Kitlesel Açık Çevrimiçi Kurslardaki Katılımcı
Profillerinin Yapay Sinir Agı Kullanılarak
Sınıflandırılması (Classification of Participants Profiles in MOOCs Using Neural Networks [in Turkish])
Al-Taei, Ali, Yilmaz, MuratORCID: 0000-0002-2446-3224, O'Connor, RoryORCID: 0000-0001-9253-0313 and Halici, Ugur
(2015)
Kitlesel Açık Çevrimiçi Kurslardaki Katılımcı
Profillerinin Yapay Sinir Agı Kullanılarak
Sınıflandırılması (Classification of Participants Profiles in MOOCs Using Neural Networks [in Turkish]).
In: 9th Turkish National Software Engineering Symposium (UYMS 2015), 9-11 Sept 2015, Izmir, Turkey.
Son yıllarda, özellikle bilgisayar mühendisligi egitimi alanında, kitlesel açık çevrimiçi kurslara (KAÇK) artan bir ilgi söz konusudur. Bu ilgi bireylerin davranısları, özellikleri ve tercihlerinin anlasılması öneminin altını çizmektedir. Böyle bir anlayıs gelistirmek, sıklıkla oyun gelistirme alanında kullanılan kisilik profilleme gibi yenilikçi teknikleri uyarlayarak KAÇK tasarım sürecini gelistirmek için çesitli yollar gerektirmektedir. Bu çalısma, bir kisilik referansı olarak Myers-Briggs Tip Göstergesi (MBTG) kullanılarak katılımcıları (özellikle eksik veri durumlarında) sınıflandırmak için bir yöntem önermektedir. Amaç, KAÇK izleyicileri hakkında ayrıstırıcı bir bakıs sunmak için KAÇK katılımcı profillerini MBTG kullanarak arastırmaktır. Bu amaçla, bir bilgisayar mühendisligi kursunda 20 soruluk bir çevrimiçi anket kullanılmıstır: Muhatapların (N=75) cevapları yardımıyla katılımcıların kisilik tipleri belirlenmistir. Dahası, bir makine ögrenimi modeli bireylerin sınıflandırması için önerilmistir. Sonuçlar, geri yayılımlı (GY) yapay sinir agının hem egitim süreci (performans=%100) hem de test süreci için (performans=%93,3) uygun oldugunu göstermistir. Bu bilgilerin ısıgında, yaklasımımızın MBTG açısından KAÇK katılımcılarının sınıflandırılabilirliklerini arastırmak için kullanılabilecek özgün bir yaklasım olarak kabul edilebilir.