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
- 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
- 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
- Machine learning-based feature selection approach for no-show rate prediction: A case of aviation industry
Makine öğrenimi tabanlı özellik seçim yaklaşımıyla no-show oranı tahmini: Havacılık sektörü üzerine bir vaka analizi
AHMET SÜHA HANCIOĞLU
Yüksek Lisans
İngilizce
2024
Endüstri ve Endüstri MühendisliğiAnkara Yıldırım Beyazıt ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. İBRAHİM YILMAZ
- New proposed methods for synthetic minority over-sampling technique
Sentetik azınlık aşırı örnekleme tekniği için yeni önerilen yöntemler
HAKAN KORUL
Yüksek Lisans
İngilizce
2024
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Design of robust speaker idintification with built-in noise immunity
Gürültü ayırıma özellikli hoparlör tasarımı
ALI NAJDET NASRET CORAN
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiÇankaya ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. HAYRİ SEVER
DR. ÖĞR. ÜYESİ MURAD MOHAMMED AMIN