Görüntüleme
48
İndirme
22
Çalışma MOOC videolarının hazırlanmasında dikkat edilmesi gereken unsurların veri madenciliği yöntemleriyle ortaya çıkarılmasını amaçlayan nicel bir çalışmadır. Çalışma, bu unsurların belirlenmesine yönelik ölçeğin oluşturulup verilerin toplanması ve analiz edilmesi süreçlerinden oluşmaktadır. Çalışma kapsamında YouTube’tan yayınlanan Khan Academy MOOC videoları ele alınmıştır. Bu videoların beğenme-beğenmeme, yorum ve görüntülenme sayısı bağımlı değişkenlerine ait ve genel karar ağaçları oluşturulmuştur. MOOC hizmeti verenlerin daha çok görüntülenebilecek, yorum alabilecek ve beğenilebilecek eğitim videolarını hazırlaması için bir karar ağacı modeli oluşturulmuştur. Çalışmada Gini ve C5.0 karar ağacı algoritmaları R programlama dili kullanılarak eğitim videoları veri setine uygulanmıştır. Videoların geneline yönelik karar ağacı modelinde yazılı unsurlar(YUN) kökünden yola çıkıldığı görülmektedir. YUN değerinin 0,8’den küçük olması videoların kötü olarak değerlendirildiğini ortaya koymuştur. Bu değerin büyük olması durumunda ise beğenme sayısının büyük rol aldığı görülmektedir. Çalışmanın bulgularına göre C5.0 algoritması en başarılı olup Gini algoritması kullanımında %70’in üzerinde başarım elde edilmiştir.
The study is a quantitative study that aims to reveal the elements to be taken into consideration in the preparation of MOOC videos by data mining methods. The study consists of the processes of creating the scale to determine these elements and the collection and analysis of data. The study included Khan Academy MOOC videos published on YouTube. The number of likes-like, comments and viewings of these videos belongs to the variables dependent and the general decision trees are created. A decision tree model has been created to allow MOOC service providers to prepare training videos that can be more viewed, commented and liked. In the study, Gini and C5.0 decision tree algorithms were applied to the data set of training videos using R programming language. It is seen that the video’s general decision-making tree model has written elements (YUN) from the root. The YUN is less than 0.8 indicated that the videos were badly assessed. If the value is high, the number of likes will play a great role. The study found that the C5.0 algorithm was the most successful, with more than 70% success in using the Gini algorithm.
Alan : Eğitim Bilimleri; Filoloji; Güzel Sanatlar; Hukuk; İlahiyat; Sosyal, Beşeri ve İdari Bilimler; Spor Bilimleri
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley