Hybrid Course Recommendation System Design for a Real-Time Student Automation Application

Öneri sistemleri, kişi ve öğe bilgilerini kullanarak ve birbirleriyle olan etkileşimlerini işleyerek kullanıcılara göre özelleştirilmiş öneriler sunmaktadır. Kişiselleştirilmiş ürün önerileri, kullanıcıların ilgilerini çeken ürünlere erişmelerini kolaylaştırmaktadır. Ders öneri sistemleri ise öğrencileri ilgilendikleri ve başarılı olabilecekleri alanlara yönlendirmeyi amaçlamaktadır. E-öğrenme sitelerinde farklı disiplinlerden çok sayıda kurs ve öğrenci bulunmaktadır. Bu durumun yanı sıra, öğrenciler eğitim aldıkları disiplinler dışındaki diğer alanlardan ders alabilmektedir. Buna karşın, eğitim kurumlarındaki öğrenciler ise önceden belirlenmiş bir müfredatı takip etmek zorundadır. Her eğitim kurumu, ders seçimi için farklı kısıtlara sahip olduğundan, ders öneri sistemi geliştirme problemine özel bir yaklaşım gerekmektedir. Problemin sınırlayıcı doğası gereği, eğitim kurumları için ders öneri sistemi geliştirilmesi zorlu bir alan olarak kabul edilmektedir. Bu nedenle, öğrenciler kayıt için ders seçerken bir öğretim üyesine danışmaktadırlar. Bu çalışmada, öğrenci ve ders bilgileri ile işbirlikçi filtreleme ve içerik tabanlı filtreleme modelleri kullanan hibrit öneri sistemi önerilmiştir. Sistem, önceden tanımlanmış ilişkilendirme kuralları olmadan, belirgin ve dolaylı verileri kullanarak tutarlı öneriler sunmaktadır. İşbirlikçi filtreleme algoritması, öğrencilerin notlarını değerlendirme skoru olarak kullanmaktadır. İçerik tabanlı filtreleme algoritması ise öğrenciler ve dersler hakkındaki metin formatında bulunan bilgileri, doğal dil işleme yöntemleri ile özellik vektörlerine dönüştürerek kullanmaktadır. Hibrit öneri sistemini oluşturma işleminde, işbirlikçi filtreleme ve içerik tabanlı filtreleme modellerinden birer tane seçilmiş ve farklı birleştirme yöntemleri uygulanmıştır. Deneysel sonuçlarda ise, sunulan hibrit öneri sisteminin kendisini oluşturan algoritmalardan, tüm değerlendirme metriklerinde, daha başarılı sonuçlar elde edebildiği görülmüştür. Sonuç bölümünde, farklı kombinasyonlar ile oluşturulmuş hibrit modeller için Precision@N, AP@N, mAP@N ve NDCG@N sıralamaya duyarlı metrik değerleri gösterilmektedir. Özellikle, içerik tabanlı filtreleme ve Bayes kişiselleştirilmiş sıralamasından oluşan hibrit model, diğer tüm tekil modellerden daha iyi performans göstermiştir.