Zeki öğrenim sistemlerinde öğrenim kavramlarının otomatik tespiti

Günümüzde bilgisayar teknolojisinin hızla büyümesine paralel olarak, eğitim destek sistemlerine yapay zeka unsurlarının entegre edilmesi konusunda yapılan araştırmalar gittikçe derinleşmiştir. Eğitim teknolojilerinde yapay zeka kullanılması çalışmaları, öğrencinin kendisine sunulan konuyla ilgili neyi öğrenip öğrenmediğinin tespiti, algı kapasitesinin ölçülmesi, öğrenme hızının ve öğrenme stilinin belirlenmesi gibi konunun uzmanı bir kişi tarafından bile zorlukla karar verilen problemleriyle ilgidir. Yapılan bu çalışmaların genel amacı, klasik sınıf içi eğitimi referans alarak eğitim destek sistemlerini daha verimli hale getirmektir. Bu tezde, klasik sınıf içi eğitime destek sağlayan zeki öğretim sistemlerinde bir eğitim içeriğindeki öğrenim kavramlarının nasıl tespit edileceği problemi incelenmiştir. Öğrenim kavramının doğru olarak belirlenmesi zeki öğretim sistemlerinin işlevini yerine getirebilmesi için kritik bir sorundur. Böylece eğitim içeriklerinin sınıflandırılabilmesi, öğrenciye ne öğretilmesi gerektiği ya da önerilen kaynağın gerçekten konu ile ilgili olup olmadığının belirlenmesi sağlanabilir. Tezde, Soyut Cebir, Analiz ve Bilgisayar Bilimleri başlıkları altında toplanan üç farklı konuda eğitim içerikleri kullanılarak derlemler oluşturulmuştur. Derlemler ve dokümanlar ön işlemlerden geçirilip her bir sözcük dizisi için öznitelik vektörleri oluşturulmuştur. Öznitelik vektörlerinin bileşenleri oluşturulurken terim frekansı ve ters doküman frekansı gibi istatistiksel veriler kullanılmıştır. Öznitelik vektörü oluşturan her bir sözcük dizilimi, konuyla ilgili öğretim kavramı olmaya adaydır. Çalışmada aday kavramlar kümesinden öğretim kavramlarını seçme işlemi için, ağırlıklı oylama kullanan k-En Yakın Komşu algoritması ve Levenberg-Marquardt optimizasyonu ile Çok Katmanlı Algılayıcı yöntemleri uygulanmıştır. Yöntem başarısını sorgulamak için ise duyarlılık, kesinlik ve f-ölçüsü değerleri kullanılmıştır.