Yapay zekâ destekli öğrenci tanıma sisteminin tasarımı ve farklılaştırılmış öğretimin kavramsal öğrenmeye etkisi

Çalışmada; fen öğretiminde kavramsal öğrenmeyi verimli bir şekilde yapılandırabilmek için yapay zekâ ile bütünleştirilmiş farklılaştırılmış öğretim uygulamalarının etkisinin incelenmesi amaçlanmıştır. Bu doğrultuda eğitsel veri madenciliği, öğrenme analitiği ve makine öğrenmesi algoritmaları ile farklılaştırılmış öğretim uygulamalarının zenginleştirilmesi hedeflenmiştir. Çalışmada yapay zekâ araçları öğrenme stillerini, kavramsal öğrenmeyi ve kavram yanılgılarını analiz etmek için kullanılmıştır. Bu çalışma süreci tasarım tabanlı araştırma yöntemi kullanılarak sürdürülmüştür. Tasarım tabanlı araştırma sürecinde üç tasarım gerçekleştirilmiştir. İlk olarak öğretmen adaylarının öğrenme stillerini belirlemede "Christou'nun Beş Aşamalı Modeli" kullanılmıştır. İkinci olarak öğretmen adaylarının kavram yanılgılarını belirleme sürecinde "Öğrenme Analitiği Döngüsü Modeli" kullanılmıştır. Üçüncü aşamada ise farklılaştırılmış öğretim uygulamasında etkinlikleri geliştirmede "ADDIE Tasarım Döngüsü Modeli"nden yararlanılmıştır. Tasarım tabanlı araştırma sürecinde üç farklı örneklem grubu ile tez çalışması gerçekleştirilmiştir. İlk örneklem grubu, yapay zekâ destekli öğrenme stillerini belirleme sürecine dâhil edilen 8 faklı üniversitede fen bilgisi öğretmenliği programında öğrenim gören 522 gönüllü öğretmen adayıdır. İkinci örneklem grubu, yapay zekâ destekli elektrik konusuna yönelik kavram yanılgılarını belirleme sürecine dâhil edilen 8 farklı üniversitede fen bilgisi öğretmenliği programında öğrenim gören 510 gönüllü öğretmen adayıdır. Üçüncü örneklem grubu ise farklılaştırılmış öğretim sürecine dâhil edilen Kırıkkale Üniversitesi fen bilgisi öğretmenliği programında öğrenim gören ve amaçlı örnekleme ile seçilen 30 öğretmen adayından oluşmaktadır. Tez çalışmasında öncelikle insan uzmanlar yerine yapay zekâ algoritmaları kullanılarak öğretmen adaylarının öğrenme stillerinin belirlenmesi hedeflenmiştir. Bu süreçte gerçekleştirilen çalışmalarda, 'KDD Veri Madenciliği Süreç Modeli' kullanılarak nitel veriler toplanmıştır. Bu veriler Tematik Analiz Yöntemi ile analiz edilmiştir. Toplam 552 öğretmen adayından elde edilen veri setini işlemek için Doğal Dil İşleme yöntemi kullanılmıştır. Veriler yapay zekâ araçlarından Makine Öğrenmesi ve denetimli öğrenme algoritmaları kullanılarak sınıflandırılmıştır. Öğretmen adaylarının öğrenme stillerini tahmin etmek için kullanılan en yüksek doğruluk oranına sahip Makine Öğrenmesi algoritmasının, araştırmacılar tarafından geliştirilen ve Çok Katmanlı Algılayıcı, Rastgele Orman ve Karar Ağacı algoritmalarının birleşiminden oluşturulan 'Topluluk Modeli' olduğu belirlenmiştir. Bu aşamada, öğrenme stillerinin otomatik olarak belirlenmesi sürecinde Doğal Dil İşleme uygulamalarının önemli olduğu ve tematik analizin yapay zekâ uygulamalarında yenilikçi bir yöntem olduğu sonuçlarına varılmıştır. Ayrıca çalışma kapsamında elde elden nicel verilere göre; öğretmen adaylarının öğrenme stillerini belirleme sürecinde yapay zekâ algoritması ile insan uzmanı değerlendirmesi arasındaki anlamlı farkı belirlemek için kappa (κ) değeri analiz edilmiş ve uyum gücünün 'neredeyse mükemmel' düzeyde olduğu görülmüştür. Tez çalışmasında ikinci olarak elektrik konusuna yönelik elde edilen 510 adayın yapay zekâ verileri Öğrenme Analitiği Döngüsü kullanılarak oluşturulmuş ve tematik analiz yöntemi ile çözümlenmiştir. Ayrıca araştırmacılar tarafından geliştirilen web formda yer alan sorular, öğretmen adaylarının kavram yanılgılarını ve kavramsal öğrenmelerini belirlemek amacı ile kullanılmıştır. Kavram yanılgılarını belirlemede frekans dağılımı kullanılmıştır. Verilerden öğretmen adaylarının elektrik konusuna yönelik kavram yanılgısı içeren cümle sayısının 249 olduğu tespit edilmiştir. Tespit edilen kavram yanılgılarının literatürde belirtilenler ile ilişkili olduğu görülmüştür. Tematik analiz sonucunda en yüksek başarım oranına sahip yapay zekâ algoritmasının araştırmacılar tarafından her bir soru için geliştirilen üçlü Topluluk Modeli olduğu belirlenmiştir. Ayrıca tez çalışmasının deneysel sürecinde 30 öğretmen adayından alınan ön-test ve son-test kavramsal öğrenme düzeyi verileri normal dağılım gösterdiği tespit edildiği için bağımlı t testi kullanılarak analiz edilmiştir. Son olarak farklılaştırılmış öğretimin etkisinde öğretmen adaylarının kavramsal öğrenme düzeyi puanları üzerinde son test lehine istatistiksel olarak anlamlı bir fark olduğu tespit edilmiştir. Bu tez çalışmasında farklılaştırılmış öğretimin öğretmen adaylarının kavramsal öğrenme düzeylerinde etkili olduğu sonucuna varılmıştır. Ayrıca çalışmada yapay zekâ ile kavram yanılgısı tespitinin başarım düzeyinin oldukça yüksek çıkması dikkat çekicidir. Varılan sonuçların ilgili literatüre ve benzer araştırmalar gerçekleştireceklere önemli katkı sağlayacağı düşünülmektedir.