning environments have been integrated into the Experience API. Data pre-processing steps have been applied to these learning experience records and the data set has been obtained. The obtained dataset is classified by algorithms classification; Decision Tree and Gini algorithms. In the created model, it can be determined which experience record has got more effect on achievement. When the model generated by the test data has been tried, 76% correct results have been obtained.