In recent years, there has been an increasing interest in Massive Open Online
Courses (MOOCs). This interest highlights the importance of understanding
behavior, traits, and preferences of individuals. Developing such an understanding
requires ways for improving the process of MOOC design by adapting innovative
techniques such as personality profiling, which have been frequently employed in the
field of game development. This study suggests a mechanism to classify MOOC
participants into their correspondent Bartle's Massively Multiplayer Online Game
(MMOG) player type by using Myers-Briggs Types Indicator (MBTI) as a
personality reference. The goal is to explore the profiles of MOOC attendees by
using both MBTI and Bartle's MMOG player types for the sake of delivering a
distinctive view about the audience of MOOCs. To this end, an online questionnaire
which is composed of three dimensions was administered: (i) demographics, (ii)
MBTI personality assessment, and (iii) Bartle's player types. Respondent (N=75)
replies showed a relationship between a group of personality types and MMOG
v
playing styles. Furthermore, a machine-learning model was proposed to instantly
classify the player types. Ultimately, results (N=67) showed that using Back
Propagation (BP) neural network is acceptable for both the training process
(performance=100%) and the testing process (performance=91.6%). The results
suggest that our approach provides a novel way to asses participants of MOOCs in
terms of Bartle's player types. Moreover, our approach of applying BP method
provides a novel way to accurately classify participants of MOOCs in terms of
Bartle's player types.
Son yıllarda Kitlesel Açık Çevrimiçi Kurslara (KAÇK) artan bir ilgi söz konusudur.
Bu ilgi bireylerin davranışları, özellikleri ve tercihlerinin anlaşılması öneminin altını
çizmektedir. Böyle bir anlayış geliştirmek, sıklıkla oyun geliştirme alanında
kullanılan kişilik profilleme gibi yenilikçi teknikleri uyarlayarak KAÇK tasarım
sürecini geliştirmek için çeşitli yollar gerektirmektedir. Bu çalışma, bir kişilik
referansı olarak Myers-Briggs Türü Göstergeler (MBTG) kullanılarak KAÇK
katılımcılarının Bartle Kitlesel Çok oyunculu Çevrimiçi Oyunları (KÇÇO) oyuncu
türü içinde sınıflandırmak için bir mekanizma ortaya koymaktadır. Amaç, KAÇK
izleyicileri hakkında ayrıştırıcı bir bakış sunmak için KAÇK katılımcı profillerini
hem MBTG hem de Bartle KÇÇO oyuncu türlerini kullanarak araştırmaktır. Bu
amaçla, üç boyutlu bir çevrimiçi anket kullanılmıştır: (i) demografik özellikler, (ii)
MBTG kişilik değerlendirmesi, ve (iii) Bartle oyuncu türleri. Muhatap (N=75)
cevapları bir grup kişilik türleri ile KÇÇO oyun stilleri arasında bir ilişkinin
vii
olduğunu göstermiştir. Dahası, bir makine öğrenimi modeli anında oyuncu türü
sınıflandırması için önerilmiştir. Sonuçta, sonuçlar (N=67) Geri Yayılımlı (GY) sinir
ağının hem eğitim süreci (performans=%100) hem de test süreci için
(performans=%91,6) uygun olduğunu göstermiştir. Sonuçlar yaklaşımımızın Bartle
oyuncu türleri açısından KAÇK katılımcılarını belirlemede özgün bir yol sağladığını
ortaya koymaktadır. Ayrıca, GY yöntemi uygulama yaklaşımımız Bartle oyuncu
türleri açısından KAÇK katılımcılarını doğru bir şekilde belirlemede özgün bir yol
ortaya koymaktadır.
