WTK202U Öğrenme Yönetim Sistemleri Ünite -8

1. Temel Kavramlar

Öğrenme analitikleri, eğitim verilerinden anlamlı içgörüler çıkararak öğrenme süreçlerini iyileştirmeyi amaçlar. Bu analitiğin temellerinde veri madenciliği, istatistik, makine öğrenmesi ve yapay zekâ gibi disiplinler yer alır. Günümüzde verinin hacmi, hızı ve çeşitliliğinin arttığı büyük veri ortamında, doğru analiz yöntemlerini kullanmak eğitim kurumları için stratejik bir önem taşımaktadır.

2. Analitik Seviyeleri

Öğrenme analitikleri, farklı sorulara yanıt verecek çeşitli seviyelerden oluşur:

• Betimsel Analitik: Ne oldu?
• Tanılayıcı Analitik: Neden oldu?
• Öngörücü Analitik: Ne olacak?
• Yönerge Analitiği (Prescriptive): İstenilen sonucu nasıl elde ederim?

Bu seviyeler, eğitim yöneticilerine ve öğretmenlere hangi aşamada hangi soruların cevaplanabileceğini gösterir.

3. Büyük Veri ve Veri Madenciliği

Eğitim kurumlarında her geçen gün daha fazla veri üretilmektedir. Bu veriler, öğrenme davranışlarından sınav sonuçlarına, forum etkileşimlerinden sistem giriş-çıkış kayıtlarına kadar geniş bir yelpazeyi kapsar. Büyük veri teknolojileri ve veri madenciliği yöntemleri kullanarak, bu verilerin içinden değerli bilgiler çekmek mümkün hale gelir.

4. Analitiğin Eğitimdeki Uygulamaları

Öğrenme analitikleri, öğrenci başarısını artırmanın yanı sıra, öğrenme materyallerinin geliştirilmesinde ve kişiselleştirilmiş öğrenme deneyimlerinin sunulmasında kullanılır. Örneğin; öğrencilere ilgi ve yeteneklerine göre ders önerilerinde bulunmak için birliktelik kuralları veya kümeleme tekniklerinden yararlanılabilir.

5. Etik Boyut ve Veri Güvenliği

Eğitimde veri analitiği yaparken, kişisel verilerin korunması, rıza ve şeffaflık gibi etik ilkelere dikkat edilmesi gerekir. Verinin saklanma konumu, kimlerin erişebileceği, nasıl yorumlanacağı ve hangi amaçlarla kullanılacağı net ve yasal mevzuata uygun bir şekilde tanımlanmalıdır.

6. Analitik Araçlar ve Teknolojiler

Bu ünitede bahsedildiği üzere, R, RapidMiner, Weka ve NLTK gibi araçlar, eğitim verilerinin analizinde sıkça tercih edilmektedir. Büyük veri ve makine öğrenmesi altyapısına sahip bu araçlar, veri hazırlama sürecinden modellemede kullanılan algoritmalara kadar çeşitli işlevler sunar. Ayrıca bulut tabanlı platformlar veya kurumsal çözümler de veri işleme kapasitesini artırmak adına kullanılabilir.

Sonuç

Öğrenme analitikleri, dijitalleşen eğitim dünyasında karar vericiler ve öğretmenler için güçlü bir kılavuz niteliği taşır. Doğru veri kaynaklarının belirlenmesi, uygun analiz yöntemlerinin seçilmesi ve etik çerçevenin korunması, analitik çalışmaların eğitimde gerçek değer yaratmasını sağlar. Kısacası, öğrenme analitikleri hem öğrencilerin başarısına hem de kurumların kurumsal verimliliğine önemli katkılar sunar.

1- Aşağıdakilerden hangisi akıllı bir cihazın etkinliği olabilir?

A) Çok büyük bir sayının karekökünü alması
B) Büyük miktarda veri kaydedebilmesi
C) Çok hızlı işlem yapması
D) Sıcaklığa bağlı olarak klimayı çalıştırması
E) Farklı boyutlarda ekran çıktısı üretmesi

Cevap : D) Sıcaklığa bağlı olarak klimayı çalıştırması

Açıklama : Akıllı cihazların temel özelliği, belirli durumları (sıcaklık, ışık, hareket vb.) algılayarak buna uygun otomatik eylemler gerçekleştirebilmesidir. Sadece büyük veri kaydetmek veya hızlı işlem yapmak “akıllı” olmak için yeterli değildir. Sıcaklık sensörleriyle klimayı çalıştırmak gibi eylemler, akıllı cihaz mantığını yansıtır.

2- Aşağıdakilerden hangisi büyük verinin anahtar özelliklerinden biri değildir?

A) Kayıt
B) Hacim
C) Hız
D) Doğruluk
E) Çeşitlilik

Cevap : A) Kayıt

Açıklama : Büyük veri genellikle “3V” (hacim – volume, hız – velocity, çeşitlilik – variety) ve ek olarak “doğruluk” (veracity) gibi özelliklerle tanımlanır. “Kayıt” kavramı ise büyük verinin temel özelliklerinden biri değildir; verinin toplanma veya saklanma biçimiyle ilgili daha genel bir terimdir.

3- Aşağıdakilerden hangisinde veri madenciliğinin temelinde yer alan kavramlar birlikte ve doğru olarak verilmiştir?

A) İstatistik, yapay zekâ, makine öğrenmesi
B) Yapay zekâ, sanallaştırma, makine öğrenmesi
C) Makine öğrenmesi, sanallaştırma, istatistik
D) Sanallaştırma, dijital kayıt, istatistik
E) Dijital kayıt, istatistik, yapay zekâ

Cevap : A) İstatistik, yapay zekâ, makine öğrenmesi

Açıklama : Veri madenciliği temelde istatistiksel yöntemler, makine öğrenmesi teknikleri ve yapay zekâ yaklaşımlarını kullanarak veriden anlamlı öngörüler çıkarma sürecidir. “Sanallaştırma” veya “dijital kayıt” gibi kavramlar bu sürecin temelinde yer alan kavramlar değildir.

