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
- Tez No: 819004
- Danışmanlar: PROF. DR. ERSOY ÖZ, PROF. DR. ATABEY KAYGUN
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Makine öğrenmesi, Veri madenciliği, Machine learning, Data mining
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Eğitim süreçlerinde üretilen ve toplanan büyük miktardaki verileri, makine öğrenmesi yöntemleri kullanılarak anlamak, yorumlamak ve içlerindeki ilişkileri ortaya çıkarmak önemli bir araştırma alanıdır. Eğitsel veri madenciliği çerçevesinde yapılan araştırmalar, öğrenci performansını değerlendirme, öğrenci davranışlarını anlama ve eğitim politikalarını geliştirme amacını gütmektedir. Bu tür araştırmalarda elde edilen çıktılar, araştırmacıların, eğitim planlamacılarının ve eğitim alanında karar alıcıların eğitim politikaları ve stratejileri geliştirmesine imkân sağlamaktadır. Bu tez çalışmasında, Uluslararası Öğrenci Değerlendirme Programı (PISA) 2018'e katılan 37 OECD ülkesi öğrencilerinin matematik ve fen bilimleri veri setlerine makine öğrenmesi algoritmalarının uygulanması amaçlanmaktadır. Bu amacı gerçekleştirmek için, öğrencilerin matematik ve fen alanlarındaki başarısını sınıflandırmada Rastgele Orman (RO), Extreme Gradient Boosting (XGBoost), Lojistik Regresyon (LR) ve Destek Vektör Makineleri (DVM) algoritmaları kullanılmıştır. Öğrencilerin matematik ve fen alanlarındaki başarılarını etkileyen yüksek öneme sahip değişkenleri belirlemek amacıyla, permütasyon özelliği önem yöntemi kullanılmıştır. Her bir ülke için hem matematik hemde fen alanındaki başarıları etkileyen önem değeri yüksek değişkenler elde edilmiştir. Ülkeler değişkenlerin matematik ve fen başarısına olan etki değerlerine göre kümelenmek amacıyla hiyerarşik kümeleme algoritması kullanılmıştır. Ele alınan OECD ülkelerinin tamamı için hem matematik hemde fen alanındaki başarılara göre en yüksek öneme sahip değişkenler, genel olarak yaş, cinsiyet, eğitim, ekonomik düzey ve duygusal faktörler ile ilişkili değişkenler olarak gözlemlenmiştir. Ardından her bir ülkenin sosyo-ekonomik ve demografik özelliklerinin, matematik ve fen başarısına olan etki değerlerine göre ayrı ayrı gerçekleştirilen kümeleme analizi sonuçları karşılaştırılmıştır. Her iki kümeleme analizi sonucunda, hem matematik hem de fen başarılarına göre kümelenen ülkelerden, Amerika ile Meksika ve Kanada ile Avustralya benzer şekilde kümelenmiş ancak diğer ülke gruplarının böyle bir benzerlik göstermedikleri görülmüştür. Elde ettiğimiz sonuçlar doğrultusunda, 37 OECD ülkesinin matematik ve fen başarısına olan etkinin, sosyo-ekonomik ve demografik özellikler açısından farklılık gösterdiği sonucu ortaya koyulmuştur.
Özet (Çeviri)
Understanding and interpreting large amounts of data from educational environments by using machine learning methods and uncovering important relationships is an important area of research. These studies, conducted within the framework of educational data mining, aim to evaluate student performance, understand student behavior, and improve educational policies. The outputs of these studies enable researchers, educational planners, and educational decision makers to develop useful educational policies and strategies. This thesis aims to apply machine learning algorithms to mathematics and science datasets of students from thirty-seven OECD countries participating in the Programme for International Student Assessment (PISA) 2018. For this purpose, Random Forest (RF), Extreme Gradient Boosting (XGBoost), Logistic Regression (LR) and Support Vector Machines (SVM) algorithms are used to classify students' achievement in mathematics and science. Permutation feature importance method was used to identify the variables with high importance affecting students' achievement in mathematics and science. For each country, variables with high importance level affecting both mathematics and science achievement were obtained. Hierarchical clustering algorithm was used to cluster the countries according to the impact values of the variables on math and science achievement. For all OECD countries, the variables of highest importance in terms of achievement in both mathematics and science were generally observed as variables related to age, gender, emotional factors, education, and economic level. Then, the results of cluster analyses performed separately according to the effect of socio-economic and demographic characteristics of each country on mathematics and science achievement were compared. As a result of both clustering analyses, it was observed that, among the countries clustered according to both mathematics and science achievement, the USA and Mexico and Canada and Australia were clustered in a similar way, but the other groups of countries did not show such a similarity. In line with the results we obtained, it was concluded that the effect on maths and science achievement of 37 OECD countries differed in terms of socio-economic and demographic characteristics.
Benzer Tezler
- Relationship between students' SES and literacy levels under the effect of different levels of school SES: a secondary analysis of Estonia, Belarus, and Azerbaijan on PISA 2018
Okul ses etkisi altında öğrenci SES ve okuryazarlık seviyeleri arasındakı ilişki: Estonya, Belarus ve Azerbaycan' PISA 2018 verileri üzerinde ikincil analiz
FARID MUSAYEV
Yüksek Lisans
İngilizce
2021
Eğitim ve Öğretimİhsan Doğramacı Bilkent ÜniversitesiEğitim Programları ve Öğretim Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İLKER KALENDER
- PISA 2018 verilerine göre başarıları farklı ülke öğrencilerinin okuma becerilerinin duyuşsal özellikler ile ilişkisinin incelenmesi
Different succesful country according to PISA 2018 data attention to the reading skills of the student's investigation of the relationship with fatures
AÇELYA ŞEBBOY ÇELİK
Yüksek Lisans
Türkçe
2024
İstatistikHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. SELAHATTİN GELBAL
- Uluslararası sermaye ihracı ve ithalindeki nedensellik ve Türkiye'de yabancı sermaye
Başlık çevirisi yok
FARUK ESKİOĞLU