E-öğrenme, özellikle COVID-19 pandemisi gibi krizler sırasında önemli bir dönüşüm geçirmiştir ve küresel ölçekte zorunlu hale gelmiştir. UNESCO, çeşitli köklü e-öğrenme platformlarını hızlı çözümler olarak onaylamış olsa da, öğrenme süreçlerini etkileyen birçok zorluk nedeniyle bunlar uzun vadeli çözümler olarak önerilmemiştir. Son araştırmalar, bu zorlukları yapay zeka (AI), derin öğrenme ve blok zinciri teknolojileri kullanarak ele almaktadır. AI ve derin öğrenme, öğrenen performans değerlendirmelerini geliştirmeye odaklanırken, blok zinciri ve akıllı sözleşmeler sahte sertifikalar, sonuç manipülasyonu ve öğrenen etkinliği takibi gibi sorunlara karşı çözüm sağlamaktadır. Her iki teknolojinin de güçlü potansiyeli olmakla birlikte, bunların entegrasyonunu araştıran az sayıda çalışma bulunmaktadır. Bu çalışma, blok zinciri ve derin öğrenmeyi birleştiren akıllı bir çerçeve önererek, veri güvenliği, şeffaflık ve otomasyonu sağlayarak e-öğrenme sistemlerini güvenli hale getirmeyi ve geliştirmeyi amaçlamaktadır. Bu çerçeve, öğrenen verilerini merkezi olmayan büyük dosya depolaması için Interplanetary File System (IPFS) kullanarak blok zincirinde güvenli bir şekilde saklamakta ve Ethereum özel blok zinciri cüzdanlarıyla veri bütünlüğü ve gizliliğini sağlamaktadır. Ardından, derin öğrenme modelleri bu güvenli veriyi analiz ederek akademik başarıyı doğru şekilde tahmin etmektedir. Akıllı sözleşmeler ise üniversiteler tarafından sertifika verilmesini kolaylaştırmakta ve bu sertifikaları net, değiştirilemez şekilde blok zincirinde kaydetmektedir; bu da ağ düğümlerine erişilebilir hale getirerek otomasyon, güvenlik ve öğrenenler, öğretim görevlileri ile işverenler arasında güveni artırmaktadır. Blok zinciri, merkezi otorite olmadan, dağıtılmış eşler arası bir ağda değiştirilemez, zaman damgalı ve güvenli veri depolama imkanı sunar. Bitcoin’in ardından piyasa değeri ikinci büyük olan Ethereum, Solidity dilinde programlanabilen akıllı sözleşmeleri destekleyerek, Bitcoin’den çok daha karmaşık ve otomatik işlemleri mümkün kılmaktadır. Akıllı sözleşmeler, önceden belirlenmiş koşullar sağlandığında, sözleşme hükümlerini otomatik olarak yerine getirir ve tüm işlemleri değiştirilemez şekilde blok zincirinde kaydeder. Blok zincirleri büyük dosyalar için uygun olmadığından, IPFS, Storj ve FileCoin gibi off-chain depolama çözümleri kullanılmaktadır. IPFS, büyük dosyaları eşler arası şifreleyip dağıtarak içerik adresli hash’ler oluşturur ve veri bütünlüğü ile erişimi doğrular; ancak erişim kontrolü hala bir zorluk olarak mevcuttur. Burada IPFS, öğrenenlerin geniş verilerini güvenli biçimde saklamak ve blok zinciri işlemleriyle bağlantı kurmak için önemli bir araçtır. Derin öğrenme, biyolojik beyinlerden esinlenen yapay sinir ağları (ANN’ler) ile çok katmanlıdır—giriş, gizli ve çıkış katmanları—ve ileri yayılım, hata hesaplama ve geri yayılım algoritmalarıyla çok sayıda epoch boyunca öğrenir. Çok gizli katmanlı derin sinir ağları (DNN’ler), tahmin doğruluğunu artırır. Bu çalışma, blok zinciri ve IPFS ile saklanan öğrenen verilerini işleyerek, doğru performans tahminleri yapabilmek amacıyla bu modelleri kullanmaktadır. Daha önceki çalışmalar arasında, büyük açık çevrimiçi kurslar (MOOCs) katılımcılarının terk etme oranlarını tahmin etmek için tekrarlayan ve konvolüsyonel sinir ağları kullanmak, doğrulukta geleneksel yöntemlere göre iyileşme sağlamak gibi örnekler vardır. Diğerleri ise çift yönlü uzun-kısa vadeli bellek (LSTM) ağlarıyla terk tahminleri yapmış, ve küçük, dengesiz veri setlerinde yüksek doğrulukla öğrenci performansını tahmin etmeyi başarmıştır. Önerilen çerçeve üç aşamada işler: 1. **Öğrenen Verilerinin Blok Zincirinde Saklanması:** “Open University Learning Analytics” veri setinden (32. 593 kayıt, demografik ve sanal öğrenme etkileşimleri) alınan veriler, şifrelenerek IPFS’ye kaydedilir.

