Geri Dön

Data mining and knowledge discovery in education

Eğitim alanında veri madenciliği ve bilgi keşfi

PDF İndir

  1. Tez No: 733164
  2. Yazar: FERDA BALCI ÜNAL
  3. Danışmanlar: DOÇ. DR. DERYA BİRANT
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Mühendislik Bilimleri, Computer Engineering and Computer Science and Control, Science and Technology, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 75

Özet

Tezin amacı, eğitim alanında veri madenciliği yöntemleri geliştirerek, bu alandaki bilgi keşfini arttırmaktır. Eğitim alanında çok sayıda sıralı ve etiketlenmemiş veri olduğu göz önüne alındığından, yarı denetimli sınıflandırma ve sıralı sınıflandırma tekniklerinin kullanılmasına odaklanılmıştır. Yarı denetimli öğrenme, etiketli az sayıda örnek koleksiyonundan ve etiketlenmemiş çok sayıda örnek koleksiyonundan öğrenerek bir sınıflandırıcı oluşturan bir tür makine öğrenimi tekniğidir. Bu araştırma alanında bazı ilerlemeler kaydedilmesine rağmen, mevcut yarı denetimli yöntemler nominal bir sınıflandırma görevi sağlamaktadır. Ancak, sıralı sınıflandırma için yarı denetimli öğrenme henüz keşfedilmemiştir. Boşluğu kapatmak için bu çalışma, kategorik sınıf etiketleri için ilk kez“yarı denetimli öğrenme”ve“sıralı sınıflandırma”kavramlarını birleştirmekte ve yeni bir“yarı denetimli sıralı sınıflandırma”kavramını sunmaktadır. Çalışmamız, özellikle düşük, orta ve yüksek gibi sınıf sıralamaları olmak üzere sınıf etiketleri arasındaki ilişkileri dikkate alan yarı denetimli öğrenme için yeni bir metot önermektedir. Farklı temel öğrenicileri birleştirerek yöntemimizin performansını değerlendirmeyi amaçlayan, %5'lik bir artışla %15 ila %50 arasında değişen farklı miktarlarda etiketli numunelere sahip 10 kıyaslama ve 3 eğitim sıralı veri setini içeren kapsamlı bir deneysel çalışma gerçekleştirdik. Deneyler, önerilen yöntemin, sıralı veriler üzerinde mevcut yarı denetimli yönteme kıyasla modelin sınıflandırma doğruluğunu iyileştirdiğini göstermiştir. Çalışmalarımıza ek olarak yöntemin erişilebilirliğini sağlamak için bir web uygulaması geliştirdik.

Özet (Çeviri)

This thesis aims to increase knowledge discovery in the field of education by developing data mining methods. Considering that there is a large amount of ordinal and unlabeled data in the education area, this study focused on using semi-supervised classification and ordinal classification techniques. Semi-supervised learning is a type of machine learning technique that constructs a classifier by learning from a small collection of labeled samples and a large collection of unlabeled ones. Although some progress has been made in this research area, the existing semi-supervised methods provide a nominal classification task. However, semi-supervised learning for ordinal classification is yet to be explored. To bridge the gap, two concepts,“semi-supervised learning”and“ordinal classification”, were combined in this study for the categorical class labels for the first time and introduced a new concept of“semi-supervised ordinal classification”. Our study proposes a new method for semi-supervised learning that takes into account the relationships between the class labels, especially class orderings such as low, medium, and high. We performed an extensive empirical study that involved 10 benchmarks and 3 educational ordinal different quantities of labeled datasets with samples varying from 15% to 50% with an increment of 5%, aiming to evaluate the performance of our method by combining different base learners. The experiments showed that the proposed method improved the classification accuracy of the model compared to the existing semi-supervised method on ordinal data. We also developed a web application to provide the accessibility of our method.

Benzer Tezler

  1. Tez No

    477414

    Description and prediction: Knowledge discovery in university databases

    Tanım ve tahmin: Üniversite veritabanlarında bilgi keşfi

    MICHAEL KAM BARNGROVER

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    İşletme Ana Bilim Dalı

    YRD. DOÇ. MUSTAFA HAYRİ TONGARLAK

  2. Tez No

    136119

    Data mining techniques and an application

    Veri madenciliği yöntemleri ve bir uygulaması

    KAAN KUMRU

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMarmara Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BAHAR SENNAROĞLU

  3. Tez No

    167850

    Veri madenciliği ve bir uygulaması

    Data mining and its application

    ZEYNEP DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    İstatistikMuğla Üniversitesi

    DR. MEHMET KARAHASAN

  4. Tez No

    167848

    Veritabanları üzerinde veri madenciliği uygulaması

    Data mining application on databases

    HÜSEYİN GÜRÜLER

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Üniversitesi

    İstatistik ve Bilgisayar Bilimleri Ana Bilim Dalı

    DR. MEHMET KARAHASAN

  5. Tez No

    395532

    Data mining using artificial neural network techniques

    Yapay sinir ağı teknikleri kullanılarak veri madenciliği

    NADIA IBRAHIM NIFE DULAIMI

    Yüksek Lisans

    İngilizce

    İngilizce

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    Assist. Prof. Dr. YURİY ALYEKSYEYENKOV

Geri Dön