Sınıf İçi Takım Liderliği Algısının Makine Öğrenimi Yöntemleriyle Modellenmesi: Türkiye’de Önlisans ve Lisans Öğrencileri Üzerine Bir İnceleme
Özet Görüntüleme: 120
/ 
PDF İndirme: 90
DOI:
https://doi.org/10.5281/zenodo.17829182Anahtar Kelimeler:
Sınıf İçi Liderlik, Takım Liderliği Algısı, Makine Öğrenimi, TensorFlow, Yapay Sinir AğlarıÖzet
Bu çalışma, Türkiye’de öğrenim gören önlisans ve lisans öğrencilerinin öğretim elemanlarına yönelik sınıf içi takım liderliği algılarını makine öğrenimi yöntemleri kullanarak modellemeyi amaçlamaktadır. Araştırmada, öğretim elemanlarının işbirliği sağlama, öğrencileri güçlendirme ve etkili iletişim kurma davranışlarını ölçen çok boyutlu bir ölçek kullanılmış ve toplam 175 katılımcıdan elde edilen veriler analiz edilmiştir. Çalışmanın temel hedefi, öğrenci algılarına dayalı liderlik davranışlarının hangi değişkenlerden etkilendiğini belirlemek ve bu algıların makine öğrenimi modelleriyle tahmin edilebilirliğini incelemektir. Bu kapsamda, TensorFlow tabanlı yapay sinir ağı modelleri geliştirilmiş; ölçeğin alt boyutlarını ve genel liderlik algısını tahmin etmede modelin performansı değerlendirilmiştir. Elde edilen sonuçlar, öğrenci geri bildirimlerinde belirli davranış kümelerinin liderlik algısının güçlü göstergeleri olduğunu ortaya koymuştur. Ayrıca model, sınıf içi liderliğe ilişkin öğrenci algılarını yüksek doğrulukla tahmin ederek eğitim ortamlarında liderlik davranışlarının veri temelli biçimde analiz edilmesine imkân sağlamıştır. Bu yönüyle araştırma, eğitimde öğretim elemanı davranışlarının değerlendirilmesinde yapay zekâ ve makine öğrenimi yaklaşımlarının nasıl kullanılabileceğine dair yenilikçi bir çerçeve sunmakta ve gelecekte yapılacak araştırmalar için önemli bir metodolojik temel oluşturmaktadır.
İndirmeler
Referanslar
Abadi, M., Agarwal, A., Barham, P., Brevdo, E., Chen, Z., Citro, C., … & Zheng, X. (2016). TensorFlow: Large-scale machine learning on heterogeneous systems. Google Research. https://www.tensorflow.org/
Aldowah, H., Al-Samarraie, H., & Fauzy, W. M. (2019). Educational data mining and learning analytics for 21st century higher education: A review and synthesis. Telematics and Informatics, 37, 13–49. https://doi.org/10.1016/j.tele.2019.01.007
Beycioğlu, K., & Aslan, M. (2010). Öğretmen liderliği ölçeğinin Türkçeye uyarlanması: Geçerlik ve güvenirlik çalışması. Kuram ve Uygulamada Eğitim Yönetimi, 16(1), 5–28.
Chollet, F. (2021). Deep learning with Python. Manning Publications.
Conijn, R., Snijders, C., Kleingeld, A., & Matzat, U. (2017). Predicting student performance from LMS data: A comparison of 17 blended courses using Moodle LMS. IEEE Transactions on Learning Technologies, 10(1), 17–29.
García, S., Luengo, J., & Herrera, F. (2016). Data preprocessing in data mining. Springer.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
Hadwin, A., & Oshige, M. (2011). Self-regulation, coregulation, and socially shared regulation: Exploring perspectives of social in self-regulated learning theory. Teachers College Record, 113(2), 240–264.
Harris, A. (2013). Distributed leadership: Friend or foe? Educational Management Administration & Leadership, 41(5), 545–554.
Hastie, T., Tibshirani, R. ve Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction. Springer.
Hussain, M., Zhu, W., Zhang, W., & Abidi, S. M. R. (2018). Student engagement predictions in an e-learning system and their impact on student course assessment scores. Computational Intelligence and Neuroscience
Johnson, D. W., & Johnson, R. T. (2019). Joining together: Group theory and group skills (12th ed.). Pearson.
Katzenmeyer, M., & Moller, G. (2009). Awakening the sleeping giant: Helping teachers develop as leaders. Corwin Press.
Kingma, D. P., & Ba, J. (2014). Adam: A method for stochastic optimization. International Conference on Learning Representations.
Kuhn, M., & Johnson, K. (2013). Applied predictive modeling. Springer.
Leithwood, K., & Jantzi, D. (2006). Transformational school leadership for large-scale reform: Effects on students, teachers, and their classroom practices. School Effectiveness and School Improvement, 17(2), 201–227.
LeCun, Y., Bengio, Y., & Hinton, G. (2015). Deep learning. Nature, 521, 436–444.
Murphy, J., Smylie, M., Mayrowetz, D., & Louis, K. S. (2009). The role of the principal in fostering the development of distributed leadership. Journal of Educational Administration, 58(3), 257–282.
Nair, V., & Hinton, G. E. (2010). Rectified linear units improve restricted Boltzmann machines. Proceedings of the 27th International Conference on Machine Learning, 807–814.
Northouse, P. G. (2022). Leadership: Theory and practice (9th ed.). Sage Publications.
Yukl, G. (2013). Leadership in organizations (8th ed.). Pearson.
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16(39), 1–27
İndir
Yayınlanmış
Nasıl Atıf Yapılır
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2025 Premium e-Journal of Social Sciences (PEJOSS)
Bu çalışma Creative Commons Attribution 4.0 International License ile lisanslanmıştır.
