Predicting Usability of a Student Information System by Using Machine Learning Techniques
| Autor: | DEMİRKOL, Denizhan, KARTAL, Elif, ŞENELER, Çağla, GÜLSEÇEN, Sevinç |
|---|---|
| Jazyk: | turečtina |
| Rok vydání: | 2018 |
| Předmět: | |
| Zdroj: | Volume: 2, Issue: 1 10-18 Veri Bilimi |
| ISSN: | 2667-582X |
| Popis: | Sistemkullanılabilirliği, bir sistemin özellikle tasarım ve test aşamalarındaodaklanılması gereken unsurlardan biridir, çünkü sistemin daha iyi halegetirilmesi için sistem yöneticilerine geri bildirim sağlamaktadır.Literatürde, sistem kullanılabilirliğinin değerlendirilmesi için SistemKullanılabilirlik Ölçeği (System Usability Scale-SUS) altın standart yöntemolarak yaygın şekilde kullanılmaktadır. Bunun yanı sıra günümüzde yapay zekânınalt çalışma alanlarından biri olan makine öğrenmesi de sistem kullanılabilirliğinindeğerlendirilmesi konusunda araştırmacılara yeni ufuklar sağlamaktadır. Buçalışmada, bir Öğrenci Bilgi Sisteminin (ÖBS) kullanılabilirliğinin makineöğrenmesi teknikleriyle tahmin edilmesi hedeflenmiştir. Çalışma yönteminde;Veri Madenciliği için Çapraz Endüstri Standard Süreç Modeli (CRoss-IndustryStandard Process for Data Mining–CRISP-DM) kullanılmıştır. Analizler;Türkiye’deki bir vakıf üniversitesine ait bir ÖBS’yi kullanan 324 öğrencininSUS’un Türkçe versiyonuna (SUS-TR) verdiği yanıtların bulunduğu “sus1” adlıveri seti ile “sus1” veri setine öğrencilerin yaş, cinsiyet, öğrenim gördüğübölüm eklenerek oluşturulan “sus0” adlı veri setleri üzerindegerçekleştirilmiştir. C4.5 Karar Ağacı Algoritması, Naive Bayes Sınıflandırıcıve k-En Yakın Komşu Algoritması ile farklı modeller kurularak performansdeğerlendirmesi yapılmıştır. %80’e %20’lik Hold-out ayrımıyla gerçekleştirilenanalizlerde en iyi performans, k-En Yakın Komşu Algoritmasıyla “sus0” veri setiüzerinde elde edilmiştir (k=20 için doğruluk = 0.698, F-ölçütü = 0.796). System usability is oneof the key elements that should be focused on, especially during the design andtest phases of a system, because it provides feedback to system administratorsin order to improve the system. In the literature, System Usability Scale (SUS)is widely used as the gold standard method to evaluate system usability. Today,machine learning, which is one of the subfields of artificial intelligence,also provide new perspectives on the evaluation of system usability. In thisstudy, it is aimed to predict usability of a Student Information System (SIS)by using machine learning techniques. In the study method, the Cross-IndustryStandard Process for Data Mining (CRISP-DM) steps have been followed. Analysisare performed on two different dataset namely “sus1” and “sus0”. “sus1” datasetis consisted of demographic characteristics (age, gender, department) of 324students using a SIS of a foundation university in Turkey, also their responsesto the Turkish version of the SUS. “sus0” includes only responses to theTurkish version of the SUS. C4.5 Decision Tree Algorithm, Naive BayesClassifier and k-Nearest Neighbor Algorithm are used to create models and theirperformance are evaluated. The best performance was obtained on the “sus0” dataset with 80% to 20% hold-out method (accuracy = 0.698, F-measure = 0.796 for k= 20). |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|