Uzaktan Öğrenme İçin Bulanık Mantık Tabanlı Materyal Öneri Sistemi

Öz

Ders materyali öğrenme süreci boyunca öğrencinin en önemli destek materyalidir. Özellikle uzaktan öğrenmede ders materyalleri daha da fazla önem kazanmaktadır. Uzaktan öğrenme sistemlerinde sunulacak materyaller öğrencinin hazır bulunuşluk seviyesi ve öğrenme stiline göre belirlenmelidir. Temel amaç öğrenmenin en iyi nasıl gerçekleştirileceğidir. Bu çalışmada, uzaktan öğrenme sistemleri için bulanık mantık tabanlı materyal öneri sistemi modellenmiştir. Önerilen modelde, hazır bulunuşluk ve öğrenme stiline ek olarak materyal zorluk seviyesi ve materyal türü de kullanılmıştır. Oluşturulan bulanık kural tabanı sonrası her bir materyalin öğrenci için uygun olup olmadığı tespit edilmiştir.

Anahtar Kelimeler

• Uzaktan öğretim
• hazır bulunuşluk
• materyal öneri
• öğrenme stili
• bulanık mantık

Material Recommendation System for Distance Learning Based on Fuzzy Logic

Abstract

The course material is the most important support material for the student throughout the learning process. Especially in distance learning, course materials gain even more importance. Materials to be presented in distance learning systems should be determined according to the student's readiness level and learning style. The main goal is how to best realize learning. In this study, fuzzy logic-based material recommendation system is modeled for distance learning systems. In the proposed model, in addition to readiness and learning style, material difficulty level and material type were also used. After the fuzzy rule base created, it was determined whether each material was suitable for the student

Keywords

• Distance learning
• readiness
• material recommendation
• learning style
• fuzzy logic

Kaynakça

1. Altun, Murat. 2005. Matematik Öğretimi. 4. Basım. Bursa: Aktüel Yayınları.
2. Anon. 2017. ‘Kolb Öğrenme Stilleri - DeM’. Retrieved 16 June 2021 (https://www.demturkey.com/deneyimsel-ogrenme/kolb-ogrenme-stilleri/).
3. Arık, İ. Alev. 1995. Öğrenme Psikolojisine Giriş. İstanbul: Der Yaya.
4. Aşkar, Petek, and Buket Akkoyunlu. 1993. ‘Kolb Öğrenme Stili Envanteri’. Eğitim ve Bilim 17(87).
5. Bahar, Hüseyin Hüsnü, and Ali Sülün. 2011. ‘Fen Bilgisi Öğretmen Adaylarının Öğrenme Stilleri, Cinsiyet Öğrenme Stili İlişkisi Ve Öğrenme Stiline Göre Akademik Başarı’. Kastamonu Eğitim Dergisi 19(2):379–86.
6. Can, Şendil. 2011. ‘Sınıf Öğretmeni Adaylarının Öğrenme Stilleri Ile Bazı Değişkenler Arasındaki Ilişkinin Araştırılması’.
7. Cevher, Ahmet Yusuf, and Serkan Yıldırım. 2020. ‘Öğrenme Stilleri Konusunda Yapılmış Akademik Çalışmaların Incelenmesi: Sistematik Derleme’. Hayef: Journal of Education (Online) 17(1):20–50.
8. Chen, Wei, Zhendong Niu, Xiangyu Zhao, and Yi Li. 2014. ‘A Hybrid Recommendation Algorithm Adapted in E-Learning Environments’. World Wide Web 17(2):271–84.

