COVID-19 pandemi sürecinin eğitim üzerindeki etkilerinin makine öğrenme teknikleriyle tespit edilmesi

2020 küresel COVID-19 pandemisi, afet niteliğinde ekonomik ve sosyal bozulmalara yol açmıştır. Pandemi, sağlık, gıda, ticari işletmeler ve eğitim dahil olmak üzere neredeyse hayatımızın her alanını etkilemiştir. Yükseköğretimde eğitim-öğretimin dijitalleşmesiyle birlikte büyük bir değişim yaşanmıştır. Pandemi ile mücadelede dünya genelindeki birçok yüksek öğretim kurumu, lisans ve lisansüstü dersleri eşzamanlı ya da farklı zamanlı olarak çevrimiçi vermeye başlamıştır. Bu süreçte insanlar, haber, bilgi, sosyal bağlantılar, destek ve yardım elde etmek amacıyla büyük ölçüde sosyal medyayı kullanmışlardır. Sonuç olarak, Web' de COVID-19 ile ilgili çok büyük miktarda elektronik metin belgesi paylaşılmıştır. Bu çalışmada, COVID-19 pandemi sürecinde eğitimlerine uzaktan devam eden üniversite öğrencilerinin, pandemi sürecinde almış oldukları uzaktan eğitimin olumlu ve olumsuz etkilerini analiz etmek üzere derin öğrenmeye dayalı bir duygu analizi yaklaşımı sunulmaktadır. Bu bağlamda, geleneksel makine öğrenmesi algoritmalarının (Destek Vektör Makineleri, Naive Bayes, Lojistik Regresyon ve Rastgele Orman) ve derin sinir ağlarının (Evrişimli Sinir Ağı, Tekrarlayan Sinir Ağı, Uzun Kısa Süreli Bellek ve Geçitli Tekrarlayan Birim) tahmin performansları karşılaştırılmıştır. Bunun yanı sıra, transformatörlerden (BERT) çift yönlü kodlayıcı temsilleri ile elde edilen deneysel sonuçlar değerlendirilmiştir. Farklı metin temsil modelleri ve sınıflandırma algoritmaları ile elde edilen kapsamlı deneysel sonuçlar, derin sinir ağlarının COVID-19 ile ilgili metin belgelerinin yüksek öğretim üzerindeki etkisini analiz etmede umut vadeden sonuçlar verebileceğini göstermektedir.