MAKİNE ÖĞRENMESİ İLE ÖZELLİK BAZLI FİKİR MADENCİLİĞİ GERÇEKLEŞTİREN ÖĞRENCİ PROJE VE YORUM SİSTEMİ

Abstract

Çevrimiçi öğrenme sistemlerinin kullanımı giderek yaygınlaşmaktadır. Covid – 19 pandemisi ile birlikte önemi daha da artmıştır. Ödevlerin ve projelerin dağıtımı ile bu çalışmaların öğretici tarafından geri toplanması eğitimin çevrimiçi ortama taşınması aşamasında önemli bir adımdır. Ödevler ve projelerin çevrimiçi ortama taşınması ve öğrencilerin akranlarının çalışmaları ile ilgili fikir alışverişinde bulunması, ödev ve projeler ile alakalı yorum verilerinin de birikmesine sebebiyet vermiştir. Bu yorumlar aracılığı ile ödev ve projeler ile ilgili fikir beyanlarını öğreticiye özellik bazlı olarak çıkarabilecek bir sistem ortaya koymak öğreticiye değerlendirme aşamasında zaman ve efor açısından kolaylıklar sağlayacaktır. Çalışmada öğreticiye destek sağlayabilecek özellik bazlı fikir madenciliği gerçekleştiren bir sistem oluşturulması hedeflenmiştir. Bu tez çalışmasında elde edilen yorumlara çeşitli önişleme adımları uygulanmış, dilbilimsel olarak ve makine öğrenmesi yöntemleri ile özellik tespiti gerçekleştirilmiş. Dilbilimsel yöntem ile özellik çıkarma aşamasında 0.18 oranında başarım sağlanmıştır. Koşullu Rastgele Alanlar Algoritması ile 0.81 F1 Skoru elde edilmiştir. Manuel olarak etiketlenen veriler aracılığı ile polaritelerin belirlenmesi amacıyla makine öğrenmesi modelleri eğitilmiştir. K- En Yakın Komşu Algoritması ile 0.56, Karar Ağaçları Algoritması ile 0.59, Destek Vektör Makineleri ile 0.606 ve Rastgele Orman Sınıflandırıcısı ile 0.64 F1 Skoru elde edilmiştir. Sonuçlar aracılığıyla Koşullu Rastgele Alanlar ile özelliklerin tespit edildiği ve Rastgele Orman Sınıflandırıcısı ile özelliklerin polaritelerinin tespit edildiği Öğrenci Proje ve Yorum Sistemi geliştirilmiştir.The use of online learning systems is becoming more and more common. With the Covid-19 pandemic, its importance has increased even more. The distribution of homework and projects and the recollection of these works by the instructor is an important step in the transfer of education to the online environment. The transfer of homework and projects to the online environment and the students' exchange of ideas about the work of their peers led to the accumulation of comment data about assignments and projects. By means of these comments, putting forward a system that can reveal the opinions about assignments and projects to the instructor on a feature-based basis will provide convenience to the instructor in terms of time and effort during the evaluation phase. In the study, it is aimed to create a system that performs feature-based idea mining that can support the instructor. Various preprocessing steps were applied to the comments obtained in this thesis, and feature detection was carried out linguistically and with machine learning methods. With the linguistic method, a success rate of 0.18 was achieved in the feature extraction phase. An F1 score of 0.81 was obtained with the Conditional Random Fields Algorithm. Machine learning models were trained to determine polarities through manually labeled data. An F1 score of 0.56 was obtained with K- Nearest Neighbor Algorithm, 0.59 with Decision Trees Algorithm, 0.606 with Support Vector Machines and 0.64 with Random Forest Classifier. Through the results, the Student Project and Comment System, in which the features are determined with the Conditional Random Fields and the polarities of the features are determined with the Random Forest Classifier, has been developed.