Bilgisayar programlamayı öğrenme sürecindeki öğrencilerin duyguları, yetkilendirilmeleri ve bilgi işlemsel kimliklerinin metin madenciliği algoritmalarını kullanarak tahmin edilmesi
Predicting emotions, empowerment and computational identity of students in the process of learning computer programming using text mining algorithms
- Tez No: 810381
- Danışmanlar: DOÇ. DR. AYTUĞ ONAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada, programlama eğitimi alan öğrencilerin açık uçlu sorulara verdikleri yanıtların, duygu/görüş analizi ile tahminlenmesi ve farklı algoritmaların performanslarının karşılaştırılması amaçlanmıştır. Böylece, programlama eğitiminde duygu, bilgi işlemsel kimlik ve programlamada yetkilendirme ile ilgili metin tabanlı verilerin analiz edilmesi ile ilgili bir girişim yapılmasına çalışılmıştır. Araştırmada veri setinin oluşturulması için açık uçlu sorulardan oluşan elektronik bir form hazırlanmıştır. Bu formda, programlama eğitimi alan öğrencilerin duyguları, bilgi işlemsel kimlikleri ve programlamada yetkinliklerine ilişkin görüşlerinin toplanması için 14 açık uçlu soru bulunmaktadır. Araştırmaya, programlama eğitimi gören ve yaş aralığı 12-20 arasında değişen 646 öğrenci katılmıştır. Öğrencilerin sorulara verdikleri yanıtlar neticesinde 9044 cümlelik bir veri seti oluşturulmuştur. Duygu analizi kapsamında makine öğrenme algoritmalarından, karar ağaçları, destek vektör makineleri, lojistik regresyon, yapay sinir ağları ve rasgele orman algoritmaları kullanılmıştır. Ayrıca BERTurk ile öğrenci görüşleri tahminlenerek, söz konusu algoritmaların performansları karşılaştırılmıştır. Analizler, Python 3.10 programlama dili kullanılarak yapılmıştır. Araştırmanın sonuçları, duyguları tahminleme sürecinde, destek vektör makineleri ve rasgele orman algoritmalarının %94 doğruluk değeri ürettiğini göstermiştir. BERTurk ile %96'lık bir tahminleme performansına ulaşılmıştır. Lojistik regresyon ve yapay sinir ağları ile birlikte TF-IDF temsili bilgi işlemsel kimlik için en yüksek doğruluk oranını elde etmiştir (%93). Programlamada yetkilendirme için en yüksek doğruluk oranları destek vektör makineleri ve rasgele orman algoritmasından elde edilmiştir (%94). BERTurk ile elde edilen doğruluk değerleri; bilgi işlemsel kimlik ve programlamada yetkilendirme için %96 olarak bulunmuştur. Öğrencilerin programlama eğitimine yönelik duygularının, sınıflandırılmasında BERTurk'ün, makine öğrenmesi algoritmalarının tamamından daha yüksek doğruluk değerlerini ortaya çıkardığı tespit edilmiştir.
Özet (Çeviri)
It is aimed to predict the answers of the students who receive programming education to open-ended questions by emotion/opinion analysis and to compare the performances of different algorithms in this study. Thus, an attempt has been made to analyze text-based data in on emotion in programming education, computational identity, and programming empowerment. An electronic form consisting of open-ended questions was prepared for the creation of the data set in the research. In this form, there are 14 open-ended questions to collect the opinions of the students who receive programming education about their emotions, computational identities, and their programming empowerment. A total of 646 students, aged between 12 and 20, studying programming, participated in the research. As a result of the answers given by the students to the questions, a data set of 9044 sentences was created. Within the scope of sentiment analysis, decision trees, support vector machines, logistic regression, artificial neural networks, and random forest algorithms from machine learning algorithms were used. In addition, students' opinions were estimated with BERTurk and the performances of these algorithms were compared. Analyzes were made using the Python 3.10 programming language. The results of the research showed that the support vector machines, and random forest algorithms produced 94% accuracy in the process of predicting emotions in general. With BERTurk, an estimation performance of 96% has been achieved. Logistic regression and neural networks with TF-IDF achieved the highest accuracy rate (93%) for computational identity. The highest accuracy rates for programming empowerment were obtained from support vector machines and random forest algorithm (94%). The accuracy values obtained with BERTurk were found to be 96% for computational identity and programming empowerment. It has been determined that BERTurk reveals higher accuracy values than all machine learning algorithms in classifying students' emotions towards programming education.
Benzer Tezler
- Fen ile bütünleştirilmiş robotik kodlama etkinliklerinin özel yetenekli öğrencilerle uygulama sürecinin incelenmesi
An examination of the implementation process of science integrated robotic coding activities with gifted students
HİDAYET KILCAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAfyon Kocatepe ÜniversitesiBilgisayar Ana Bilim Dalı
DOÇ. DR. RIDVAN ELMAS
- Farklı programlama öğretimi ortamlarında eğitim alan öğrencilerin dikkat ve meditasyon düzeylerinin EEG sinyalleriyle ölçülmesi
Measuring the attention and meditation levels of students trained in different programming education environments using EEG signals
SEVİL HANBAY TİRYAKİ
Doktora
Türkçe
2024
Eğitim ve ÖğretimHatay Mustafa Kemal ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. FATİH BALAMAN
- Sosyal bilimler eğitim programlarında blok tabanlı ve metin tabanlı programlama dillerinin temel programlama öğrenme sürecine etkisi
The effect of block based programming and text based programming environments on learning programming skills in social science education
ÖZLEM BAYRAM AKBAY
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimMimar Sinan Güzel Sanatlar ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. SALİH OFLUOĞLU
- Teaching smartphone and microcontroller systems using“android java”
Androıd java kullanarak akıllı telefon ve mikrodenetleyici sistemleri öğretimi
SEYİT RIZA TİĞREK
Doktora
İngilizce
2012
Elektrik ve Elektronik MühendisliğiUnıversıty Of Colorado At BoulderElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FRANK BARNES
- Using starlogo in education: Developing educational game with pragrammingStarlogo tng yazılımını kullanarak görsel programlama yardımıyla eğitsel oyun tasarlanması
Starlogo tng yazılımını kullanarak görsel programlama yardımıyla eğitsel oyun tasarlanması
NOMIN BOLDBAATAR
Yüksek Lisans
İngilizce
2017
Eğitim ve ÖğretimOndokuz Mayıs ÜniversitesiBilgisayar ve Öğretim Teknolojileri Ana Bilim Dalı
YRD. DOÇ. DR. EMİNE ŞENDURUR