Çevrim İçi Öğrenme Ortamlarında Dijital Kavram Haritalarının Öğrencilerin Başarılarına ve Kaybolmalarına Etkisi

(1)

(2)

ÇEVRİM İÇİ ÖĞRENME ORTAMLARINDA DİJİTAL KAVRAM HARİTALARININ ÖĞRENCİLERİN BAŞARILARINA VE

KAYBOLMALARINA ETKİSİ

ŞEYHMUS AYDOĞDU

DOKTORA TEZİ

BİLGİSAYAR VE ÖĞRETİM TEKNOLOJİLERİ EĞİTİMİ ANABİLİM DALI

GAZİ ÜNİVERSİTESİ

EĞİTİM BİLİMLERİ ENSTİTÜSÜ

(3)

i

TELİF HAKKI ve TEZ FOTOKOPİ İZİN FORMU

YAZARIN

Adı : Şeyhmus Soyadı : Aydoğdu

Bölümü : Bilgisayar ve Öğretim Teknolojileri Eğitimi Bölümü İmza :

Teslim tarihi : 17.03.2016

TEZİN

Türkçe Adı: Çevrim İçi Öğrenme Ortamlarında Dijital Kavram Haritalarının Öğrencilerin Başarılarına ve Kaybolmalarına Etkisi

İngilizce Adı: The Effect of Digital Concept Maps on Students’ Achievements and Disorientation in Online Learning Environments

(4)

ii

ETİK İLKELERE UYGUNLUK BEYANI

Tez yazma sürecinde bilimsel ve etik ilkelere uyduğumu, yararlandığım tüm kaynakları kaynak gösterme ilkelerine uygun olarak kaynakçada belirttiğimi ve bu bölümler dışındaki tüm ifadelerin şahsıma ait olduğunu beyan ederim.

Yazar Adı Soyadı: Şeyhmus AYDOĞDU İmza:

(5)

(6)

iv

TEŞEKKÜR

Araştırma sürecinin yanı sıra lisans, yüksek lisans ve doktora eğitimim süresince bana yol gösteren, beni sürekli destekleyen, eleştiri ve önerileriyle farklı bakış açısına sahip olmamı sağlayan değerli hocam Doç. Dr. Tolga GÜYER’e teşekkürlerimi sunarım.

Tez izleme komitesinde bulunarak araştırma sürecinde değerli eleştiri ve katkılarından yararlanma fırsatı bulduğum saygıdeğer hocalarım Doç. Dr. Ebru KILIÇ ÇAKMAK’a ve Yrd. Doç. Dr. Yasemin DEMİRASLAN ÇEVİK’e teşekkürlerimi sunarım.

Tez jürimde bulunarak değerli eleştiri ve yönlendirmelerle çalışmama katkıda bulunan saygıdeğer hocalarım Prof. Dr. Süleyman Sadi SEFEROĞLU’na ve Doç. Dr. Hasan ÇAKIR’a ve teşekkürlerimi sunarım.

İş yaşamımda akademik çalışma yapmamı destekleyen Prof. Dr. Mustafa TAN, Prof. Dr. Bilal GÜNEŞ ve Prof. Dr. Mustafa KARADAĞ olmak üzere eski Ahmet Yesevi Üniversitesi TÜRTEP yöneticilerine, aynı şekilde bu konuda desteklerini esirgemeyen Prof. Dr. Halil İbrahim BÜLBÜL ve Doç. Dr. Bekir BULUÇ olmak üzere yeni Ahmet Yesevi Üniversitesi TÜRTEP yöneticilerine teşekkürlerimi sunarım.

Araştırma sürecinde içerik geliştirme konusunda ve araştırmanın her aşamasında manevi destekleri için nişanlım Yıldız ÖZAYDIN’a ve değerli dostum İrfan DUMAN’a, ölçme ve değerlendirme konusunda engin bilgilerini benimle paylaşan ve bu konuda beni yönlendiren Yrd. Doç. Dr. Ufuk AKBAŞ’a ve Elif Gökçen DOĞAN’a ve bu süreçte bana destek olan diğer tüm arkadaşlarıma teşekkürlerimi sunarım.

Eğitim hayatım boyunca bana sürekli destek olan ve beni bugünlere getiren aileme sonsuz teşekkürler sunarım.

(7)

v

ÇEVRİM İÇİ ÖĞRENME ORTAMLARINDA DİJİTAL KAVRAM

HARİTALARININ ÖĞRENCİLERİN BAŞARILARINA VE

KAYBOLMALARINA ETKİSİ

(Doktora Tezi)

ŞEYHMUS AYDOĞDU

GAZİ ÜNİVERSİTESİ

EĞİTİM BİLİMLERİ ENSTİTÜSÜ

Ocak, 2016

ÖZ

Bu araştırmanın amacı, kavram haritalarının otomatik oluşturulmasına yönelik bir uygulama geliştirilmesi ve oluşturulan kavram haritasının gezinme aracı olarak kullanımının öğrencilerin başarıları ve kaybolmaları üzerindeki etkisinin incelenmesidir. Araştırmanın bağımsız değişkeni web ortamında kullanılan gezinme aracı türüdür. Gezinme aracının içerik ağacı ve kavram haritası olmak üzere iki alt boyutu bulunmaktadır. Araştırmanın bağımlı değişkenleri, öğrencilerin başarıları ve kaybolma düzeyleridir. Araştırmanın çalışma grubu, Gazi Üniversitesi Gazi Eğitim Fakültesi Bilgisayar ve Öğretim Teknolojileri Eğitimi Bölümünde 2014-2015 Bahar Dönemi’nde Öğretim Tasarımı dersi alan 66 öğrenciden oluşmaktadır. Bu öğrenciler, kavram haritası ile gezinme ve içerik ağacı ile gezinme ortamlarına yansız olarak atanmıştır. Araştırmada kavram haritasının otomatik olarak oluşturulması için terim frekansı/devrik doküman frekansı algoritması ve açık kaynak kodlu Zemberek dil işleme kütüphanesi kullanılmıştır. Haftalık ders içeriklerine göre otomatik oluşturulan kavram haritaları incelenerek ve alan uzmanı görüşü alınarak kavram haritalarına son şekli verilmiştir. Araştırmanın web ortamında gerçekleştirilmesi için Hayalimdeki Üniversite adı verilen web tabanlı bir uygulama geliştirilmiştir ve geliştirilen uygulama www.hayalimdekiuniversite.com adresinden yayınlanmıştır. Geliştirme sürecinin ardından hazırlanan ders içerikleri, kavram haritaları, öğrenci bilgileri ve haftalık gerçekleştirilecek görevler listesi sisteme yüklenmiştir. Araştırmada öğrenci başarısının ölçümü için araştırmacı tarafından geliştirilen başarı testi kullanılmıştır. Kaybolmanın ölçümü için öğrencilerin kaybolma algıları ve kaybolma miktarları incelenmiştir. Öğrencilerin kaybolma algılarının incelenmesi için hiper ortamlarda kaybolma ölçeği kullanılmıştır. Kaybolma miktarının ölçümü için öğrencilere haftalık olarak görevler

(8)

vi

tanımlanmış, görevleri gerçekleştirirken izlenen yol veritabanına kaydedilmiş ve gezinmede izlenen yol ile görevde tanımlanan optimum yol arasındaki benzerlik Needleman ve Wunsch algoritması kullanılarak hesaplanmıştır. 6 hafta süren çalışmada öğrencilerin gerçekleştirmesi gereken 18 görev tanımlanmıştır. Çalışma sonucunda, her iki grupta yer alan öğrencilerin başarısında olumlu yönde anlamlı bir artış olmuştur. Bunun yanı sıra başarının öğrencilerin gezindikleri ortama göre farklılaşıp farklılaşmadığını belirlemek amacıyla tek faktörlü varyans analizi (ANOVA) yöntemi kullanılmıştır. Analiz sonucunda içerik ağacı ile gezinme ortamını kullanan öğrencilerin kavram haritası ile gezinme ortamını kullanan öğrencilere göre daha başarılı oldukları görülmüştür. Öğrencilerin kullanmış oldukları gezinme aracına göre kaybolma algılarının farklılaşıp farklılaşmadığını belirlemek amacıyla yapılan t-testi analizi sonucunda kullanılan gezinme aracına göre kaybolma algılarında anlamlı bir farklılık görülmemiştir. Öğrencilerin, kaybolma algılarından farklı olarak, verilen görev bazında kaybolma miktarları hesaplanmıştır. Öğrencilerin kaybolma miktarlarının kullandıkları gezinme aracı türüne göre farklılaşıp farklılaşmadığını belirlemek amacıyla görev bazında alınan puanlara göre t-testi analizi yöntemi kullanılmıştır. Sonuç olarak, gezinme aracında yer alan konu veya kavram sayısı, verilen görevin içeriği gibi değişkenlere göre öğrencilerin kaybolma miktarlarında farklılık olduğu görülmüştür. Araştırmanın son bölümünde çevrim içi öğrenme ortamlarında içerikte gezinmede kavram haritası veya içerik ağacı kullanımında nelere dikkat edilmesi gerektiği ile ilgili öneriler verilmiştir.

