Bulanık Mantık Tabanlı Çalışan Disiplin Kurulu Yazılımının Gerçekleştirilmesi

Abstract

Okullarda disiplin kurulları oluşturulmakta ve cezaları bu kurullar bazı hususları değerlendirerek vermektedir. Fakat Milli Eğitim Bakanlığı (MEB)’in ilgili yönetmeliği incelendiğinde öğrencilere ceza verilirken göz önünde bulundurulması gereken birçok hususun bulunduğu ve disiplin kurullarının her zaman bu hususların tamamını ceza verirken değerlendirmediği gözlemlenmiştir. Bu çalışmada, öğrenciler disiplin kurullarına sevk edildiklerinde bütün durumlar değerlendirilerek daha adil bir karar verilmesine yardımcı olacak bir yazılım gerçekleştirilmiştir.Bu yazılımın gerçekleştirilmesi için 7 Eylül 2013 CUMARTESİ günü 28758 sayılı resmi gazetede yayınlanan Millî Eğitim Bakanlığı Ortaöğretim Kurumları Yönetmeliği’nden nitel veriler elde edilmiştir. Bulanık mantık kullanılarak kodlanan C#.NET yapay zekâ yazılımına bu veriler girilecek ve sistem 675 adet kural tabanı sayesinde öğrencinin yüzde kaç ile cezalandırılması hakkında bir tahmin elde edilebilecektir. Ayrıca program ürettiği verileri kendi veri tabanında saklayacağı için disiplin kurulu kararlarının kurul defterleri haricinde dijital ortamda saklanması ve istenildiğinde bu verilere rahatça ulaşılmasını sağlayacaktır.

Keywords

• Bulanık Mantık, Disiplin Kurulu, Yapay Zekâ, Dotfuzzy Library, C#.NET.

Carrying Out Discipline Committee Software Working Based on Fuzzy Logic

Abstract

Discipline committee is established in school and these decide punishment by evaluating some rules. However, when it is examined the ministry of education (MEB)’s related regulations, it is observed that there are many issue that must be considered while any student is being punishmented and discipline committee always don’t evaluate all of these subject. In this study, when students are referred to the discipline committee, a software was carried out to help deciding more just by evaluating all conditions. Qualitative datas were obtained from MEB’s secondary education regulation that published in 28758 official gazette in 7 September 2013 to implement this software. These datas will be entered to C#.NET artificial intelligence software programed by using fuzzy logic and theit can be obtained student’s punishment rate by means of rule basement with 675 rules. Also because the software will store generated datas inself-database, it will provide to store discipline committee’s decisions in digital medias except committee record and to reach this datasany times easily.

Keywords

• Fuzzy Logic, Discipline Committee, Artificial Intelligence, Dotfuzzy Library, C#.NET.

References

1. Akpınar, B.,Özdaş, F. (2013). Lise disiplin sorunlarının sınıf değişkeni açısından incelenmesi. Dicle Üniversitesi Ziya Gökalp Eğitim Fakültesi Dergisi, 21: 20-29.
2. Baig, F.,Khan, S. M., Noor, Y., İmran, M. (2011). Design model of fuzzy logic medical diagnosis control system. International Journal on Computer Science and Engineering (IJCSE), 3(5): 2093-2108.
3. Ballı, S., Karasulu, B., Korukoğlu, S., Uğur, A. (2009). Basketbolda oyuncu seçimi için sinirsel-bulanık karar destek sistemi. İTÜ DERGİSİ, 8(1): 15-25.
4. Başaran, İ. E. (1996). Eğitim Yönetimi. Ankara: Yargı Matbaası.
5. Cinal, D., Odabaş, C., Pehlivan, İ. (2009). Bulanık Mantık İle Güneş enerjisi uygulaması Application Of Solar Energywith Fuzzy Logic. 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS’09).
6. Council of State Governments Justice Ctrand Public Policy Research Institute at Texas A & M University. (2011). Breaking Schools' Rules: A Statewide Study of How School Discipline Relates to Students’ Successand Juvenile Justice Involvement. NCJ Number: NCJ 244572.
7. Çerçi, H. Y. (2009). Devlet okullarında görevli öğretmenlerin disiplin yaklaşımları. Yüksek Lisans Tezi, Maltepe Üniversitesi, İstanbul.
8. Das, T., Kar, I.N. (2006). Design and implementation of an adaptive fuzzy logic-based controller for wheeled mobile robots. Control Systems Technology, 10.1109/TCST.2006.872536 IEEE Transactions on. 14(3). DOI:

