Öğrenci Başarısını Kestirmede Makine Öğrenme Algoritmalarına Dayalı Yeni Bir Sınıflandırma Modeli
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Akdeniz Üniversitesi, Eğitim Fakültesi, Eğitim Bilimleri Bölümü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: Şerafettin Kuzucuk
Danışman: Bilal Bariş Alkan
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Günümüzde büyük veri yığınlarından önemli bilgilerin ortaya çıkarılması için kullanılan veriden öğrenme temelli makine öğrenme algoritmalarının kullanımı artmaktadır. Makine öğrenme algoritmalarının kullanıldığı en önemli alanlardan birisi de eğitimdir. Modern eğitim sistemi anlayışına sahip olan ülkeler, eğitim alanında elde edilen verilerden yola çıkarak geleceğe yönelik planlamalar yaparken süreç içerisinde yer alan eksiklikleri de belirlemektedir. Bu çalışmada, öncelikle öğrencilerin sınav başarısını etkileyen değişkenler üzerine bir araştırma yapılmıştır. Öğrenci başarısına etki eden değişkenler belirlendikten sonra, bu değişkenler üzerinden bir madde havuzu oluşturulmuştur. Oluşturulan bu madde havuzu uzman görüşü ve ön uygulamaların ardından son halini alarak 84 maddeye düşürülmüştür. Antalya merkez ilçelerinde yer alan okullardan Liselere Giriş Sınav (LGS) puanı ile öğrenci alan okullara kayıtlı olan öğrenciler başarılı, sadece not ortalamasıyla kayıt olunan okullara devam eden öğrenciler başarısız olarak adlandırılmıştır. Toplamda 363 başarısız, 250 başarılı öğrenci olmak üzere 613 öğrenciden COVİD-19 nedeniyle çevrimiçi anket yoluyla veriler toplanmıştır. Toplanan verilerle analiz kısmına geçilmiştir. Öncelikle maddelerden önem derecesi yüksek olan maddeler belirlenmiş, en yüksek önem derecesine sahip 30 maddeye verilen cevaplar üzerinden araştırmaya devam edilmiştir. "Öğrenciye ait kitap sayısı", "öğrencinin sosyo-ekonomik durumu", "ailenin okul etkinliklerine katılımı" gibi maddelerin öğrenci başarısında yüksek önem derecesine sahip olduğu görülmüştür. Çalışma kapsamında elde edilen veriler kategorik veriler olduğu için literatürde yapılan çalışmalar incelendiğinde, genelde kategorik verilerle daha iyi çalıştığı görülen C5.0, CART, DVM ve Rastgele Ormanlar algoritmaları verilerin analizinde kullanılmıştır. Veri seti eğitim (%80) ve test (%20) seti olmak üzere ikiye ayrılmıştır. Analizin hatalardan arınma oranını artırmak için tüm algoritmalar için çapraz doğrulama uygulanmıştır. Elde edilen model değerlendirme ölçütlerine göre Rastgele Ormanlar Algoritmasının en başarılı tahmini yapan algoritma olduğu görülmüştür. Rastgele ormanlar algoritması üzerinden sınıflandırıcı modeli için model katsayılarının tahminleri belirlenmiştir. Bu yeni sınıflandırıcı modeli üzerinden, sürece sonradan dahil olacak olan öğrenci için başarı durumunu sınıflandırması yapılacaktır. Elde edilen bu yeni sınıflandırıcı modelinin kullanımı sadece LGS sınavına hazırlanan öğrencilerin nitelikli bir okula yerleşip yerleşmemesi değil, aynı zamanda eğitim dönemi içerisinde öğrencilerin eksikliklerinin erken dönemde tespit edilerek bu eksikliklerin giderilebileceği ve başarı anlamında olumlu yönde katkı sağlanacağı düşünülmektedir.