Veri madenciliği ile mühendislik fakültesi öğrencilerinin okul başarılarının analizi
Investigation of student success at faculty of engineering by using data mining
- Tez No: 329613
- Danışmanlar: YRD. DOÇ. DR. SONGÜL ALBAYRAK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Eğitim ve Öğretim, Computer Engineering and Computer Science and Control, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 129
Özet
Kümeleme analizi, veri setindeki nesneler arasındaki benzer özellikleri veya farklı özellikleri kullanarak, aynı küme içerisinde homojen, farklı kümeler arasında ise heterojen gruplar oluşturmayı amaçlamaktadır. Başka bir deyişle bir kümeyi oluşturan nesneler birbirine ne kadar benzerse ve farklı kümeler birbirinden ne kadar ayrık ise kümeleme işlemi o ölçüde başarılı olmuştur. Bu tez çalışmasında veri madenciliği yöntemleri kullanılarak öğrenci analizi işlemleri gerçekleştirilmiştir. Bu analiz işleminde mühendislik fakültesi öğrencilerinin demografik bilgileri, ÖSYS puanları ve yerleşme sıraları ile kazandıkları bölümdeki ağırlıklı başarı not ortalamaları sistemin giriş verisi olarak kullanılmıştır. Öğrencilerin gelmiş oldukları bölgelere ve okul türlerine göre de bir kümeleme işlemi gerçekleştirilmiştir. Bunun yanında öğrencilerin belli bir bölümüne anket yapılmıştır. Bu anketler sayesinde de öğrencilerin aile bilgilerinin başarısını nasıl etkilediği incelenmiştir. Kümeleme yöntemleri, bulanık kümeleme ve katı kümeleme olmak üzere iki ana başlık altında karşılaştırmalı olarak ele alınmıştır. Bu bağlamda bulanık kümeleme yöntemlerinden Bulanık C-Ortalamalar, Gustafson-Kessel ve Gath-Geva algoritmaları ile katı kümeleme yöntemlerinden k-ortalamalar ve k-medoids algoritmaları ayrıntılı olarak açıklanmış ve veri seti üzerinde uygulanarak başarıları üzerine bir değerlendirme yapılmıştır. Başarı durumlarının tespitinde küme geçerliliği (cluster validity) yöntemleri ve Box-Plot analizi kullanılmıştır.
Özet (Çeviri)
Cluster analysis, using the different characteristics or similar properties of objects in the data set, aims at creating in the same cluster homogeneous and between different clusters heterogeneous groups. In other words, the objects that make up a cluster that is so similar to each other and discrete clusters in the clustering process, and different from each other as much as it has been so successful. In this thesis, using the methods of data mining operations carried out analysis of the student. This is the process of analyzing students' demographic data, and settlement in University Entrance Exam scores success percentages weighted grade point average information gained will be used. A clustering process was carried out according to school types and students regions. In addition, a particular section of the students were surveyed. Through these surveys examined how it affects the success of the students' family information. Clustering methods, fuzzy clustering and hard clustering to be discussed under two main headings in comparison. In this context fuzzy clustering methods, fuzzy C-means, Gustafson-Kessel, and Gath-Geva algorithms and hard clustering methods, k-means and k-medoids algorithms are explained in detail, and an assessment of the achievements made by applying on data set. Cluster validity and Box-Plot analysis methods were used in determining the success status.
Benzer Tezler
- Veri madenciliği yöntemleri ile mühendislik fakültesi uzaktan eğitim bölümlerinin analizi: Karabük Üniversitesi örneği
An analysis of distance education programs of engineering faculty by data mining methods: Karabuk University sample
ABDULKADİR TAŞDELEN
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BEKİR SIDDIK GÜR
- Defining critical factors affecting student success: A data mining approach
Öğrenci başarısını etkileyen kritik faktörlerin belirlenmesi: Bir veri madenciliği yaklaşımı
İNCİ BÖLÜKBAŞI
Yüksek Lisans
İngilizce
2005
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. MEHMET MUTLU YENİSEY
- Makine öğrenmesi yöntemleri ile öğrenci mezuniyet notu tahmini
Prediction of student graduation grade with machine learning methods
SARP CİVELEK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBolu Abant İzzet Baysal ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT BEKEN
- Veritabanları üzerinde veri madenciliği uygulaması
Data mining application on databases
HÜSEYİN GÜRÜLER
Yüksek Lisans
Türkçe
2005
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Üniversitesiİstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı
DR. MEHMET KARAHASAN
- Veri madenciliği uygulamaları için yeni bir arayüz tasarımı
A new interface design for data mining applications
YUSUF ÇELİK
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MURAT KARABATAK