Sistem kullanılabilirliği, bir sistemin özellikle tasarım ve test aşamalarında odaklanılması gereken unsurlardan biridir, çünkü sistemin daha iyi hale getirilmesi için sistem yöneticilerine geri bildirim sağlamaktadır. Literatürde, sistem kullanılabilirliğinin değerlendirilmesi için Sistem Kullanılabilirlik Ölçeği (System Usability Scale-SUS) altın standart yöntem olarak yaygın şekilde kullanılmaktadır. Bunun yanı sıra günümüzde yapay zekânın alt çalışma alanlarından biri olan makine öğrenmesi de sistem kullanılabilirliğinin değerlendirilmesi konusunda araştırmacılara yeni ufuklar sağlamaktadır. Bu çalışmada, bir Öğrenci Bilgi Sisteminin (ÖBS) kullanılabilirliğinin makine öğrenmesi teknikleriyle tahmin edilmesi hedeflenmiştir. Çalışma yönteminde; Veri Madenciliği için Çapraz Endüstri Standard Süreç Modeli (CRoss-Industry Standard Process for Data Mining–CRISP-DM) kullanılmıştır. Analizler; Türkiye’deki bir vakıf üniversitesine ait bir ÖBS’yi kullanan 324 öğrencinin SUS’un Türkçe versiyonuna (SUS-TR) verdiği yanıtların bulunduğu “sus1” adlı veri seti ile “sus1” veri setine öğrencilerin yaş, cinsiyet, öğrenim gördüğü bölüm eklenerek oluşturulan “sus0” adlı veri setleri üzerinde gerçekleştirilmiştir. C4.5 Karar Ağacı Algoritması, Naive Bayes Sınıflandırıcı ve k-En Yakın Komşu Algoritması ile farklı modeller kurularak performans değerlendirmesi yapılmıştır. %80’e %20’lik Hold-out ayrımıyla gerçekleştirilen analizlerde en iyi performans, k-En Yakın Komşu Algoritmasıyla “sus0” veri seti üzerinde elde edilmiştir (k=20 için doğruluk = 0.698, F-ölçütü = 0.796).
danışmanlı öğrenme, kullanılabilirlik, makine öğrenmesi, öğrenci bilgi sistemi, sistem kullanılabilirlik ölçeği
System usability is one
of the key elements that should be focused on, especially during the design and
test phases of a system, because it provides feedback to system administrators
in order to improve the system. In the literature, System Usability Scale (SUS)
is widely used as the gold standard method to evaluate system usability. Today,
machine learning, which is one of the subfields of artificial intelligence,
also provide new perspectives on the evaluation of system usability. In this
study, it is aimed to predict usability of a Student Information System (SIS)
by using machine learning techniques. In the study method, the Cross-Industry
Standard Process for Data Mining (CRISP-DM) steps have been followed. Analysis
are performed on two different dataset namely “sus1” and “sus0”. “sus1” dataset
is consisted of demographic characteristics (age, gender, department) of 324
students using a SIS of a foundation university in Turkey, also their responses
to the Turkish version of the SUS. “sus0” includes only responses to the
Turkish version of the SUS. C4.5 Decision Tree Algorithm, Naive Bayes
Classifier and k-Nearest Neighbor Algorithm are used to create models and their
performance are evaluated. The best performance was obtained on the “sus0” data
set with 80% to 20% hold-out method (accuracy = 0.698, F-measure = 0.796 for k
= 20).
supervised learning, usability, machine learning, student information systems, system usability scale
Primary Language | Turkish |
---|---|
Subjects | Engineering |
Journal Section | Articles |
Authors |
|
Publication Date | July 13, 2019 |
Published in Issue | Year 2019, Volume 2, Issue 1 |
Bibtex | @research article { veri489216, journal = {Veri Bilimi}, eissn = {2667-582X}, address = {}, publisher = {Murat GÖK}, year = {2019}, volume = {2}, number = {1}, pages = {10 - 18}, title = {Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi}, key = {cite}, author = {Demirkol, Denizhan and Kartal, Elif and Şeneler, Çağla and Gülseçen, Sevinç} } |
APA | Demirkol, D. , Kartal, E. , Şeneler, Ç. & Gülseçen, S. (2019). Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi . Veri Bilimi , 2 (1) , 10-18 . Retrieved from https://dergipark.org.tr/en/pub/veri/issue/47049/489216 |
MLA | Demirkol, D. , Kartal, E. , Şeneler, Ç. , Gülseçen, S. "Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi" . Veri Bilimi 2 (2019 ): 10-18 <https://dergipark.org.tr/en/pub/veri/issue/47049/489216> |
Chicago | Demirkol, D. , Kartal, E. , Şeneler, Ç. , Gülseçen, S. "Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi". Veri Bilimi 2 (2019 ): 10-18 |
RIS | TY - JOUR T1 - Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi AU - Denizhan Demirkol , Elif Kartal , Çağla Şeneler , Sevinç Gülseçen Y1 - 2019 PY - 2019 N1 - DO - T2 - Veri Bilimi JF - Journal JO - JOR SP - 10 EP - 18 VL - 2 IS - 1 SN - -2667-582X M3 - UR - Y2 - 2019 ER - |
EndNote | %0 Veri Bilimi Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi %A Denizhan Demirkol , Elif Kartal , Çağla Şeneler , Sevinç Gülseçen %T Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi %D 2019 %J Veri Bilimi %P -2667-582X %V 2 %N 1 %R %U |
ISNAD | Demirkol, Denizhan , Kartal, Elif , Şeneler, Çağla , Gülseçen, Sevinç . "Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi". Veri Bilimi 2 / 1 (July 2019): 10-18 . |
AMA | Demirkol D. , Kartal E. , Şeneler Ç. , Gülseçen S. Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi. Veri Bilim Derg. 2019; 2(1): 10-18. |
Vancouver | Demirkol D. , Kartal E. , Şeneler Ç. , Gülseçen S. Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi. Veri Bilimi. 2019; 2(1): 10-18. |
IEEE | D. Demirkol , E. Kartal , Ç. Şeneler and S. Gülseçen , "Bir Öğrenci Bilgi Sisteminin Kullanılabilirliğinin Makine Öğrenmesi Teknikleriyle Tahmin Edilmesi", Veri Bilimi, vol. 2, no. 1, pp. 10-18, Jul. 2019 |
Dergimizin Tarandığı Dizinler (İndeksler)
Academic Resource Index | Google Scholar | ASOS Index |
Rooting Index | The JournalTOCs Index | General Impact Factor (GIF) Index |
Directory of Research Journals Indexing | I2OR Index
|