Makine Öğrenmesine Dayalı Mobil İngilizce Öğrenme Uygulaması
Abstract
Günümüzde yabancı dil bilmek, artık bir tercihten çok zorunluluk haline gelmiştir. Yurt dışında okumak, internet üzerinden çevrim içi derslere katılmak, staj ve gönüllü projelerde yer almak isteyenler için yabancı dil bilgisi gerekli bir koşul halini almıştır. Bugün işverenler arasında en çok aranan becerilerden biri olan yabancı dil bilgisi denilince akıllara ilk gelen İngilizce olmaktadır. Eğitim amaçlı mobil uygulamalar, bir dil kursuna gitmeden veya yurt dışında eğitim görmeden yeni bir dil öğrenmenin en iyi yollarından biridir. Günümüzde yabancı dil öğrenmek giderek kolaylaşmaktadır. Buna en büyük katkı, kuşkusuz mobil uygulama ve akıllı telefon kullanımının artmasından kaynaklanmaktadır. Bu makale çalışması ile ana dili İngilizce olmayan kişiler için İngilizce öğrenimini kolaylaştırmak ve her an ulaşılabilirliğini arttırmak amacıyla makine öğrenmesine dayalı bir mobil ingilizce öğrenme uygulaması geliştirilmiştir. Uygulama başında kullanıcıya uygun gruptaki seviye sınavı yapay sinir ağı yöntemi ile seçilip sunulmaktadır. Uygulama içinde yer alan kelime-anlam eşleştirme alıştırmasında İngilizce kelimelerin kullanım sıklıklarına göre zorluk seviye gruplarının belirlenmesi için Mini Batch K-Means yöntemi kullanılmıştır.
Keywords
Makine öğrenmesi, Yapay sinir ağları, Mobil uygulama, İngilizce öğrenme
References
- Bozkurt, D. (2015). Mobil Öğrenme: Her zaman, Her Yerde Kesintisiz Öğrenme Deneyimi, Açıköğretim Uygulamaları ve Araştırmaları Dergisi, 1 (2), 65-81.
- Rodríguez-Hernández, C.F., Musso, M.F., Kyndt, E. & Cascallar, E.C. (2021), Artificial Neural Networks in Academic Performance Prediction: Systematic İmplementation And Predictor Evaluation, Computers & Education: Artificial Intelligence, (2).
- Teodorescu, A. (2014), Mobile Learning And Its Impact On Business English Learning, Procedia - Social and Behavioral Sciences, 180, 1535-1540.
- Oladokun, V.O., Adebanjo, A.T., B.Sc., & Charles-Owaba, O.E. (2008), Predicting Students’ Academic Performance using Artificial Neural Network: A Case Study of an Engineering Course, The Pacific Journal of Science and Technology, 9 (1), 72-79.
- Musso, M.F., Kyndt, E., Cascallar, E.C. & Filip Dochy (2013), Predicting General Academic Performance And Identifying The Differential Contribution Of Participating Variables Using Artificial Neural Networks, Frontline Learning Research, 1(1), 42-71.
- Aydoğan, İ. & Zırhlıoğlu, G. (2018), Öğrenci Başarılarının Yapay Sinir Ağları ile Kestirilmesi, YYÜ Eğitim Fakültesi Dergisi, 15(1), 577-610.
- de Bruin, A., Carreiras, M. & Duñabeitia, J.A. (2017), The BEST Dataset of Language Proficiency, Front Psychol., 8, 522.
- van Heuven, W.J.B., Mandera, P., Keuleers, E. & Brysbaert, M. (2014), SUBTLEX-UK: A new and improved word frequency database for British English, The Quarterly Journal of Experimental Psychology, 67 (6), 1176-1190.
- URL-1: https://deepai.org/machine-learning-glossary-and-terms/neural-network [Erişim Tarihi: 05.05.2021]
- URL-2: https://medium.com/@ekrem.hatipoglu/machine-learning-clustering-k%C3%BCmeleme-k-means-algorithm-part-13-be33aeef4fc8 [Erişim Tarihi: 21.04.2021]