Geri Dön

Veri madenciliği teknikleri ile üstün yetenekli öğrencilerin ilgi alanlarının analizi

Analysis of gifted students' interest areas using data mining techniques

  1. Tez No: 362466
  2. Yazar: ÖZGÜN ÇÖLLÜOĞLU GÜLEN
  3. Danışmanlar: DOÇ. DR. SELÇUK ÖZDEMİR
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2014
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Bilişim Enstitüsü
  11. Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 175

Özet

Bu çalışmanın amacı eğitimsel veri madenciliği yöntemlerinden sınıflandırma analizi ile üstün yetenekli öğrencilerin ilgi alanlarını tahmin etmek ve birliktelik analizi ile bu öğrencilerin sıklıkla bir arada ilgi duydukları alanları belirlemektir. Araştırmanın çalışma grubunu Ankara'da yer alan Yasemin Karakaya Bilim ve Sanat Merkezi'nde öğrenim gören yaşları 12 ve daha büyük üstün yetenekli öğrenciler oluşturmaktadır. Bu öğrencilerden veriler Akademik Benlik Kavramı Ölçeği, araştırmacı tarafından geliştirilmiş olan Boş Zamanları Değerlendirme Anketi ve Ebeveyn Veri Toplama Formu ile toplanmıştır. Ayrıca öğrencilerin WISC-R testi ve Temel Kabiliyetler Testi 7-11 sonuçları da araştırma kapsamında kullanılmıştır. Birliktelik ve sınıflandırma analizleri, Waikato Environment for Knowledge Analysis veri madenciliği yazılımı kullanılarak yapılmıştır. Üstün yetenekli öğrencilerin ilgi alanlarını tahmin etmek için 10 sınıflandırma algoritması seçilmiş ve bu algoritmaların çıktıları karşılaştırılarak problem tanımı için en uygun olan algoritma JRip olarak belirlenmiştir. JRip algoritmasının ilgi alanını tahmin etmedeki %85,8 doğruluğu, oluşturulan eğitimsel veri madenciliği sınıflandırma modelinin başarılı bir model olduğunu göstermektedir. Seçilen sınıflandırma algoritmasının çıktılarından yararlanarak ilgi alanları üzerinde etkili olan nitelikler ortaya çıkarılmıştır. Tez kapsamında ayrıca eğitimcilerin kullanabilmesi amacıyla, ilgi alanı bilinmeyen üstün yetenekli öğrencilerin ilgi alanlarını saptamayabilmek için web tabanlı ilgi alanı analiz sistemi geliştirilmiştir. Üstün yetenekli öğrencilerin sıklıkla bir arada ilgi duydukları alanlar ise Apriori birliktelik algoritması ile tespit edilmiştir. Çalışmada elde edilen eğitimsel veri madenciliği bulguları Bilim ve Sanat Merkezlerinde üstün yetenekli eğitiminin bireysel ihtiyaçlara göre farklılaştırılması ve ders programlarının daha etkin düzenlenmesi gibi konularda pek çok fayda sağlayacaktır. Öğrencilerin sıklıkla birlikte ilgi duydukları alanlara ilişkin dersler aynı saatlerde yapılmaz ise öğrenciler tüm ilgi alanlarına ait derslere katılma imkânı bulurlar. İlgili tezde geliştirilen model ve ilgi alanı analiz sistemi, Üstün Yetenekli Bireyler Strateji ve Uygulama Planı 2013-2017'de yer alan üstün yetenekli eğitiminde tek tip uygulamalar yerine bireylerin ilgilerine göre farklılaştırılmış programların uygulanması hedefinin gerçekleştirilmesi için sistematik ve bilimsel bir yöntem sunmaktadır.

Özet (Çeviri)

The purpose of this study is to predict interest areas of gifted students and discover relationships between these areas by using educational data mining methods. The sample of the research included gifted students who are studying in Yasemin Karakaya Science and Art Center and 12 years old or older. Data are collected from Academic Self Concept Scale outputs, Spare Time Activities Survey answers, Parental Information Retrieval Form answers, and Basic Capabilities Test 7-11 and WISC-R results of students. To predict interest areas of gifted students, classification analyses are performed and to identify relationships between these areas, association analysis is executed. For classification and association analyses, Waikato Environment for Knowledge Analysis data mining software is used. 10 classification algorithms are selected to predict interest areas of gifted students. Outputs of these algorithms are compared and JRip is selected as the most suitable algorithm for discussed problem in this study. The 85,8% accuracy rate of JRip algorithm for predicting interest areas of gifted students shows that the model constructed by JRip rules is proven to be successful. By making use of JRip classification algorithm outputs, attributes which are effective on interest areas of gifted students are explored. Also in this study, web based interest area analysis system is developed for educators. By using this software, they can identify interest areas of gifted students whose interest areas are not known. Area pairs in which gifted students are frequently interested together are detected by running Apriori association algorithm. Results obtained from this study will provide many benefits to science and art centers such as giving differentiated instruction by meeting individual needs, organizing course programs more effectively. If students are known to be frequently interested together in some areas and timetables of lectures related to these areas do not conflict, gifted students will have the possibility of attending lectures belonging to all their interest areas. Classification model and interest area analysis system developed in this study provide systematic method, which helps to reach“in gifted education, instead of uniform practices, application of differentiated program by taking into account of individuals' interest areas”goal stated in Gifted Individuals Strategy and Application Plan 2013-2017.

Benzer Tezler

  1. Prediction of COVID 19 disease using chest X-ray images based on deep learning

    Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini

    ISMAEL ABDULLAH MOHAMMED AL-RAWE

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ADEM TEKEREK

  2. Sac malzeme satın alma süreçlerinde veri madenciliği ve makine öğrenmesi uygulamaları

    Machine learning and data mining applications in steel material purchasing processes

    SERAY MİRASÇI

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiBursa Uludağ Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. ASLI AKSOY

  3. Metasezgisel algoritmalara dayalı öznitelik seçimi yöntemleriyle arapça metinlerin sınıflandırılması

    Development of metaheuristic algorithms and classification method of arabic texts

    SHAMIL JASIM HAMMADI AL-MOHAMMEDI

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolErciyes Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FEHİM KÖYLÜ

  4. Veri ve metin madenciliği ile hava yolu işletmelerinin sosyal medya yorum ve skorlarının değerlendirilmesi

    Evaluation on social media comments and scores of airline companies by using data and text mining

    İBRAHİM BUDAK

    Doktora

    Türkçe

    Türkçe

    2021

    İşletmePamukkale Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. ARZU ORGAN

  5. Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi

    Analysis of container port operations using machine learning methods

    ÜSTÜN ATAK

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. TOLGA KAYA