Bu, karmaşık bir anahtar/hash yapısı oluşturur. Hash, özel bir Ethereum blok zinciri cüzdanında saklanır ve akıllı sözleşmeler aracılığıyla merkezi olmayan, değiştirilemez erişime olanak tanır. Dünyanın çeşitli noktalarındaki düğümler—üniversite yönetimi, öğretim görevlileri, öğrenenler ve işverenler—wallet’leriyle blockchain ağına katılır. 2. **Derin Öğrenme Temelli Performans Tahmini:** IPFS’ten alınan şifreli veriler ön işleme alınır: özellik seçimi, eksik değer doldurma (mod ve sabitler kullanarak), kategorik verilerin kodlanması, MinMaxScaler ile normalizasyon ve PCA ile boyut indirgeme yapılır. Veri seti %90 eğitim ve %10 test olacak şekilde bölünür. Giriş katmanı 10 nöron, beş gizli katman (her biri 500 nöron, ReLU aktivasyonu) ve dört çıkış nöronundan oluşan (geçer, başarısız, çekilme, üstün başarı) softmax aktivasyonlu ve seyrek kategorik çapraz entropi kayıplı derin sinir ağı modellenir. Bu model, Python, Keras ve Sklearn kullanılarak geliştirilmiş olup, yaklaşık %91. 29 doğruluk ve düşük hata (~0. 18) ile, aynı veri üzerinde önceki çalışmalardan daha iyi performans gösterir. 3. **Akıllı Sözleşmelerin Kullanımı:** Solidity dilinde hazırlanan akıllı sözleşmeler, düğümler arasında güvenli etkileşim sağlar. Öğretim görevlileri, IPFS’ye ödevleri yükleyip, file hash’lerini akıllı sözleşmeler aracılığıyla öğrenenlere gönderir; öğrenciler ödevleri akıllı sözleşmeler vasıtasıyla sunar; üniversiteler, sertifikaları blok zincirinde değiştirilemez biçimde kaydeder; işverenler (ziyaretçiler) ise, üniversitenin onayıyla, öğrenenlerin sertifikalarını ve performans verilerini görüntüler. Bu süreçler, şeffaflık, güvenlik ve otomasyonu sağlar. Uygulama sürecinde şunlar gerçekleştirildi: - **Blok Zinciri Mimarisi:** Python, Flask ve Postman kullanılarak blokların çıkarılması, zincirin doğrulanması ve işlemlerin eklenmesi sağlandı. düğümler, MyEtherWallet (MEW) üzerinden, özel ve genel anahtarlar ile wallet’ler oluşturarak merkezi olmayan bir şekilde kaydedildi. - **Blok Zinciri ve Derin Öğrenme Entegrasyonu:** IPFS, şifrelenmiş verileri ve bunların hash’lerini Ethereum blok zincirinde saklıyor. Derin öğrenme modeli, güvenli verilerden öğrenci performansını tahmin ediyor. Akıllı sözleşmeler ise ödev teslimi, sertifika verme ve veri erişim işlemlerini yönetiyor. Testler sırasında, düğüm kaydı, cüzdan erişimi, hash’lerin saklanması ve doğrulanması, sertifika verme ve görüntüleme, ödev işlemleri, işlemin geçerliliği ve dosya bütünlüğü sağlandı. Sonuçlar, saklanan verilerin değiştirilemezliğini ve akıllı sözleşmeler aracılığıyla sorunsuz çalışan işlemleri doğruladı. Önerilen çerçeve, blok zinciri ile derin öğrenmenin entegrasyonunun, yüksek doğruluk ve güvenilir veri yönetimi sağlayan, güvenli, şeffaf ve otomatik bir e-öğrenme sistemi ortaya koyduğunu göstermektedir. Bu yaklaşım, veri güvenliği, öğrenen doğrulaması ve otomatik akademik süreçler gibi önemli zorluklara çözüm sunmakta olup, gelecekteki akıllı e-öğrenme platformlarının temelini oluşturabilir.