EBEVEYNLERİN DİJİTAL EBEVEYNLİK YETERLİLİKLERİNE YÖNELİK MOBİL BİR ÖNERİ SİSTEMİ GELİŞTİRİLMESİ VE DEĞERLENDİRİLMESİ
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Gazi Üniversitesi, Eğitim Bilimleri Enstitüsü, BİLGİSAYAR VE ÖĞRETİM TEKNOLOJİLERİ EĞİTİMİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: YILDIZ ÖZAYDIN AYDOĞDU
Danışman: Sibel Somyürek
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu çalışmanın amacı, ebeveynlerin dijital ebeveynlik yeterliklerine yönelik mobil bir öneri sisteminin geliştirilmesi ve değerlendirilmesidir. Bu amaç doğrultusunda Tip-1 gelişimsel araştırma modeli kullanılarak 4 aşamadan oluşan çalışma gerçekleştirilmiştir. 1. aşamada mobil öneri sisteminin tasarımı yapılmıştır. Bu kapsamda, mobil öneri sisteminin kuramsal altyapısı, evrensel tasarım ilkelerinin sistemde nasıl kullanılacağı, çoklu ortam tasarım ilkelerinin sistemde nasıl kullanılacağı ve sistemde yer alacak bileşenler ve fonksiyonların neler olacağı belirlenmiştir. Dört farklı uzman görüş formu aracılığı ile 20 uzmandan elde edilen görüşlere göre sistem tasarımına son hali verilmiştir. Çalışmanın 2. Aşamasında, mobil sistem geliştirilmiş, pilot uygulama gerçekleştirilmiş ve makine öğrenmesi için gerekli olan ön uygulama yapılmıştır. Mobil sistem geliştirildikten sonra dijital hikayeler, açıklayıcı videolar, ses kayıtları, e-kitaplar ve bilgi grafiklerinden oluşan 141 içerik sisteme entegre edilmiştir. Ardından sistemin çalışma durumunun test edilmesi amacı ile pilot çalışma gerçekleştirilmiş ve elde edilen sonuçlara göre sistemde gerekli güncellemeler yapılmıştır. Son kontrollerinin yapıldığı mobil sistem makine öğrenmesi için gerekli olan verilerin toplanması için ebeveynlerin kullanımına sunulmuştur. Bu kullanım esnasında, ebeveynlerin gezinme verileri ile kişisel bilgiler anketi, teknolojiye erişim ve kullanma durumu anketi, dijital ebeveynlik öz yeterliği ölçeği ve çocukların internet kullanımında ebeveyn arabuluculuğu ölçeği aracılığı ile veriler toplanmıştır. 132 kişiden elde edilen bu veriler makine öğrenmesinde girdi değişken olarak kullanılmıştır. Kişilerin gezinme verilerinden elde edilen öge sayfası açma, video oynatma, yorum yapma, içerik paylaşma, içerik puanlama ve oynatma listesine ekleme durumları verileri ise çıktı değişken olarak kullanılmıştır. Çalışmanın 3. aşamasında öneri motorunun oluşturulmuş ve sisteme entegre edilmiştir. Bu aşamada ilk olarak girdi ve çıktı değişkenler bazında elde edilen veriler kullanılarak farklı sınıflandırma ve kestirim tekniklerine göre modeller oluşturulmuştur. Hibrit filtreleme yöntemi kullanılan bu sistemde modellerin oluşturulmasında; k-en yakın komşu, karar ağaçları, destek vektör makineleri, naif bayes sınıflandırıcılar ve lojistik regresyon analizi algoritmaları kullanılmıştır. Bu algoritmalar aracılığıyla her bir çıktı değişken için 141 olmak üzere toplam 846 model oluşturulmuş ve bu modeller sisteme entegre edilmiştir. Kişi için en uygun olan ilk 10 önerinin mobil öneri sisteminde (MÖS) "Sizin için öneriler" kısmında görüntülenebileceği şekilde kodlamalar yapılmıştır. Buna ek olarak, soğuk başlangıcın önlenmesi amacı ile kullanıcıya "Popüler içerikler" kısmı altında, en yüksek etkileşim oranına sahip ilk 10 içeriğin öneri olarak sunulmasına yönelik kodlamalar da yapılmıştır. Çalışmanın 4. aşamasında MÖS'ün performansı, kullanılabilirliği, katılım, işlevsellik, estetik ve bilgi boyutları ile sistem ve önerilere yönelik ebeveyn görüşleri değerlendirilmiştir. Bu kapsamda, öncelikle MÖS'e yönelik doğruluk ve çapraz geçerlik hesaplamaları ile sistemin ne kadar doğru çalıştığına yönelik hesaplamalar yapılmıştır. Ardından öneri sisteminin performansının belirlenmesinde performans metrikleri olarak; duyarlılık, kesinlik ve F1 puanı kullanılmıştır. MÖS'de en yüksek doğruluk oranına sahip algoritmanın çıktı değişkenlerinin tamamında K-en yakın komşu algoritması olduğu belirlenmiştir. Sistemin duyarlılığına yönelik hesaplamalar sonucunda yorum yapma ve paylaşım yapma durumlarında en yüksek duyarlılığa sahip algoritma naif bayes sınıflandırıcılar olurken, öge açma durumları, video oynatma durumları, içerik puanlama durumları ve oynatma listesine ekleme durumları çıktı değişkenleri için en yüksek duyarlılığa sahip algoritma karar ağaçlarıdır. Çıktı değişkenlerinin tamamında en yüksek kesinliğe sahip algoritmanın naif bayes sınıflandırıcılar olduğu görülmüştür. Öğe açma durumları, video oynatma durumları ve oynatma listesine ekleme durumları çıktı değişkenlerinde en yüksek puana sahip algoritma karar ağaçları olmuştur. Yorum yapma durumları, paylaşım yapma durumları ve içerik puanlama durumlarına göre ise naif bayes sınıflandırıcılar en yüksek F1 puanına sahip algoritmadır. Sistem performansının belirlenmesinin ardından sistemin kullanılabilirliğine yönelik çalışmalar yapılmıştır. MÖS'ün etkililik ve verimliliğinin belirlenmesine yönelik 19 görevden oluşan bir görev listesi oluşturulmuştur. Sistemde katılımcıların yapmaları istenilen tüm görevleri eksiksiz yerine getirdikleri, görevleri ortalama 3,28 saniye ile 49,28 saniye arasında kısa bir oldukça kısa bir sürede gerçekleştirdikleri ve sistemin geneline, popüler içeriklere ve senin için öneriler kısmına yönelik memnuniyet düzeylerinin oldukça yüksek olduğu tespit edilmiştir. Sistemin kullanılabilirliğinin belirlenmesinin ardından sistemin katılım, işlevsellik, estetik ve bilgi boyutları ile sisteme yönelik ebeveyn görüşleri değerlendirilmiştir.