Geri Dön

Veri madenciliği yöntemleri ile ülkelerin PISA başarı düzeylerini etkileyen değişkenlerin incelenmesi

Investigation of variables affecting PISA success levels of countries by data mining methods

  1. Tez No: 721726
  2. Yazar: YUSUF KASAP
  3. Danışmanlar: PROF. DR. NURİ DOĞAN
  4. Tez Türü: Doktora
  5. Konular: Eğitim ve Öğretim, Education and Training
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Eğitim Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 184

Özet

Bu araştırmanın amacı, 2018 yılında PISA'ya katılan öğrencilere sınavla birlikte verilen öğrenci anketinden elde edilen 34 bağımsız değişkeni kullanarak, farklı başarı düzeyine sahip ülkelerin PISA 2018 okuma alanı başarı puanını yordayan önemli değişkenleri belirlemektir. Bu amaç için PISA'ya giren 79 ülke başarı yüzdeliklerine göre sıralanmış ve bu sıralamaya göre bu ülkeler alt, orta ve üst grup ülkeler olarak ayrılmıştır. Daha sonra alt grup, orta grup ve üst grup ülkelerin her birinden üçer ülke seçilerek alt, orta ve üst grup ülkeler örneklemi oluşturulmuş ve bu dokuz ülkenin tamamı birleştirilerek çalışma örneklemi belirlenmiştir. Orta gruba seçilen üç ülkeden biri olan Türkiye örneklemi araştırmaya ayrıca bağımsız olarak dâhil edilmiştir. Daha sonra, Türkiye, alt, orta, üst grup ülkeler örneklemi ve çalışma örneklemi üzerinde lojistik regresyon, Sınıflama ve Regresyon Ağacı ve Rastgele Orman yöntemleri ile veri madenciliği analizleri gerçekleştirilmiştir. Yapılan uygulamalarda okuduğunu anlama başarısını yordayan önemli değişkenlerin sayısının 34'ten iki ile sekiz arasında bir sayıya indirgenebildiği görülmüştür. Böylece; az sayıda değişken kullanılarak PISA başarı düzeyini yordayabilen veri madenciliği sınıflama tahmin modelleri elde edilmiştir. Elde edilen modellerin başarıyı iki kategorili (başarısız-başarılı) yordama da yüksek ve üç kategorili (düşük, orta yüksek) yordama da kabul edilebilir düzeyde tahmin performansına sahip oldukları saptanmıştır. Elde edilen sonuçlara göre 34 bağımsız değişkenden öncelikle PISA testinin zorluk algısı, okuma keyfi, baba eğitim düzeyi, okuma zorluk algısı, sosyo-ekonomik düzey indeksi, yaşamın anlamı, Öğretmenin eğitimi yönlendirmesi ve haftalık test dili öğrenme süresi olmak üzere toplamda 27 değişkenin farklı tahmin modellerinde önemli değişkenler olarak yer aldığı görülmüştür.

Özet (Çeviri)

The aim of this research is to determine the important variables that predict the PISA 2018 reading field achievement score of countries with different achievement levels, using 34 independent variables obtained from the student questionnaire given to the students who participated in PISA in 2018. For this purpose, 79 countries that entered PISA were ranked according to their success percentages and according to this ranking, these countries were divided into lower, middle and upper group countries.Then, three countries were selected from each of the lower group, middle group and upper group countries and nine different samples were obtained, all of these nine countries were determined as the study sample. The sample of Turkey, which is one of the three countries selected for the middle group, was also included in the study independently. Then, data mining analyzes were carried out on Turkey, the sample of lower, middle, upper group countries and the study sample using logistic regression, Classification and Regression Tree and Random Forest methods. It has been observed that the number of important variables that predict reading comprehension success can be reduced from 34 to a number between two and eight. Like this; Data mining classification prediction models, which can predict the PISA success level, were obtained by using a small number of variables. It was determined that the models obtained had high predictive performance in the two-category (unsuccessful-successful) prediction of success and acceptable in the three-category (low, medium-high) prediction. According to the results obtained, among the 34 independent variables, first of all, PISA test's perception of difficulty, reading pleasure, father's education level, perception of reading difficulty, socio-economic level index, meaning of life, teacher's direction of education and weekly test language learning time were used in different estimation models of 27 variables were found to be important variables.

Benzer Tezler

  1. Sınıflandırmada kullanılan veri madenciliği yöntemlerinin performanslarının veri seti özelliklerine göre karşılaştırılması

    Comparison of performance of data mining methods used for classification in terms of data characteristics

    GÖRKEM CEYHAN

    Doktora

    Türkçe

    Türkçe

    2020

    Eğitim ve ÖğretimGazi Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. İSMAİL KARAKAYA

  2. Uluslararası Öğrenci Değerlendirme Programı 2015 verilerinin veri madenciliğinde kümeleme yöntemleriyle incelenmesi

    Examination of the Program for International Student Assessment 2015 data by clustering methods in data mining

    MEHMET TAHA ESER

    Doktora

    Türkçe

    Türkçe

    2019

    Eğitim ve ÖğretimHacettepe Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DERYA ÇOBANOĞLU AKTAN

    PROF. DR. CEM OKTAY GÜZELLER

  3. Farklı ülkelerden PİSA sınavına katılan öğrencilerin matematik okuryazarlığını etkileyen faktörlerin tahmin edilmesi

    Estimation of factors affecting mathematical literacy of students from different countries participating in PISA exam

    NURŞAH AKSU

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Eğitim ve ÖğretimAydın Adnan Menderes Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. ASUMAN SEDA SARACALOĞLU

  4. Uluslararası öğrenci değerlendirme programı 2018 matematik ve fen başarılarında ülkeler arası karşılaştırmaların makine öğrenmesi yöntemleri ile incelenmesi

    Examining the comparisons between countries in international student assessment program 2018 mathematics and science achievements using machine learning methods

    EZGİ GÜLENÇ BAYİRLİ

    Doktora

    Türkçe

    Türkçe

    2023

    İstatistikYıldız Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ERSOY ÖZ

    PROF. DR. ATABEY KAYGUN

  5. Veri madenciliği yöntemleri ile ülkeleri gelişmişlik ölçütlerine göre kümeleme üzerine bir uygulama

    An application on clustering countries with data mining methods based on development criteria

    BANU AKKUŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. METİN ZONTUL