Geri Dön

EEG sinyallerinin veri madenciliği teknikleriyle değerlendirilmesi

Evaluation of EEG signals with data mining techniques

PDF İndir

  1. Tez No: 906013
  2. Yazar: PINAR KARABAKLA
  3. Danışmanlar: PROF. DR. DİLARA BAKAN KALAYCIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Eğitim ve Öğretim, Education and Training
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Eğitim Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Eğitimde Ölçme ve Değerlendirme Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, multimedya öğrenme ortamlarında öğrencilerin EEG sinyallerinin veri madenciliği sınıflandırma teknikleri kullanılarak değerlendirilmesini amaçlamaktadır. Araştırmada, öğrencilerin video izleme sonrasında yöneltilen sorulara doğru cevap verip vermeme durumlarına göre Alfa, Beta, Delta, Teta ve Gama dalgalarını ölçen EEG (Elektroensefalografi) verileri kullanılmıştır. 25 öğrenciye ait EEG verileri toplanmış ve bu verilerle Bayes Sınıflandırma Algoritması, Lojistik Regresyon, C5.0, CHAID ve Yapay Sinir Ağları kullanılarak sınıflandırma analizleri yapılmıştır. Araştırmada kullanılan sınıflandırma modellerinin performansları doğruluk, duyarlılık, özgüllük ve F Puanı gibi kriterlere dayalı olarak karşılaştırılmıştır. Bayes sınıflandırma algoritması, sorulan her iki soru özelinde doğruluk ve özgüllük açısından en yüksek performansı göstermiştir. Delta, teta, alfa, beta ve gama dalga boylarının farklı sorular için nasıl değiştiği incelenmiş ve bu dalga boylarının model performanslarına etkisi araştırılmıştır. Bulgulara göre hem birinci hem de ikinci soru için beta ve gama dalgalarının dikkat süreçleri açısından önemli olduğu görülmektedir. Çalışmanın bulgularına göre, daha etkileşimli ve ilgi çekici eğitim materyalleri geliştirilmemesi ve özellikle çevrimiçi eğitim ortamlarında, videoların daha dinamik ve etkileşimli hale getirilmesi önerilmektedir. Eğitimciler, öğrencilerin bireysel dikkat seviyelerindeki farklılıkları göz önünde bulundurarak, kişiselleştirilmiş eğitim programları geliştirebilirler. EEG verileri ile öğrencilere özgü eğitim programları oluşturulabilir ve bu sayede dikkat eksikliği problemleri minimize edilebilir. EEG ve benzeri nörobilimsel araçlar, öğrencilerin dikkat seviyelerini anlık olarak izleme ve değerlendirme imkânı sunmaktadır. Eğitim kurumları, bu tür teknolojileri kullanarak öğrencilerin öğrenme süreçlerini optimize edebilir ve dikkat seviyelerini artırıcı stratejiler geliştirebilir. Bu çalışma, EEG verilerinin eğitimde dikkat süreçlerini izleme ve değerlendirme açısından büyük bir potansiyele sahip olduğunu göstermektedir. Gelecekteki çalışmalar, daha büyük veri setleri ve optimize edilmiş model parametreleri kullanarak bu sınırlılıkları aşabilir. Sonuç olarak, bu tez çalışması, eğitim süreçlerinin izlenmesi ve değerlendirilmesi açısından önemli bilgiler sunmaktadır.

Özet (Çeviri)

This study aims to evaluate students' EEG signals in multimedia learning environments using data mining classification techniques. In the study, EEG (Electroencephalography) data measuring Alpha, Beta, Delta, Theta and Gamma waves were used according to whether the students answered the questions posed after watching the video correctly or not. EEG data of 25 students were collected and classification analyses were performed using Bayesian Classification Algorithm, Logistic Regression, C5.0, CHAID and Artificial Neural Networks. The performances of the classification models used in the study were compared based on criteria such as accuracy, sensitivity, specificity and F Score. Bayesian classification algorithm showed the highest performance in terms of accuracy and specificity for both questions. The effect of delta, theta, alpha, beta and gamma wavelengths on model performance was analyzed for different questions. According to the findings, it is seen that beta and gamma wavelengths are important in terms of attention processes for both the first and second questions. According to the findings of the study, it is recommended that more interactive and interesting educational materials should be developed and videos should be made more dynamic and interactive, especially in online educational environments. Educators can develop personalized training programs by taking into account the differences in students' individual attention levels. EEG data can be used to create training programs specific to students and thus attention deficit problems can be minimized. EEG and similar neuroscientific tools offer the opportunity to monitor and evaluate students' attention levels instantaneously. By using such technologies, educational institutions can optimize students' learning processes and develop strategies to increase their attention levels. This study shows that EEG data have great potential for monitoring and evaluating attention processes in education. Future studies can overcome these limitations by using larger data sets and optimized model parameters. In conclusion, this thesis provides important insights for monitoring and evaluation of training processes.

Benzer Tezler

  1. Tez No

    786194

    Etkileşimli kitap okuma programının işitme yetersizliği olan 6 yaş grubu çocukların dikkat ve anlama seviyelerine etkisinin mobil EEG cihazı kullanılarak ölçülmesi

    Measuring the effect of interactive book reading program on attention and comprehension levels of 6-year-old children with hearing impairment by using mobile EEG device

    BETÜL KUDUZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Eğitim ve ÖğretimKto Karatay Üniversitesi

    Çocuk Gelişimi Ana Bilim Dalı

    DR. EMİNE GÜLRİZ AKAROĞLU

  2. Tez No

    328301

    A data mining application on cognitive EEG recording

    Bilişsel EEG kayıtları üzerinde veri madenciliği uygulaması

    ALPER VAHAPLAR

    Doktora

    İngilizce

    İngilizce

    2012

    İstatistikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. C. CENGİZ ÇELİKOĞLU

    PROF. DR. MURAT ÖZGÖREN

  3. Tez No

    904605

    Eeg sinyallerinin sınıflandırma performansını yeni bir rastgele alt küme kanal seçim yaklaşımıyla geliştirme: Tat, koku ve motor hayaline dayalı veri kümelerinde uygulamalar

    Improving the classification performance of eeg signals with a novel random subset channel selection approach: Applications on taste, olfactory, and motor imagery datasets

    AMIR NASER

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiKaradeniz Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ÖNDER AYDEMİR

  4. Tez No

    810251

    Improving classification of eeg-based motor imagery signals with cross-subject data augmentation and attention-guided multi-domain deep learning

    Denekler-arası veri artırımı ve dikkat-odaklı çok alanlı derin öğrenme yoluyla eeg-tabanlı motor imgeleme sinyallerinin sınıflandırılmasının iyileştirilmesi

    MUHAMMED ENES ÖZELBAŞ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Mühendislik BilimleriÜsküdar Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SERHAT ÖZEKES

    DR. ÖĞR. ÜYESİ EMİNE ELİF TÜLAY

  5. Tez No

    897664

    EEG sinyallerinin sınıflandırılmasında kuantum tabanlı karar destek sisteminin gerçekleştirilmesi

    Implementation of a quantum-based decision support system for classification of EEG signals

    GAMZEPELİN AKSOY

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. MURAT KARABATAK

Geri Dön