Veri madenciliği yöntemleri kullanarak meslek yüksek okulu öğrencilerinin akademik başarı tahmini
Predicting academic success of vocational high school students using data mining methods
- Tez No: 486838
- Danışmanlar: PROF. DR. SEZAİ TOKAT
- 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: Pamukkale Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 81
Özet
Teknolojinin gelişmesiyle birlikte bilginin önemi her geçen gün artmaktadır. Veri madenciliği yöntemleri ile veriler üzerinde çok farklı analizler yapılabilmektedir. Bu araştırmanın amacı, veri madenciliği yöntemini kullanarak Meslek Yüksek Okulu öğrencilerinin akademik başarımlarını tahmin etmektir. Bu amaç doğrultusunda veri madenciliği sınıflama algoritmaları kullanılarak öğrencilerin başarılarını tahmin etmede en iyi başarımı gösteren sınıflama algoritması seçilmeye çalışılmıştır. Pamukkale Üniversitesi Meslek Yüksek Okullarına 2009 ile 2010 yılları arasında kayıt yaptıran 1387 öğrencinin bilgileri kullanılmıştır. Öğrencilerin akademik başarımlarını tahmin etmek için bağımlı değişken olarak öğrencilerin akademik not ortalamaları ile mezuniyet yılları kullanılmıştır. Akademik not ortalamasına göre başarım tahmininde en iyi sonucu Sıralı Minimum Optimizasyon(SMO) algoritması vermektedir. Mezuniyet yılına göre başarım tahmini yaptığımızda en iyi sonucu J4.8 ve NaiveBayes algoritmaları vermektedir.
Özet (Çeviri)
The importance of information increases each day with the developments in technology. Several different analysis can be applied on the related information using data mining methods. The aim of this research is to predict the academic success of vocational high school students of Pamukkale Universiy by using data mining methods. For this purpose, several data mining classification algorithms are used and their results are compared to find best suited algorithm. The information of 1387 students, who had registered to Pamukkale University Vocational High School between 2009 and 2010 are used. GPA and graduation year of the students are used as a dependent variable in order to predict academic success. Linear Minimum Optimization algorithm gives the best results when GPA is used, whereas J4.8 and Naïve Bayes algorithms are best suited if graduation date is used as a dependent variable.
Benzer Tezler
- Yönetim bilişim sistemleri öğrencilerinin işletmede mesleki eğitimlerinin iş bulmasına etkisinin veri madenciliği ile analizi
Analysis of the effects of management information systems students on-the-job training process on their employment via data mining methods
FAHRETTİN AKA
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBurdur Mehmet Akif Ersoy ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İHSAN PENÇE
- Zamana bağlı işbirlikçi filtreleme
Collaborative filtering with temporal dynamics
ÇİĞDEM BAKIR
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SONGÜL ALBAYRAK
- Developing the spatial performance of puzzle games in virtual reality environments with spatial presence
Sanal gerçeklik ortamındaki bulmaca çözme oyunlarının mekansal mevcudiyet ile mekansal performansının geliştirilmesi
MERVE TAŞDELEN
Yüksek Lisans
İngilizce
2023
Mimarlıkİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
DOÇ. DR. DERYA GÜLEÇ ÖZER
DR. ÖĞR. ÜYESİ AYŞEGÜL AKÇAY KAVAKOĞLU
- Mesleki eğitimde öğrenci altyapısının öğrenci eğitim başarısına etkisinin veri madenciliği yöntemleriyle ortaya çıkarılması
Discovery of the effect of student backgrounds on student success in vocational education by data mining techniques
ALİ YELEGİN
Yüksek Lisans
Türkçe
2012
Bilgi ve Belge YönetimiBeykent ÜniversitesiMatematik Bilgisayar Ana Bilim Dalı
YRD. DOÇ. DR. GÖKHAN SİLAHTAROĞLU
- Gelir ve yaşam koşulları verisinin veri madenciliği yaklaşımı ile incelenmesi ve model performanslarının değerlendirilmesi
The examination and the model performance evaluation of the income and living conditions data within data mining approach
OLGUN ÖZDEMİR
Doktora
Türkçe
2020
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. İBRAHİM DEMİR