Eğitim alanında makine öğrenimi sınıflandırma algoritmalarının incelenmesi
Investigation of classification algorithms of machine learning in the field of education
- Tez No: 694653
- Danışmanlar: DOÇ. DR. HAKAN KOĞAR
- Tez Türü: Yüksek Lisans
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Akdeniz Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Eğitimde Ölçme ve Değerlendirme Bilim Dalı
- Sayfa Sayısı: 126
Özet
Bu araştırma ile eğitim alanında büyük veri çalışmalarına temel oluşturmak için makine öğrenmesi algoritmalarından hangilerinin alanda kullanılabileceği tespit edilmeye çalışılmıştır. Bu doğrultuda çalışmada, Türkiye Öğrenci Değerlendirmesi gerçek veri seti ile öğretim elemanı kalitesinin araştırılması için öğretim elemanlarının performanslarının belirlenmesi ile ilişkisi olduğu düşünülen derse özel 28 soru ve 5 özellikten oluşan faktörler; Karar Ağacı, Rastgele Orman ve Yapay Sinir Ağları algoritmaları çerçevesinde incelenmiştir. Bahsi geçen bu üç algoritmanın sınıflandırma performansları doğruluk, duyarlılık, özgüllük, kesinlik ve F ölçütü ile araştırılmıştır. Çalışmanın verileri Kaliforniya Üniversitesi Makine Öğrenmesi Veri Havuzu'ndan hazır olarak alınmıştır. Veri seti, üç farklı öğretim elemanının 5820 Gazi Üniversitesi öğrencisi tarafından likert tipi ölçek ile değerlendirilmesinden oluşmaktadır. Verilerin analizi için R yazılımı ve R Studio ortamı kullanılmıştır. Araştırma sonucunda doğru sınıflama oranı %98.57 olan Karar Ağaçları algoritması, Rastgele Orman ve Yapay Sinir Ağlarına göre daha başarılı bulunmuştur. %98.03 ile karar ağacına çok yakın değere sahip olan Rastgele Orman algoritması ikinci en iyi performans gösteren algoritma olarak belirlenmiştir. %81.55 ile Yapay Sinir Ağları kabul edilebilir düzeyde performans göstermiş olsa da diğer algoritmalar ile karşılaştırıldığında düşük performanslı olarak kabul edilmektedir. Algoritmalar özgüllük oranı, duyarlılık oranı, kesinlik oranı ve F ölçütü çerçevesinde incelendiğinde yine Karar Ağaçları algoritması, Rastgele Orman ve Yapay Sinir Ağlarına göre daha başarılı bulunmuştur. Araştırmanın alt problemi olarak üç algoritmanın en önemli yordayıcısı ve manidarlık düzeylerinin karşılaştırılması araştırılmıştır. Sonuç olarak, üç algoritma için en önemli yordayıcı sınıf değişkeni olarak bulunmuş ve manidarlık düzeyi açısından üç algoritma arasında herhangi bir farklılığa rastlanılmamıştır.
Özet (Çeviri)
With this study, we tried to determine which of the machine learning algorithms can be used in the field to form the basis of big data studies in education. Accordingly, in the study, factors consisting of 28 questions and five features, which are thought to be related to the determination of the performance of instructors in order to investigate the real data set and the quality of instructor, the Student Assessment of Turkey, are: The Decision Tree was examined under the algorithms of Random Forest and Artificial Neural Networks. The classification performances of these three algorithms were researched with accuracy, precision, specificity, precision, and F criteria. The study's data are gathered from the University of California's Machine Learning Data Repository. The data set consists of evaluation of three different lecturers with an likert-type scale by 5820 Gazi University students. R software and R Studio media were used to analyze the data. As a result of the study, the decision trees algorithm was found to be more successful than the Random Forest and Artificial Neural Networks, with an accurate classification ratio of 98.57%. The Random Forest algorithm was identified as the second best performing algorithm with a value very close to the decision tree at 98.03%. The Artificial Neural Networks performed at an acceptable level (81.55%) but are considered lowperformance compared to other algorithms. Again, the Decision Tree algorithm was found to be more successful compared to Random Forest and Artificial Neural Networks when analyzed by using criteria like specificity, sensitivity ratio, accuracy ratio and F. The study investigated a comparison of the most significant predictor and materiality levels of three algorithms as the sub-problem of the study. In conclusion, the most important predictive class variable for the three algorithms was found, and no difference in level of magnetism was encountered among the three algorithms.ass variable and no difference was ecountered in terms of the level of magnetism.
Benzer Tezler
- Siber güvenlikte makine öğrenimi tabanlı zararlı yazılımların algılanması ve analizi
Detection and analysis of malicious software in cybersecurity using machine learning
AHMET ÖZTÜRK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Uygulamalı Bilimler ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SELMAN HIZAL
- Mathematical model-based clinical decision support system algorithm design study that can support the diagnosis of celiac disease
Çölyak hastalığının teşhisine destek verebilecek matematik model tabanlı kds algoritması tasarımı
ELİF KESKİN BİLGİÇ
Doktora
İngilizce
2024
Mühendislik Bilimleriİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
DR. İNCİ ZAİM GÖKBAY
DOÇ. DR. YUSUF KAYAR
- Classification of hand sign language using deep learning algorithm
Deep kullanılarak el işaret dilinin sınıflandırılması öğrenme
ISRAA ADIL MOHAMMED ALYSADEN
Yüksek Lisans
İngilizce
2024
Bilgi ve Belge YönetimiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN NURİ UÇAN
- Detection of cancerous brain cells with machine learning
Makine öğrenimi ile kanserli beyin hücrelerinin tespiti
UYGAR CANKAT
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAkdeniz ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TANER DANIŞMAN
- Prediction of COVID 19 disease using chest X-ray images based on deep learning
Derin öğrenmeye dayalı göğüs röntgen görüntüleri kullanarak COVID 19 hastalığının tahmini
ISMAEL ABDULLAH MOHAMMED AL-RAWE
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ADEM TEKEREK