Anahtar Kelimeler : kavram haritası, gezinme, kaybolma, dijital kavram haritası, terim frekansı, devrik doküman frekansı, Needleman ve Wunsch algoritması

Sayfa Adedi : xviii + 121

(9)

vii

THE EFFECT OF DIGITAL CONCEPT MAPS ON STUDENTS’

ACHIEVEMENTS AND DISORIENTATION IN ONLINE LEARNING

ENVIRONMENTS

(Ph. D Thesis)

ŞEYHMUS AYDOĞDU

GAZI UNIVERSITY

GRADUATE SCHOOL OF EDUCATIONAL SCIENCES

January, 2016

ABSTRACT

The purpose of this study is developing an application towards automatic construction of concept maps and examining the effect of using concept maps, which is generated by developed application, as a navigation tool on student achievements and their disorientation. Independent variable of the study is the type of tool that is used to navigate on the web. The type of navigation tool has two sub dimensions, which are navigating via content list and concept map. The dependent variables of the study are students' achievements and level of disorientation. The study group of research consisted of 66 students, who attended Instructional Design Course in 2014-2015 Spring Semester at Gazi University, Gazi Faculty of Education, Department of Computer Education and Instructional Technologies. These students were randomly assigned to the navigating via concept maps and content list web environment. For the creation of concept map automatically, term frequency / inverse document frequency algorithm and open source Zemberek language processing library was used. The final concept maps were created examining the auto-generated concept map according to the weekly course content and experts’ opinion. For carrying out study on web environment, a web-based application was developed which called “Hayalimdeki Üniversite” and it was published on www.hayalimdekiuniversite.com. After the application development process, prepared course contents, concept maps, student informations and list of tasks to be performed were loaded into the application. In the study, achievement test was developed by researcher and used for measuring students’ achievement. For measuring of disorientation, students’ disorientation perceptions and amount of disorientation were examined. To examine students’ disorientation perceptions, hypermedia disorientation scale was used. For measuring of amount of disorientation, weekly tasks were defined for students,

(10)

viii

while performing tasks, students' monitoring path saved in the database and similarity of between monitoring path and optimum path was computed with Needleman and Wunsch algorithm. 6-week study, 18 tasks which students must complete was defined. As a result, the achievement of the students in both groups there was a significant increase in the positive direction. Moreover, for determining whether achievement is different by students’ navigation environment, One Way ANOVA analyse method was used. The analysis concluded that students who navigating via content list more successful than navigating via concept map. As a result of t-test analysis for determining whether disorientation perception is different by students’ using navigation tools, there was no significant difference in the perception of disorientation according to the navigation tool used. Differently from students’ disorientation perception, amount of disorientation was calculated in the basis of given tasks. For determining whether students’ amount of disorientation is different by navigation tool, t-test analysis method was used in the basis of taken points from tasks. As a result, there was found differences amount of disorientation according to some variables such as the number of subject or concept number, content of the task assigned. In the last part of the study, recommendations were given about what should be noted the use of concept maps or content list in online learning environments.

Keywords : concept map, navigation, disorientation, digital concept map, term frequency, inverse document frequency, Needleman and Wunsch algorithm

Number of Pages : xviii + 121

(11)

ix

İÇİNDEKİLER

TELİF HAKKI ve TEZ FOTOKOPİ İZİN FORMU ... i

ETİK İLKELERE UYGUNLUK BEYANI... ii

JÜRİ ONAY SAYFASI ... iii

TEŞEKKÜR ... iv

ÖZ ... v

ABSTRACT ... vii

İÇİNDEKİLER ... ix

TABLOLAR LİSTESİ ... xiii

ŞEKİLLER LİSTESİ ... xv

SİMGELER VE KISALTMALAR LİSTESİ ... xviii

BÖLÜM I ... 1 GİRİŞ ... 1 Problem Durumu ... 1 Amaç ... 5 Önem ... 6 Sınırlılıklar ... 6 Tanımlar ... 6 BÖLÜM II ... 7 KAVRAMSAL ÇERÇEVE ... 7 Kavram Haritaları ... 7

Kavram Haritalarının Oluşturulması ve Yayınlanması ... 10

Kaybolma ... 12

Needleman & Wunsch Algoritması ... 14

Needleman & Wunsch Algoritması ile Kaybolmanın Ölçülmesi ... 19

İlgili Araştırmalar ... 21

(12)

x

YÖNTEM ... 27

Araştırma Modeli ... 27

Çalışma Grubu... 28

Uygulama Süreci ... 28

Geliştirilen Öğrenme Ortamı (Hayalimdeki Üniversite) ... 30

Ortamın Tanıtımı ... 30

Teknik Altyapı ... 34

Kavram Haritalarını Otomatik Oluşturma Uygulaması ... 34

Veri Toplama Araçları ... 37

Başarı Testi ... 37

Hiper Ortamlarda Kaybolma Ölçeği... 40

Gezinme Verileri ... 43

Verilerin Analizi ... 44

BÖLÜM IV ... 47

BULGULAR VE YORUM... 47

1. Alt Probleme İlişkin Bulgular ... 47

1. Görevden Elde Edilen Bulgular ... 50

(13)

xi

Görevlerden Elde Edilen Genel Bulgular ve Yorumlar ... 65

BÖLÜM V ... 67

SONUÇ VE ÖNERİLER ... 67

Sonuç ... 67

Öneriler... 69

Uygulamaya Yönelik Öneriler ... 69

İleride Yapılacak Araştırmalara Yönelik Öneriler ... 69

KAYNAKLAR ... 71

EKLER ... 79

EK 1 - Öğretim Tasarımı Ders İzlencesi ... 80

EK 2 - Görevler Listesi ... 81

EK 3 - Otomatik Oluşturulan Kavram Haritası Görüntüleri ... 83

EK 4 - Öğrenme Ortamı (Hayalimdeki Üniversite) Ekran Görüntüleri ... 89

EK 5 - İçerik Ağacı ile Gezinme Ortamı... 92

EK 6 - Kavram Haritası ile Gezinme Ortamı ... 93

EK 7 - Öğretim Tasarımı Dersi Belirtke Tablosu ... 94

EK 8 - Öğretim Tasarımı Dersi Başarı Testi ... 98

EK 9 - Kavram Haritası Otomatik Oluşturma Uygulaması Ekran Görüntüleri ... 106

EK 10 - Hiper Ortamlarda Kaybolma Ölçeği... 107

EK 11 - Öğrenme Ortamında Kullanılan Kavram Haritası Yapıları ... 108

1. Tanımlar ve Temel Kavramlar İçerik Ağacı ... 108

2. Analiz Aşaması 1 İçerik Ağacı ... 108

5. Tasarım Aşaması İçerik Ağacı ... 110

6. Geliştirme-Uygulama Aşaması İçerik Ağacı ... 110

7. Değerlendirme Aşaması İçerik Ağacı ... 111

EK 12 - Öğrenme Ortamında Kullanılan Kavram Haritası Yapıları ... 112

1. Tanımlar ve Temel Kavramlar Kavram Haritası ... 112

2. Analiz Aşaması 1 Kavram Haritası ... 113

3. Analiz Aşaması 2 Kavram Haritası ... 113

(14)

xii

5. Tasarım Aşaması Kavram Haritası ... 114 6. Geliştirme-Uygulama Aşaması Kavram Haritası ... 114 7. Değerlendirme Aşaması Kavram Haritası ... 115 EK 13 - Öğrenme Ortamı (Hayalimdeki Üniversite) Yönetimsel İşlemler Ekran

(15)

xiii

TABLOLAR LİSTESİ

Tablo 1. Kavram Haritasının Elektronik Ortamda Kullanımına Yönelik Yapılan Araştırmalar

... 11

Tablo 2. Kaybolmanın Ölçümüne Yönelik Geliştirilen Hesaplama Yöntemleri (Smith, 1996) ... 13

Tablo 3. N-W Algoritması Örnek Girdi Tablosu ... 14

Tablo 4. N-W Algoritması Örnek Girdi Tablosu Başlangıç Durumu ... 15

Tablo 5. N-W Algoritması ile Metin Hizalama Sonucu ... 18

Tablo 6. Örnek 5x5 Boyutunda Sayfalar Arası İlişki Matrisi ... 20

Tablo 7. Örnek Hizalama Durumu ... 20

Tablo 8. Araştırmanın Simgesel Görünümü ... 28

Tablo 9. Uygulama Sürecinin Özet Görünümü ... 29

Tablo 10. Örnek Sayfalar Arası İlişki Matrisi ... 33

Tablo 11. Başarı Testinde Yer Alan Maddelerin Ayırt Edicilik Değerleri ... 39

Tablo 12. Başarı Testinde Yer Alan Maddelerin Güçlük Düzey Dağılımları ... 40

Tablo 13. Hiper Ortam Kaybolma Ölçeğinden Elde Edilen Madde Ortalama Puanlarının t-testi Sonuçları... 42

Tablo 14. Gezinme Tablosuna Kaydedilen Veri Bilgileri ve Açıklamaları... 43

Tablo 15. Kullanıcı Görev Tablosuna Kaydedilen Veri Bilgileri ve Açıklamaları ... 43

Tablo 16. Ön Test Puanlarının Gruplara Göre t-testi Sonuçları ... 47

(16)

xiv

Tablo 18. Başarı Testinden Elde Edilen Ön Test - Son Test Puanlarının ANOVA Sonuçları

... 48

Tablo 19. Kaybolma Algısı Ölçeğinden Alınan Puanların Gruplara Göre t-testi Sonuçları 49 Tablo 20. 1. Görevden Alınan Kaybolma Puanlarının Gruplara Göre t-testi Sonuçları ... 50

Tablo 21. 2. Görevden Alınan Kaybolma Puanlarının Gruplara Göre t-testi Sonuçları ... 51

