Türk öğrencilerinin PISA başarılarının yordanmasında yapay sinir ağı ve lojistik regresyon modeli performanslarının karşılaştırılması
Performance comparison of artificial neural network and logistic regression model in predicting Turkish students? PISA success
- Tez No: 308559
- Danışmanlar: PROF. DR. SELAHATTİN GELBAL
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Eğitimde Ölçme ve Değerlendirme Bilim Dalı
- Sayfa Sayısı: 155
Özet
Bu araştırma kapsamında; öğrenci başarısının yordanması amacıyla oluşturulan yapay sinir ağının (Çok Katmanlı Algılayıcı Modeli) performansı ile aynı amaçla oluşturulan lojistik regresyon modelinin performansı, ?doğru sınıflandırma oranları?ndan faydalanılarak karşılaştırılmıştır. Karşılaştırma sırasında PISA-2003'e katılan 4855, PISA-2006'ya katılan 4942 ve PISA-2009'a katılan 4996 Türk öğrencinin test ve anket sonuçlarından yararlanılmıştır.Birinci alt probleme ilişkin yapılan analizlerde; ?Matematik Başarısı?nın yordanması amacıyla oluşturulan yapay sinir ağının performansı ile lojistik regresyon modelinin performansı karşılaştırılmıştır. Karşılaştırma sonucunda; yapay sinir ağının, öğrencilerin matematik başarısını %78,6'lık bir performansla, lojistik regresyon modelinin ise %76,8'lik bir performansla doğru tahmin ettiği görülmüştür. Ayrıca yapay sinir ağı, başarılı öğrencilerin %82,4'ünü, lojistik regresyon modeli ise %80,2'sini doğru sınıflandırmıştır. Bu kapsamda; matematik başarısı açısından yapay sinir ağının hem genel sınıflandırmada ve hem de başarılı öğrencilerin sınıflandırılmasında, lojistik regresyon modeline göre daha iyi sonuçlar verdiğini söylemek mümkündür.İkinci alt probleme ilişkin yapılan analizlerde; ?Fen Bilimleri Başarısı?nın yordanması amacıyla oluşturulan yapay sinir ağının performansı ile lojistik regresyon modelinin performansı karşılaştırılmıştır. Karşılaştırma sonucunda; yapay sinir ağının, öğrencilerin fen bilimleri başarısını %78,5'lik bir performansla, lojistik regresyon modelinin ise %78,1'lik bir performansla doğru tahmin ettiği görülmüştür. Bu kapsamda; öğrencilerin fen bilimleri başarısının yordanması amacıyla oluşturulan yapay sinir ağı ile lojistik regresyon modelinin birbirine yakın sonuçlar verdiğini söylemek mümkündür.Üçüncü alt probleme ilişkin yapılan analizlerde; ?Okuma Başarısı?nın yordanması amacıyla oluşturulan yapay sinir ağının performansı ile lojistik regresyon modelinin performansı karşılaştırılmıştır. Karşılaştırma sonucunda; yapay sinir ağının öğrencilerin okuma başarısını %79,4'lük bir performansla, lojistik regresyon modelinin ise %78,4'lük bir performansla doğru tahmin ettiği görülmüştür. Ayrıca yapay sinir ağı, başarısız öğrencilerin %76,3'ünü doğru sınıflandırırken, lojistik regresyon modeli başarısız öğrencilerin %72,5'ini doğru sınıflandırmıştır. Bu kapsamda; okuma başarısı açısından yapay sinir ağının, hem genel sınıflandırmada ve hem de başarısız öğrencilerin sınıflandırılmasında, lojistik regresyon modeline göre kısmen daha iyi sonuçlar verdiğini söylemek mümkündürAraştırma sonucunda öğrenci başarısının yordanmasında yapay sinir ağlarının, en az lojistik regresyon modeli kadar iyi sonuçlar verdiği anlaşılmıştır. Bu nedenle öğrenci başarısını etkileyen faktörlerin belirlenmesi ve öğrenci başarısının yordanması çalışmalarında yapay sinir ağlarının güvenilir bir şekilde kullanılabileceği düşünülmektedir.Bu araştırma kapsamında ?Yapay Sinir Ağları?nın eğitim literatürüne kazandırılmış olması, daha sonra yapılacak araştırmalara ışık tutması açısından önemli görülmektedir. Araştırmayla ortaya konan sonuçların, eğitim araştırmacıları tarafından yeterli ve kabul edilebilir bulunması halinde, bundan sonra yapılacak pek çok çalışmada yapay sinir ağlarının kullanılması vazgeçilmez olacaktır. Bu açıdan bakıldığında, yapılan çalışmanın eğitim literatürüne getirdiği yenilikler bakımından oldukça önemli olduğu söylenebilir.
