Geri Dön

Veri madenciliği ile mühendislik fakültesi öğrencilerinin okul başarılarının analizi

Investigation of student success at faculty of engineering by using data mining

  1. Tez No: 329613
  2. Yazar: AHMET SAYGILI
  3. Danışmanlar: YRD. DOÇ. DR. SONGÜL ALBAYRAK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Eğitim ve Öğretim, Computer Engineering and Computer Science and Control, Education and Training
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BEKİR SIDDIK GÜR

  2. 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

    İngilizce

    2005

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    Y.DOÇ.DR. MEHMET MUTLU YENİSEY

  3. Makine öğrenmesi yöntemleri ile öğrenci mezuniyet notu tahmini

    Prediction of student graduation grade with machine learning methods

    SARP CİVELEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBolu Abant İzzet Baysal Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT BEKEN

  4. Veritabanları üzerinde veri madenciliği uygulaması

    Data mining application on databases

    HÜSEYİN GÜRÜLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Üniversitesi

    İstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı

    DR. MEHMET KARAHASAN

  5. Veri madenciliği uygulamaları için yeni bir arayüz tasarımı

    A new interface design for data mining applications

    YUSUF ÇELİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. MURAT KARABATAK