Prediction of students' success employing data mining algorithms
Öğrencilerin başarısının veri madenciliği algoritmaları kullanılarak tahmin edilmesi
- Tez No: 785154
- Danışmanlar: DR. ÖĞR. ÜYESİ SELİM BUYRUKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Çoğu yüksek öğretim kurumu öğrenci başarısına kilit bir stratejik hedef olarak öncelik vermektedir. Akademik kurumlar, bütçe kısıtlamaları ve artan işletme maliyetleri karşısında eğitim seviyesinden ödün vermeden kurumlarına kayıtlı öğrenci sayısını artırmaya odaklanmaktadır. Akademik ve davranışsal verileri kullanarak öğrencilerin başarısını tahmin etmek için makine öğreniminin kullanılması, çok sayıda girişim ve çalışmanın konusu olmuştur. Öğrenci başarısını tahmin etmek için Rastgele Orman, Destek Vektör Makinesi, Lojistik Regresyon vb. gibi popüler makine öğrenimi algoritmalarını uyguladık. Destek Vektör Makinesi en iyi doğruluk (%93,8) ve hassasiyet (%98,75) puanlarını sağlamayı başarmıştır. Ayrıca yığın tabanlı topluluk modelinin uygulanması öğrenci başarı tahmininde oldukça etkilidir. Bu nedenle, öğrenci başarısını tahmin etmedeki etkinliğini diğer makine öğrenmesi algoritmalarıyla karşılaştırmak için yığın tabanlı bir topluluk öğrenme modeli geliştirilmiştir. Sonuç olarak, yığın tabanlı topluluk modeli, öğrenci başarısını tahmin etmede en iyi doğruluk puanını (%93,9) sağlamıştır.
Özet (Çeviri)
Most higher education institutions now priorities student achievement as a key strategic goal. Academic institutions are focusing more on keeping students enrolled in their classes without sacrificing educational level in response to budget constraints and rising operational costs. The use of machine learning to forecast students' success using academic and behavioural data has been the subject of numerous initiatives and studies. We applied the popular machine learning algorithms in order to predict student achievement including Random Forest, Support Vector Machine, Logistic Regression etc. The employed Support Vector Machine has achieved to provide the best accuracy (93.8%) and sensitivity (98.75 %) scores. Additionaly, the implementation of stack-based ensemble model is very effective in the predicition of student success. Therefore, a stacked-based ensemble learning model is cerated in order to compare the efficiency of it in the prediction of students' succes with the other machine learning algorithms. At the end, the stacked-based ensemble model has provided the best accuracy score (93.9%) in the prediction of students' success.
Benzer Tezler
- Eğitimsel veri madenciliği ve bir uygulaması
Educational data mining and an application
YASEMİN YAKUPOĞLU
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAŞAR ÖZTAYŞİ
- Uzaktan eğitim öğrencilerinin başarılarının fpfs-knn ile tahmini
Prediction of the success of distance students via fpfs-knn
SEMA KILIÇ
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Rumeli Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAMET MEMİŞ
- Küme destekli bireyselleştirme tekniğinin yedinci sınıf öğrencilerin rasyonel sayılar konusundaki başarılarına ve matematiğe yönelik kaygı,tutum ve özyeterlik algılarına etkisi
The effect of team-assisted individualization technique on 7th grade students' achievement in rational numbers and anxiety, attitude and self efficacy perceptions towards mathematics
GÜL ASLAN
Yüksek Lisans
Türkçe
2016
Eğitim ve ÖğretimAtatürk Üniversitesiİlköğretim Ana Bilim Dalı
PROF. DR. ABDULLAH KAPLAN
- Comparision of a modified systematic desensitization procedure with classic systematic desensitization in the treatment of public speaking anxiety
Başlık çevirisi yok
CANAN SÜMER(BULUT)
