Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi

GÜLDAL, Hakan; ÇAKICI, YILMAZ

Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi

Hakan GÜLDAL, (Trakya Üniversitesi, Eğitim Fakültesi, BÖTE Bölümü, Trakya, Türkiye)

Yılmaz ÇAKICI (Trakya Üniversitesi, Eğitim Fakültesi Fen Bilgisi Eğitimi Anabilim Dalı, Trakya, Türkiye)

Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi

0 0

Yıl: 2017 Cilt: 21 Sayı: 4 Sayfa Aralığı: 1355 - 1367 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi

Öz:

Bu araştırmanın amacı, Ders Yönetim Sistemi Yazılımı (DYS) kullanan öğrencilerin sistemle olan etkileşimlerine dayalı olarak veri madenciliği sınıflandırma algoritmaları ile öğrencilerin akademik başarılarının ne ölçüde tahmin edilebileceğini ve onların akademik başarılarının tahmin edilmesinde algoritmalara hangi etkileşimlerin bilgi kazancı sağladığını belirlemektir. Araştırma verileri, Trakya Üniversitesi Eğitim Fakültesinde 20152016 eğitim öğretim yılında öğrenim görmekte olan 70 öğrencinin Bulutders DYS yazılımını kullanma sürecindeki etkileşimlerinden elde edilmiştir. Veri madenciliği sınıflandırma algoritmaları olarak Naive Bayes, Karar Ağacı (C4.5) ve En Yakın k-Komşu algoritmaları kullanılmıştır. Araştırma sonucunda elde edilen bulgulara göre, sınıflandırma algoritmalarının doğruluk değerlerinin %55.7 ile %64.3 arasında olduğu ve DYS yazılımındaki ödevlerden elde edilen öğrenci etkileşimlerinin en yüksek bilgi kazancını sağladığı ortaya çıkmıştır

Anahtar Kelime:

Konular: Bilgisayar Bilimleri, Yazılım Mühendisliği Eğitim, Eğitim Araştırmaları Bilgisayar Bilimleri, Bilgi Sistemleri Bilgisayar Bilimleri, Yapay Zeka

Analysis of Course Management System Software Users' Interactions Using Classification Algorithms

Öz:

The aim of this study is to determine the level of information gain obtained through the students' interactions of the Course Management System (CMS) software, and how well students' academic achievement can be predicted with the use of data mining classification algoritms, and also which interactions provide information gain to algorithms in predicting academic achievement. Research data were obtained through the interactions of seventy students who are using Bulutders CMS Software, and who are studying in the Faculty of Education, Trakya University in 2015-2016 academic term. Naive Bayes, Decision Tree (C4.5) and k-Nearest Neighboughr algorithms were used as data mining classification algoritms. The research findings revealed that accuracy values of classification algorithms were 55.7 and 64.3 percent, and the student interactions obtained from assignments in CMS software provided the highest information gains

Anahtar Kelime:

Konular: Bilgisayar Bilimleri, Yazılım Mühendisliği Eğitim, Eğitim Araştırmaları Bilgisayar Bilimleri, Bilgi Sistemleri Bilgisayar Bilimleri, Yapay Zeka