Tablo 27. 8. Görevden Alınan Kaybolma Puanlarının t-testi Sonuçları ... 55

Tablo 29. 10. Görevden Alınan Kaybolma Puanlarının Gruplara Göre t-testi Sonuçları .... 57

(17)

xv

ŞEKİLLER LİSTESİ

Şekil 1. Örnek kavram haritası ... 8

Şekil 2. Örnek bilgi haritası ... 8

Şekil 3. Örnek düşünce haritası ... 9

Şekil 4. Örnek hiyerarşik harita ... 9

Şekil 5. Kavram haritası oluşturulurken izlenen aşamalar (Hanewald ve Ifenthaler, 2014) 10 Şekil 6. N-W algoritması atanacak hücre değeri örnek tablosu ... 15

Şekil 7. N-W algoritmasında ilk satır değerlerinin atanması ... 16

Şekil 8. N-W algoritması değer tablosu ... 17

Şekil 9. N-W algoritması değer tablosu son durum ... 17

Şekil 10. N-W algoritması geri iz sürme (traceback) aşaması sonucu T tablosu ... 18

Şekil 11. Sayfalar arası ilişki matrisi giriş ekranı ... 34

Şekil 12. Gezinme verilerinin analizinde izlenen aşamalar ... 44

Şekil 13. İçerik ağacı görünümü ile hiyerarşik kavram haritası görünümü ... 49

Şekil 14. İhtiyaç analizi sürecinin içerik ağacı ve kavram haritası ile gösterimi ... 56

Şekil 15. Otomatik oluşturulan “Tanımlar ve Temel Kavramlar” kavram haritası ... 83

Şekil 16. Otomatik oluşturulan “Analiz Aşaması 1” kavram haritası ... 84

Şekil 19. Otomatik oluşturulan “Tasarım Aşaması” kavram haritası ... 87

(18)

xvi

Şekil 21. Otomatik oluşturulan “Değerlendirme Aşaması” kavram haritası ... 88

Şekil 22. Kullanıcı girişi ekranı ... 89

Şekil 23. Kullanıcı karşılama sayfası ... 89

Şekil 24. Derslerim ekranı ... 90

Şekil 25. Ders içeriği ekranı... 90

Şekil 26. Hesap ayarları ekranı ... 91

Şekil 27. Şifre ayarları ekranı ... 91

Şekil 28. İçerik ağacı ile gezinme ortamı ekran görüntüsü ... 92

Şekil 29. Kavram haritası ile gezinme ortamı ekran görüntüsü ... 93

Şekil 30. Kavram haritasında içerik görüntüleme ekranı ... 93

Şekil 31. Kavram haritası oluşturma ekranı ... 106

Şekil 32. Kelime tanımlama ekranı ... 106

Şekil 33. “Tanımlar ve Temel Kavramlar” Kavram Haritası ... 112

Şekil 34. “Analiz Aşaması 1” Kavram Haritası ... 113

Şekil 37. “Tasarım Aşaması” Kavram Haritası ... 114

Şekil 38. “Geliştirme-Uygulama Aşaması” Kavram Haritası ... 115

Şekil 39. “Değerlendirme Aşaması” Kavram Haritası ... 115

Şekil 40. Görev ekleme ekranı ... 116

Şekil 41. Ders içerik durumu düzenleme ekranı ... 116

Şekil 42. Sayfalar arası ilişki matrisi tanımlama ekranı ... 117

Şekil 43. Kullanıcı giriş bilgileri gönderme ekranı ... 117

Şekil 44. Görev listeleme ekranı ... 118

Şekil 45. Optimum yol tanımlama ekranı ... 118

(19)

xvii

Şekil 47. Kullanıcı yetkilendirme ekranı ... 119 Şekil 48. Yeni kullanıcı tanımlama ekranı ... 120

(20)

xviii

SİMGELER VE KISALTMALAR LİSTESİ

KT: Kareler toplamı KO: Kareler ortalaması N: Veri sayısı

N-W: Needleman & Wunsch p: Anlamlılık düzeyi

r: Pearson korelasyon katsayısı sd: Serbertlik derecesi

SS: Standart sapma t: t testi puanı

(21)

1

BÖLÜM I

GİRİŞ

Bu bölümde, araştırmanın problem durumu, amacı, önemi, sınırlılıkları ve araştırmada kullanılan kavramların tanımları verilmiştir.

Problem Durumu

Günümüzde web teknolojilerinin, bilgisayarların, mobil cihazların ve kablosuz ağ teknolojilerinin gelişmesiyle birlikte dijital okuryazarlık düzeyi artmıştır (Amedieu ve Salmerón, 2014). Başlangıçta bilgilerin hesaplanması amacıyla geliştirilen bilgisayarlar, günümüzde eğlence, iletişim, okuma ve öğrenme gibi birçok farklı amaçla kullanılmaktadır. Bilgisayarlarda öğrenme etkinlikleri genellikle hiper ortamlar aracılığıyla gerçekleştirilmektedir. Hiper ortamların öğrenme materyalleri sunumu amacıyla kullanımı giderek yaygınlaşmaktadır. Hiper ortam, metinsel içeriklerin yanı sıra görsel ve işitsel içerikleri barındıran ve bunlara metin içerisinden bağlantıların tanımlanabildiği ortamlardır. Bu ortamların en önemli özelliklerinden biri, öğrenciye doğrusal olmayan gezinme imkânı sunarak öğrencinin kendi öğrenme yolunu tercih etmesini sağlamaktır (Alomyan, 2004; Otter ve Johnson, 2000; Chen, 2002; Su ve Klein, 2006). Ancak hiper ortamlarda öğrenme sürecinde doğrusal olmayan gezinme imkânı kullanıcıların kaybolmalarına neden olabilmektedir. Hiper ortamlarda metinler içerisinde yer alan bağlantıların bilginin miktarına ve karmaşıklığına göre artması öğrencilerin aşırı bilişsel yüklenmelerinin yanı sıra gezinme sırasında kaybolmalarını ve kavram kargaşası yaşamalarını beraberinde getirmektedir (Tergan, 2005; Somyürek, 2008; Amadieu, Van Gog, Paas, Tricot ve Mariné, 2009; Dias, Gomes ve Correia, 1999). Bu ortamlarda, metinlerle gezinmenin yerine grafiksel sunumların kullanılması öğrencilerin aşırı bilişsel yüklenmelerini azaltmakta, karmaşık kavramlar

(22)

2

arasındaki ilişkileri anlamalarını kolaylaştırmakta ve bilgiye erişmeleri için birden fazla yol sunmaktadır (O'donnell, Dansereau ve Hall, 2002).

Bilgilerin grafiksel olarak sunumunun nasıl yapıldığı incelendiğinde araştırmalarda kavram veya bilgi haritalarının araç olarak kullanıldığı görülmektedir. İlk olarak Novak ve Gowin (1984) tarafından ortaya atılan kavram haritaları bilişsel öğrenme kuramlarından olan Ausubel’in (1968) anlamlı öğrenme kuramına dayalı olarak geliştirilmiştir. Kavram haritaları, belirli bir alandaki bilgilerin metinsel ve grafiksel elemanlar kullanılarak görsel olarak sunulması şeklinde tanımlanabilir (Novak, 1990). Kavram haritası kullanımının en temel nedenlerinden biri anlamlı öğrenmenin gerçekleşmesidir (Carnot, Feltovich, Hoffman, Feltovich ve Novak, 2003). Anlamlı öğrenmenin gerçekleşmesi için yeni bilgileri geçmiş bilgiler üzerine inşa etmek ve geçmiş öğrenmeler ile yeni öğrenmeleri pekiştirmek gerekmektedir (Driscoll, 2005). Bunun yanı sıra öğrencilerde var olan bilişsel yapıyı etkin hale getirmek veya bilgileri ilişkilendirmek amacıyla ön örgütleyiciler (kavram haritaları, akış şemaları, grafiksel gösterimler vb.) kullanılmalıdır (Çakır, Uluyol ve Karadeniz, 2008). Lee ve Segev (2012), kavram haritalarının aşağıda belirtilen durumlarda yararlı olacağını belirtmişlerdir:

1. Öğrenme sürecinin başlangıcında öğrenenlerin belli bir konu üzerindeki önbilgi düzeyleri farklı olduğundan, öğrenciler genellikle içeriği hazırlayan kişinin belirlemiş olduğu içindekiler kısmını veya indeks listesini kullanmaktadırlar. Bu durumda; içindekiler kısmı öğrencileri sadece belirli bir bölüme yönlendirmekte, indeks listesi ise sadece kavramların alfabetik olarak listesini sunmaktadır. Bunun yanı sıra indeks listesinde yer alan kavramlar arasındaki ilişkiler belirtilmemektedir. Sonuç olarak içindekiler veya indeks listesi konu alanındaki kavramlar ve kavramlar arasındaki ilişkiler hakkında bilgi vermemektedir.

2. Eğer bir konuyla ilgili araştırma süresi kısıtlı ise bu durumda içindekiler ve indeks listesi hangi kavramların önemli olduğu hakkında bilgi sunmamaktadır.

