Karar ağacı algoritmasının bilişsel tanı modellerine dayalı bilgisayarda bireyselleştirilmiş testlerde kullanımı
The use of decision tree algorithm in computerized adaptive tests based on cognitive diagnostic models
- Tez No: 883596
- Danışmanlar: PROF. DR. HÜLYA KELECİOĞLU
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Eğitimde Ölçme ve Değerlendirme Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bilişsel tanı modelleri (BTM) ve bilgisayar ortamında bireye uyarlanmış testler (BBT) eğitimde ölçme ve değerlendirme alanında halen gelişmekte olan ve alan yazında popülerliğini koruyan konulardandır. Bu çalışmada Bilişsel Tanı Modellerine dayalı bireyselleştirilmiş testler için (BT-BBT), karar ağacı algoritmalarına dayalı başlangıç, ilerleme ve sonlandırma kurallarını kapsayan bir yöntem önerilmiştir. Önerilen yöntemi geleneksel BT-BBT uygulamaları ile farklı madde havuzu büyüklüğü, örneklem büyüklüğü ve test uzunluğu koşulları altında örtük sınıf ve beceri kestirim tutarlılığı açısından karşılaştıran simülasyon verileri ile yürütülmüştür. Ayrıca gerçek öğrenci tepkileri kullanılarak da benzer karşılaştırmalar yapılmıştır. Araştırmada kullanılan verilerin türetilmesi ve analizler R programlama dilinde çeşitli paket programlar kullanılarak gerçekleştirilmiştir. Araştırmada gerçek veri kullanılarak elde edilen sonuçlara göre, karar ağacına dayalı yöntem kullanılarak elde edilen başarılı sınıf ve beceri tahmini oranlarının geleneksel yöntemlere göre daha yüksek olduğu gözlenmiştir. Ayrıca 18 ve 24 madde uzunluklarının kullanıldığı simülasyon koşullarında karar ağacına dayalı yöntem daha başarılı olurken 12 maddelik test uzunluklarının kullanıldığı koşullarda Global Discrimination Index (GDI) ilerleme kuralının kullanıldığı geleneksel uygulamalar daha yüksek başarılı sınıf tahmini oranları elde etmiştir.
Özet (Çeviri)
Cognitive Diagnostic Models (CDM) and Computerized Adaptive Testing (CAT) remain topics of ongoing development and popularity in the field of educational measurement. This study proposes a method for adaptive tests based on Cognitive Diagnosis Models (CDM-CAT) that incorporates starting, item slection, and termination rules grounded in decision tree algorithms. Simulations were conducted to compare the proposed method with traditional CDM-CAT applications under varying conditions of item pool size, item discrimination levels, and test length, assessing accuracy of latent class and skill estimation. Additionally, similar comparisons were made using real student responses. Data derivation and analysis were carried out using various packages in the R programming language. Results show that the decision tree-based method achieved higher rates of successful class and skill estimation compared to traditional methods when using real data. Moreover, under simulation conditions with test lengths of 18 and 24 items, the decision tree-based method demonstrated better performance. In contrast, traditional applications employing the Global Discrimination Index (GDI) progression rule yielded higher successful classification rates in conditions utilizing 12-item test lengths.
Benzer Tezler
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK
- Fake news classification using machine learning and deep learning approaches
Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması
SAJA ABDULHALEEM MAHMOOD AL-OBAIDI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- Implementation of some medical data in Apriori algorithm
Apriori algoritmasının bazı tıbbı verilere uygulanması
FAWAD SADIQMAL
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NILÜFER YURTAY
- Diyabet hastalığının makine öğrenmesi algoritmaları ile en iyi doğru tahmininin elde edilmesi
Obtaining the best prediction with the machine learning algorithms of the diabetes
GİZEM OĞUZTÜRK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ERBAY
- Kadın sporcuların antrenörlük kariyerine ilgisinin sosyal bilişsel kariyer teorisi temelli incelenmesi
Social cognitive career theory-based investigation of female footballers' interest in coaching careers
ÖZGE AYDIN
Doktora
Türkçe
2023
SporÇukurova ÜniversitesiBeden Eğitimi ve Spor Ana Bilim Dalı
DOÇ. DR. YELİZ ERATLI ŞİRİN