Tez No	İndirme	Tez Künye	Durumu
390364		Kişiselleştirilmiş öğrenmeyi destekleyen bir altyapı tasarımı / The design of an infrastructure supporting personalized learning Yazar:BİROL ÇİLOĞLUGİL Danışman: PROF. DR. MUSTAFA MURAT İNCEOĞLU Yer Bilgisi: Ege Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:Elektronik öğrenme = Electronic learning ; Çok ajanlı sistemler = Multiagent systems	Onaylandı Doktora Türkçe 2015 194 s.
Bu tezde, farklı e-öğrenme sistemlerin kullanabileceği, esnek ve genişletilebilir bir kişiselleştirilmiş e-öğrenme altyapısı önerilmektedir. Öncelikle, Anlamsal Veb'de çoklu etmen teknolojisi tabanlı e-öğrenme sistemlerinin kullanımına yönelik, farklı kişiselleştirme yaklaşımlarını destekleyebilen yeni bir kavramsal mimari tasarlanmıştır. Daha sonra, kavramsal mimari, çoklu etmen sistemlerinde ortamın modellenmesine dayanan A&A üstmodeline dayalı somut sistem modeline dönüştürülerek, CArtAgO çatısı ile gerçekleştirilmiştir. Geliştirilen altyapıyı kullanan e-öğrenme sistemleri, sadece altyapının sağladığı ortamdaki artifaktlarla etkileşime girmekte, öğrenme nesnesi ambarları ve öğrenen ontolojileri gibi alt düzey bileşenlerden haberdar olmamaktadır. Bu sayede, etmen sistemleri ile e-öğrenme sistem bileşenleri arasında yeni bir soyutlama katmanı sağlanmaktadır. Tezin literatüre en önemli katkısı A&A üstmodelinin e-öğrenme alanında kaynakların soyutlanması amacıyla kullanılmasıdır. Önerilen mimari, farklı kişiselleştirme stratejilerine göre kişiselleştirme yaklaşımları geliştirilmesini desteklemektedir. Tezde statik öğrenen modellemesi üzerine odaklanılarak, Felder ve Silverman öğrenme biçemi modeline göre iki yeni kişiselleştirme yaklaşımı önerilmiştir. Altyapının kullanılabilirliğini göstermek için öğrenme nesnelerinin aranması, kişiselleştirilmiş öğrenme yolu önerilmesi ve altyapının taleplere cevap verme süresi ölçülerek çalışmasının analiz edilmesi üzerine üç e-öğrenme uygulaması, durum çalışması olarak geliştirilmiştir. Üçüncü durum çalışmasında elde edilen ölçümler doğrusal regresyon ile modellenebildiği için, geliştirilen altyapının ölçeklenebilir olduğu sonucuna varabiliriz.
In this thesis, a flexible and extensible e-learning infrastructure that can be used by different e-learning systems is proposed. First, a novel conceptual architecture which supports different personalization approaches for multi agent systems based e-learning applications in the Semantic Web is designed. Then, the A&A metamodel, which focuses on the environment modeling in multi agent systems, is used for transforming the conceptual architecture to the concrete system model that has been implemented with the CArtAgO framework. E-learning systems that use the developed infrastructure, only interact with the artifacts in the environment provided by the infrastructure and are isolated from low level components such as the learning object repositories and learner ontologies. As a result of this, a new abstraction layer between multi agent systems and e-learning system components is provided. The main contribution of the thesis is using the A&A metamodel to provide an abstraction of the resources in the e-learning domain. The proposed architecture supports development of personalization approaches according to different personalization strategies. The thesis is focused on using static learner modeling and two new personalization approaches based on Felder and Silverman learning styles model is proposed. Three e-learning applications with the functionalities of; searching learning objects, offering personalized learning paths and analysing system throughput by measuring the response time of the infrastructure; have been developed as case studies to demonstrate the usability of the infrastructure. Since the results obtained by the third case study can be modeled by linear regression, we can conclude that the proposed infrastructure is scalable.