3. Eğer konu ile ilgili doküman uzun veya karmaşık ise bu durumda okuyucunun önemli kavramları ve bu kavramlar arasındaki ilişkileri anlaması zorlaşacaktır. Kavram haritaları eğitimde kullanımı aşağıdaki gibi gruplanabilir (Carnot vd., 2003):

 Anlamayı destekleme

(23)

3

 Öğrenme için etkili durumları geliştirme

 Metinsel bilgiler için yardımcı veya alternatif kullanımı

 Eleştirel düşünmeyi sağlama

 Sunum amacıyla kullanımı

Plotnick (1997), bilgisayar destekli kavram haritası kullanımının aşağıdaki yararlarının olduğunu belirtmektedir:

 Düzenleme ve değişiklik kolaylığı: Bilgisayar ortamında gerçekleştirilen düzenlemeler, kâğıt ve kalem kullanılarak yapılan düzenlemelere göre daha kolaydır.

 Dinamik ilişkilendirme: Birçok kavram haritası oluşturma uygulaması kavramlardan herhangi birinin sürüklenip bırakılma durumunda aradaki ilişkileri otomatik olarak güncellemektedir.

 Dönüşüm: Elektronik ortamda oluşturulan kavram haritaları resim veya çoklu ortam nesnesi gibi farklı biçimlerde kaydedilebilmektedir.

 İletişim: Dijital ortamdaki kavram haritası içerisinde web sayfası veya resim bağlantısı içerebilir. Bu durumda, dijital iletişimin hız, doğruluk ve güvenilirliğinden yararlanılabilmektedir.

 Saklama: Bilgisayar destekli kavram haritaları elektronik ortamda saklanacağından daha az yer kaplama, daha kolay erişim sağlama gibi avantajlardan yararlanılmaktadır.

Kavram haritaları yaratıcılık, hiper ortam tasarımı, öğrenme ve değerlendirme aracı olarak kullanılabilmektedir (Plotnick, 1997). Derslerde kavram haritası kullanımının başarı, tutum ve bilgilerin kalıcılığı üzerinde olumlu etkisi olduğu birçok çalışmada belirtilmektedir (O'donnell vd., 2002; Carnot vd., 2003; Cañas vd, 2004; Kavak, 2009; Kanpolat, 2009; Çolak, 2010; Burak, 2010; Aksoy, 2010; Türkhan, 2013). Girgin (2012), ders kitaplarında kavram haritası kullanımının okuduğunu anlama üzerinde olumlu etkisi olduğunu belirtmektedir. Bunun yanı sıra kavram haritalarının değerlendirme aracı olarak kullanıldığı çalışmalar da bulunmaktadır (McClure, Sonak ve Suen, 1999; Topallı Arslan, 2012). Örneğin, Topallı Arslan (2012), kavram haritalarının başarı testlerine alternatif bir değerlendirme aracı olarak kullanılabileceğini belirtmektedir. Aynı zamanda kavram haritaları, belgelerin özetlenmesi için uygun bir araçtır (Valerio, Leake ve Cañas, 2012).

(24)

4

Kavram haritaları kullanımın öğrenmeye olumlu yönde katkısı olduğu birçok çalışmada belirtilmektedir (Nesbit ve Adesope, 2006; Horton vd., 1993) fakat bu haritaların oluşturulmasında birçok zorlukla karşılaşılmaktadır. Bu zorluklardan en önemlileri (McNeese ve Ayoub, 2011):

1. Alan uzmanı düzeyi: Kavram haritası hazırlanacak konuda, haritayı hazırlayacak kişinin uzmanlık düzeyidir.

2. Şemanın akıcı şekilde tasarlanması: Hazırlanacak kavram haritasının hızlı bir şekilde anlaşılmasını sağlayacak şekilde tasarlanmasıdır.

3. Haritaların bütünleştirilmesi: Farklı uzmanlar tarafından geliştirilen kavram haritalarının bütünleştirilmesidir.

4. Görsel karmaşıklığın azaltılması: Hazırlanan kavram haritasında önemli kavramlar ve aralarındaki ilişkilerin belirtilmesinin sade bir şekilde gerçekleştirilmesidir.

Kavram haritası oluşturmadaki bu zorlukları gidermek amacıyla kavram haritalarının otomatik olarak oluşturulmasına ve oluşturulan kavram haritalarının verimliliğine yönelik araştırmalar bulunmaktadır (Tseng, Sue, Su, Weng ve Tsai, 2007; Bai ve Chen, 2008; Chen, Wei ve Chen, 2008; Lee, Lee ve Leu, 2009; Lee ve Segev, 2012; Watthananon ve Mingkhwan, 2012; Arbizu, 2014; Lee, Park ve Yoon, 2015). Kavram haritalarının otomatik olarak oluşturulmasına yönelik gerçekleştirilen araştırmaların İngilizce metinlere yönelik olması ve Türkçe metinlerde kavram haritalarının otomatik olarak oluşturulması için herhangi bir uygulama bulunmaması bu alanda önemli bir eksiklik olarak görülmektedir. Sonuç olarak, kavram haritalarının öğrenmeyi kolaylaştırdığına yönelik birçok araştırma bulunmasına karşın kavram haritalarının oluşturulmasının konu alanı uzmanı gerektirmesi, zaman alıcı ve maliyetli olması bu araçların eğitimde etkin bir şekilde kullanılamamasını beraberinde getirmektedir. Bunun yanı sıra her ne kadar gezinmeye yönelik geliştirmeler etkili gezinmeyi sağlasa da, etkili öğrenmenin gerçekleşmesi için gezinmenin etkililiği tek başına yeterli olmayabilir (McDonald ve Stevenson, 1999). Eğer konu ile ilgili kavramsal yapıyı sunan bir harita geliştirilirse, bu harita gezinmeyi ve öğrenmeyi destekleyebilir (Puntambekar, Stylianou ve Hübscher, 2003). Kavram haritalarının içerik ağacı ile gezinmesinden farklı olarak öğrenciye istediği noktadan başlama imkânı sunması ve öğrenciye birden fazla yol sunulması hiper ortamlarda kaybolma durumunu da beraberinde getirebilmektedir. Buna karşın Carnot vd. (2003) kavram haritasının gezinme için

(25)

5

kullanımının öğrencinin bilgiye daha hızlı ulaşmasına katkı sağlayabileceğini belirtmektedir. Benzer şekilde, Nilsson ve Mayer (2002) gezinme aracı olarak harita kullanımının gezinme etkililiği üzerinde herhangi bir etkisi olmadığını fakat harita kullanan kullanıcıların bilgiye daha hızlı eriştiklerini belirtmektedir. Ayrıca Scaife ve Rogers (1996) grafiksel gösterimlerin öğrenmeyi kolaylaştırdığının genellikle teorik altyapı ile desteklendiğini bunun yanı sıra bu konuya yönelik yeterli miktarda deneysel araştırma olmadığını belirtmektedir.

Alanyazındaki araştırmalar incelendiğinde kavram haritalarının oluşturulmasında zorlukların yaşandığı ve bu zorlukların üstesinden gelmek için uygulamalar geliştirildiği görülmektedir. Geliştirilen uygulamalar incelendiğinde bu uygulamaların Türkçe’nin yapısına uygun olmadığı bundan dolayı Türkçe metinlerin analizinde bu uygulamaların kullanılamadığı görülmektedir. Bu araştırmada bu probleme yönelik olarak kavram haritalarının otomatik oluşturulmasına yönelik bir uygulama geliştirilmiştir. Bununla birlikte alanyazında elde edilmiş farklı sonuçlar ve yetersiz araştırmalar yer almaktadır. Bu noktadan hareketle ortaya konulan bu araştırmada, geliştirilen uygulamadan elde edilen kavram haritası yapısından yararlanılarak oluşturulan kavram haritaları gezinme aracı olarak kullanıldığında, bu durumun öğrencilerin başarıları ve kaybolmaları üzerindeki etkisi incelenmiştir.

Amaç

Bu araştırmanın amacı, kavram haritalarının otomatik olarak oluşturulmasına yönelik bir uygulamanın geliştirilmesi ve oluşturulacak kavram haritasının gezinme aracı olarak kullanımının öğrencilerin başarıları ve kaybolmaları üzerindeki etkisinin incelenmesidir. Bu genel amaç çerçevesinde aşağıdaki sorulara cevap aranmıştır:

1. Öğrencilerin başarı puanları, gezinme araçlarının içerik ağacı veya kavram haritası olma durumuna göre anlamlı farklılık göstermekte midir?

2. İçerik ağacı ile gezinen ve kavram haritası ile gezinen öğrencilerin kaybolma algıları arasında anlamlı bir fark var mıdır?

3. İçerik ağacı ile gezinen ve kavram haritası ile gezinen öğrencilerin görev bazında aldıkları kaybolma puanları arasında anlamlı bir fark var mıdır?

(26)

6 Önem

Bu araştırma, belirli bir konu üzerindeki Türkçe metinlerin analiz edilerek konu alanına yönelik otomatik olarak kavram haritası oluşturulan bir uygulama geliştirilmesi ve daha önce böyle bir uygulama geliştirilmemiş olması açısından önemlidir. Bunun yanı sıra araştırmada dijital kavram haritalarının başarı ve kaybolma açısından incelenmesi, öğrenme ortamı geliştiricilere öğrenme ortamlarında içerikte gezinme arayüzlerinin tasarımında nelere dikkat edilmesi gerektiği hakkında fikir sunması açısından da önemlidir.

Sınırlılıklar

Bu araştırmada kavram haritası ve içerik ağacı ile gezinen öğrencilerin gezinme sürecindeki genel olarak kaybolma algıları incelendiğinden dolayı hiper ortamlarda kaybolma ölçeği araştırmanın son haftasında uygulanmıştır.

