Tez No	İndirme	Tez Künye	Durumu
618540		Kitlesel açık çevrimiçi kurslarda katılımcıların İngilizce dil gruplarının tespitine dayalı davranış ve performans analizi / Behaviour and performance analysis of learners identified in English language based groups on massive open online courses Yazar:İSMAİL DURU Danışman: PROF. DR. BANU DİRİ ; DOÇ. DR. GÜLÜSTAN DOĞAN Yer Bilgisi: Yıldız Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı / Bilgisayar Mühendisliği Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Bilim ve Teknoloji = Science and Technology ; Eğitim ve Öğretim = Education and Training Dizin:	Onaylandı Doktora Türkçe 2020 225 s.
Günümüzde, isteyen her katılımcıya ücretsiz olarak 'Kitlesel Açık Çevrimiçi Kurs' (MOOC) olarak adlandırılan kursları sunan platformlar mevcuttur. Bu platformlardaki kurslar, açık iletişim ve video etkileşimlerine öncelik verecek şekilde ayrık alt adımlar halinde yapılandırılmıştır. Dünya üzerinden birçok kurum MOOC oluşturmaya çalışmakta ve farklı coğrafi konumlardan milyonlarca insanı kendine çekmektedir. MOOC'ların kazandıkları önemli popülerliğe rağmen, dil, zorluk seviyesi ve öğrenme yaklaşımı gibi katılımcıların bireysel ihtiyaçlarına göre esnek olmamak gibi önemli problemleri vardır. Bu durumun bir sonucu olarak MOOC'lardaki önemli problemlerden biri, katılımcıların çok düşük tamamlama oranlarıdır (% 10'dan az). Ana MOOC sağlayıcıları, çoğunlukla Amerika Birleşik Devletleri ve İngiltere gibi İngilizce konuşulan ülkeler tabanlıdır ve sağladıkları MOOC'ların dili İngilizce'dir. Bununla birlikte katılımcıların çoğunluğu İngilizce'yi yabancı dil olarak konuşmaktadır. Bu durumun katılımcılarda, özgüven, kullanım davranışları, iletişim tarzları ve kursu tamamlama performanslarında farklılıklara neden olduğu yapılan çalışmalar tarafından ortaya konulmuştur. Katılımcıların İngilizce dil becerilerindeki değişkenlik kaçınılmaz olarak, en fazla birincil dili İngilizce olmayan katılımcılar için bir engel oluşturmaktadır. Bu engele karşı bir çözüm üretebilmek için MOOC'larda İngilizce dilbilgisi eksikliği sebebi ile zorluk yaşayan katılımcıların tespit edilmeleri gerekmektedir. Kurs devam ederken öğrencilerin etkileşimlerini anlamak, öğrenme yollarını karakterize etmek, kursu bırakma oranlarını en aza indirgemek ve öğretmen müdahalelerini başlatmaya yardımcı olabilmek kritik öneme sahiptir. MOOC'larda, öğrencinin içeriklere hangi sıklıkta, ne kadar süreyle, hangi zaman dilimlerinde ulaştığı, ne kadar ilerlediği, ne zaman, ne kadar ve hangi konularda kimlerle paylaşımda bulunduğu bilgileri kayıt altına alınabilmektedir. Bu bilgiler, MOOC platform sağlayıcıları ve kursları hazırlayanların, katılımcıların ihtiyaçlarını tespit edip bu ihtiyaçlara göre kursları yapılandırmalarına yardımcı olabilir. Bununla birlikte, İngilizce'yi ikincil olarak konuşan katılımcıların tespiti ve onların MOOC'lardaki performans etkileşimleri ile ilgili çok fazla çalışma yoktur. Aynı zamanda, ikincil dil olarak İngilizce konuşanların MOOC'lardaki davranışlarını araştıran sınırlı sayıda araştırma vardır. Tezde, MOOC katılımcıları ana dillerine göre gruplandırılmış, ardında da bu grupların kullanım ve performans analizleri gerçekleştirilmiştir. Bunun için öncelikle katılımcıların, oluşturulan yöntemlerle İngilizce dil gruplarına ayrılmasına odaklanılmıştır. Katılımcıları kendi İngilizce dil geçmişlerine göre otomatik veya yarı otomatik olarak tespit etme yöntemleri belirlendikten sonra kullanım davranışları ve kurs performansları analiz edilmiştir. Tez kapsamında, içerdiği sosyalleşme özellikleri, dil odaklı analiz yapma ve işbirliği imkânlarının yüksek olması gibi nedenlerle, çoğunlukla İngiltere tabanlı FutureLearn MOOC platformunda Southampton Üniversitesi tarafından sunulan farklı türden MOOC'ların verileri kullanılmıştır. Tezde uygulanan metodoloji, oluşturulan farklı yöntemlerle İngilizce dil gruplarının tespit edilmesi, güncellenmesi, kullanıcı davranışlarının analiz edilmesi, performanslarının tahmininde kullanılabilecek en uygun ve performanslarına en fazla etki eden özelliklerle, performans tahminlerinde en başarılı algoritmaları belirlemede kullanılabilecek birkaç alt aşamayı içermektedir. Bu sonuçlar ayrıca MOOC platformu geliştiricileri tarafından, kurs içinde katılımcıların performanslarını iyileştirebilmek ve erken müdahale sağlayabilmek için strateji geliştirmede kullanılabilir.
