Characteristics of machine learning algorithms to improve student evaluation
Öğrenci değerlendirmesini iyileştirmek için makine öğrenimi algoritmalarının özellikleri
- Tez No: 769539
- Danışmanlar: YRD. DOÇ. DR. AYÇA KURNAZ TÜRKBEN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 68
Özet
Çalışmamızda, eğitim kurumlarından artan veri hacmi avantajına sahip yeni bir eğitim veri madenciliği alanı sunuyoruz. Öğrencilerin ne yapacaklarını tahmin etme yeteneği nispeten yeni bir alandır. İyi standartlara sahip eğitim kurumları, olayları gerçekleşmeden önce tahmin etmeye çalışır ve öğrencilerin ve öğretmenlerin en iyi eğitim modelini sağlamaya katkıda bulunmalarına yardımcı olur. EDM'nin başarısını inceledi ve sekiz veri madenciliği tekniğini test etti. Bu teknikleri Kalboard 360 adlı bir Kaggle'dan elde edilen eğitimsel veriler üzerinde kullandık. Bu çalışma üç temel adımdan oluşmaktadır: Birincisi, temel öğrencilerin verilerini işlemek ve bunları algoritmaların işleyebileceği verilere dönüştürmek; İkinci olarak, bilgiler iki kategoriye ayrıldı: verilerin %75'i eğitim için ve %25'i test için kullanılmak üzere eğitim verileri ve test verileri. Üçüncüsü, veri madenciliği yöntemleri kullanılmış ve öğrencilerin performansı derecelendirilmiş ve F1 puanına ek olarak doğruluk, hatırlama ve doğruluk ölçütleri kullanılarak performans ölçütleri incelenmiştir. RF'nin doğruluğu (%99) en iyisiydi, ancak diğer tekniklerin doğruluğu da GBC (%98) > NB (%93) > LR (%96) > MLP (%97) > DT (%98) için göründü. > SVM (%92) > KNN (%91).
Özet (Çeviri)
In our study, we present a recent area of educational data mining that has the advantage of an increasing volume of data from educational institutions. The ability to forecast what students will do is a relatively new field. Educational institutions with good standards strive to anticipate events before they happen, helping students and teachers to contribute to providing the best educational model. Examined the success of EDM and tested eight data mining techniques. We used these techniques on educational data obtained from a Kaggle called Kalboard 360. This study consists of three basic steps: First, processing basic students' data and transforming it into data that algorithms can handle; Second, The information was split into two categories: training data and test data, with 75% of the data being used for training and 25% being used for testing. Third, data mining methods were used, and students' performance was rated and performance measures were examined using measures of accuracy, recall, and accuracy in addition to the F1 score. The accuracy of RF (99%) was the best, but the accuracy of other techniques also appeared to GBC (98%) > NB (93%) > LR (96%) > MLP (97%) > DT (98%) > SVM (92%) > KNN (91%).
Benzer Tezler
- Derin öğrenme algoritmaları kullanarak öğrenci akademik performansının erken tahmini
Early prediction of student academic performance using deep learning algorithms
AHMET KALA
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN TORKUL
DR. ÖĞR. ÜYESİ TUĞBA YILDIZ
- Gemi adamlarının işe alım süreci için ölçme değerlendirme sisteminin geliştirilmesi
Developing a measurement and evaluation system for seafarers' recruitment process
İPEK GÖLBOL PEKDAŞ
Doktora
Türkçe
2025
Denizcilikİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. ÖZCAN ARSLAN
- 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
2023
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ERSOY ÖZ
PROF. DR. ATABEY KAYGUN
- Inrush current fault detection in power transformers using machine learning
Güçte akım akımı hata tespiti makine öğrenimini kullanan transformatörler
HAJİR ADİL JASİM AL-SAADİ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiAltınbaş ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. KEVORK MARDİKYAN
- Koroner arter hastalığının makine öğrenmesi teknikleriyle teşhisi
Diagnosis of coronary artery disease using machine learning techniques
ŞÜKRÜ ALKAN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR