Geri Dön

Machine learning model to predict an adult learner's decision to continue ESOL course

Yetişkin bir öğrencinin ESOL kursuna devam etme kararını tahmin etmek için bir makine öğrenme modeli

  1. Tez No: 580199
  2. Yazar: MOHAMMED R. DAHMAN
  3. Danışmanlar: Prof. Dr. HASAN DAĞ
  4. Tez Türü: Doktora
  5. Konular: Eğitim ve Öğretim, Education and Training
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Kadir Has Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 115

Özet

Bu çalışmada, demografik ve duyuşsal değişkenlerinin yetişkin öğrencilerin ESOL kursuna devam etme kararını öngörme yeteneği araştırılmıştır. Çalışmaya, İstanbul FLS kurumunda, ESOL kursuna kayıtlı 278 yetişkin öğrenci katıldı. Sonuç, devam eden veya bırakılan grupların, demografik değişkenlerinin (yerleştirme testi puanı) istatistiksel farklar gösterdiğini (.378) ve bunun etkisinin çok büyük olduğunu ortaya koymuştur. Ek olarak, sonuç duyuşsal değişkenlerin algılanmasındaki etkinin büyüklüğünü (motivasyon, tutum ve kaygı) göstermiştir. Bu gruplara devam eden ve bırakanlar arasındaki varyasyonun yaklaşık% 50'sini oluşturmaktadır. Bunu takiben, üç makine öğrenme modeli önerildi; Üç modelin karşılaştırılmasında olası tüm alt kümeler regresyon analizi kullanılmıştır. Demografik değişkene (yerleştirme testi puanı) ve duygusal değişkenlere (motivasyon, tutum ve endişe) uyan uygun model, yetişkin öğrencilerin ESOL kursuna devam etme kararının% 83,3'ünü doğru bir şekilde öngörmüştür. Model yaklaşık% 68 uygunluk gösterdi. Bu bulguların kültürel sonuçları, gelecekteki araştırma önerileri ile birlikte tartışılmaktadır.

Özet (Çeviri)

This study investigated the ability of the demographic and the affective variables to predict the adult learners' decision to continue ESOL courser. 278 adult learners, enrolled on ESOL course at FLS institution in Istanbul, Turkey, participated in the study. The result showed that the continued or dropped out groups, demonstrated statistical differences in the demographic variable (the placement test score) with a magnitude of large effect size (.378). Additionally, the result showed the effect size in the perception of the affective variables (motivation, attitude, and anxiety), accounts for about 50% of the variation between the continuation and dropout groups. Following that, three machine learning models were proposed; all possible subset regression analysis was used to compare the three models. The adequate model, which fitted the demographic variable (the placement test score) and the affective variables (motivation, attitude, and anxiety), correctly predicted 83.3% of the adult learners' decision to continue ESOL course. The model showed about 68% goodness-of-fit. The cultural implications of these findings are discussed, along with suggestions for future research.

Benzer Tezler

  1. Makine öğrenmesi yöntemleri ile demans tahmini

    Prediction of dementia by machine learning methods

    TUĞBA TUNA

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. FETHİYE AYLİN SUNGUR

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  2. Yapay zekâ ve demokrasi

    Artificial intelligence and democracy

    AYŞE NUR YAZICILAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    HukukGalatasaray Üniversitesi

    Kamu Hukuku Ana Bilim Dalı

    PROF. DR. ŞULE ÖZSOY BOYUNSUZ

  3. Makine öğrenmesi teknikleri ile sağlık davranışlarına dayalı diyabetin tahmin edilmesi

    Predicting of the diabetes based on health behavior with machine learning techniques

    HAITHM FADHL MOHAMMED AL-SHARI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Matematik ve Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. ALPER ODABAŞ

  4. Machine learning approach for predicting severity of obstructive sleep apnea syndrome

    Obstrüktif uyku apnesinin şiddetinin tahminlenmesinde makine öğrenmesi yaklaşımı

    ONURHAN HAMZAOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. DR. FETHİYE AYLİN SUNGUR

  5. XGboost ve karar ağacı tabanlı algoritmaların diyabet veri setleri üzerine uygulaması

    Application of XGboost and decision tree based algorithms on diabetes data

    GÜLÇİN YANGIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ELİF ÖZGE ÖZDAMAR