Yapay Sinir Ağına Karşı Bulanık Mantığa Dayalı Öğrenci Başarıtahmini

Abstract

E-öğrenme şu anda birinci sınıftan lisansüstü sınıflara kadar eğitim sürecinin tüm aşamalarında büyük önem taşımaktadır. Bunun sebepleri başında e-öğrenmenin öğrencilere kolay anlaşılır etkileşimli bir grafik ortam sağlaması ve her an ulaşılabilir olması gelmektedir. Bu çalışmada, E-öğrenme Yönetim Sistemini kullanan bir ortamda sınava giren öğrencilerin başarılarının tahmini için hem sinir ağı hem de bulanık mantık içeren yapay zeka teknikleri kullanılmıştır. Bu çalışmada kullanılan veri seti bir Irak mühendislik kolejinden alınmıştır ve bilgisayar bilimi dersine kaydolan 200 öğrencinin verileri kullanılmıştır. Veriler cinsiyet, yaş, indirilen kaynaklar, görüntülenen videolar, tartışma sohbetine katılım, 1. ara sınav puanı, 2. ara sınav puanı, final sınav puanı olarak sınıflandırılmıştır . Kullanılan yapay sinir ağının türü, desen sinir ağıdır. Levenberg-Marquardt'ın algoritması sinir ağlarını eğitmek için kullanılmıştır. Bulanık mantık için Sugeno bulanık çıkarım sistemi kullanılmıştır. Çalışma sonuçları umut verici ve anlamlıdır, çünkü sonuçlar öğrenme sistemine daha fazla zaman harcayan öğrencilerin en yüksek başarı oranına sahip olduğunu göstermiştir. Çalışmada sinir ağı kullanıldığında test sonuçların doğruluğu % 73 olarak kaydedilmiştir. Bulanık mantık kullanıldığında ise doğruluk sonuçlarının ortalama yüzdesi% 88 olarak bulunmuştur.Çalışmanın sonucu bulanık mantığın başarı tahmin yüzdesinin daha yüksek olduğunu göstermektedir

E-learning currently represents great importance in the process of developing the educational process in all stages from the primary classes to the postgraduate classes, as it provides an interactive graphical environment that is easy to deal with, as it attracts students to it with ease and makes them interact with it. This study, used artificial intelligence techniques, represented by both the neural network and fuzzy logic, to predict student achievement in the final exam who use the E-Learning Management System. The dataset used in this study was taken from an Iraqi engineering college, and it represents data of 200 students who have enrolled in the computer science course. The data were (gender, age, resources downloaded, videos viewed, discussion chat joined, midterm1 score, midterm2 score, final exam score). The type of artificial neural network used was pattern neural network. Levenberg-Marquardt's algorithm was used to train the neural networks. For the fuzzy logic Sugeno fuzzy inference system was used. The study results were promising and good as the results showed that the students who spend more time on the learning system have the most success rate. In this study, the neural network trained, tested, and all the results were recorded, where the accuracy of the results was 73%. The same thing for the fuzzy logic technique where the results were more accurate, as the average percentage of accuracy results was 88%.