Yükseköğretimde öneri sistemlerine dayalı ders seçme modeli

---

Tezin Türü: Doktora

Tezin Yürütüldüğü Kurum: Eskişehir Osmangazi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, İSTATİSTİK ANABİLİM DALI, Türkiye

Tezin Onay Tarihi: 2018

Tezin Dili: Türkçe

Öğrenci: BÜLENT BATMAZ

Danışman: VEYSEL YILMAZ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Günümüzde, internetin kişisel olarak hayatımıza girmesi ile birlikte ulaşılabilir olan bilgi hacmi günden güne katlanarak büyümektedir. Ancak, bir şahsın çok büyük miktarlardaki verileri tek başına kümeleyip bu verilerden yararlı bilgiler elde etmesi çok zor olabilir. İnsanların daha doğru ve ilgili bilgiye ulaşma için son dönemlerde "Bilgi Filtreleme Sistemleri" kavramı tartışılmaya başlamıştır. Bilgi Filtreleme Sistemlerinin amacı; kullanıcı için gereksiz ve istenmeyen verilerden saf bilgiyi otomatik olarak sunmaktır. Bu bağlamda da, "Öneri Sistemleri" ortaya çıkmıştır. Öneri sistemlerinde temel amaç, insanların beğenisini tahmin edip onlara bu beğenileri doğrultusunda önerilerde bulunmaktır. Bu tezde Anadolu Üniversitesi İİBF öğrencileri için gelecek dönemlerde alacakları zorunlu ve seçmeli derslerin başarı notlarını tahmin ederek ders seçiminde yardımcı olacak öneri sistemi modeli oluşturulmaya çalışılmıştır. Öneri modelinde öğrenci-öğrenci ve ders-ders benzerlikleri tekniklerinden yararlanılmıştır. Bu tekniklerde benzerlik ölçütü olarak yaygın olarak kullanılan pearson korelasyon değerinden yararlanılmıştır. Benzerlik ölçütü yardımıyla model ve memory (hafıza) tabanlı öneri algoritmaları kullanılmıştır. Hafıza tabanlı işbirlikçi filtrelemede ürün tabanlı öneri sistemi teknikleri, Model tabanlı işbirlikçi filtreleme tekniklerinde ise; k-Ortalama, K En yakın Komşu ve Tekil değer ayrışımı yaklaşımlarıyla öğrenci başarı puanı tahmini yapılmıştır. Uygulamada dört faklı algoritma sonucunda elde edilen sonuçlar karşılaştırılmıştır. Sonuç olarak ders seçiminde öneri sunmada yararlanılacak öğrenci başarı puanlarını gizil örüntüyü belirleyen, tekil değer ayrışımı tekniği ile tahmin edilmiştir. Uygulanan Öneri sistemleri algoritmaları için en iyi tahmin doğruluk ölçütü olan (MAE) mutlak ortalama hata değerine Tekil değer ayrışımı algoritması sonucunda ulaşılmıştır. Anahtar Kelimeler: Öneri Sistemleri, Öğrenme Analitiği, İşbirliğine dayalı filtreleme, Tekil değer ayrışımı, Kümeleme