Educational platforms offer Massive Open Online Courses (MOOCs), where learners can study online courses for free of charge. The design of MOOCs enables learners to interact with video lectures as the main module and communicate with others through supportive tools such as discussion forums. Institutions and universities create content for MOOCs and attract millions of people worldwide. Despite the hype around MOOCs, there are a number of deficiencies of MOOCs, namely, language, difficulty of courses, one-size-fits-all approach which denies learners' personal differences such as learning approaches. One of the consequences of these deficiencies is the low completion rate of courses (less than 10 %). The biggest MOOC providers are the UK and the US-based and the majority of MOOCs are provided in English language. However, the majority of participants speaks English as a second language. Studies show that some learners feel low self-confidence due to language skills and it causes different behaviour patterns in course activities and course completion. The difference in English-language abilities inevitably is an obstacle especially for those who speak English as a second language. In order to overcome this obstacle, it is important to detect the participants whose having difficulties due to their lack of English language skills. Understanding learners' interactions during the course, characterizing learning patterns, lowering course drop-outs, and enabling learning interventions are also crucially important.   MOOCs log learners' activities such as how frequently, when, and which page they visited, how far they completed the course, when and with whom they interacted in a discussion. This information might be helpful for MOOC providers and course authors to detect the needs of learners and organise their course to meet these detected needs. Having said that, the identification of learners who speak English as a second language and analysing course performance have not been widely investigated yet. There very little number of studies published on behaviour analysis of MOOC learners who speak English as a second language. In this thesis, MOOC participants were categorised by their first language and then their behaviour and course performances were analysed. In order to complete the analysis, firstly,  this thesis focused on categorising participants based on their first language whether or not it is English. This thesis proposes semi and fully automatic methods for categorising participants based on the English language. The behaviour patterns and course performances of learners were then analysed based on the language groups. This thesis mainly uses data collected through a selection of MOOCs delivered by the University of Southampton on the UK-based MOOC platform, FutureLearn. FutureLearn has been chosen due to its rich social tools integrated into the platform and their welcoming approach towards international research collaborations. The methodology applied in the thesis consists of several sub-steps, which are: identifying English language groups by different methods, statistical analysis of learners' behaviours, identifying the best possible and most important features that can be used in performance prediction, identifying the most successful machine learning algorithms to predict learners' course performance. The finding of the thesis can also be used by MOOC providers for identifying strategies to provide early course interventions and help MOOC participants to improve their course performance.