Bilişim teknolojileri öğretmenlerinin Scratch yazılımına ilişkin özyeterlik inançlarının makine öğrenmesi ve derin öğrenme yöntemleri ile sınıflandırılması

Teknolojinin gelişmesiyle bireylerin sahip olması beklenen beceriler de değişime uğramıştır. Bilgi işlemsel düşünme becerisi 21.yy. becerileri içerisinde en önemli becerilerdendir. Bu becerinin bireylere kazandırılabilmesi için nitelikli bir kodlama eğitimine ihtiyaç vardır. Bu düzlemde MEB bilişim teknolojileri öğretim programı kapsamına kodlama eğitimini dahil etmiştir. Program kapsamında temel düzey blok tabanlı kodlama araçlarından Scratch kullanılarak bu eğitim verilmektedir. Bu sebeple bilişim teknolojileri öğretmenlerinin kodlama araçları konusunda kendilerini ne kadar yeterli gördükleri son derece önemlidir. Bu bağlamda, bu çalışmada bilişim teknolojileri öğretmenlerinin Scratch'e yönelik kullanımına ilişkin öz yeterlik inançlarının klasik makine öğrenmesi ve derin öğrenme yöntemleri ile sınıflandırılması amaçlanmıştır. Veri toplama aracı olarak ise daha önceden geliştirilmiş T-SECT anketi kullanılmıştır. Bu ölçek likert tipinde 39 maddeden oluşmaktadır. Bilişim teknolojileri öğretmenlerinden oluşan 192 örnek ve 39 öznitelik kullanılarak veri seti oluşturulmuştur. Örnek sayısının sınırlılığı nedeniyle dengesiz veri sorununu ortadan kaldırmak için SMOTE yöntemi ile veri çoğaltılmış ve örnek sayısı 262 ye yükseltilmiştir. Veri seti WEKA yazılımına aktarılarak üzerinde klasik makine öğrenmesi yöntemleri ve Google Colab platformu ile Evrişimli Sinir Ağı (ESA) yöntemleri kullanılmıştır. Bu amaç doğrultusunda Zero-R, J48, Random Forest (RF), K-Star, Multilayer-Perceptron (MLP), NaivesBayes, SMO, Logistic, IBK ve Random Tree yöntemleri ile sınıflandırma başarısı hesaplanmıştır. Veri seti üzerinde en yüksek sınıflandırma performansı elde edilen klasik makine öğrenmesi yöntemleri SMO, MLP, IBK, J48 ve RF olarak bulunmuştur. ESA ile yapılan sınıflandırma klasik makine öğrenmesi yöntemlerinden daha başarılı sonuç vermiştir. Bilişim teknolojileri öğretmenlerinin öz yeterlik inançları ESA kullanılarak %99.30 doğruluk oranıyla başarılı bir biçimde sınıflandırılmıştır.