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

Ahmad, F., Ismail, N. H. ve Aziz, A. A. (2015). The prediction of students' academic performance using classification data mining techniques. Applied Mathematical Sciences, 9(129). https://doi.org/10.12988/ams.2015.53289
Akçapınar, G., Altun, A. ve Aşkar, P. (2015). Modeling Students' Academic Performance Based on Their Interactions with the Online Learning Environment. İlköğretim Online, 14(2), 815-824. https://doi.org/10.17051/io.2015.03160
Akçapınar, G., Coşgun, E. ve Altun, A. (2013). Mining Wiki Usage Data for Predicting Final Grades of Students. Prague 2013 (IAC-ETeL 2013), 1-6.
Baldi, P., ve Brunak, S. (2001). Bioinformatics - The machine learning approach. Machine Learning.
Baradwaj, B. ve Pal, S. (2012). Mining educational data to analyze student's performance. Internation Journal Od Advamced Computer Science and Applications, 2(6), 63-69. https://doi.org/vol.2,No.6
Bhardwaj, B. K. (2011). Data Mining : A prediction for performance improvement using classification. (IJCSIS) International Journal of Computer Science and Information Security, 9(4).
Breiman, L., Friedman, J. H., Olshen, R. A., ve Stone, C. J. (1984). Classification and Regression Trees. Wadsworth International Group. Retrieved from http://scholar.google.com/scholar?hl=en&btnG=Search&q=intitle:Classification+an d+regression+trees#0
Buniyamin, N., Mat, U. Bin ve Arshad, P. M. (2016). Educational data mining for prediction and classification of engineering students achievement. In IEEE 7th International Conference on Engineering Education, ICEED 2015. https://doi.org/10.1109/ICEED.2015.7451491
Cabena, P., Hadjinian, P., Stadler, R., Verhees, J. ve Zanasi, A. (1998). Discovering data mining : from concept to implementation. Prentice Hall.
Christian, T. M. ve Ayub, M. (2014). Exploration of classification using NBTree for predicting students' performance. In Proceedings of 2014 International Conference on Data and Software Engineering, ICODSE 2014. https://doi.org/10.1109/ICODSE.2014.7062654
Del, A. (2016). Predicting academic performance in traditional environments at highereducation institutions using data mining : A review, (February 2017).
Fayyad, U. M., Weir, N. ve Djorgovski, S. G. (1993). Automated Cataloging And Analysis Of Sky Survey Image Databases: The Skicat System. Cikm, 527-536. https://doi.org/10.1145/170088.170414
Frank, E., Hall, M. A. ve Witten, I. H. (2016). The WEKA Workbench. Online Appendix for "Data Mining: Practical Machine Learning Tools and Techniques" Morgan Kaufmann, Fourth Edition.
Ginsberg, J., Mohebbi, M. H., Patel, R. S., Brammer, L., Smolinski, M. S. ve Brilliant, L. (2009). Detecting influenza epidemics using search engine query data. Nature, 457(7232), 1012-4. https://doi.org/10.1038/nature07634 Güldal, H. (2015). Servis Olarak Bir Ders Yönetim Sistemi Yazılımı: Bulutders.com. In 5th International Conference on Research in Education - ICRE. Edirne.
Márquez-Vera, C., Cano, A., Romero, C. ve Ventura, S. (2013). Predicting student failure at school using genetic programming and different data mining approaches with high dimensional and imbalanced data. Applied Intelligence, 38(3), 315-330. https://doi.org/10.1007/s10489-012-0374-8
Martins, L. L. ve Kellermanns, F. W. (2004). A Model of Business School Students' Acceptance of a Web-Based Course Management System. Academy of Management Learning & Education, 3(1), 7-26. https://doi.org/10.5465/AMLE.2004.12436815
Mishra, T., Kumar, D. ve Gupta, S. (2014). Mining students' data for prediction performance. International Conference on Advanced Computing and Communication Technologies, ACCT, 255-262. https://doi.org/10.1109/ACCT.2014.105
Osmanbegovic, E. ve Suljic, M. (2012). Data mining approach for predicting student performance. Journal of Economics and Business, X(1), 3-12.
Quinlan, J. R. (1986). Induction of Decision Trees. Machine Learning, 1(1), 81-106. https://doi.org/10.1023/A:1022643204877
Quinlan, J. R. (1992). C4.5: Programs for Machine Learning. Morgan Kaufmann San Mateo California (Vol. 1). https://doi.org/10.1016/S0019-9958(62)90649-6
Shahiri, A. M., Husain, W. ve Rashid, N. A. (2015). A Review on Predicting Student's Performance Using Data Mining Techniques. Procedia Computer Science, 72, 414- 422. https://doi.org/10.1016/j.procs.2015.12.157
Tüzüntürk, S. (2010). Verı Madencılığı ve İstatıstık, (2001), 65-90.

APA	GÜLDAL H, ÇAKICI Y (2017). Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. , 1355 - 1367.
Chicago	GÜLDAL Hakan,ÇAKICI YILMAZ Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. (2017): 1355 - 1367.
MLA	GÜLDAL Hakan,ÇAKICI YILMAZ Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. , 2017, ss.1355 - 1367.
AMA	GÜLDAL H,ÇAKICI Y Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. . 2017; 1355 - 1367.
Vancouver	GÜLDAL H,ÇAKICI Y Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. . 2017; 1355 - 1367.
IEEE	GÜLDAL H,ÇAKICI Y "Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi." , ss.1355 - 1367, 2017.
ISNAD	GÜLDAL, Hakan - ÇAKICI, YILMAZ. "Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi". (2017), 1355-1367.

APA	GÜLDAL H, ÇAKICI Y (2017). Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21(4), 1355 - 1367.
Chicago	GÜLDAL Hakan,ÇAKICI YILMAZ Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 21, no.4 (2017): 1355 - 1367.
MLA	GÜLDAL Hakan,ÇAKICI YILMAZ Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, vol.21, no.4, 2017, ss.1355 - 1367.
AMA	GÜLDAL H,ÇAKICI Y Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. 2017; 21(4): 1355 - 1367.
Vancouver	GÜLDAL H,ÇAKICI Y Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi. 2017; 21(4): 1355 - 1367.
IEEE	GÜLDAL H,ÇAKICI Y "Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi." Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 21, ss.1355 - 1367, 2017.
ISNAD	GÜLDAL, Hakan - ÇAKICI, YILMAZ. "Ders Yönetim Sistemi Yazılımı Kullanıcı Etkileşimlerinin Sınıflandırma Algoritmaları ile Analizi". Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 21/4 (2017), 1355-1367.