Tanımlar

Kavram Haritası: Belirli bir alandaki bilgilerin metinsel ve grafiksel elemanlar kullanılarak görsel olarak sunulması şeklinde tanımlanabilir (Novak, 1990). Kavram haritası düğümler ve düğümler arasındaki ilişkilerden oluşmaktadır. Görsel sunumda düğümler içerisinde kavramlar ve ilişki çubukları üzerinde kavramlar arasındaki tanımlamalar kullanılmaktadır. Dijital Kavram Haritası: Web tabanlı öğrenme ortamlarında kullanılan kavram haritalarıdır. Dijital kavram haritasında düğümlerde yer alan kavramlar aynı zamanda içerisinde yer alan kavrama yönlendiren link niteliği taşımaktadır.

Kaybolma: Kullanıcıların web ortamında nerede olduklarını veya ortamda düşündükleri yere nasıl gideceklerini bilmeme durumu kaybolma problemi olarak adlandırılmaktadır (Conklin, 1987).

(27)

7

BÖLÜM II

KAVRAMSAL ÇERÇEVE

Bu bölümde kavram haritaları, araştırma kapsamında yararlanılan Needleman & Wunsch algoritması ve kaybolma kavramlarına ilişkin kavramsal çerçeve ve ilgili araştırmalar verilmiştir.

Kavram Haritaları

Kavram haritaları ilk olarak Novak ve Gowin (1984) tarafından bilişsel öğrenme kuramlarından olan Ausubel’in (1968) anlamlı öğrenme kuramına dayalı olarak geliştirilmiştir. Ausubel’in (1968) anlamlı öğrenme kuramında yer alan, bilgilerin geçmiş öğrenmelerle bütünleştirilmesini öneren özümseme (asimilasyon) kuramı, kavram haritalarının temelini oluşturmaktadır (Novak, 1998). Kavram haritaları, belirli bir alandaki bilgilerin metinsel ve grafiksel elemanlar kullanılarak görsel olarak sunulması şeklinde tanımlanabilir (Novak, 1990).

Düşünce, kavram, bilgi ve konu haritaları bilgilerin grafiksel olarak gösterimlerine örnek olarak verilebilir. Bu harita tiplerinin kullanılan amaca göre birbirlerine göre üstünlükleri ve zayıf yanları bulunmaktadır (Hanewald ve Ifenthaler, 2014). Örneğin, kavram haritalarının, bilgi haritaları, kavramsal graflar ve düşünce haritalarından farkı Ausubel’in asimilasyon ilkesine dayanması ve semantik ve yapısal farklılığı bulunmasıdır (Carnot vd., 2003). Bunun yanı sıra araştırmalarda harita türlerinin literatürde belirtilen türden farklı bir şekilde kullanılabildiği görülmektedir. Aşağıda sık kullanılan harita türleri ve örnek gösterimler yer almaktadır.

1. Kavram Haritası: Kavram haritası, belirli bir alandaki bilgilerin metinsel ve grafiksel elemanlar kullanılarak gösterimidir (Novak, 1990). Kavram haritalarında,

(28)

8

kavramlar arasındaki bağlantılarda önermeler yer almaktadır. Bu önermeler bazı nesne veya olayla ilgili anlamlı ifadelerden oluşmaktadır (Carnot vd., 2003; Alpert, 2003). Şekil 1 de öğrenme kuramlarına yönelik örnek bir kavram haritası verilmiştir.

Öğrenme Kuramları Öğrenmenin nasıl gerçekleştiğini açıklamaya çalışır Yaklaşım bulunmaktadır Davranışçı Bilişsel Yapılandırmacı gözlenebilir davranışların incelenmesini esas alır

zihinsel süreçlerin de incelenmesi gerektiğini belirtir

deneyim kazandırmanın ve gerçek hayatla ilişkilendirmenin

önemini vurgular

Şekil 1. Örnek kavram haritası

2. Bilgi Haritası: Bilgi haritaları, ilk olarak Holley ve Dansereau (1984) tarafından geliştirilmiştir. Bilgi haritalarında kavram haritalarından farklı olarak, kavramlar arasında yer alan ilişkilere özellik, parça, örnek gibi türler verilmektedir. Şekil 2 de bilişsel yaklaşımda yer alan kavramlara ilişkin bir bilgi haritası örneği verilmiştir.

Bilişsel Yaklaşım

Anlamlı Öğrenme

Kuramı Bilgiyi İşleme Kuramı Şema Kuramı

örnek örnek örnek

süreç

Duyusal Kayıt Kısa Süreli _Bellek Uzun Süreli _Bellek

süreç süreç

Şekil 2. Örnek bilgi haritası

3. Düşünce Haritası: Düşünce haritalarında merkezi bir kelime, düşünce yer almakta ve diğer kavramlar bu düşünce çevresinde bulunmaktadır (Hanewald ve Ifenthaler, 2014). Şekil 3 de öğretim tasarımı sürecine yönelik örnek bir düşünce haritası verilmiştir.

(29)

9

Şekil 3. Örnek düşünce haritası

4. Hiyerarşik Harita: Bu harita tipi aynı zamanda ağaç yapısı olarak da adlandırılmaktadır. Hiyerarşik haritalar başlangıçta Novak (1998) tarafından desteklenmiş fakat Ruiz-Primo ve Shavelson (1996) alan bilgisinin ağaç yapısına uygun hale getirilmesi yerine bilginin yapısına göre harita türünün seçilmesi gerektiğini belirtmiştir (Hanewald ve Ifenthaler, 2014). Bunun yanı sıra kavram haritasının hiyerarşik bir şekilde tasarlanmasının öğrencilerin başarılarını olumlu yönde etkilediğine yönelik araştırmalar (Potelle ve Rouet, 2003; Çalışır ve Gürel, 2003) bulunmaktadır. Şekil 4 de örnek hiyerarşik harita verilmiştir.

Şekil 4. Örnek hiyerarşik harita

Yukarıda belirtilen haritaların dışında diyalog haritası (Conklin, 2006), web haritası (Dodge ve Kitchin, 2001) gibi farklı harita türleri bulunmaktadır.

Öğretim Tasarımı Süreci Analiz Tasarım Geliştirme Uygulama Değerlendirme

(30)

10

Kavram Haritalarının Oluşturulması ve Yayınlanması

Kavram haritaları oluşturulurken ilk aşama anahtar kelimenin belirlenmesidir. İkinci aşamada kavram ile ilgili diğer kavramlar belirlenir. Daha sonra ilişkili kavramlar birbirleri ile çizgilerle birleştirilir. Eklenen çizgiler etiketlenir. Kavramların düzenlenmesi ve sıralama işlemi gerçekleştirilir. Kavramlar arasındaki farklılıkların belirtilmesi için renklendirmeler gerçekleştirilir. Son olarak kavram haritasına ek olarak resim, ses gibi hiper ortam elemanları eklenebilir. Kavram haritası oluşturulurken izlenen aşamalar Şekil 5 de verilmiştir.

Şekil 5. Kavram haritası oluşturulurken izlenen aşamalar (Hanewald ve Ifenthaler, 2014)

Benzer şekilde Novak ve Cañas (2008) kavram haritası oluşturulurken konu alanının belirlenmesi, temel kavramların saptanması, kavramların öncelik sıralamasına göre sıralanması, ilişkilerin oluşturulması ve bu sürecin tekrarlanması aşamalarının izlenebileceğini belirtmektedir.

Kavram haritası oluşturulması esnasında sürecin tekrarlanması aşamasının belli bir son aşaması bulunmadığından dolayı bu haritaların bilgisayarlar aracılığı ile oluşturulması daha uygundur (Novak ve Cañas, 2008). Kavram haritalarının bilgisayar ortamından oluşturularak paylaşılması için Cañas vd. (2004) tarafından CMAPTOOLS adı verilen uygulama geliştirilmiştir. Moon, Pino ve Hedberg (2006) CMAPTOOLS aracını nitel verilerin analizi amacıyla kullanmışlardır. Zeiliger, Reggers, Baldewyns ve Jans (1997) web gezinmesinin kolaylaştırılması amacıyla Nestor adı verilen bir web tarayıcı uygulaması geliştirmişlerdir. Geliştirilen uygulama, genel bakış, dipnot ve kavram haritası bileşenlerinden meydana gelmektedir. Tablo 1 de kavram haritasının elektronik ortamda kullanımına yönelik yapılan araştırmalar ve araştırmada geliştirilen uygulamalar yer almaktadır. Anahtar kelime, kavram, düşünce belirlenmesi Diğer kavramların eklenmesi Kavramların çizgilerle birleştirilmesi Çizgilerin etiketlenmesi Kavramların düzenlenmesi ve sıralanması Farklılıkların gösterimi için renklendirme Resim, ses, dosya, web bağlantılarının eklenmesi

(31)

11

Tablo 1. Kavram Haritasının Elektronik Ortamda Kullanımına Yönelik Yapılan Araştırmalar

Araştırma Uygulama Adı Özellikleri

Cañas vd. (2004) CMAPTOOLS  Kolay öğrenilebilir ve yüksek düzeyde ürün elde edilebilir

 Her boyuttaki kavram yapısına uygun  Paylaşım ve işbirliğine uygun

 Modüler mimariye sahip

Zeiliger vd. (1997) NESTOR  Genel bakış, dipnot ve kavram haritası görünümünü barındırması

McClellan, Harvel, Velmurugan, Borkar ve Scheibe (2004)

CNT  Görsel olarak çekici düzen  Kullanım kolaylığı

 Farklı platformlarda ve tarayıcılarda kullanımı

 Kavram haritası yapısının XML olarak çıktı alınabilmesi

 Anahtar kelimelerin, kavram ile ilişkilendirilmesi ile kaynak bulma işleminin otomatikleştirilmesi

Puntambekar vd. (2003) CoMPASS  Balıkgözü görünümü ile ilgili kavrama odaklanma sayesinde büyük haritaların kullanımı kolaylaştırılmıştır.