9. Güçlü, M. (2004). Orta Öğretim Kurumlarında Disiplin Cezası Alan Öğrencilerin Sosyo-Ekonomik Yönden İncelenmesi (Kayseri Örneği). Yüksek Lisans Tezi, Erciyes Üniversitesi, Kayseri.
10. Kaur, A.,Kaur, A. (2012). Comparison of fuzzy logic and neuro fuzzy algorithms fora ir conditions system. International Journal of Soft Computing and Engineering (IJSCE) ISSN, 2(1) : 2231-2307
11. Kazu, Y., İ., Özdemir, O. (2009). Öğrencilerin Bireysel Özelliklerinin Yapay Zekâ ile Belirlenmesi (Bulanık Mantık Örneği). Akademik Bilişim’09 - XI. Akademik Bilişim Konferansı Bildirileri 11-13 Şubat 2009 Harran Üniversitesi, Şanlıurfa.
12. Kıyak, E. (2010). Bulanık mantıkla uçak iniş sıralamasının yaptırılması. Havacılık Ve Uzay Teknolojileri Dergisi, 4(4): 51-55.
13. Mahak, G. (2008). Chart Control in WPF. Erişim: 16 Aralık 2013, http://www.c-sharpcorner.com/UploadFile/mahakgupta/chart-control- in-wpf/,
14. Michele, B. (2014). Dot Fuzzy Library. Erişim: 02 Aralık 2013, http://www.havana7.com/dotfuzzy/.
15. Milli Eğitim Bakanlığı. (2013), Millî Eğitim Bakanlığı Ortaöğretim Kurumları Yönetmeliği, Resmi Gazete, Sayı : 28758.
16. Özek, A.,Sinecen, M. (2004). Klima Sistem Kontrolünün Bulanık Mantık İle Modellemesi. Pamukkale Üniversitesi Mühendislik Fakültesi Dergisi, 10(3): 353-358.
17. Rahman, S. M., Ratrout N. T. (2009). Review of the Fuzzy Logic Based Approach in Traffic Signal Control: Prospects in Saudi Arabia. Journal of Transportation Systems Engineering and Information Technology, 9(5): 58–70. doi:10.1016/S1570-6672(08)60080-X.
18. Reynolds C .R.,Skiba R. J., Graham, S., Sheras, P., Conoley, J. C., Garcia- Vazquez, E. (2008). Are zero to lerance policie seffective in theschools?: an evidentiary review and recommendat ions. Am Psychol. 63(9):852-62. doi: 10.1037/0003-066X.63.9.852.
19. Salaki, J. R., Kawet, C. R., Manoppo, R., Tumimomor, F. (2015). Decision Support Systems Major Selection Vocational High School in Using Fuzzy Logic Android-Based. International Conference on Electrical Engineering, Informatics, and Its Education 2015.
20. Sharp, J. (2009). Adım Adım Microsoft C# 2008. Ankara: Arkadaş Yayınevi.
21. Sivanandam, S. N, Sumathi, S.,Deepa, S. N. (2007). Introduction to Fuzzy Logicusing DOI:10.1007/978-3-540-35781-0.
22. Springer-Verlag Berlin Heidelberg.
23. Skiba, R. J.,Horner, R. H., Chung, C., Rausch, M. K., May, S. L., Tobin, T. (2011). Race Is Not Neutral: A National Investigation of African American and Latino Disproportionality in School Discipline. School Psychology Review40.1 (Mar 2011): 85-107.
24. Tiryaki, E., A., Kazan, R. (2007). Bulaşık Makinesinin Bulanık Mantık İle Modellenmesi. Mühendis Ve Makine, Cilt. 48(565)
25. Tomakin, E. (2009) Bilimsel Çalışmalarda Yaklaşım, Yöntem ve Teknik Problemi: Alternatif Bir Yorum, Ankara Üniversitesi, Eğitim Bilimleri Fakültesi Dergisi, 42(1) :87-104.
26. Yıldız, Ş., Kişoğlu, S. (2011). Bulanık Mantık Yaklaşımı İle Hazır Giyimde Beden Numarası Belirleme. e-Journal of New World Sciences Academy, 6(1): 12-22.
27. Watkins, C., Wagner, P. (2000). Improving school behavior. London : Paul Chapman Publishing Ltd.