Akademik başarının modellenmesinde çizge madenciliği yaklaşımı
Graph mining approach for modeling academic success
- Tez No: 484547
- Danışmanlar: YRD. DOÇ. DR. BURCU YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Öğrencinin akademik başarısının tahmini, nedenlere ve süreçlere göre başarısının değişimi ve bu değişimin sonuçlarının incelenmesi farklı disiplinlerden birçok bilim dalını ilgilendiren genel bir araştırma konusudur. Bu konu da gerek bilgisayar bilimleri gerekse eğitim bilimleri alanlarında literatürde birçok çalışmaya rastlamak mümkündür. Bilgisayar bilimleri çerçevesinde literatürde mevcut bulunan çalışmaların birçoğunda akademik başarının modellenmesi konusunda öğrencilerin yalnızca demografik özellikleri veya yalnızca geçmiş akademik başarıları temel alınmıştır. Bu çalışmada getirilen yaklaşımda ise öncelikle kişilerin demografik ve akademik geçmiş bilgileri bir araya getirilmiş ve geleneksel veri madenciliği (Data Mining-DM) sınıflandırma metotlarından olan Naive Bayes ve K-En Yakın Komşuluk Yöntemi kullanılarak oluşturulan modellerin performansları incelenmiştir. Ardından her bir öğrencinin demografik verileri ve akademik geçmişinden elde edilen birçok veriden oluşan veri kümesi çizgelerle ifade edilmiş ve bu çizgelerden sıklıkla tekrar eden alt-çizgeler bulunarak, başarılı ve başarısız öğrencilerin özelliklerini ifade eden çeşitli örüntüler elde edilmiştir. Böylece veri kümesinin zenginleşmesi sağlanmıştır. Alt çizgelerle zenginleştirilen veri kümesi üzerine tekrar aynı geleneksel sınıflandırma yöntemleri uygulanmış ve oluşturulan yeni modellerin performansları ayrıca incelenmiştir. Her iki sonuç karşılaştırıldığında görülmüştür ki; alt-çizgelerle zenginleştirilmiş veri kümeleri ile oluşturulan modeller ile yapılan sınıflandırmalar performans bakımından daha iyi sonuçlar vermiştir.
Özet (Çeviri)
The prediction of the academic success of a student, the change of success according to causes and processes, and the examination of the consequences of the change are general research topics that deals with many disciplines. Within this subject, it is possible to reach a lot of studies in the literature both in computer science and educational science fields. Most of the studies in the field of computer science are based on either the demographic characteristics of the students or the past academic achievements in modeling academic success. In the thesis, both demographic and past academic success information of the students were collected and the performances of the models are evaluated using Naive Bayes and K-Nearest Neighborhood Methods, which are the traditional data mining classification methods. A dataset, where the demographic and academic background of each student are expressed in sets of graphs, are constructed. The data set is enriched with the frequent repetition of these graphs. The same traditional classification methods are applied again on the dataset enriched by the sub-graphs and the performances of the new models have also been examined. It is seen that when both results are compared, the classifications accuracy of the models and the dataset enriched with frequent sub-graphs yielded better than the unenriched datasets.
Benzer Tezler
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA
- Yapay sinir ağları ve lojistik regresyon analizi yaklaşımları ile öğretmen adaylarının akademik başarılarının tahmini
Prediction of student teachers' academic success with logistic regression analysis and artificial neural networks methods
ELİF BAHADIR
Doktora
Türkçe
2013
Eğitim ve ÖğretimMarmara Üniversitesiİlköğretim Ana Bilim Dalı
DOÇ. DR. AHMET ŞÜKRÜ ÖZDEMİR
- Ortaokul öğrencilerinin akademik başarılarının okul müdürünün öğretimsel liderlik davranışları, öğretmen özerkliği ve öğretmen öz yeterliği ile ilişkisinin karma yöntemle incelenmesi
Mixed method examination of the relationship between the academic achievement of secondary school students and the instructional leadership behaviors of the school principal, teacher autonomy and teacher self-efficacy
ERSİN EREN AKGÖZ
Doktora
Türkçe
2024
Eğitim ve ÖğretimGazi ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. FATİH ŞAHİN
- Mevcut betonarme yapıların deprem performanslarının belirlenmesi ve viskoz akışkanlı sönümleyiciler ile güçlendirilmesi için artımsal analize dayalı bir algoritma
An algorithm based on incremental analysis to evaluate performance and retrofit with viscous dampers of existing reinforced conrete structures
YAVUZ DURGUN
Doktora
Türkçe
2013
Deprem Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERKAN ÖZER
- Akademik başarının kestirilmesinde yetenek, ilgi, kişilik, lise başarısı ve ÖSYS başarısının etkisi
Başlık çevirisi yok
ŞADIMAN BEGİK
Yüksek Lisans
Türkçe
1997
Eğitim ve ÖğretimMarmara ÜniversitesiEğitimde Psikolojik Hizmetler Ana Bilim Dalı
DOÇ. DR. EZEL TARKUN
