Towards an explainable course recommendation system (xcrs)

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: MUHAMMED YASİN HORASANLI

Danışman: HÜSEYİN BİRKAN YILMAZ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Bilgi Teknolojileri alanındaki çevrimiçi öğrenme kaynaklarının hızlı genişlemesi, kişiselleştirilmiş rehberlik ve şeffaf kurs önerilerini zorunlu kılmaktadır. Bireyler, öğrenme hedefleriyle uyumlu içerik bulmayı zorlaştıran, çok sayıda kurs ve kariyer yolu ile karşı karşıya kalmaktadır. Mevcut öneri sistemleri genellikle önerileri için şeffaflık ve açıklamalar sağlamaktan yoksundur. Bu eksikliği gidermek amacıyla, bu çalışma Açıklanabilir Kurs Öneri Sistemi'ni (XCRS) tanıtmaktadır. XCRS, hem kariyer rolleri hem de bunlara bağlı kursları açıklanabilir bir şekilde öneren ilk sistemdir. XCRS, kullanıcının bilgisi, deneyimleri ve öğrenme ilgi alanlarına dayalı olarak kişiselleştirilmiş öneriler üretmek için Google, OpenAI, MistralAI, VoyageAI ve Cohere gibi büyük dil modellerini (LLM) kullanır. Öneri kaynaklarını zenginleştirmek amacıyla çevrimiçi bir kurs veri seti toplanmış ve herkese açık olarak paylaşılmıştır. XCRS, vektör eşleştirmesi için kosinüs benzerliği yöntemini ve açıklama kalitesini artırmak için Almayla Artırılmış Üretim (RAG) kullanır, böylece hem şeffaflık hem de alaka düzeyi iyileşir. Kullanıcı ve uzman değerlendirme çalışmaları ile test edilen XCRS, şeffaflıkta ve verimlilikte sırasıyla %89.6 ve %88.8 oranında yüksek performans göstermiş, ayrıca genel kullanıcı memnuniyetini de sağlamıştır. Uzmanlar, önerilerin kullanıcı ihtiyaçlarıyla iyi uyumlu olduğunu belirlemiş ve sistemin eğitim ve kariyer yollarında bilinçli karar verme desteğini doğrulamıştır. Sonuçlarımızı ve deneysel kurulumumuzu yeniden üretmek için gerekli olan tüm kaynaklar, kod, veri setleri ve deneysel yapı dahil olmak üzere, açık bir şekilde sunulmuştur.