Görüntüleme
22
İndirme
4
Problem-solving skill is one of the most important skills that an individual should have today. Reflection can best be observed in the problem-solving process because reflective thinking occurs when a particular problem is perceived. Since reflective thinking features are related to the individual’s own thinking processes, it has the feature of being a predictive variable for metacognition. This study’s main goal is to create models that predict middle school students’ mathematical metacognition awareness through reflective thinking characteristics towards mathematical problem solving utilizing Artificial Neural Network (ANN), the Adaptive Neuro-Fuzzy Inference System (ANFIS) and statistical techniques. Academic achievement scores, cumulative grade point average (GPA), and reflective thinking characteristics of students towards mathematical problem solving were used as input parameters while constructing the ANN and ANFIS model, and mathematical metacognition awareness of students served as the only output parameter. In addition, the system was trained using 70% of the data to build the ANFIS model. Feed-forward backpropagation with the Levenberg-Marquardt learning algorithm was used to train the network for ANN model. Statistically, there is no significant difference between the students' actual metacognitive awareness scores and the predicted ANFIS and ANN metacognitive awareness scores. These findings showed that the created models performed successfully in predicting the mathematical metacognitive awareness of middle school students through their academic achievement (general and mathematics) and reflective thinking features for problem-solving. This study serves as an excellent example of how artificial intelligence can be used to anticipate certain educational traits of students. Different applications of artificial intelligence in the area of education can be obtained by varying the methodologies employed in the research.
Problem çözme becerisi, günümüzde bireyin sahip olması gereken en önemli becerilerden biridir. Yansıtma en iyi problem çözme sürecinde gözlemlenebilir çünkü yansıtıcı düşünme belirli bir problem algılandığında ortaya çıkar. Yansıtıcı düşünme özellikleri bireyin kendi düşünme süreçleri ile ilgili olduğundan üst biliş için yordayıcı bir değişken olma özelliğine sahiptir. Bu çalışmanın temel amacı, Yapay Sinir Ağı (YSA), Uyarlanabilir Nöro-Bulanık Çıkarım Sistemi (ANFIS) ve istatistisel yöntemler kullanarak matematiksel problem çözmeye yönelik yansıtıcı düşünme özellikleri aracılığıyla ortaokul öğrencilerinin matematiksel üstbiliş farkındalıklarını tahmin eden modeller oluşturmaktır. YSA ve ANFIS modelleri oluşturulurken akademik başarı puanları, kümülatif genel not ortalaması (GPA) ve öğrencilerin matematiksel problem çözmeye yönelik yansıtıcı düşünme özellikleri girdi parametresi olarak kullanılmış ve tek çıktı parametresi olarak öğrencilerin matematiksel üstbiliş farkındalıkları kullanılmıştır. Ayrıca sistem, ANFIS modelini oluşturmak için verilerin %70'i kullanılarak eğitilmiştir. Yapay sinir ağını eğitmek için Levenberg-Marquardt öğrenme algoritması ile ileri beslemeli geri yayılım kullanılmıştır. İstatistiksel olarak, öğrencilerin gerçek üstbiliş farkındalık puanları ile tahmin edilen hem ANFIS hem de ANN üstbiliş farkındalık puanları arasında anlamlı bir fark yoktur. Bu bulgular, oluşturulan modellerin ortaokul öğrencilerinin akademik başarıları (genel ve matematik) ve problem çözmeye yönelik yansıtıcı düşünme özellikleri aracılığıyla matematiksel üstbilişsel farkındalıklarını yordamada başarılı performans gösterdiğini göstermiştir. Bu çalışma, öğrencilerin belirli eğitim özelliklerini tahmin etmek için yapay zekanın nasıl kullanılabileceğinin bir örneğidir. Araştırmada kullanılan metodolojiler çeşitlendirilerek eğitim alanında farklı yapay zeka uygulamaları elde edilebilir.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
