E-ÖĞRENME ORTAMINDA KULLANILAN ÖĞRENME STİLLERİNİN WEB KULLANIM MADENCİLİĞİ İLE ANALİZİ

Bu araştırmanın amacı öğrencilerin e-öğrenme ortamlarındaki davranışlarından öğrenme stillerinin web kullanım madenciliği aracılığıyla yapay zekâ modelleri ile algılanmasıdır. Araştırma kapsamında öğrencilerin öğrenme stilleri için Kolb'un öğrenme stilleri sınıflaması ve ölçeği kullanılmıştır. Fırat Üniversitesi Eğitim Fakültesi öğrencileri ile gerçekleştirilen çalışmaya, 230 öğrenci katılmıştır. Öğrencilerin araştırma kapsamında hazırlanan web tabanlı sistemi kullanmaya başlamadan önce ve sonra öğrenme stilleri için veri toplanmıştır. Öğrencilerin e-öğrenme ortamlarını kullandıkları süre içerisinde öğrenme stillerinde değişimler meydana geldiği tespit edilmiştir. Bu durum bireysel farklılıkları ve öğrencilerin sistemlerle etkileşimleri sonucu ortaya çıkabilecek farklılıkları da dikkate alabilen sistemlere olan ihtiyacı ortaya koymaktadır. Öğrencilerin web kullanım davranışlarından öğrenme stillerinin belirlenmesine yönelik yapılan çalışmalarda Yapay Sinir Ağları (YSA) ve Karar Ağacı modelleri uygulanmıştır. E-öğrenme ortamında öğrencilerin kullanımına sunulan 10 öğrenme etkinliğinin ziyaret süreleri ve sayıları veri madenciliği modellerinin girişlerini, öğrenme stilleri ise çıkışını oluşturmuştur. Karar Ağacı ve YSA modellerinden elde edilen tüm sonuçlar değerlendirildiğinde, YSA modelinin Karar Ağacı modeline göre daha başarılı olduğu anlaşılmıştır. YSA modeli kendi içerisindeki algoritmalar açısından değerlendirildiğinde ise Levenberg-Marquardt algoritması %91,7 başarı ile öğrencilerin öğrenme stillerini tahmin etmiştir

THE ANALYSIS OF LEARNING STYLE IN E-LEARNING ENVIRONMENT VIA WEB USAGE MINING

The aim of this study is to perceive the learning styles of the students from the behaviours in e-learning environments with artificial intelligence models via web usage mining. Kolb's learning style classification and scale have been used for the learning styles of the students. 230 students participated in the study carried out by the education faculty students of Firat University. Data have been collected for learning styles before and after students started using the web-based system that has been prepared within the scope of the research. It has been found that students experience changes in learning styles while they are using e-learning environments. This suggests the need for systems that can take into account individual differences and the differences that students may experience with their interactions with the system. Artificial Neural Networks (ANN) and Decision Tree models have been applied in the studies to determine learning styles from students' web usage behaviours. In the e-learning environment, the duration and frequency of visits to ten learning activities offered to students make up the entries of data mining models, and learning styles make up the output of the data mining models. When all the results obtained from Decision Tree and ANN models are evaluated, it is understood that ANN model is more successful than Decision Tree model. When the ANN model has been evaluated in terms of its algorithms, the Levenberg-Marquardt algorithm predicted learning styles of students with success of 91.7%

PDF

___

Balcı, A. (2007). Sosyal Bilimlerde Araştırma (6 b.). Ankara: Pegem A Yayıncılık.
Ba-Omar, H., Petrounias, I. and Anwar, F. (2007). A framework for using web usage mining to personalise e-learning. Advanced Learning Technologies, 2007.
ICALT 2007. Seventh IEEE International Conference (s. 937-938). IEEE.
Bechter, C. and Esichaikul, V. (2008). Using Kolb’s Learning Style Inventory for ELearning Personalization. IADIS International Conference on Cognition and Exploratory Learning in Digital Age (s. 121-128). Germany: CELDA 2008 Proceedings.
Bousbia, N., Rebaï, I., Labat, J.-M. and Balla, A. (2010). Analysing the relationship between learning styles and navigation behaviour in web-based educational system. Knowledge Management & E-Learning: An International Journal, 2(4), 400-421.
Büyüköztürk, Ş., Çakmak, E. K., Akgün, Ö. E., Karadeniz, Ş. and Demirel, F. (2011).
Bilimsel Araştırma Yöntemleri (10. b.). Ankara: Pegem Akademi.
Cantu-Paz, E. and Kamath, C. (2002). On the Use of Evolutionary Algorithms in Data Mining. H. A. Abbass, R. A. Sarker and C. S. Newton içinde, Data Mining: A Heuristic Approach (s. 48-71). London: Group Idea Publishing.
Chen, S. Y. and Liu, X. (2011). Mining students' learning patterns and performance in Web-based instruction: a cognitive style approach. Interactive Learning Environments, 19(2), 179-192. doi:10.1080/10494820802667256
Cooley, R., Mobasher, B. and Srivastava, J. (1997). Web Mining: Information and Pattern Discoveryon the World Wide Web. Proceedings of the 9th IEEE International Conference on Tools with Artificial Intelligence (ICTAI’97), (s. 558-567).
Newport Beach, CA. Dağhan, G. ve Akkoyunlu, B. (2011). Maggie Mcvay Lynch Öğrenme Stili Envanterinin Türkçe'ye Uyarlama Çalışması. Hacettepe Eğitim Fakültesi Dergisi(40), 117- 126.
Darwesh, M., Rashad, M. .. and Hamada, A. K. (2011). From Learning Style of Webpage Content to Learner's Learning Style. International Journal of Computer Science & Information Technology (IJCSIT), 3(6), 48-59.
Daş, R. (2008). Web Kullanıcı Erişim Kütüklerinden Bilgi Çıkarımı. Fen Bilimleri Enstitüsü, Yayımlanmamış Doktora Tezi, Elazığ: Fırat Üniversitesi.
Daş, R. ve Türkoğlu, İ. (2009). Creating meaningful data from web logs for improving the impressiveness of a website by using path analysis method. Expert Systems with Applications, 6(3), 6635-6644. doi:10.1016/j.eswa.2008.08.067
Daş, R. ve Türkoğlu, İ. (2010). Web tabanlı öğretim materyallerinin web kullanım madenciliği ile analiz edilmesi, Fırat Üniversitesi Mühendislik Bilimleri Dergisi , 22(1), 111-122.
De Bello, T. C. (1990). Comparison of Eleven Major Learning Styles Models: Variables, Appropriate Populations, Validity of Instrumentation, and Research behind Them. Journal of Reading, Writing, and Learning Disabilities International, 6(3), 203-222. doi:10.1080/0748763900060302
Demir, T. (2008). Türkçe Eğitimi Bölümü Öğrencilerinin Öğrenme Stilleri ve Bunların Çeşitli Değişkenlerle İlişkisi. Uluslararası Sosyal Araştırmalar Dergisi, 1(4), 129-148.
Desmedt, E. and Valcke, M. (2004). Mapping the Learning Styles "Jungle": An overview of the literature based on citation analysis. Educational Psychology, 24(4), 445-464.
Erden, M. ve Akman, Y. (2003). Gelişim ve Öğrenme (12. Baskı b.). Ankara: Arkadaş Yayınevi.
Etzioni, O. (1996). The World-Wide Web: quagmire or gold mine? Communications of the ACM, 39(11), 65-68.
Gencel, İ. E. (2006). Öğrenme Stilleri, Deneyimsel Öğrenme Kuramına Dayalı Eğitim, Tutum ve Sosyal Bilgiler Program Hedeflerine Erişi Düzeyi. Eğitim Bilimleri Enstitüsü, Yayımlanmamış Doktora Tezi, İzmir: Dokuz Eylül Üniversitesi.
Gencel, İ. E. (2007). Kolb'un Deneyimsel Öğrenme Kuramına Dayalı Öğrenme Stilleri Envanteri-III'ü Türkçeye Uyarlama Çalışması. Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 9(2), 120-139.
