ABSTRACTUSING DATA MINING ON INTELLIGENT TUTORINGSYSTEMSIntelligent tutoring systems(ITS) have been used in teaching and learningactivities as a supplementary software. These systems make contributions ineducation activities, because they can behave adaptively to the students? learninglevel and they are capable of collecting vast amounts of data about students.Analyzing data which resides in ITS provides more benefit from these systems. Theteacher can improve ITS and guide students in the classroom according to theanalyze results.For analyzing data and getting useful, extracting unknown knowledge andunderstandable information, data mining is used. It is also possible to analyze data inITS applying by data mining techniques.In this thesis for we designed four different software to apply data miningtechniques on ITS.The first designed software is ITS which uses overlay student model. Thedomain model of ITS is ?Computer Systems? course. It is 8th term course at MarmaraUniversity at Technical Education Faculty in Electronic-Computer EducationDepartment. ITS is used by 103 students and students? data in this system isanalyzed by association rule mining and clustering techniques.The second software analyses and finds interesting association rules aboutstudents? correct or incorrect answers by single dimensional association rule mining.This program also finds interesting association rules about concepts which arestudents successful or unsuccessful together.The third software finds interesting association rules about correct or incorrectanswers in different concepts by multidimensional association rule mining. Designedsoftware can make analysis with different support values and also confidence valuesare calculated in the program.The fourth software makes data mining application using clustering analysis.This program makes clustering analysis with k-means algorithm on the students?concept success value. Teacher can perceive distributions of students? concept1success values and student clusters with this software. To prevent k-means algorithminitial randomly selected cluster center effect, recursive k-means algorithm isdesigned and used in the clustering software. Cluster analysis is made for conceptswhich are defined by the teacher. For visualizing any two concept success values?clustering result, designed program is used. If defined concepts are more than three,clustering analysis result is visualized on parallel coordinate system. Thisvisualization method is understandable, usable and it doesn?t require dimensionreduction.This thesis propose an application of data mining on ITS. The applicationresults which were taken from students are demonstrated and evaluated foreducational aspect.The contribution of this study is using ITS data for data mining analysis . Datamining analysis in this study include single and multi dimensional association ruleanalysis, clustering analysis and visualization clustering results.October, 2006 Buket DOĞAN2.

ÖZETZEKİ ÖĞRETİM SİSTEMLERİNDE VERİ MADENCİLİĞİKULLANILMASIEğitim-öğretim faaliyetlerinde yardımcı ders yazılımı olarak kullanılan, zekiöğretim sistemleri (ZÖS), öğrencinin seviyesine göre bireysel davranması özelliği ileeğitim-öğretim faaliyetlerine olumlu katkı sağlamaktadır. Öğrenciyle ilgili farklıverileri içeren bu tür sistemlerde yer alan verilerin analiz edilmesi; bu sistemlerdenüst düzeyde yararlanmayı, bulunan analiz sonuçlarına göre sistemin geliştirilmesinedevam edilmesini, öğrencilere sınıf ortamında bu sonuçlara göre kılavuzlukyapılmasını sağlayacaktır.Veri analizinde ise, veriden kullanışlı, önceden bilinmeyen ve anlaşılırbilgiler elde etmek için veri madenciliği kullanılmaktadır. Veri madenciliğiyöntemlerinin, zeki öğretim sistemlerindeki öğrenci verisi üzerinde kullanılması ile,bu sistemlerdeki verilerin analiz edilmesi mümkündür.Bu tez çalışmasında, zeki öğretim sisteminde veri madenciliği uygulamalarıiçin dört ayrı yazılım tasarlanmıştır.Bu yazılımlardan birincisi, kaplama öğrenci modeli kullanan zeki öğretimsistemidir. Bu sistemde, konu alanı olarak Marmara Üniversitesi, Teknik EğitimFakültesi, Elektronik-Bilgisayar Eğitimi Bölümü'nde 8.dönemde yer alan ?BilgisayarSistemleri? dersi belirlenmiştir. Sistemi, örgün ve ikinci öğrenci öğretimde toplam103 öğrenci kullanmıştır. Zeki öğretim sisteminden alınan verilerin analiz edilmesiiçin ise, veri madenciliği tekniklerinden ?birliktelik kuralları? ve ?kümeleme analizi?kullanılmıştır.İkinci yazılımda, veri madenciliğini tek boyutlu birliktelik kuralı analizi ilegerçekleştiren program tasarlanmıştır. Bu program, ZÖS'den alınan verilerde, aynıkonu içerisinde birlikte yanlış yapılan veya doğru yapılan soruları tek boyutlubirliktelik kuralı analizi ile bulmaktadır. Bu program ile, öğrencilerin birlikte başarılıveya başarısız olduğu konuların da bulunması mümkündür.Üçüncü yazılım ise, herhangi bir sorudaki yanlış veya doğru cevabın farklıkonulardaki diğer soruları ne şekilde etkilediğini bulmak için analiz yapmaktadır. Buprogram, ZÖS'den alınan öğrenci verilerinde farklı konulardaki sorular arasında,1birlikte yanlış veya doğru yapılan soru dizilerini çok boyutlu birliktelik kuralı analiziile bulmaktadır. Geliştirilen programlarda farklı destek değerleri ile analizyapılabilmektedir ve analiz sonucunda çıkan kuralların güven değerleri programdahesaplanmaktadır.Dördüncü yazılımda, kümeleme analizi için, k-means algoritmasını kullananprogram tasarımı gerçekleştirilmiştir. Bu program ile, öğrencilerin ZÖS'dekonulardan aldıkları başarı puanlarına göre, kümeleme işlemi gerçekleştirilmektedir.Kümeleme analizi sonucunda, öğretmen istediği konulardaki başarı puanlarına aitöğrenci dağılımını görerek, sınıfta oluşan öğrenci kümelerinin ne şekildeyoğunlaştığını belirler ve bu sonuçlara göre öğretim etkinliklerini düzenler.Kümeleme işleminde, k-means algoritmasının rasgele başlangıç merkezi seçimindenetkilenmesini engellemek için, tekrarlı yapıda çalışan k-means algoritmasıtasarlanmış ve programda kullanılmıştır. Kümeleme işlemi, öğretmen tarafındanbelirlenen konulardaki başarı puanları için yapılmaktadır. Belirlenen herhangi ikikonuya ait başarı puanlarına göre kümeleme yapıldıktan sonra, sonuçlarıngörselleştirilmesi için tasarlanan kümeleme programı kullanılmaktadır. Kümelemeişlemi için belirlenen konu sayısı üç veya daha fazla ise, k-means programındanalınan kümeleme analizi sonuçlarının görselleştirilmesi için, paralel koordinat sistemikullanılmıştır. Bu yöntem ile çok boyutlu veriler, anlaşılır, kullanılabilir ve kolaycasonuç çıkarılabilecek şekilde, boyut indirgemesi ve veri kaybı olmadangörselleştirilmiştir.Veri madenciliğinin ZÖS'de kullanılmasına ilişkin bu tezin, öğrencilerüstündeki uygulama sonuçları eğitim açısından değerlendirilmiştir.Bu çalışma; zeki öğretim sisteminden alınan verilerde; veri madenciliğitekniklerinden, tek ve çok boyutlu birliktelik kuralı analizi, kümeleme analizininyapılmasını ve kümeleme analizi sonuçlarının görselleştirilmesini sağlayarak bualana katkı sağlamıştır.Ekim, 2006 Buket DOĞAN2.