 İlişkisel kavram haritaları kullanılmıştır. Coffey (2005) LEO  Öğretimsel konuların ve açıklama

düğümlerinin bulunduğu düğüm tipleri bulunmakta

 Konu düğümlerinden çeşitli türde bilgiye erişilebilir.

 Sadece belirli bir bağlam aktif hale getirilebilir.

(32)

12 Kaybolma

Hiper ortamların en önemli özelliklerinden biri, öğrenciye doğrusal olmayan gezinme imkânı sunarak öğrencinin kendi öğrenme yolunu tercih etmesini sağlamaktır (Alomyan, 2004; Otter ve Johnson, 2000). Hiper ortamlarda metinler içerisinde yer alan bağlantıların bilginin miktarına ve karmaşıklığına göre artması öğrencilerin aşırı bilişsel yüklenmelerinin yanı sıra gezinme sırasında kaybolmalarını ve kavram kargaşası yaşamalarını beraberinde getirmektedir (Tergan, 2005; Somyürek, 2008). Kullanıcıların web ortamında nerede olduklarını veya ortamda düşündükleri yere nasıl gideceklerini bilmeme durumu kaybolma problemi olarak adlandırılmaktadır (Conklin, 1987). Kaybolma durumu aşağıda belirtilen üç durumda gerçekleşmektedir (Elm ve Woods, 1985):

 Kullanıcının sonraki sayfada nereye gideceğini bilmemesi

 Kullanıcının bulunduğu sayfaya nasıl geldiğini bilmemesi

 Kullanıcının var olan yapının neresinde olduğunu bilmemesi

Kaybolma durumu hiper ortamların kullanılabilirliğine yönelik en baskın problem olmasına rağmen kaybolmanın ölçümüne yönelik az sayıda araştırma bulunmaktadır (Otter ve Johnson, 2000; Ahuja ve Webster, 2001; Gwizdka ve Spence, 2007).

Kaybolmanın ölçümü amacıyla araştırmalarda kaybolma algısı ölçeği veya kullanıcıların gezinme verileri kullanılabilmektedir. Yatim (2002), kaybolmanın ölçümü için kullanıcılardan geribildirim alma, kavramsal modeli test etme ve kullanıcıların performansını değerlendirme yöntemlerinin kullanıldığını belirtmektedir. Bu yöntemlerden yola çıkarak kullanıcıların görevde ne kadar zaman harcadıkları, sorulan sorulara doğru cevap verme oranları ve kullanıcıların ne sıklıkla kayboldukları verilerinden kaybolmanın ölçümünün gerçekleştirilebileceği belirtilmektedir (Yatim, 2002). Smith (1996) tarafından yapılan araştırmada kaybolma ölçümünün kullanıcının kaybolmayı hissetmesinden ziyade kullanıcının performansının düşmesine bağlı olarak ölçülmesi önerilmiştir. Bu kapsamda aşağıda belirtilen değişkenler kullanılarak kaybolma değeri hesaplama yöntemi geliştirilmiştir.

L: Kaybolma miktarı

R: Görevin tamamlanması için gezinilmesi gereken sayfa sayısı (optimum sayfa sayısı) S: Gerekli bilgiyi ararken gezinilen sayfa sayısı

(33)

13

Belirtilen değişkenleri kullanarak iki farklı hesaplama yöntemi geliştirilmiştir. Bu yöntemler Tablo 2 de verilmiştir.

Tablo 2. Kaybolmanın Ölçümüne Yönelik Geliştirilen Hesaplama Yöntemleri (Smith, 1996)

Yöntem Hesaplama Formülü

1. Yöntem 2 2

((N/ S 1) (R/ N 1) )

L   

2. Yöntem _L _{((S/ N 1)} 2_{(N/ R 1) )} 2

Araştırmada geliştirilen her iki yöntemde benzer sonuçların fakat N<R durumunda L değerinin geniş aralıkta çıkmaması için ikinci yöntemin tercih edilmesinin uygun olacağı belirtilmektedir. Hesaplanan kaybolma değerinin 0,4’ten küçük olması kaybolmanın gerçekleşmediği, 0,5’ten büyük olması kaybolmanın gerçekleştiği ve 0,4 ile 0,5 arasında değer alması görevin gerçekleştirildiği ortamın daha detaylı incelenmesi gerektiği şeklinde yorumlanmaktadır.

Otter ve Johnson (2000), tarafından yapılan araştırmada kaybolma puanlarının hesaplanmasında bağlantı türlerinin dikkate alınmasını vurgulamış ve Smith (1996) tarafından geliştirilen hesaplama formülüne bağlantı ağırlığı parametresi eklenerek

/ (LW/ 4)

LWLM L hesaplama formülünü geliştirmiştir. Geliştirilen formülde yer alan L

değeri Smith (1996) çalışmasında hesaplanan kaybolma puanıdır, LW değeri ise bağlantının ağırlık puanı olarak tanımlanmıştır. Kaybolma arttıkça LWLM değeri artmaktadır.

Dias ve Sousa (1997) kaybolma değerini, öğrenci gezinmelerine ve optimum yol verisine bağlı olarak aşağıda belirtildiği gibi hesaplamıştır:

Öğrenci gezinmesinde görev ile ilgili yer alan sayfa sayısı Kaybolma

Öğrenci gezinmesinde yer alan toplam sayfa sayısı



Kullanıcı gezinmelerinde, görev kapsamında yer almayan fakat görevin tamamlanmasına katkıda bulunan sayfaların da kaybolma değerinin hesaplanmasına yönelik düşünceye bağlı olarak kullanıcı gezinmesinin ve optimum yol verisinin iki metin olarak ele alındığı ve bunlar arasındaki benzerliğin Needleman & Wunsch algoritması ile hesaplanarak kaybolma durumunun belirlendiği araştırmalar bulunmaktadır (Gwizdka ve Spence, 2007; Güyer, Atasoy ve Somyürek, 2015). Aşağıda N-W algoritması ve bu algoritma kullanılarak yapılan hesaplama yöntemi anlatılmaktadır.

(34)

14 Needleman & Wunsch Algoritması

N-W algoritması biyoinformatikte iki protein arasındaki amino asit dizilişlerinin benzerliklerini belirlemek amacıyla geliştirilmiş bir algoritmadır (Needleman ve Wunsch, 1970). Bu algoritma, dinamik programlamada yer alan karmaşık problemleri alt basit problemlere parçalayarak çözme mantığına dayalı olarak geliştirilmiştir.

N-W algoritmasının girdileri ve süreci aşağıda belirtildiği gibidir: M1: Birinci metin dizisi

M2: İkinci metin dizisi

m: Birinci metin dizisinin uzunluğu n: İkinci metin dizisinin uzunluğu T: (m+1)*(n+1) boyutunda tablo

Örneğin birinci metin dizisi M1 = “TGGTG” ve ikinci metin dizisi M2 = “ATCGT” olan bir

girdide birinci metin uzunluğu m = 5 ve ikinci metin uzunluğu n = 5 için 6x6 boyutunda tablonun üst ve sol kısmına metin girdileri sırasıyla yazılacak şekilde bir tablo oluşturulur. Tablo 3 de belirtilen metin girdileri için örnek tablo (T) verilmiştir. Örnekte verilen işaretli hücre değeri T(i,j) ile ifade edilecek olursa T(2,1) olarak tanımlanabilir.

Tablo 3. N-W Algoritması Örnek Girdi Tablosu

i=0 i=1 i=2 i=3 i=4 i=5

T G G T G j=0 j=1 A j=2 T j=3 C j=4 G j=5 T

N-W algoritması T(0,0) değerinin 0 atanması ile başlar. Tablo 3 de girdi tablosunun başlangıç durumu verilmiştir. Tablonun doldurulması için eşleşme, eşleşmeme ve boşluk penaltı puanlarının belirlenmesi gerekmektedir. Eşleşme puanı bir puan tablosundan elde

(35)

15

edilebileceği gibi doğrudan 1 olarak belirlenebilir. Örnekte eşleşme puanı 1, eşleşmeme puanı -1 ve boşluk penaltı puanı -2 olarak tanımlanmıştır.

Tablo 4. N-W Algoritması Örnek Girdi Tablosu Başlangıç Durumu

T G G T G 0 x x x x x A x x x x x x T x x x x x x C x x x x x x G x x x x x x T x x x x x x

Tablonun doldurulması için ilişki değerleri yineleme kullanılacaktır. Bunun için

1 2 ( 1, 1) ( ( ), ( )) ( , ) max ( 1, ) ( , 1) T i j M i M j T i j T i j boşlukpuandeğeri T i j boşlukpuandeğeri        _    _{ } 

formülüne bağlı olarak değer ataması yapılacaktır. Belirtilen formülün anlaşılır olması için Şekil 6 da atanacak değer için hangi alanların hesaplamaya katılacağı renkli olarak belirtilmiştir. Formülde belirtilen  fonksiyonu ile ilgili hücreye denk gelen karakterlerin eşleşme durumunda eşleşme puanı, eşleşmeme durumunda eşleşmeme puanı hesaplanmaktadır.

