Geri Dön

Predicting student success: A case study based on the transcript and personal data of the graduated students at computer engineering department, Atılım University, Turkey

Öğrenci başarısının tahmin edilmesi: Atılım üniversitesi bilgisayar mühendisliği bölümünden mezun öğrencilerin transkript ve kişisel verilerine dayalı bir vaka çalışması

  1. Tez No: 538192
  2. Yazar: ULAŞ OZAN CEYHAN
  3. Danışmanlar: DOÇ. DR. KASIM MURAT KARAKAYA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Eğitim ve Öğretim, Computer Engineering and Computer Science and Control, Education and Training
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Atılım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 147

Özet

Son yıllarda Eğitimsel Veri Madenciliği (EVM) veri analiz projelerinde oldukça popüler oldu. Kurumlar eğitim kalitelerini artırmaya ve bu verilere yatırım yapmaya başladılar. Öğrencilerin başarılılarını tahmin etme EVM içinde önemli bir zorlu amaca ve kaliteli bir eğitimde bir sürü faydaya sahiptir. Bu çalışmada biz öğrencilerin seçili derslerdeki başarılarını ve kişisel verilerini dikkate alarak başarılarını tahmin etmeyi amaçladık. Bu amaçla, mezun öğrenciler üzerinde çeşitli Makine Öğrenmesi (MÖ) algoritmalarını çalıştırdık. Seçili derslerdeki başarıyı analiz edebilmek için birçok kavram ve tanımlama oluşturduk. İlk olarak, öğrenci başarısını ölçmek için üç tane metrik geliştirdik. Bunlar harf notları, başarı grupları ve geçme kalma durumu şeklindedir. Dahası, mezun öğrenci verisinden seçili MÖ algoritmalarında girdi olarak kullanılmak üzere dört tane girdi veri seti oluşturduk. Bu çalışmanın sonuçları yüksek ya da düşük harf notlu öğrenci notlarının orta düzey notlara göre daha iyi tahmin edilebildiğini belirtmiştir. Benzer şekilde, başarı gruplarına göre; yüksek ya da düşük başarı grupları ortalama gruplarla karşılaştırıldığında daha iyi doğruluk ile tahmin edilebiliyor. Son başarı metriği için ise, tahmin başarısı ders geçen öğrencilerde kalan öğrencilerdekine göre çok daha iyi. Dört girdi veri setini düşünürsek, tahmin başarılarında dikkate değer bir farklılık saptanamamıştır. Yalnızca, öğrenci personel verisinden oluşmuş veri seti kalan setlerle karşılaştırıldığında daha düşük tahmin başarısı üretmiştir. Müfredat içinde son iki dönem için seçili derslerin tahmin başarısının yükseldiği gözlemlenmiştir. Bu bulguların ayrıntıları ve olası sebepleri ilgili bölümlerde irdelenmiş ve tartışılmıştır. Biz inanıyoruz ki, bu çalışmanı sonuçları öğrencilerin gelecekteki ders başarılarını tahmin eden bir öğrenci tavsiye sistemine temel olabilir.

Özet (Çeviri)

In recent years, Educational Data Mining (EDM) has become more popular in data analysis projects. Institutes try to improve their educational quality as well as to invest in analyzing educational data. Predicting student grades is a significant challenge in EDM, and also it has lots of benefits for improving quality in the education process. In this study, we aim at predicting the student success in the selected courses considering their transcript and personal data. For this reason, we applied various Machine Learning (ML) algorithms on the graduated student data. We developed several concepts for analyzing students success at the selected courses. First, we define three metrics to measure the student success. These student success metrics are grade letters, success groups and fail-pass state. Furthermore, we created four different data sets from the graduated student data as inputs to the selected ML algorithms. Results of this study indicate that high or low student grade letters can be predicted better when compared to the moderate grade letters. Similarly, according to the success group metric; lower and higher success groups of the students can be predicted with higher accuracy compared to the average success group. For the last success metric, the prediction results are far better for the passed students than predicting the failed students. Considering the four input data sets, we could not locate considerable differences in prediction success. However, the data set created by the student personal data generates lower prediction success compared the rest of the data sets. The prediction success for the selected courses is observed to be increasing for the courses at the last two semesters of the curriculum. The details of the findings and their possible causes are analyzed and discussed in the related chapters. We believe that the results of this study can serve as a foundation to build a student recommendation system to predict their future course success.

Benzer Tezler

  1. The significance and the contribution of 6+1 traits of writing to the success of the students in writing courses in English language teaching

    Yazmanın 6+1 özelliğinin İngilizce öğretiminde yazılı anlatım derslerindeki öğrenci başarısına katkısı ve önemi

    ÖZLEM YAZAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2004

    Eğitim ve ÖğretimGazi Üniversitesi

    İngiliz Dili Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. PAŞA TEVFİK CEPHE

  2. 6. sınıf öğrencilerinin ölçmeye dayalı tahmin becerilerinin ve bu beceriye ilişkin görüşlerinin incelenmesi

    An investigation of sixth grade students' measurement estimation skills and their views on this skill

    İMREN AYDOĞDU

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Eğitim ve ÖğretimEskişehir Osmangazi Üniversitesi

    Matematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ EMRE EV ÇİMEN

  3. Eğitimsel veri madenciliği ve bir uygulaması

    Educational data mining and an application

    YASEMİN YAKUPOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. BAŞAR ÖZTAYŞİ

  4. Çevrimiçi öğrenme ortamındaki etkileşim verilerine göre öğrencilerin akademik performanslarının veri madenciliği yaklaşımı ile modellenmesi

    A data mining approach to students' academic performance modeling in online learning environment based on their interaction data

    GÖKHAN AKÇAPINAR

    Doktora

    Türkçe

    Türkçe

    2014

    Eğitim ve ÖğretimHacettepe Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    PROF. DR. ARİF ALTUN

  5. Sosyal bilgiler dersinde artırılmış gerçeklik temelli öğrenme ortamının öğrencilerin akademik başarısına ve öğrenmenin kalıcılığına etkisinin incelenmesi

    Investigation of the effect of augmented reality based learning environment on students' academic achievement and permanence of learning in social studies course

    ORHAN AKTAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Eğitim ve ÖğretimBartın Üniversitesi

    Türkçe ve Sosyal Bilimler Eğitimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BELMA BARAK