AI Summary & Key Takeaways
AI InsightA web based application has been designed for the model and is added in the application section.
📌 3 Key Takeaways
Abstract
Decision support systems is created for organizations to enable decision makers to have healthier and more reasonable actions. These systems are made available to students and administrators in online education environments, especially for higher success. In online learning environments, students utilize different types of course materials and interaction tools, which provides reaching a higher success rate in a considerable amount. However, students often difficult to choose course content and activities that will positively affect their academic performance. In this study, the decision support system model is constituted for students and lecturer in terms of online learning environments. The model helps students choose the best activity by processing their previous data. Data mining methods have been used in decision making process. Possible features and data for the data warehouse are obtained through moodle learning management system. Then, the attributes that contributed to improving the performance of the model were filtered to implement the data mining process. In the data mining process of the research, many decision tree algorithms have been used for success predictions. However, it has been seen that C5 algorithm performs better than other decision tree algorithms. In addition to the data mining process, demographic structure of the sample, weekly success rates and number of course document usage were added to the model to improve performance in various statistical information. A web based application has been designed for the model and is added in the application section.
Özet
Karar desktek sistemleri(KDS) kurum ve organizasyonlar için geliştirilen, karar vericilerin daha sağlıklı ve gerekçeli kararlar almasını sağlayan sistemlerdir. Bu sistemler, çevirimiçi eğitim ortamlarında, özellikle daha yüksek başarı elde etmek için öğrenci ve eğitim yöneticilerinin kullanımına sunulmaktadır. Çevrimiçi öğrenme ortamlarında, öğrenciler farklı türlerde ders materyalleri ve etkileşim araçları kullanmaktadır. Fakat, çoğu zaman öğrenciler akademik performanslarını olumlu yönde etkileyecek ders içerikleri ve etkinliklerin seçiminde zorlanırlar.Bu çalışmada, öğrencilere ve eğitim yöneticilerine etkinlik öneri karar destek modeli oluşturulmuştur. Model, öğrencilerin geçmiş verilerini işleyerek en iyi etkinlik seçimine yardımcı olur. Karar destek sisteminde, veri madenciliği yöntemi kullanılmıştır. veri ambarı için muhtemel özellikler ve veriler, moodle öğrenme yönetim sistemi (ÖYS) aracılığıyla elde edilmektedir. Daha sonra, modelin performansını artırmaya katkıda bulunan nitelikler, veri madenciliği işlemini uygulamak için filitrelendi. Veri madenciliği sürecinde geleceğe yönelik tahmin işlemleri için birçok karar ağacı algoritması kullanılmıştır. Ancak, C5 algorimasının diğer karar ağacı algoritmalarından daha iyi performans sergilediği görülmüştür. Veri madenciliği işleyişine ek olarak, örneklemin demografik yapısı, haftalık başarı oranları ve ders kullanım sayıları gibi çeşitli istatistiksel bilgilerde performansı artırmak için modele eklenmiştir. Model için web tabanlı bir uygulama tasarlanmış ve uygulama bölümünde yer verilmiştir.