Derin öğrenme yöntemleri ile lisans öğrencilerinin akademik performanslarına dayalı mezuniyet tahmini
Prediction of graduate students for bachelor's degree based on their academic performance using deep learning techniques
- Tez No: 623308
- Danışmanlar: DR. ÖĞR. ÜYESİ UĞUR GÜREL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Risk altındaki öğrencilerin normal eğitim süresinde mezun olma veya olmama durumlarının erken tahmini, yükseköğretim kurumları için önemlidir. Mezuniyet tahmini öğrencilerin nihai akademik başarısı ile ilgili faktörleri keşfettikten sonra danışmanların gerekli desteği sağlamalarına yardımcı olur. Bu tez çalışmasında, akademik faktörlerin öğrencilerin nihai performanslarındaki etkilerini analiz etmek amacıyla zaman serisi modelleri tabanlı derin öğrenme entegrasyonu hakkında bilgiler verilmektedir. Bu amaçla, bilgisayar mühendisliği programından 200 öğrencinin ders kayıtları üzerinde tekrarlayan sinir ağı (RNN), uzun kısa süreli bellek (LSTM) ve geçitli tekrarlayan birim (GRU) ağı modelleri uygulanmıştır. Daha sonra sigmoid ve/veya doğrusal aktivasyon fonksiyonundan geçirilerek eğitim sürecinin birinci, ikinci, üçüncü, dördüncü, beşinci, altıncı dönemleri için ayrı ayrı modeller kaydedilmiştir. Dönem bazında bir tahmin yöntemi olarak, normal eğitim süresinde mezun olma veya olmama durumu birçok faktör tarafından yönlendirildiği için farklı özellikler dikkate alınmıştır. Öğrencilerin normal eğitim süresinde mezun olma veya olmama durumunu etkin bir şekilde tahmin etmek adına, kullandığımız ağlar için en uygun girdi parametreleri belirlenmiştir. Bu girdi parametreleri, öğrencilerin genel not ortalaması, İngilizce puanı, cinsiyeti, tercih sırası, devamsızlık oranı ve her dönem için o zamana kadar alınan zorunlu ders notlarıdır. Beş kat çapraz doğrulama işleminin ardından, RNN, GRU ve LSTM için ortalama (altı dönem ortalaması) genel doğruluk oranlarının sırasıyla %81,07, %85,65 ve %84,41 olduğu görülmüştür. Ayrıca, altıncı yarıyıldaki öğrenciler için önerilen LSTM modeli, risk altındaki öğrencileri keşfederken %87,12 gerçek negatif oranına ulaşırken, GRU modelinde öğrencilerin başarısını tahmin etme yönünden hesaplanan en yüksek gerçek pozitif oranı %88,71'dir. Önerilen LSTM modeli ise, belirli bir test seti için %95 doğruluk oranıyla son akademik başarıyı tahmin edebilmektedir. Erken bir uyarı sistemi olarak, önerilen yöntemlerin, herhangi bir dönemde öğrencinin başarısız olma riskini azaltmayı sağlayan tatminkâr tahminler sağladığı görülmüştür. Bu sistemin, bir öğrenci bilgi sistemine entegre edildikten sonra öğrencilerin performansını artırabileceğini öngörüyoruz.
Özet (Çeviri)
Early prediction of the status of graduation or non-graduation of students at risk during normal education is important for higher education institutions. Graduation prediction helps advisors to provide the right support after discovering factors relating to students' final academic success. In this thesis, information about deep learning integration based on time series models is given in order to analyze the effects of academic factors on students' final performances. For this purpose, recurrent neural network (RNN), long short-term memory (LSTM) and gated recurrent unit (GRU) network models have applied on the course records of 200 students from the computer engineering program. Then, sigmoid and / or linear activation function has applied, and separate models have recorded for the first, second, third, fourth, fifth and sixth periods of the training process. As a semester-wise prediction methodology, as the status of graduation or non-graduation during normal education is driven by multiple factors, different have been considered. To effectively predict students' graduation or non-graduation during normal education, the most appropriate hyper parameters were determined for the networks we use. These hyper parameters are the students' weighted grade point average, English score, gender, university order of attendance, absenteeism rate, and compulsory course grades have taken for each semester. These hyper parameters are the students' grade point average, English grade, gender, preference order, non-attend rate, and compulsory course grades have taken until that time for each semester. Following five-fold cross-validation, the overall (six-term average) accuracy rates for RNN, GRU, and LSTM were found to be 81.07%, 85.65%, and 84.41%, respectively. Also, for students in the sixth semester, the proposed LSTM model achieves a specificity (true negative rate) of 87,12% when discovering students at risk, whereas the highest recall accounted for is 88,71%, as determined by the GRU model in terms of predicting students' success. In addition, the proposed LSTM model can predict final academic success with a 95% accuracy rate for the specific test set. As an early alert system, the proposed methods provide satisfactory predictions that are useful in diminishing the risk of student failure during any semester. We anticipate that this system may improve students' performance once it has been integrated into a student information system.
Benzer Tezler
- Well-being, burnout, and teaching anxiety among EFL teachers
İngilizce öğretmenlerinin iyilik hali, tükenmişlik duygusu ve öğretme kaygısının incelenmesi
AYŞE MİNE ONAN
Yüksek Lisans
İngilizce
2023
Eğitim ve Öğretimİstanbul Medeniyet Üniversitesiİngiliz Dili Eğitimi Ana Bilim Dalı
PROF. DR. SELAMİ AYDIN
- Elektriğin iletimi ünitesinde tartışma yöntemi kullanımının 6. sınıf öğrencilerinin kavramlarındaki değişime ve akademik başarılarına etkisi
The effect of using discussion method in the transmission of electricity unit on the changes in the concepts and academic achievement of 6th grade students
MEHMET CUMA SUİÇER
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimHatay Mustafa Kemal ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULKADİR ÖZKAYA
- Üniversite öğrencilerinin kişisel ve mesleki yetkinliklerine ilişkin görüşleri: Hacettepe Üniversitesi İ .İ. B. F. örneği
University students' opinions about professional and personal competences: Hacettepe University faculty of economics and administrative sciences case
BUGAY TURHAN
Doktora
Türkçe
2012
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. BERRİN BURGAZ
- Disiplinlerarası öğretim yaklaşımına dayalı olarak geliştirilen algoritma ve programlama dersi öğretim programının öğrencilerin akademik başarısına, bilgi işlemsel düşünme algısına ve becerisine etkisi
The impact of the interdisciplinary teaching approach-based algorithm and programming course curriculum on the students' academic achievement, their computational thinking perception and skill
SIDDIK DOĞRULUK
Doktora
Türkçe
2022
Eğitim ve ÖğretimÇukurova ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. BİRSEL AYBEK
- Madde ve endüstri ünitesinde gerçekleştirilen ters yüz edilmiş sınıf modelinin 8.sınıf öğrencilerinin öğrenmeyi öğrenme yetkinlikleri açısından incelenmesi
Examination of the flipped classroom model performed in the matter and industry unit in terms of 8th grade students' learning to learn competencies
SELDA DERİN
Yüksek Lisans
Türkçe
2021
Eğitim ve ÖğretimEskişehir Osmangazi ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
DOÇ. DR. ERSİN KARADEMİR