Geri Dön

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

  1. Tez No: 432452
  2. Yazar: HİLAL SEDA YILDIZ AYBEK
  3. Danışmanlar: YRD. DOÇ. DR. MUHAMMET RECEP OKUR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Eğitim ve Öğretim, Education and Training
  6. Anahtar Kelimeler: Öğrenci Başarısının Kestirimi, Açık ve Uzaktan Öğrenme, Yapay Sinir Ağları, Prediction of Student Achievement, Open and Distance Learning, Artificial Neural Networks
  7. Yıl: 2016
  8. Dil: Türkçe
  9. Üniversite: Anadolu Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Uzaktan Eğitim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    Türkçe

    2019

    Eğitim ve ÖğretimAkdeniz Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    DOÇ. DR. KEMAL KAYIKÇI

  2. 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

    Türkçe

    2011

    Eğitim ve ÖğretimHacettepe Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. SELAHATTİN GELBAL

  3. 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

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBartın Üniversitesi

    Bilişim Sistemleri ve Teknolojileri Ana Bilim Dalı

    PROF. DR. FATMA GİZEM KARAOĞLAN YILMAZ

  4. Fen bilgisi öğretmen adaylarının enerji konusuna ilişkin temellendirilmiş zihinsel modellerinin tespiti ve derin sinir ağları ile sınıflandırılması

    The determination of pre-service science teachers' grounded mental models on energy and classification with deep neural networks

    ÖMER VOLKAN YAZ

    Doktora

    Türkçe

    Türkçe

    2022

    Eğitim ve ÖğretimKastamonu Üniversitesi

    Matematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı

    PROF. DR. MEHMET ALTAN KURNAZ

  5. Yapay zeka yöntemleri ile uzaktan eğitimdeki sorunların tespiti ve öğrencilerin akademik performanslarının tahmin edilmesi

    Detecting the problems in distance education and predicting the academic performance of students by using artificial intelligence methods

    HALİT IRMAK

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. ZÜMRÜT ECEVİT SATI