Given, B. K. (1996). Learning Styles: A Synthesized Model. Journal of Accelerated Learning and Teaching, 21(1-2), 11-44.
Hamada, A. K., Rashad, M. Z. and Darwesh, M. G. (2011). Behavior Analysis in a Learning Environment to Identify the Suitable Learning Style. International Journal of Computer Science & Information Technology, 3(2), 48-59.
Han, J., Kamber, M. and Pei, J. (2012). Data Mining Concepts and Techniques (3th b.). San Francisco: Morgan Kaufmann Publishers.
Jovanovic, M., Vukicevic, M., Milovanovic, M. and Minovic, M. (2012). Using data mining on student behavior and cognitive style data for improving e-learning systems: a case study. International Journal of Computational Intelligence Systems, 5(3), 597-610. doi:10.1080/18756891.2012.696923
Keefe, J. W. (1985). Assessment of Learning Style Variables: The NASSP Task Force Model. Theory into Practice, 24(2), 138-144.
Klasnja-Milicevic, A., Vesin, B., Ivanovic, M. and Budimac, Z. (2011). E-Learning personalization based on hybrid recommendation strategy and learning style identification. Computers & Education(56), 885–899.
Kolb, D. A. (1984). Experiential Learning: Experience as the Source of Learning and Development. Englewood Cliffs, New Jersey: Prentice Hall.
Küçük, M. (2010). Çevrimiçi Öğrenenlerin Öğrenme Biçimi, Öğrenme Stratejileri ve Eşzamansız Tartışmalara Katılımları Arasındaki İlişki. Sosyal Bilimler Enstitüsü, Yayımlanmamış Doktora Tezi, Eskişehir: Anadolu Üniversitesi. Liu, B. (2007). Web Data Mining. New York: Springer.
Liyanage, M. P., Gunawardena, K. L. and Hirakawa, M. (2016). Detecting Learning Styles in Learning Management Systems Using Data Mining. Journal of Information Processing, 24(4), 740-749.
Lu, Z., Yao, Y. and Zhong, N. (2003). Web Log Mining. N. Zhong, J. Liu and Y. Yao içinde, Web Intelligence (s. 173-196). Berlin: Springer.
Mobasher, B. (2009). Web Mining Overview. J. Wang içinde, Encyclopedia of Data Warehousing and Mining (2nd b., s. 2085-2089). New York: Information Science Reference.
Mota, J. (2008). Using learning styles and neural networks as an approach to elearning content and layout adaptation. Doctoral Symposium on Informatics Engineering (DSIE'08). Porto, Portugal: University of Porto.
Pal, S. K., Talwar, V. and Mitra, P. (2002). Web mining in soft computing framework: relevance, state of the art and future directions. IEEE Transactions on Neural Networks, 13(5), 1163-1177. doi:10.1109/TNN.2002.1031947
Palh, C. (2006). Data mining for the analysis of content interaction in web-based learning and training systems. C. Romero and S. Ventura içinde, Data Mining in ELearning (s. 41-56). Southampton, Boston: WIT Press.
Rajper, S., Shaikh, N. A., Shaikh, Z. A. and Mallah, G. A. (2016). Automatic detection of learning styles on learning management systems using data mining technique. Indian Journal of Science and Technology, 9(15).
Sweta, S. and Lal, K. (2015). Web Usages Mining in Automatic Detection of Learning Style in Personalized eLearning System. Proceedings of the Fifth International Conference on Fuzzy and Neuro Computing (s. 353-363). Cham: Springer.
Şimşek, A. (2006). Öğrenme Biçimi. Y. Kuzgun and D. Deryakulu içinde, Eğitimde Bireysel Farklılıklar (2. b., s. 97-138). Ankara: Nobel Yayın Dağıtım.
Uysal, M. P. ve Yalın, H. İ. (2009). Bilgi Nesnesi Tabanlı ve Öğrenme Stillerine Uyarlanabilen Alıştırma Yazılımının Akademik Başarıya Etkisi. 3.
Uluslararası Bilgisayar ve Öğretim Teknolojileri Sempozyumu (ICITS 2009). Trabzon: Karadeniz Teknik Üniversitesi.
Villaverde, J. E., Godoy, D. and Amandi, A. (2006). Learning Styles' Recognition in ELearning Environments with Feed-Forward Neural Networks. Journal of Computer Assisted Learning, 22(3), 197-206.