Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi

Gök, Murat

Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi

Murat GÖK (Yalova Üniversitesi)

Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji

33 13

Yıl: 2017 Cilt: 5 Sayı: 3 Sayfa Aralığı: 139 - 148 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi

Öz:

Ülkemizde son yıllarda eğitim alanında gerçekleştirilen proje ve fiziki yatırımlara karşın öğrencilerin hem ulusal hem de uluslararası sınavlarda başarıları istenen seviyede artmamıştır. Özellikle bu başarısızlık durumu Matematik ve Türkçe dersleri için çok daha ciddi boyutlardadır. Ortaokul öğrencileri arasında öğrencilerin akademik başarılarını etkileyen ailevi, demografik, okul kaynaklı pek çok etmen bulunmaktadır. Ancak bugüne kadar hangi etmenlerin öncelikli, direkt olarak başarıyı etkilediği net olarak ortaya konulmamıştır. Bu çalışmada, belirlenen ölçütlere göre hazırlanan 24 soruluk bir anket ortaöğretim 6, 7 ve 8. sınıf öğrencilerine uygulanmıştır. Anket sonuçlarından elde edilen veri üzerinde Türkçe, Matematik dersleri ve dönem sonu genel başarı ortalamalarının regresyon / çok sınıflı makine öğrenmesi modelleri oluşturularak puan ve notları tahmin edilmiştir. Elde edilen deneysel sonuçlara göre, makine öğrenmesi yöntemleri ile öğrenci not tahmini başarılı bir şekilde gerçekleştirilmiştir.

Anahtar Kelime:

Konular: Bilgisayar Bilimleri, Yazılım Mühendisliği Eğitim, Eğitim Araştırmaları Bilgisayar Bilimleri, Yapay Zeka

Predicting Academic Achievement with Machine Learning Methods

Öz:

In spite of the projects and physical investments implemented in the field of education in our country in recent years, the successes of the students in the national and international examinations has not increased at the required level.Particularly, this failure situation is much more serious for Turkish and Mathematics lessons. There are many family, demographic, schoolbased factors that affect the academic achievement of students among middle school students. However, until now, it has not been clearly stated which factors have priority, directly influence success. In this study, a questionnaire of 24 questions prepared according to the determined criteria was applied to 6th, 7th and 8th grade students of secondary school. The scores and grades of Turkish, Mathematics lessons and the overall success averages were estimated by using regression / classification machine learning models on the data obtained from the survey results. According to the experimental results obtained, the prediction of the student's grades has been successfully implemented with machine learning methods.

Anahtar Kelime:

Konular: Bilgisayar Bilimleri, Yazılım Mühendisliği Eğitim, Eğitim Araştırmaları Bilgisayar Bilimleri, Yapay Zeka

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

[1] "Eğitim", "Güncel Türkçe Sözlük", Türk Dil Kurumu. Erişim: 18 Nisan 2007.
[2] OECD, "PISA 2015 in Focus", 2016, https://www.oecd.org/pisa/pisa-2015-results-in-focus.pdf, Erişim: 18 Nisan 2007.
[3] Ertürk, S., "Eğitimde Program Geliştirme", Meteksan, Ankara, 1979.
[4] Breiman, L., "Random Forests", Machine Learning, Cilt 45, No 1, 5-32, 2001.
[5] Şengür, D., "Öğrencilerin Akademik Başarılarının Veri Madenciliği Metotları ile Tahmini", Fırat Üniversitesi, Eğitim Bilimleri Enstitüsü, Doktora Tezi, 2013.
[6] Hakyemez, T.C., "İlk Yıl Öğrencilerinin Akademik Performansına Etki Eden Faktörlerin Araştırılması ve Bu Faktörlere Bağlı Olarak Başarılarının Tahminine Yönelik Bir Karar Destek Sistemi Tasarım", Sakarya Üniversitesi, Sosyal Bilimler Enstitüsü, Doktor Tezi, 2015.
[7] Özdemir Ş., "Eğitimde Veri Madenciliği ve Öğrenci Akademik Başarı Öngörüsüne İlişkin Bir Uygulama", İstanbul Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, 2016.
[8] Pardos, Z. A., Heffernan, N.T., Anderson, B., Heffernan, C.L., Schools, W.P., "Using Fine-grained Skill Models To Fit Student Performance with Bayesian Networks", Handbook of Educational Data Mining, 417, 2010.
[9] Cortez, P., Silva, A.M.G., "Using Data Mining To Predict Secondary School Student Performance", Proceddings of 5th Annual Future Business Technology Conference, Porto, 5-12, 2008.
[10] Hall, M., Frank, E., Holmes, G., Pfahringer, B., Reutemann, P., Witten, I.H., "The WEKA Data Mining Software: An Update". ACM SIGKDD Explorations Newsletter, Cilt 11, No 1, 10-18, 2009.
[11] Kutner, M. H., Nachtsheim, C. J., Neter, J., Li, W., "Applied Linear Statistical Models", Cilt 103. McGraw-Hill Irwin, New York, 2005.
[12] Gök, M, Atuntaş, V., "Regresyon Analizi", (Ed. Akçetin E, Çelik, U, Gök, M.) "Rapidminer ile Veri Madenciliği", 85-86, Pusula yayıncılık, Ankara, 2017.
[13] Feng, P. M., Ding, H., Chen, W., & Lin, H.,"Naive Bayes Classifier with Feature Selection To Identify Phage Virion Proteins", Computational and Mathematical Methods in Medicine, 2013.
[14] Alpaydin, E., "Introduction to Machine Learning", 210-212, The MIT Press, Londra, 2004.
[15] Dong, L., Frank, E., Kramer, S., "Ensembles of balanced nested dichotomies for multi-class problems", Proceeding of European Conference on Principles of Data Mining and Knowledge Discovery, 84-95, Springer Berlin Heidelberg, 2005.
[16] Uysal, İ., Güvenir, H.A., "Instance-based regression by partitioning feature projections", Applied Intelligence, Cilt 21, No 1, 57-79, 2004.
[17] Hall, M.A., "Correlation-based Feature Subset Selection for Machine Learning", Hamilton, New Zealand, 1998.

APA	Gök M (2017). Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. , 139 - 148.
Chicago	Gök Murat Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. (2017): 139 - 148.
MLA	Gök Murat Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. , 2017, ss.139 - 148.
AMA	Gök M Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. . 2017; 139 - 148.
Vancouver	Gök M Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. . 2017; 139 - 148.
IEEE	Gök M "Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi." , ss.139 - 148, 2017.
ISNAD	Gök, Murat. "Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi". (2017), 139-148.

APA	Gök M (2017). Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 5(3), 139 - 148.
Chicago	Gök Murat Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji 5, no.3 (2017): 139 - 148.
MLA	Gök Murat Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, vol.5, no.3, 2017, ss.139 - 148.
AMA	Gök M Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji. 2017; 5(3): 139 - 148.
Vancouver	Gök M Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi. Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji. 2017; 5(3): 139 - 148.
IEEE	Gök M "Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi." Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji, 5, ss.139 - 148, 2017.
ISNAD	Gök, Murat. "Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi". Gazi Üniversitesi Fen Bilimleri Dergisi Part C: Tasarım ve Teknoloji 5/3 (2017), 139-148.