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.
Eser Adı (dc.title) | Bilgisayar Programlamayı Öğrenme Sürecindeki Öğrencilerin Duyguları, Yetkilendirilmeleri ve Bilgi İşlemsel Kimliklerinin Metin Madenciliği Algoritmalarını Kullanarak Tahmin Edilmesi |
Eser Sahibi (dc.contributor.author) | Nilüfer ATMAN USLU |
Tez Danışmanı (dc.contributor.advisor) | Aytuğ ONAN |
Yayıncı (dc.publisher) | İzmir Katip Çelebi Üniversitesi Fen Bilimleri Enstitüsü |
Tür (dc.type) | Yüksek Lisans |
Özet (dc.description.abstract) | 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. |
Kayıt Giriş Tarihi (dc.date.accessioned) | 2023-07-24 |
Açık Erişim Tarihi (dc.date.available) | 2024-01-16 |
Yayın Tarihi (dc.date.issued) | 2023 |
Yayın Dili (dc.language.iso) | tr |
Konu Başlıkları (dc.subject) | Duygu |
Konu Başlıkları (dc.subject) | Metin madenciliği |
Tek Biçim Adres (dc.identifier.uri) | https://hdl.handle.net/11469/3483 |