Design and Application of Fuzzy Set Based Assessment Algorithm

Year 2021, Volume: 9 Issue: 6 - ICAIAME 2021, 210 - 221, 31.12.2021

Hamit Armağan

https://doi.org/10.29130/dubited.1015317

Abstract

Today, with the development of education and communication technologies, these technologies are widely used in the field of education. Especially in higher education, models such as distance education and coeducation are increasing rapidly thanks to these technologies. The distance education model has both advantages and disadvantages compared to the face-to-face education model. The fact that the environment in which distance education takes place has sufficient technological equipment, the basic components such as sound acoustics and lighting intensity are in the appropriate range, positively affect the students' perspective on distance education. In this study, a fuzzy logic-based model was designed to calculate student satisfaction performance based on evaluation parameters (sound quality, image quality, educational technologies) for distance education systems. With the participation of Süleyman Demirel University Distance Education Vocational School second year computer programming students, a student satisfaction performance evaluation study was conducted for the distance education system. The student satisfaction performance values for the distance education system were calculated with the fuzzy set-based evaluation algorithm developed from the data obtained from this study. In the second stage of the study; The calculated performance value was matched with the overall grade point average of the students. Necessary calculations were made for the analysis of correlation, curve fitting, measures of central tendency and measures of central distribution in the obtained data set. All data obtained at the conclusion stage of the study were evaluated as a whole. Depending on the parameter, the effect of student satisfaction performance on student success for the distance education system was compared with statistical methods and shared in the conclusion section.

Keywords

Fuzzy logic, Mathematical modeling, Curve fitting, Descriptive statistics

Bulanık Mantık Tabanlı Performans Değerlendirme Algoritmasının Tasarımı ve Uygulaması

Abstract

Günümüzde eğitim ve iletişim teknolojilerinin gelişmesiyle birlikte bu teknolojiler eğitim alanında yaygın olarak kullanılmaktadır. Özellikle yükseköğretimde bu teknolojiler sayesinde uzaktan eğitim, karma eğitim gibi modeller hızla çoğalmaktadır. Uzaktan eğitim modeli yüz yüze eğitim modeline göre avantajları olduğu gibi dezavantajları da bulunmaktadır. Uzaktan eğitimin yapıldığı ortamın yeterli düzeyde teknolojik donanıma sahip olması, ses akustiği, aydınlatma şiddeti gibi temel bileşenlerin uygun aralıkta olması öğrencilerin uzaktan eğitime bakış açısını olumlu etkilemektedir. Bu çalışmada uzaktan eğitim sistemleri için öğrenci memnuniyet performansı değerlendirme parametrelerine (ses kalitesi, görüntü kalitesi, eğitim teknolojileri) bağlı olarak hesaplamak için bulanık mantık tabanlı bir model tasarlanmıştır. Süleyman Demirel Üniversitesi Uzaktan Eğitim Meslek Yüksek Okulu bilgisayar programcılığı ikinci sınıf öğrencilerinin katılımı ile uzaktan eğitim sistemi için öğrenci memnuniyeti performans değerlendirme çalışması yapılmıştır. Bu çalışmadan elde edilen veriler geliştirilen bulanık küme tabanlı değerlendirme algoritması ile uzaktan eğitim sistemi için öğrenci memnuniyeti performans değerleri hesaplanmıştır. Çalışmanın ikinci aşamasında; hesaplanan performans değeri ile öğrencilerin genel not ortalama eşleştirilmiştir. Elde edilen veri setinde korelasyon, eğri uydurma, merkezi eğilim ölçüleri ve merkezi dağılım ölçüleri analizi için gerekli hesaplamalar yapılmıştır. Çalışmanın sonuç aşamasında elde edilen tüm veriler bir bütün olarak değerlendirmeye alınmıştır. Parametreye bağlı olarak uzaktan eğitim sistemi için öğrenci memnuniyet performansının öğrenci başarısı üzerine etkisi istatiksel yöntemlerle karşılaştırma yapılarak sonuç bölümünde paylaşılmıştır.

