Prediction of Metacognition Awareness of Middle School Students: Comparison of ANN, ANFIS and Statistical Techniques

Abstract

Problem çözme becerisi, günümüzde bireyin sahip olması gereken en önemli becerilerden biridir. Yansıtma en iyi problem çözme sürecinde gözlemlenebilir çünkü yansıtıcı düşünme belirli bir problem algılandığında ortaya çıkar. Yansıtıcı düşünme özellikleri bireyin kendi düşünme süreçleri ile ilgili olduğundan üst biliş için yordayıcı bir değişken olma özelliğine sahiptir. Bu çalışmanın temel amacı, Yapay Sinir Ağı (YSA), Uyarlanabilir Nöro-Bulanık Çıkarım Sistemi (ANFIS) ve istatistisel yöntemler kullanarak matematiksel problem çözmeye yönelik yansıtıcı düşünme özellikleri aracılığıyla ortaokul öğrencilerinin matematiksel üstbiliş farkındalıklarını tahmin eden modeller oluşturmaktır. YSA ve ANFIS modelleri oluşturulurken akademik başarı puanları, kümülatif genel not ortalaması (GPA) ve öğrencilerin matematiksel problem çözmeye yönelik yansıtıcı düşünme özellikleri girdi parametresi olarak kullanılmış ve tek çıktı parametresi olarak öğrencilerin matematiksel üstbiliş farkındalıkları kullanılmıştır. Ayrıca sistem, ANFIS modelini oluşturmak için verilerin %70'i kullanılarak eğitilmiştir. Yapay sinir ağını eğitmek için Levenberg-Marquardt öğrenme algoritması ile ileri beslemeli geri yayılım kullanılmıştır. İstatistiksel olarak, öğrencilerin gerçek üstbiliş farkındalık puanları ile tahmin edilen hem ANFIS hem de ANN üstbiliş farkındalık puanları arasında anlamlı bir fark yoktur. Bu bulgular, oluşturulan modellerin ortaokul öğrencilerinin akademik başarıları (genel ve matematik) ve problem çözmeye yönelik yansıtıcı düşünme özellikleri aracılığıyla matematiksel üstbilişsel farkındalıklarını yordamada başarılı performans gösterdiğini göstermiştir. Bu çalışma, öğrencilerin belirli eğitim özelliklerini tahmin etmek için yapay zekanın nasıl kullanılabileceğinin bir örneğidir. Araştırmada kullanılan metodolojiler çeşitlendirilerek eğitim alanında farklı yapay zeka uygulamaları elde edilebilir.