Ortaöğretim başarısını etkileyen faktörlerin karar ağacı ile sınıflandırılması
Determination of the factors affecting the success of secondary education by decision tree
- Tez No: 473120
- Danışmanlar: DOÇ. DR. MUSTAFA ŞAHİN
- Tez Türü: Yüksek Lisans
- Konular: Ziraat, Agriculture
- Anahtar Kelimeler: Eğitim, Ortaokul, Veri Madenciliği, Karar Ağacı, Education, Data Mining, Decision Tree
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın amacı ortaokul eğitim başarısını etkileyen faktörlerin karar ağacı yöntemi ile sınıflandırılmasıdır. Bu amaçla Kahramanmaraş Dulkadiroğlu ilçesine bağlı bulunan 44 ortaokuldan alınan veriler kullanılarak çalışmalar yapılmaktadır. Araştırmada kullanılacak olan değişkenler eğitim kurumlarında görev yapan öğretmenler ile görüşülerek belirlenmektedir. Araştırmada bağımlı değişken öğrenci başarısı (ÖB) ve bağımsız değişkenler ise; öğrencilerin kitap okuma alışkanlığı (KOA), sayısal yetenek becerisi (SYB), odaya sahip olması (OS), kardeş sayısı (KS), hastalık durumu (HD), baba iş durumu (BİD), anne iş durumu (AİD), yaşadığı konum (YK), bilgisayar bağımlılığı (BB), televizyon bağımlılığı (TB), baba eğitim durumu (BED), anne eğitim durumu (AED), okul öncesi eğitim durumu (OÖED), ailesi ile birliktelik durumu (AB) olarak belirlenmektedir. Karar ağaçlarında sınıflandırma yapmak için birçok algoritma geliştirilmektedir. Geliştirilen algoritmalar ile analizler yapılarak en iyi sınıflandırmayı sağlayan algoritma yapısıyla ağaç modellemesi oluşturulmaktadır. Karar ağaçlarında kullanılan CHAID, C5.0, C&R TREE ve QUEST algoritmaları uygulanarak ve elde edilen analiz sonuçlarına bakılarak en uygun sınıflandırıcı algoritma tespit edilmektedir. Söz konusu bu algoritmalara göre oluşturulan analiz sonuçları karşılaştırıldığında %90.23 ile en iyi performansı C5.0 karar ağacı algoritması sağlamıştır. Bu algoritma yapısının oluşturduğu ağaç modellemesine göre sınıflandırıcı kurallar belirlenmektedir. Elde edilen karar kurallarına göre öğrenci başarısını en fazla etkileyen bağımsız değişken anne iş (AİD) değişkenidir. Oluşturulan kurallarda, C5.0 algoritması ile elde edilen ağaç yapısında % 50 ve üzeri başarılı olan öğrenciler yer almaktadır. Çalışma sonunda 24 tane sınıflandırıcı kural elde edilmektedir.
Özet (Çeviri)
The aim of this study is to classify the factors affecting the success of secondary education by decision tree analysis. In accordance with this purpose, studies were carried out through the data obtained from 44 secondary schools in Dulkadiroğlu, Kahramanmaraş. In this study, dependent variable is student success (SS) and independent variables affecting the dependent variable are reading habit (RH), numerical ability (NA), having a room (HR), sibling number (SN), health condition (HC), father job status (FJS), mother job status (MJS), the location he/she lives (LL), computer addiction (CA), television addiction (TA), father educational status (FES), mother educational status (MES), preschool education status (PES) and status of living with his/her own family (FL). A number of algorithms were developed in order to classify in decision trees. The best algorithms were determined to be used in these developed algorithms and by doing analyzes with these algorithms, the algorithm allowing the best classifying and tree modelling were formed. The most appropriate classificator algorithm was determined by practising CHAID, C5.0, C&R TREE and QUEST algorithms and looking at the analysis results. Among these classsificators, C5.0 decision tree algorithm provided the best performance. Classificator rulers were determined according to tree modelling this algorithm structure formed. According to the decision rules obtained, the independent variable that affects the student's success is the mother work (MW) variable. In the generated rules, the tree structure obtained with the C5.0 algorithm is 50% and the students who are successful are found. At the end of the study, 24 classifier rules are obtained.
Benzer Tezler
- Öğrencilerin akademik başarısının değerlendirmesinde makine öğrenme algoritmalarının kullanılması
Prediction of secondary school students' success with machine learning
DERYA ÇINAR
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SEVCAN YILMAZ GÜNDÜZ
- İngilizce hazırlık sınıflarında güç paylaşım düzeyi ile öğrencilerin İngilizce özyeterlik algıları arasındaki ilişkinin incelenmesi
Examining the relationship between power-sharing in a higher education classroom and the self-efficiency belief of students towards English
BURCU KARAFİL
Yüksek Lisans
Türkçe
2015
Eğitim ve ÖğretimEskişehir Osmangazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. ASIM ARI
- Makine öğrenmesi algoritmaları ile LGS başarısı tahmin modelleri kurulması
Establishing LGS success prediction models with machine learning algorithms
BİLGE SERDARER KUZU
Doktora
Türkçe
2023
Eğitim ve ÖğretimMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. SELAY GİRAY YAKUT
- Invitational leadership practices at a school of foreign languages from a gendered perspective: A case study
Bir yabancı diller yüksek okulundaki katılımcı liderlik uygulamalarının toplumsal cinsiyet çerçevesinde incelenmesi: Bir durum çalışması
ZÜBEYDE DURNA
Yüksek Lisans
İngilizce
2018
Eğitim ve ÖğretimOrta Doğu Teknik ÜniversitesiKadın Çalışmaları Ana Bilim Dalı (disiplinlerarası)
PROF. DR. GÖLGE SEFEROĞLU
- Kimya öğretmen adaylarının akademik başarılarına öğrenme stili tercihleri, öz kontrollü öğrenme ve motivasyon faktörlerinin etkisi
The effect of learning style preferences, self-regulated learning and motivation factors on pre-service chemistry teachers? academic achievement
EVRİM URAL ALŞAN
Doktora
Türkçe
2009
Eğitim ve ÖğretimHacettepe ÜniversitesiOrtaöğretim Fen ve Matematik Alanlar Eğitimi Ana Bilim Dalı
PROF. DR. İNCİ MORGİL