4- Aşağıdakilerden hangisi öğrenme analitikleri ile ilgili etik konuların yer aldığı temel kategorilerden biridir?

A) Verinin hızı ve miktarı
B) Veri üzerinde yapılan analiz
C) Verinin çeşitliliği
D) Verinin çekiciliği
E) Verinin konumu ve yorumlanması

Cevap : E) Verinin konumu ve yorumlanması

Açıklama : Öğrenme analitiğinde etik konular arasında, verinin toplanması, saklanması (konumu) ve yorumlanması, ayrıca veriye erişim yetkileri, gizlilik ve veri sahipliği gibi hususlar kritik önem taşır. Verinin hızı veya miktarı bu bağlamda doğrudan bir etik konu olarak öne çıkmaz.

5- Aşağıdakilerden hangisi analitik seviyelerinden biri değildir?

A) Betimsel Analitik
B) Tanılayıcı Analitik
C) Yorumlanan Analitik
D) Öngörücü Analitik
E) Yönerge Analitiği

Cevap : C) Yorumlanan Analitik

Açıklama : Yaygın analitik seviyeleri; betimsel (ne oldu?), tanılayıcı (neden oldu?), öngörücü (ne olacak?) ve yönerge/preskriptif (ne yapmalıyım?) analitik olarak sıralanır. “Yorumlanan Analitik” adıyla genel kabul görmüş bir analitik seviyesi bulunmamaktadır.

6- Öğrencilerin bir dersten aldıkları başarı puanlarının nedenlerini araştırırken aşağıdaki analitik türlerinden hangisinin kullanılması daha doğru olur?

A) Bulucu Analitik
B) Betimsel Analitik
C) Öngörücü Analitik
D) Tanılayıcı Analitik
E) Yönerge Analitiği

Cevap : D) Tanılayıcı Analitik

Açıklama : Tanılayıcı (diagnostic) analitik, sonuçların ardındaki nedenleri ortaya çıkarmaya odaklanır. Öğrencilerin başarı puanlarını etkileyen faktörlerin araştırılması, tam olarak tanılayıcı analitiğin hedeflediği bir sorudur. Betimsel analitik sadece “ne oldu?” sorusuna, öngörücü ise “gelecekte ne olacak?” sorusuna yanıt arar.

7- Farklı araştırma ya da gözlemlerde farklı değerler alabilen nesne, özellik ya da durumlara ne ad verilir?

A) Analitik
B) Değişken
C) Büyük veri
D) Analiz
E) Öngörü

Cevap : B) Değişken

Açıklama : İstatistik ve veri analitiğinde “değişken” (variable), farklı zamanlarda veya farklı gözlem birimlerinde farklı değerler alabilen nitelik veya nicelikleri ifade eder. Örneğin öğrencinin yaşı, dersten aldığı puan, katılım süresi birer değişkendir.

8- Bir eğitim kurumunda seçmeli ders seçiminde öğrencilere ilgi duydukları ve başarılı olacakları dersleri seçmelerinde yardımcı olunmak isteniyor. Kurum, daha önceki yıllarda hangi öğrencilerin hangi dersleri birlikte aldıkları, öğrencilerin başarı durumları ve memnuniyet verileri doğrultusunda aşağıdaki analizlerden hangisini kullanması daha doğru olur?

A) Birliktelik kuralları
B) Kümeleme
C) Sınıflama
D) Ortalama
E) Regresyon

Cevap : A) Birliktelik kuralları

Açıklama : Birliktelik kuralları (association rules), market sepet analojisi gibi senaryolarda sıkça kullanılır; “kim hangi ürünü veya dersi birlikte tercih ediyor?” sorusuna yanıt verir. Öğrenci tercihleri ve başarı verilerinin birlikte incelenmesi, hangi derslerin aynı anda seçildiğinde daha yüksek başarı ya da memnuniyet getirdiğini ortaya çıkarabilir.

9- Bu ünitede bahsedilen analitik yazılımları aşağıdakilerin hangisinde birlikte ve doğru olarak verilmiştir?

A) RapidMiner, Weka, C#
B) Java, Microsoft, Google
C) R, RapidMiner, SASS
D) RapidMiner, R, NLTK
E) R, Weka, SASS

Cevap : D) RapidMiner, R, NLTK

Açıklama : Bu ünitede özellikle veri analitiği ve doğal dil işleme alanlarında yaygın kullanılan RapidMiner, R ve NLTK (Natural Language Toolkit) gibi araçlardan söz edilir. C#, Java veya “SASS” (muhtemelen SAS ile karıştırılmış) gibi diğer seçenekler bu kapsamın dışında kalır veya yanlıştır.

10- Yönerge analitiği aşağıdaki sorulardan hangisini yanıtlamaya çalışır?

A) Ne oldu?
B) Neden oldu?
C) Ne olacak?
D) Ben ne yapabilirim?
E) Yeniden olmasını nasıl sağlarım?

Cevap : E) Yeniden olmasını nasıl sağlarım?

Açıklama : Yönerge (prescriptive) analitik, eldeki verilerle “en iyi eylem planının ne olduğu” veya “istenen sonucu tekrar nasıl elde ederim?” sorularını yanıtlama amacını güder. Bu, analiz sürecinde hem tanılayıcı hem de öngörücü verileri kullanarak ideal yol haritası oluşturmayı hedefler.