Şekil 6. N-W algoritması atanacak hücre değeri örnek tablosu

Örnekte verilen eşleşme puanı (+1), eşleşmeme puanı (-1) ve boşluk penaltı puanı ile (-2) tablo doldurma işlemi gerçekleştirilir. Tablonun ilk satırında j değeri 0 olduğundan buna

(36)

16

bağlı olarak bu satırda formülde belirtilen j-1 değerleri tanımsız olacağından ilk satırda yer alan değerler T(i,j) = T(i-1, j) + boşluk puanına göre hesaplanacaktır. Hesaplama sonrasında puan hesaplanan hücre için hangi hücre referans olarak alınmış ise hesaplanan hücrede referans hücreye ok çizilir. Hesaplama sonrasında tablonun ilk satırı Şekil 7 de belirtildiği gibi olacaktır.

Şekil 7. N-W algoritmasında ilk satır değerlerinin atanması

İlk satır değerlerinin atanmasının ardından Şekil 7 de gri arkaplan ile belirtilen T(0,1) değerinin hesaplanması için i değeri 0 olduğundan T(i,j) = T(i, j-1) + boşlukpuandeğeri olarak hesaplanacağından -2 değeri alacaktır. T(1,1) hücresinin hesaplanması aşağıdaki gibi olacaktır. 1 2 (0, 0) ( (1), (1)) 0 1 1 (1,1) max (0,1) 2 2 4 (1, 0) 2 2 4 T M M T T boşlukpuandeğeri T boşlukpuandeğeri          _        _ _{    } 

Bu hesaplama sonucunda T(1,1) hücresinin değeri maksimum değer olan -1 ve referans hücre T(0,0) hücresi olacaktır. Hesaplama sonrasında oluşan tablonun son hali Şekil 8 de verilmiştir.

(37)

17

Şekil 8. N-W algoritması değer tablosu

Benzer şekilde diğer hücrelerin değerlerinin hesaplanması sonucunda Şekil 9 da belirtilen değer tablosu elde edilmiştir.

Şekil 9. N-W algoritması değer tablosu son durum

Tablo değerlerinin belirlenmesinin ardından geri iz sürme aşaması M1 ve M2 metin dizileri

arasındaki en iyi hizalama bulunur. Bu aşamada T tablosunun alt sağ hücresinden başlayarak ve okları en uygun değeri (minimum) takip edecek şekilde izleme işlemi gerçekleştirilir. İşlemin yapılmasının ardından Şekil 10 da belirtilen sonuç elde edilmiştir.

(38)

18

Şekil 10. N-W algoritması geri iz sürme (traceback) aşaması sonucu T tablosu Girdi olarak ele alınan M1 ve M2 metinlerinin hizalama işleminin yapılması için Şekil 10 da

verilen tablo kullanılacaktır. Bu tabloda sol üst kısımdan başlayarak ilerlenmesi gerekmektedir. Tablonun okunmasında izlenecek aşamalar aşağıda belirtilmiştir:

 1. hücre girdilerdeki herhangi bir değeri içermemektedir.

 2. hücrede bulunan “A” değeri M2 girdisinde bulunmakta fakat M1 girdisinde

herhangi bir karşılığa denk gelmemektedir.

 3. hücrede bulunan T değeri M1 ve M2 girdilerinde bulunmaktadır.

 4. hücrede bulunan G değeri M1 girdisinde C değeri M2 girdisinde bulunmaktadır.  5. hücrede bulunan G değeri M1 ve M2 girdilerinde bulunmaktadır.

 6. hücrede bulunan T değeri M1 ve M2 girdilerinde bulunmaktadır.

 7. hücrede bulunan G değeri M1 girdisinde bulunmakta fakat M2 girdisinde hiçbir

şeye denk gelmemektedir.

Tablo 5. N-W Algoritması ile Metin Hizalama Sonucu

1. metin - T G G T G

Eşleşme durumu | | |

2. metin A T C G T -

Tablo okuma sonucuna bağlı olarak verilen iki girdi arasındaki optimum hizalama Tablo 5 de verilmiştir. Tablodan anlaşılacağı gibi iki metin arasındaki hizalama sonrasında eşleşmeler ikinci sütunda yer alan eşleşme durumu ( | ) ile işaretlenmiştir. Eşleşme, eşleşmeme ve boşluk puanları hesaplanarak eşleşme puanı hesaplanabilir. Bu durumda verilen örnekte 3 eşleşme (+3), 1 eşleşmeme (-1) ve 2 boşluk (-4) bulunduğundan nihai eşleşme puanı +3-1-4=-2 olarak hesaplanır.

(39)

19

Needleman & Wunsch Algoritması ile Kaybolmanın Ölçülmesi

Gwizdka ve Spence (2007) tarafından yapılan araştırmada N-W algoritmasının nasıl kullanıldığına ilişkin detaylı bilgi bulunmamaktadır. Bu algoritmada kullanıcının gezinme verileri ve görev kapsamında izlenmesi gereken sayfalar iki metin dizisi olarak ele alınmakta ve uzman görüşüne dayalı olarak oluşturulan ilişki matrisinden maksimum puan elde edilecek şekilde hesaplama işlemi gerçekleştirilmektedir. Bu algoritma ile görev kapsamında yer almayan fakat görevde belirtilen problemin çözümüne katkıda bulunan sayfaların kaybolma değerine katkıda bulunması sağlanmakta bu sayede daha hassas bir ölçüm işlemi gerçekleşmektedir. Aşağıda N-W algoritması kullanılarak kaybolmanın ölçümüne yönelik yapılan araştırmada izlenen yöntem açıklanmıştır.

Güyer vd. (2015) tarafından N-W algoritması kullanılarak kaybolmanın ölçüldüğü araştırmada, belirlenen görev için kullanıcı gezinmesinde ve optimum gezinmede yer alan sayfalar bir metin olarak ele alınmış ve bu sayfalar arasındaki ilişki matrisi dikkate alınarak kaybolma değerleri hesaplanmıştır. Geliştirilen yöntem kullanıcının gezinme verisi, optimum yol verisi, sayfalar arası ilişki matrisi ve boşluk cezası (gap penalty) olmak üzere dört girdiden oluşmaktadır. Algoritmanın girdileri aşağıda detaylı olarak belirtilmiştir:

1. Görev kapsamında öğrenci gezinmesinin metni: Bu girdi, bir görev kapsamında öğrencilerin sayfalar arasındaki gezinmelerini içermektedir. Örneğin, 1’den 5’e kadar numaralandırılan bir web ortamında bu veri “1,3,4,2” şeklinde olabilir.

2. Görev kapsamında belirlenen optimum yolun metni: Bu girdi ile görev için izlenmesi gereken optimum yol tanımlanmaktadır. Bu girdi için veri “1,2,3,4,5” şeklinde olabilir.

3. Sayfalar arası benzerlik matrisi: Sayfalar arası benzerlik matrisi, görev kapsamında ortamda bulunan sayfalar arasındaki benzerlik oranının tanımlandığı matristir. Sayfalar arasındaki benzerlik değerleri 0 ile 1 arasında tanımlanabilmektedir. Bu girdi, görev kapsamında yer almayan fakat görevin tamamlanmasına yardımcı olabilecek sayfaların gezinilmiş olmasının kaybolmada hesaplanmasını sağlamaktadır. Sayfalar arası benzerlik matrisi, uzman görüşüne dayalı olarak geliştirilebilir. Tablo 6 da 5x5 boyutunda örnek bir ilişki matrisi verilmiştir.

(40)

20

Tablo 6. Örnek 5x5 Boyutunda Sayfalar Arası İlişki Matrisi

1 2 3 4 5 1 1 0,1 0,5 0 0 2 0,1 1 0,7 0,3 0 3 0,5 0,7 1 0,4 0,6 4 0 0,3 0,4 1 0,8 5 0 0 0,6 0,8 1

4. Ceza puanının belirlenmesi: Bu değer, var olan kullanıcı gezinmesi ve optimum yol metinlerinin uygun şekilde hizalanmasından sonra boş kalan kısımlar için kullanılacak ceza değeridir ve bu değer doğru eşleşmelerden elde edilecek minimum puandan küçük olarak belirlenmelidir. Ceza puanı, kullanıcıların gezinmesinde görevdeki ilgili sayfaların gezinmesinin, diğer sayfalardaki gezinmelerden ayırmasından dolayı kaybolmanın hesaplanması açısından önem taşımaktadır. Kullanıcı gezinme metninin, belirlenen optimum yolu, sayfalar arası benzerlik matrisinin ve ceza puanının girdi olduğu N-W algoritması kullanılarak kaybolmanın ölçülmesinde izlenen aşamalar alt kısımda belirtildiği gibidir (Güyer vd., 2015):

1. Kaybolma değerinin belirlenmesi (KaybolmaDeger): Bu aşamada, gezinme metni, optimum yol, benzerlik matrisi ve ceza puanı kullanılarak hizalama işlemi gerçekleştirilir. Hizalama işlemi iki metinde karşılık gelen değerlerin, benzerlik matrisinde toplamının maksimum olacağı şekilde gerçekleştirilir. Hizalama sonrasında karşılık gelmeyen değerler için boş kalan yerlere ceza puanı yazılır. Kullanıcı gezinme değeri “1,3,4,2”, optimum yol değeri “1,2,3,4,5” ve ceza puanı -0,1 olan bir görev için Tablo 6 da yer alan benzerlik matrisi kullanılarak oluşturulacak hizalama Tablo 7 de belirtildiği gibidir.