Özet (Çeviri)
In scope of this study; the performance of an artificial neural network (Multilayer Perceptron Model) is compared with a logistic regression model, which were both designed to predict student success, by utilizing ?direct classification ratios?. For this purpose, test data and survey results of 4855, 4942, 4996 Turkish students who participated to PISA-2003, PISA-2006 and PISA-2009 respectively, are used.In analyses in relation to the first sub-problem; performances of the artificial neural network and the logistic regression model, which were designed to predict ?success in math?, are compared. In result of the comparison it has been observed that; the artificial neural network has predicted student success in math with an accuracy performance of 78,6%, and the logistic regression model with an accuracy performance of 76,8%. In addition, the artificial neural network has classified correctly 82,4 % of successful students, and the logistic regression model has classified correctly 80,2 % of successful students. In this scope, it is possible to say that the artificial neural network had better results both in general classification and in classification of successful students in comparison to the logistic regression model, with respect to success in math.In analyses in relation to the second sub-problem; performances of the artificial neural network and the logistic regression model, which were designed to predict ?success in science?, are compared. In result of the comparison it has been observed that; the artificial neural network has predicted student success in science with an accuracy performance of 78,5%, and the logistic regression model with an accuracy performance of 78,1%. In this scope, it is possible to say that both the artificial neural network and the logistic regression model had similar results.In analyses in relation to the third sub-problem; performances of the artificial neural network and the logistic regression model, which were designed to predict ?success in reading?, are compared. In result of the comparison it has been observed that; the artificial neural network has predicted student success in reading with an accuracy performance of 79,4%, and the logistic regression model with an accuracy performance of 78,4%. In addition, the artificial neural network has classified correctly 76,3 % of unsuccessful students, and the logistic regression model has classified correctly 72,5 % of unsuccessful students. In this scope, it is possible to say that the artificial neural network had better results both in general classification and in classification of unsuccessful students in comparison to the logistic regression model, with respect to success in reading.As a result, it has been observed that the artificial neural network has given results, at least, as good as the logistic regression model in predicting student success. Therefore artificial neural networks can safely be used in studies, to predict student success and to determine factors that effect student success.This study is considered to be an important contribution to the education literature in introduction of artificial neural networks and guiding the related future research. If the results of this study are considered to be adequate and acceptable by education researchers, the application of artificial neural networks in future studies will be indispensable. When regarded from this point, this study can be considered very important in introducing new methods to the education literature.
Benzer Tezler
- An analysis of the effectiveness of quality indicators in early childhood education on subsequent science competency on a cross-country and Turkish case basis
Okul öncesi eğitiminde kalite değişkenlerinin ileriki fen başarılarına olan etkisinin ülkeler arası ve Türkiye bazındaki değişkenler açısından incelenmesi
ELİF BULDU
Yüksek Lisans
İngilizce
2014
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiOkul Öncesi Eğitimi Ana Bilim Dalı
YRD. DOÇ. REFİKA OLGAN
- Ortaöğretim öğrencilerinin hayatlarındaki diller ile okuma başarıları arasındaki ilişki: PISA temelli bir YEM araştırması
The relationship between languages in secondary school students' lives and their reading achievements: A PISA-based SEM study
NUR İPEK TOPRAK AY
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimYıldız Teknik ÜniversitesiTürkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TALHA GÖKTENTÜRK
- Uluslararası Öğrenci Değerlendirme Programı (PISA)'na katılan Türk öğrencilerin 2003 ve 2006 yıllarındaki matematik ve fen bilimleri başarılarının incelenmesi
An investigation about mathematics and science achievement of Turkish students participating in Programme for International Student Assessment (PISA) in 2003 and 2006
NAGİHAN BOZTUNÇ
Yüksek Lisans
Türkçe
2010
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. SELAHATTİN GELBAL
- PISA 2022 Türkiye örnekleminde bilgi ve iletişim teknolojisi kaynakları kullanımının okuma performansını yordama durumunun veri madenciliği teknikleriyle incelenmesi
Examining the predictive status of information and communication technology resources use on reading performance in PISA 2022 Turkey sample with data mining techniques
BARIŞ ŞAYBAK
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimBursa Uludağ ÜniversitesiBilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
DOÇ. DR. SALİH BİRİŞÇİ