9. Çöpgeven, Selin, and Mehmet Fırat. 2019. ‘Uzaktan Eğitimde Algoritmalar: 2007-2019 Sistematik Alanyazın Taraması’.
10. El Aissaoui, Ouafae, Yasser El Alami El Madani, Lahcen Oughdir, and Youssouf El Allioui. 2019. ‘A Fuzzy Classification Approach for Learning Style Prediction Based on Web Mining Technique in E-Learning Environments’. Education and Information Technologies 24(3):1943–59. doi: 10.1007/s10639-018-9820-5.
11. Erdoğan, Özdemir Emel, Abdükadir Erdoğan, and Sezgin Çelik. 2012. ‘İlköğretim Matematik Öğretmenliği Programı Birinci Sınıf Öğrencilerinin Fonksiyonlar Konusundaki Hazır Bulunuşlukları’.
12. Given, Barbara K. 1996. ‘Learning Styles: A Synthesized Model’. Journal of Accelerative Learning and Teaching 21:9–42.
13. Göldağ, B. 2011. ‘Öğrenme Stili Öğretmenlerininki İle Aynı Olan Ve Olmayan Öğrencilerin Akademik Başarılarının İncelenmesi’. Eğitim Bilimleri Kurultayı 8–10.
14. İnan, Cemil. 2014. ‘Okul Öncesi Öğretmen Adaylarının Matematik Dersini Ögretebilme Konusunda Hazır Bulunuşluk Düzeylerinin Değerlendirilmesi (Diyarbakır İl Örnegi).’ Electronic Turkish Studies 9(8).
15. Kartal, Elif, Sezer Köse Biber, Mahir Biber, Melodi Ozyaprak, İrfan Şimşek, and Tuncer CAN. 2019. ‘A Model Proposal to Determine Learning Styles of Students by Using Machine Learning Techniques and Kolb Learning Styles Inventory’. Kastamonu Eğitim Dergisi 27(5):1875–92.
16. Kolb, A. Y. 2013. ‘The Kolb Learning Style Inventory–Version 4.0. a Comprehensive Guide to the Theory, Psychometrics, Research on Validity and Educational Applications’. Kaunakakai, HI: Experience Based Learning Systems.
17. Kolb, Alice Y. 2013. ‘The Kolb Learning Style Inventory 4.0: A Comprehensive Guide to the Theory, Psychometrics, Research on Validity and Educational Applications’. Philadelphia, PA: Hay Group.
18. Kolb, David A. 1985. Learning-Style Inventory: Self-Scoring Inventory and Interpretation Booklet. TRG Hay/McBer.
19. Liu, Feng-jung, and Bai-jiun Shih. 2007. ‘E-Learning Activity-Based Material Recommendation System’. Interactive Technology and Smart Education.
20. Lu, Jie. 2004. ‘A Personalized E-Learning Material Recommender System’. in International Conference on Information Technology and Applications. Macquarie Scientific Publishing.
21. Menaka, P., and K. Nandhini. 2019. ‘Performance of Data Mining Classifiers on Kolb’s Learning Style Inventory (KLSI)’. Indian Journal of Science and Technology 12:23.
22. Pandey, Himanshu, and V. K. Singh. 2015. ‘A Fuzzy Logic Based Recommender System for E-Learning System with Multi-Agent Framework’. International Journal of Computer Applications 122(17):18–21.
23. Perumal, Sankar Pariserum, Ganapathy Sannasi, and Kannan Arputharaj. 2019. ‘An Intelligent Fuzzy Rule-Based e-Learning Recommendation System for Dynamic User Interests’. The Journal of Supercomputing 75(8):5145–60.
24. Rasheed, Fareeha, and Abdul Wahid. 2021. ‘Learning Style Detection in E-Learning Systems Using Machine Learning Techniques’. Expert Systems with Applications 174:114774.
25. Salehi, Mojtaba, and Isa Nakhai Kmalabadi. 2012. ‘A Hybrid Attribute–Based Recommender System for e–Learning Material Recommendation’. Ieri Procedia 2:565–70.
26. Sanjabi, Tahereh, and Gholam Ali Montazer. 2020. ‘Personalization of E-Learning Environment Using the Kolb’s Learning Style Model’. Pp. 89–92 in 2020 6th International Conference on Web Research (ICWR). IEEE.
27. Syed, Thoufeeq Ahmed, Vasile Palade, Rahat Iqbal, and Smitha Sunil Kumaran Nair. 2017. ‘A Personalized Learning Recommendation System Architecture for Learning Management System.’ Pp. 275–82 in KDIR.
28. Trusthi, Swapaka Listya, and Dade Nurjanah. 2017. ‘Combination of Hybrid Filtering and Learning Style for Learning Material Recommendation’. Pp. 24–29 in 2017 IEEE Conference on e-Learning, e-Management and e-Services (IC3e). IEEE.
29. Tuna, Abdulkadir, and Ahmet Kaçar. 2005. ‘İlköğretim Matematik Öğretmenliği Programına Başlayan Öğrencilerin Lise 2 Matematik Konularındaki Hazır Bulunuşluk Düzeyleri’. Kastamonu Eğitim Dergisi 117.
30. Turnip, Rudolf, Dade Nurjanah, and Dana Sulistyo Kusumo. 2017. ‘Hybrid Recommender System for Learning Material Using Content-Based Filtering and Collaborative Filtering with Good Learners’ Rating’. Pp. 61–66 in 2017 IEEE Conference on e-Learning, e-Management and e-Services (IC3e). IEEE.
31. Unutkan, Özgül Polat. 2007. ‘Okul Öncesi Dönem Çocuklarının Matematik Becerileri Açısından Ilköğretime Hazır Bulunuşluğunun Incelenmesi’. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi 32(32):243–54.
32. Yenilmez, Kürşat, and Özlem Kakmacı. 2008. ‘İlköğretim Yedinci Sınıf Öğrencilerinin Matematikteki Hazır Bulunuşluk Düzeyi’. Kastamonu Eğitim Dergisi 16(2):529–42.