Tablo 7. Örnek Hizalama Durumu

Kullanıcı Gezinmesi 1 _ 3 4 2

Optimum Yol 1 2 3 4 5

Benzerlik Matrisi Değeri 1 1 1 0

(41)

21

Tablo 7 de belirtilen değerlere göre hesaplanan kaybolma değeri 2,9 (+1-0,1+1+1) olarak hesaplanmaktadır.

2. Kaybolma değerinin normalleştirilmesi: Kullanıcılar arasında karşılaştırmanın gerçekleştirilmesi için bulunan kaybolma değerinin normalleştirilmesi gerekmektedir. Bunun için alt kısımda belirtilen aşamalar gerçekleştirilmelidir: 2.1.Maksimum puanın belirlenmesi (MaxPuan): Bu aşamada belirlenen görev için

alınabilecek maksimum puan hesaplanır, bu değer aynı zamanda optimum yolda gezinilmesi gereken sayfa sayısına eşittir. Tablo 7 de verilen örnek için bu değer 5’tir.

MaxPuan = Optimum gezinmede yer alan sayfa sayısı

2.2.Minimum puanın hesaplanması (MinPuan): Bu puan, kullanıcı gezinmesinin optimum gezinmeden tamamen farklı olduğu bir durumda hesaplanan puandır. Bu puan, optimum yoldaki sayfa sayısının ilgisiz olan sayfalardan çıkarılmasından elde edilen değer ile ceza puanının çarpımından hesaplanır.

MinPuan = (Öğrenme ortamındaki sayfa sayısı - Optimum gezinmedeki sayfa sayısı) x Ceza Puanı

Yukarıda verilen örnekte MinPuan = (5-5)x(-0,1) = 0 olarak hesaplanır.

2.3.Kaybolma değerinin normalleştirilmesi: Belirlenen kaybolma değeri, minimum puan ve maksimum puana bağlı olarak normalleştirilmiş kaybolma değeri

MaxPuan KaybolmaDeger

KaybolmaPuanı

MaxPuan MinPuan

 

 şeklinde hesaplanır. Yukarıda

verilen örnekte kullanıcı kaybolma puanı 5 2,9 0, 42 5 0

KaybolmaPuanı  

 olarak

hesaplanmıştır.

İlgili Araştırmalar

Okada (2008) tarafından yapılan araştırmada açık öğrenme ortamlarında mesajlaşma, video konferans araçlarının yanı sıra Compendinum aracı kullanılarak bilgi haritalarının oluşturulması ve bu ortam aracılığı ile dil öğrenimine katkıda bulunabileceği önerilmiştir. Puntambekar vd. (2003) tarafından yapılan araştırmada kavram haritalarının gezinme aracı olarak kullanıldığı CoMPASS adında bir araç geliştirilmiş ve geliştirilen bu aracın öğretimsel açıdan kullanımı incelenmiştir. Araştırmanın bulgularından biri öğrencilerin

(42)

22

gezinme için harita aracını indeks aracına göre daha fazla kullandıklarıdır. Araştırmada ikinci bulgu olarak, gezinme esnasında harita aracı kullanılarak izlenen yolun, indeks listesine göre daha amaca uygun şekilde olduğu belirtilmiştir. Araştırmada son olarak öğrencilerin kavram haritası ile gezinmeye yönelik olumlu tutumları olduğu belirtilmiştir. Lee ve Segev (2012) tarafından yapılan araştırmada terim frekansı / devrik doküman frekansı algoritması kullanılarak öğrencilerin gezinmelerinin sağlanacağı bilgi haritaları otomatik olarak oluşturulmuştur. Oluşturulan bilgi haritalarının öğrencilerin bilgileri hatırlamaları üzerindeki etkisi incelenmiş ve gruplar arasında anlamlı bir farklılık bulunmamıştır. Bunun yanı sıra araştırmada indeks kullanarak gezinen öğrencilerin kavram haritası ile gezinen öğrencilere göre daha fazla önemsiz bilgi öğrendikleri ortaya çıkmıştır.

Tseng vd. (2007) uyarlanabilir öğrenme ortamlarında kavram haritalarının otomatik oluşturulmasına yönelik yapılan araştırma kapsamında kavram haritalarının otomatik oluşturulması için Two-Phase Concept Map Construction (TP-CMC) algoritmasını geliştirmişlerdir. Algoritmanın birinci aşamasında öğrencilerin vermiş oldukları test cevapları bulanık mantık, eğitim kuramları ve veri madenciliği kullanılarak bulanık sınıflandırma kuralları belirlenmiştir. İkinci aşamada gerçek öğrenme ortamında kavram haritasının kullanımı gözlemlenerek daha ileri kurallar belirlenmiştir. Sonuç olarak doğru bir kavram haritasının belirlenmesi hala zor bir alandır bu araştırmada kavram haritasının oluşturulması için sezgisel bir algoritma önerilmektedir. Benzer şekilde Bai ve Chen (2008) uyarlanabilir öğrenme ortamlarında kavram haritalarının oluşturulması için bulanık mantık tabanlı ve öğrenci test cevaplarına bağlı olarak bir yöntem geliştirmişlerdir.

Chen vd. (2008) tarafından e-öğrenme alanındaki makalelerin kavram haritasının metin madenciliği yöntemi kullanarak oluşturulmasına yönelik çalışma yapılmıştır. Çalışmada kavram haritası geliştirilirken aşağıdaki varsayımlar dikkate alınmıştır:

1. Makalede yer alan her bir anahtar kelime temel kavramdır.

2. Eğer iki anahtar kelime makalede birlikte kullanılmış ise bu kelimeler arasında ilişki yüksektir.

3. İki anahtar kelimenin aynı cümle içinde kullanım sıklığı, bu iki anahtar kelime arasındaki ilişkinin yüksek olduğunu belirtir.

4. Bir cümle içerisindeki iki anahtar kelimenin birbirine yakın kullanımı bu iki kelime arasındaki ilişkinin yüksek olduğunu belirtir.

(43)

23

Bu varsayımlara dayanarak araştırmada kelime temizleme, kısaltmaların belirlenmesi, eklerin temizlenmesi aşamalarından sonra temel bileşenler analizi ile anahtar kelimelerin indekslenmesi gerçekleştirilmiştir. İndeksleme işleminin ardından belirlenen anahtar kelimelerin arasındaki ilişkiler çalışmada önerilen yönteme göre hesaplanmıştır.

Akçapınar, Altun ve Menteş (2012) tarafından yapılan araştırmada öğrencilerin önbilgi düzeylerinin ağsal hipermetinsel ortamlarda gezinme süreci üzerindeki etkisi incelenmiştir. 13 öğrencinin katıldığı araştırmada farklı önbilgi düzeyine sahip öğrencilerin gerçekleştirdiği gezinmenin yapısal olarak farklı olduğu; önbilgi düzeyleri düşük öğrencilerde kaybolma algısının daha fazla olduğu ve bu öğrencilerin önbilgi düzeyi yüksek öğrencilere göre daha yüzeysel gezinme gerçekleştirdikleri ortaya çıkmıştır. Araştırmada elde edilen bulgular göz hareketlerinden elde edilen bulgular ile desteklenmiştir.

Amedieu, Tricot ve Mariné (2009) tarafından yapılan araştırmada öğrencilerin önbilgi düzeylerinin etkileşimli kavram haritası kullanılarak gezinmenin sağlandığı doğrusal olmayan elektronik kaynaklarda öğrenme üzerindeki etkisi incelenmiştir. Öğrencilerin bilişsel yüklenmedeki ve kaybolmadaki değişimlerin incelenmesi amacıyla bilişsel yük kuramından yararlanılmıştır. Biyoloji öğretmenliği bölümünde okuyan 54 öğrencinin katıldığı araştırmada öğrencilerin gezinmelerinin hiyerarşik ve ağ yapısından gerçekleştirmeleri sağlanmıştır. Araştırma sonucunda; önbilgi düzeyi düşük öğrencilerin hiyerarşik yapıda bilgiyi hatırlama performanslarının daha yüksek ve kaybolma hissinin daha düşük olduğu, önbilgi düzeyi yüksek öğrencilerde ise ağ yapısında daha tutarlı okuma sırası gerçekleştirdikleri görülmüştür. Bunun yanı sıra önbilgi düzeyinin ve kullanılan yapı ile zihinsel çaba ve kaybolma oranları arasında herhangi bir farklılık görülmemiştir.

Saadé ve Otrakji (2007), tarafından yapılan araştırmada menü ile kullanımın olduğu ve ikon tabanlı geliştirilen arayüzlerde kullanıcıların kaybolma durumları ve bilişsel yükleri incelenmiştir. 73 katılımcının bulunduğu araştırma sonucunda geliştirilen iki ortam arasında kaybolma durumlarının eşit olduğu fakat kullanıcıların ikon tabanlı sistemi daha kullanışlı bulduklarını belirttikleri ve katılımcıların kaybolma algıları ile gösterdikleri performans arasında yüksek ilişki olduğu ortaya çıkmıştır.

Amadieu vd. (2009) tarafından yapılan araştırmada önbilgi düzeyinin (düşük ve yüksek) ve kavram haritası yapısının (hiyerarşik ve ağ) kaybolma, bilişsel yüklenme ve doğrusal olmayan kaynaklardan öğrenme üzerindeki etkisi incelenmiştir. Bilgisayar ve interneti günlük olarak kullanan 24 öğrencinin katıldığı araştırmada öznel kaybolma oranları ve