Öğrenci başarısının yapay sinir ağları ile kestirilmesi: Anadolu Üniversitesi Açıköğretim Sistemi örneği
Predicting achievement with artificial neural networks: The case of Anadolu University Open Education system
- Tez No: 432452
- Danışmanlar: YRD. DOÇ. DR. MUHAMMET RECEP OKUR
- Tez Türü: Yüksek Lisans
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Öğrenci Başarısının Kestirimi, Açık ve Uzaktan Öğrenme, Yapay Sinir Ağları, Prediction of Student Achievement, Open and Distance Learning, Artificial Neural Networks
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Anadolu Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Uzaktan Eğitim Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 98
Özet
Bu çalışmada, Anadolu Üniversitesi Açıköğretim Sistemi (AÖS) kapsamında, 2014 - 2015 ve 2015 - 2016 öğretim yıllarında Temel Bilgi Teknolojileri – 1 (BIL101U) dersine kayıtlı olan öğrencilerin dönem sonu sınavı puanları ve dersten geçme – kalma durumlarının Yapay Sinir Ağları (YSA) ile kestirilmesi amaçlanmaktadır. Bu amaç doğrultusunda ilişkisel araştırma modeli benimsenmiştir. Araştırmada 626.478 öğrencinin demografik bilgileri, öğrenim geçmişlerine ait bilgiler; BIL101U dersi ara sınav, dönem sonu sınavı ve başarı notlarına ait veriler bir araya getirilerek veri temizleme işlemleri gerçekleştirilmiştir. Bu işlem sonrasında elde edilen 195.584 öğrencinin verileri Çok Katmanlı Algılayıcı (ÇKA) ve Radyal Tabanlı Fonksiyon (RTF) YSA modelleri ile analiz edilmiştir. Çeşitli YSA ağ parametrelerinin kombinasyonu ile elde edilen on altı farklı ağ, hem öğrencilerin dönem sonu sınavı puanlarının hem de geçme - kalma durumlarının kestirimi için kullanılmıştır. Yapılan analizler sonucu, ÇKA ile kurulan ağların RTF'lere göre daha isabetli kestirim yaptığı görülmüştür. Öğrencilerin dönem sonu sınavı puanlarının kestiriminde; gerçek puanlarla kestirilen puanlar arasındaki korelasyonun düşük olduğu tespit edilmiştir. Öğrencilerin dersten geçme – kalma durumlarının kestirilmeye çalışıldığı analizlerde de ÇKA ile kurulan ağlar daha isabetli sonuçlara ulaşılmasını sağlamıştır. Dersten geçme – kalma ve dönem sonu puanlarının kestirilmesi analizlerinde, hatalı kestirim oranının %4 ile %7.5 arasında değiştiği görülmüştür. Ayrıca öğrencilerin ara sınav puanları, üniversiteye giriş sınavı (ÖSYS) puanları ve ortaöğretim mezuniyet yılı değişkenlerinin dönem sonu sınavı puanını ve dersten geçme – kalma durumunu açıklamada en yüksek düzeyde öneme sahip oldukları tespit edilmiştir. Bu çalışma ile Açık ve Uzaktan Öğrenme hizmeti veren kurumlarda YSA kullanılarak öğrencilerin dersten geçme – kalma durumlarının ve dönem sonu sınavı puanlarının önceden kestirilebileceği görülmektedir.
Özet (Çeviri)
This study aims to predict the final exam scores and pass/fail rates of the students taking the Basic Information Technologies – 1 (BIL101U) course in 2014-2015 and 2015- 2016 academic years in the Open Education System (OES) of Anadolu University, through Artificial Neural Networks (ANN). In accordance with this aim, correlational research model was adopted. In this research, data about the demographic characteristics, educational background, BIL101U course mid-term, final and success scores of 626.478 students was collected and purged. Data of 195.584 students, obtained after this process was analysed through Multilayer Perception (MLP) and Radial Basis Function (RBF) models. Sixteen different networks attained through the combination of ANN network parameters were used to predict the final exam scores and pass/fail rates of the students. As a result of the analyses, it was found out that networks established through MLPs make more exact predictions. In the prediction of the final exam scores, it was determined that there is a low level of correlation between the real scores and predicted scores. In the analyses for the prediction of pass/fail rates of the students, networks established through MLPs ensured more exact prediction results. Moreover, it was determined that the variables as mid-term exam scores, university entrance scores (OSYS) and secondary school graduation year were of highest significance in explaining the final exam scores and pass/fail rates of the students. In this study, it was found out that in the institutions serving for Open and Distance Learning, pass/fail state of the students can be predicted through ANN.
Benzer Tezler
- Öğrenci akademik performansının kestirilmesine ilişkin bir model önerisi: Veri madenciliğine dayalı bir çalışma
Model proposal related to predicting student academic performance: A study based on data mining
MURAT ALTUN
Doktora
Türkçe
2019
Eğitim ve ÖğretimAkdeniz ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. KEMAL KAYIKÇI
- İlköğretim ve Ortaöğretim Kurumları Bursluluk Sınavı (İOKBS) başarısının yapay sinir ağları ile yordanması
Prediction of Primary and Secondary Education Institutions Scholarship Examination success with artificial neural networks
RUMEYSA DEMİR
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimKütahya Dumlupınar ÜniversitesiTemel Eğitim Ana Bilim Dalı
PROF. DR. METİN DEMİR
- 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
TERCAN TEPEHAN
Doktora
Türkçe
2011
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. SELAHATTİN GELBAL
- PISA 2022 öğrenci anket verileri ile okuma başarısı ve matematik başarısının tahmin edilmesi
Predicting reading achievement and mathematics achievement with PISA 2022 student survey data
SEHER YILMAZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBartın ÜniversitesiBilişim Sistemleri ve Teknolojileri Ana Bilim Dalı
PROF. DR. FATMA GİZEM KARAOĞLAN YILMAZ
- Derin öğrenme algoritmaları kullanarak öğrenci akademik performansının erken tahmini
Early prediction of student academic performance using deep learning algorithms
AHMET KALA
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN TORKUL
DR. ÖĞR. ÜYESİ TUĞBA YILDIZ