Keywords

Bulanık mantık, Matematiksel modelleme, Eğri uydurma, Tanımlayıcı istatistik

References

• [1] Y. Shi, W. Xie, G. Xu, R. Shi, E. Chen, Y. Mao, and F. Liu, "The smart classroom: merging technologies for seamless tele-education," IEEE Pervasive Computing, vol. 2, no. 2, pp. 47-55, 2003.
• [2] L. R. Winer and J. Cooperstock, “The ‘Intelligent Classroom’: Changing teaching and learning with an evolving technological environment,” Computers & Education, vol. 38, no. 1-3, pp. 253–266, 2002.
• [3] Y. Shi, W. Xie and G. Xu, “Smart remote classroom: creating a revolutionary real-time ınteractive distance learning system,” Advances in Web-Based Learning. ICWL 2002. Lecture Notes in Computer Science, J. Fong, C.T. Cheung, H.V. Leong, Q. Li Q, Eds. Berlin: Springer, 2002, pp. 130-141.
• [4] H. Ren and G. Xu, "Human action recognition in smart classroom," Proceedings of Fifth IEEE International Conference on Automatic Face Gesture Recognition, 2002, pp. 417-422.
• [5] Z. Wang, "Smart spaces: creating new instructional space with smart classroom technology," New Library World, vol. 109, no. 3/4, pp. 150-165, 2008.
• [6] B. Carter and T. Linder, “Collaborative learning environments: developing smart classrooms in theory and in practice,” Advances in Educational Administration, vol. 8, pp. 201-211, 2006.
• [7] T. Tibúrcio and E. Finch, "The impact of an intelligent classroom on pupils' interactive behaviour," Facilities, vol. 23, no. 5/6, pp. 262-278, 2005.
• [8] S. Y. Stephen, S. K. S. F Karim, S. I. Ahmed, Y. Wang and B. Wang, “Smart classroom: Enhancing collaborative learning using pervasive computing technology,” In ASEE Annual Conference Proceedings, 2003, pp. 13633-13642
• [9] G. Bautista and F. Borges, “Smart Classrooms: Innovation in formal learning spaces to transform learning experiences,” Bulletin of the IEEE Technical Committee on Learning Technology, vol. 15, no. 3, pp. 18-21, 2013.
• [10] H. Ren and G. Xu, “Human action recognition in smart classroom,” Proceedings of Fifth IEEE International Conference on Automatic Face Gesture Recognition, 2002, pp. 399–404.
• [11] N. Baykal ve T. Beyan, 2004. Bulanık Mantık İlke ve Temelleri, Ankara, Türkiye: Bıçaklar Kitabevi, 2004, böl. 11, ss. 335-387.
• [12] N. Baykal ve T. Beyan, Bulanık Mantık Uzman Sistemler ve Denetleyiciler, Ankara, Türkiye: Bıçaklar Kitabevi, 2004, böl. 2,3,4, ss. 99-154, 155-264, 265-326.
• [13] L. A., Zadeh, “Information and control,” Fuzzy Sets, vol. 8, no. 3, pp. 338-353, 1965.
• [14] L. A., Zadeh. "Fuzzy Logic," Computer, vol. 21, no. 4, pp. 83-93, 1988.
• [15] D. Dubois, and H.M. Prade, Fuzzy Sets and Systems: Theory and Applications, Mathematics in Science and Engineering, v. 144. New York: Academic Press, 1980, pp. 9-34.
• [16] E.H., Mamdani and S., Assilian, “An experiment in linguistic synthesis with a fuzzy logic controller,” International Journal of Man-Machine Studies, vol. 7, no. 1, pp. 1-13, 1975.
• [17] MathWorks Inc. (2021, October 24). Mamdani and Sugeno Fuzzy Inference Systems [Online]. Available: https://www.mathworks.com/help/fuzzy/types-of-fuzzy-inference-systems.html.
• [18] MathWorks Inc. (2021, October 24). Foundations of Fuzzy Logic [Online]. Available: https://www.mathworks.com/help/fuzzy/types-of-fuzzy-inference-systems.html.
• [19] MathWorks Inc. (2021, October 24). Z-shaped membership function [Online]. Available: https://www.mathworks.com/help/fuzzy/zmf.html.
• [20] MathWorks Inc. (2021, October 24). S-shaped membership function [Online]. Available: https://www.mathworks.com/help/fuzzy/smf.html.