Tez No	İndirme	Tez Künye	Durumu
238291		A framework for a personalized e-learning system / Kişiselleştirilmiş elektronik öğrenme sistemleri için bir altyapı Yazar:EBRU ÖZPOLAT Danışman: PROF. DR. GÖZDE BOZDAĞI AKAR Yer Bilgisi: Orta Doğu Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik ve Elektronik Mühendisliği Bölümü / Elektrik-Elektronik Mühendisliği Ana Bilim Dalı Konu:Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering Dizin:Elektronik öğrenme = Electronic learning ; Kişiselleştirme = Personalization	Onaylandı Doktora İngilizce 2009 167 s.
Bu tez, elektronik öğrenim sistemlerinin temel parçalarından üçüne odaklanmıştır: Mimari model, veri birleştirme ve kişiselleştirme. Mimari model için amacımız, coğrafi olarak dağıtık ve farklı yapıda oluşturulmuş veri kaynaklarından en fazla şekilde faydalanabilmektir. Bu amaçla, mevcut mimari modeller detaylıca incelendi ve grid teknolojisine dayalı, açık kaynak kodlu, referans mimari yapıları yeniden oluşturuldu. Buna ek olarak, önerdiğimiz referans mimari yapı için veri birleştirme mekanizması önerdik.Elektronik öğrenme sistemlerindeki kişiselleştirme konusu için kullanıcı modeli oluşturmaya ve kullanmaya dayalı statik bir algoritma önerdik. Bu tezde Felder-Silverman öğrenme stilini temel alan bir kullanıcı modelini otomatik olarak oluşturuyoruz. Bu kullanıcı modeli temel bilimler için çalışan kulanıcıları hedef alır. Bu kullanıcı mdeli, NBTree algoritmasını Binary Relvance sınıflandırıcısıyla bilikte kullanarak oluşturulur. Deneysel sonuçlar önerilen kullanıcı modeli metodunun performansının öğrenme stili teşhisinde kullaılan klasik anket sonuçları ile uyumlu olduğunu göstermektedir.Bu tezde, ayrıca, kullanıcıya kişiselleştirilmiş sorgular sağlamak için sınıflama sonuçlarından yararlanılmıştır.Anahtar Kelimeler: Etkileşimli öğrenme ortamları, elektronik öğrenmede kişiselleştirme
This thesis focuses on three of the main components of an e-learning system: Infrastructure model, data integration and personalization. For the infrastructure model, our aim is to get best use of heterogeneously structured, geographically distributed data resources. Therefore, a detailed analysis of the available infrastructure models is carried out and an open source reference implementation based on grid technology is implemented. Furthermore, a simple data integration mechanism is proposed for the suggested reference implementation.For personalization, a statistical algorithm is proposed based on extracting and utilizing the learner model. The learner model based on Felder-Silverman learning style is extracted automatically using NBTree classification algorithm in conjunction with Binary relevance classifier for basic science learners. Experimental results show that the performance of the proposed automated learner modelling approach is consistent with the results, obtained by the questionnaires traditionally used for learning style assessment.In the thesis, the classification results are further utilized for providing the user with personalized queries.Keywords: Interactive learning environments; personalization in e-learning