Zaman serisi ve geçiş ağı yaklaşımlarıyla öğrenci etkileşim örüntülerinin incelenmesi
Analysis of student interaction patterns using time series and transition network approaches
- Tez No: 1012003
- Danışmanlar: PROF. DR. YÜKSEL GÖKTAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Öğrenme yönetim sistemi, zaman serisi analizi, geçiş ağı analizi, öğrenci etkileşim, Learning management system, time series analysis, transition network analysis, student interaction
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Yazılım Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Amaç: Bu çalışma, bir öğrenme yönetim sistemi (ÖYS) üzerindeki öğrenci etkileşimlerini zaman serisi analizi ve geçiş ağı analizi yöntemleriyle incelemeyi amaçlamaktadır. Çalışmada, öğrencilerin haftalık, dönemsel ve sınav odaklı kullanım örüntülerini ortaya koymak ve bu örüntülerin akademik başarıyla ilişkisini değerlendirmek hedeflenmiştir. Yöntem: Araştırma kapsamında Atatürk Üniversitesi Yazılım Mühendisliği bölümü öğrencilerine ait ÖYS log verileri incelenmiştir. Veriler ARIMA, SARIMA, Prophet, LSTM ve GRU gibi farklı zaman serisi modelleriyle analiz edilmiştir. Bunun yanı sıra içerikler arasındaki ardışık geçişler Transition Network Analysis (TNA) yöntemiyle modellenmiş, içerikler arasındaki köprü işlevleri ve topluluk yapıları belirlenmiştir. Bulgular: Analizler sonucunda, öğrencilerin en yoğun etkileşim gösterdiği içeriklerin PDF ve video dokümanları olduğu, bu kaynakların tekrar tekrar kullanıldığı görülmüştür. Sunum ve görsel içerikler, öğrenciler için özet niteliğinde bir köprü işlevi görmüş ve bu materyallerden PDF'lere doğru güçlü geçişler tespit edilmiştir. Vize dönemlerinde öğrenciler daha çok görsel-işitsel içeriklere yönelirken, final dönemlerinde metin tabanlı ve ayrıntılı kaynakların öne çıktığı belirlenmiştir. Ayrıca, temel kaynaklara düzenli dönüş yapan öğrencilerin akademik başarılarının daha yüksek olduğu saptanmıştır. Zaman serisi analizlerinden elde edilen sonuçlara göre, derin öğrenme tabanlı GRU yöntemi, geleneksel (ARIMA, SARIMA) ve modern istatistiksel (Prophet) modellere kıyasla daha düşük hata oranlarıyla öne çıkmış ve öğrenci etkileşimlerini tahmin etmede en başarılı yaklaşım olmuştur. Bu bulgu, derin öğrenme algoritmalarının karmaşık ve dalgalı yapıya sahip öğrenme verilerini modellemede daha güçlü genelleme yeteneğine sahip olduğunu göstermektedir. Sonuç: Zamansal ve ilişkisel analizlerin birlikte kullanılması, çevrim içi öğrenme ortamlarında öğrenci davranışlarını daha kapsamlı biçimde anlamayı sağlamıştır. Bu yaklaşım, öğrenme analitiği uygulamalarına katkı sunarak, öğrencilere kişiselleştirilmiş destek sağlanması ve öğretim stratejilerinin geliştirilmesi için önemli fırsatlar sunmaktadır.
Özet (Çeviri)
Purpose: This study aims to analyze student interactions within a Learning Management System (ÖYS) using time series analysis and transition network analysis methods. The study seeks to reveal students' weekly, periodic, and exam-focused usage patterns and to evaluate the relationship of these patterns with academic achievement. Method: Within the scope of the research, ÖYS log data belonging to students of the Software Engineering Department at Atatürk University were examined. The data were analyzed using various time series models such as ARIMA, SARIMA, Prophet, LSTM, and GRU. In addition, sequential transitions between content types were modeled with the Transition Network Analysis (TNA) method, and bridge functions as well as community structures among the contents were identified. Findings: The analyses revealed that PDF documents and videos were the most frequently interacted with content, repeatedly revisited by students. Presentation and visual materials served as summary-type bridges, and strong transitions from these materials to PDFs were identified. During midterm periods, students tended to prefer visual-auditory content, while in final exam periods, text-based and detailed resources came to the forefront. Furthermore, students who consistently returned to core resources were found to have higher academic achievement. Results from time series analyses indicated that the deep learning-based GRU method outperformed traditional models (ARIMA, SARIMA) and modern statistical approaches (Prophet) with lower error rates, proving to be the most successful method in predicting student interactions. This finding demonstrates that deep learning algorithms possess a stronger generalization ability in modeling complex and highly fluctuating learning data. Results: The combined use of temporal and relational analyses has enabled a more comprehensive understanding of student behavior in online learning environments. This approach contributes to learning analytics practices by providing important opportunities to deliver personalized support to students and to improve instructional strategies.
Benzer Tezler
- Deep learning based road segmentation from multi-source and multi-scale data
Çok kaynaklı ve çok ölçekli veriyle derin öğrenme tabanlı yol bölütlenmesi
OZAN ÖZTÜRK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. DURSUN ZAFER ŞEKER
- Character-level dilated deep neural networks for web attack detection
Ağ yöresi saldırılarının belirlenmesi için karakter düzeyinde seyreltilmiş derin sinir ağları
NAZANIN MOARREF
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MEHMET TAHİR SANDIKKAYA
- Akarsu akımlarının tahmininde yapay zekâ tekniklerinin kullanılması
Use of artificial intelligence techniques in estimating river flows
MUSTAFA ERKAN TURAN
Yüksek Lisans
Türkçe
2007
İnşaat MühendisliğiCelal Bayar Üniversitesiİnşaat Mühendisliği Bölümü
DOÇ. DR. MEHMET ALİ YURDUSEV
- State of charge estimation of lithium-ion batteries using machine learning approach
Makine öğrenmesi yaklaşımı kullanılarak lityum iyon pillerin şarj durumu tahmini
OSMAN ALPER ALTUN
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. EMİNE AYAZ
- Assessment of flight maneuver quality with algorithmic approaches
Uçuş manevra kalitesinin algoritmik yaklaşımlarla değerlendirilmesi
OZAN EGE CAMCI
Yüksek Lisans
İngilizce
2026
Havacılık ve Uzay MühendisliğiHacettepe ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET ÖNDER EFE