Geri Dön

Makine öğrenme yöntemleriyle öğrencilerin akademik performanslarının farklı öznitelik seçim teknikleri uygulanarak sınıflandırılması

Classification of students' academic performance by different feature selection techniques by machine learning methods

PDF İndir

  1. Tez No: 824269
  2. Yazar: SEMA KAYALI
  3. Danışmanlar: DOÇ. DR. SERKAN SAVAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Çankırı Karatekin Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 148

Özet

Öğrenci ve eğitimci açısından akademik başarının artırılması her zaman istenilen durumdur. Akademik başarıyı etkileyen etmenlerin önceden bilinmesi çok önemlidir. Çalışmada, farklı öznitelik seçim teknikleri ve makine öğrenmesi algoritmaları kullanarak ortaokul öğrencilerinin akademik performanslarını sınıflandırmak amaçlanmıştır. Kullanılan veri seti, MEB'e bağlı bir ortaokuldaki 728 öğrenciden elde edilmiştir ve 24 öznitelik içermektedir. Elde edilen veri seti üzerinde ön işleme ve öznitelik seçim teknikleri uygulanmıştır. Veri ön işleme aşamasında, veri seti içerisinde yer alan kategorik değerler sayısal değerlere dönüştürülmüştür. Kullanılan veri setinin dengesiz sınıf dağılımı olduğu için SMOTE algoritması kullanılarak dengeli hale getirilmiştir. Temel veri seti ve 7 farklı öznitelik seçim tekniği kullanılarak toplam 8 veri seti elde edilmiştir. Bu veri setleri Hold out ve 5 kat çapraz doğrulama yöntemleri ile bölünmüştür. Öğrencilerin sene sonundaki başarıları 3-seviyeli sınıflandırma tekniği ile 9 farklı algoritma kullanılarak sınıflandırılmıştır. Çalışmada kullanılan sınıflandırma algoritmaları için en uygun parametre setleri deneme yanılma yöntemi ile belirlenmiştir. Öznitelik seçim yöntemleri kullanmadan, veri setindeki 23 öznitelikle kurulan Gradyan Artırma algoritmasıyla doğruluk değeri %95.17'ye ulaşılmıştır. Gömülü yöntemler ile öznitelik seçim yöntemleri kullanarak 11 özniteliğe indirgenen veri seti ile kurulun Gradyan Artırma algoritmasında doğruluk değeri %93.31'e düşmüş fakat Rastgele Orman algoritmasında doğruluk değeri %95.54'e çıkmıştır. Sonuç olarak, Rastgele Orman algoritması gömülü yöntemler öznitelik seçim teknikleri ile birlikte kullanıldığında, öğrenci performansını tahmin etmek için en etkili algoritma olduğu görülmüştür.

Özet (Çeviri)

Increasing academic success is always desired for students and educators. It is very important to know beforehand the factors affecting academic success. In the study, it is aimed to classify the academic performance of secondary school students by using different feature selection techniques and machine learning algorithms. The dataset used was obtained from 728 students in a secondary school affiliated to the Ministry of National Education and includes 24 features. Preprocessing and feature selection techniques were applied on the obtained data set. In the data preprocessing stage, the categorical values in the data set were converted into numerical values. Since the data set used has an unbalanced class distribution, it has been balanced using the SMOTE algorithm. A total of 8 data sets were obtained by using the basic data set and 7 different feature selection techniques. These datasets are split by Hold out and 5-fold cross-validation methods. Students' achievements at the end of the year were classified using 3-level classification technique and 9 different algorithms. The most suitable parameter sets for the classification algorithms used in the study were determined by trial and error method. Without using feature selection methods, the accuracy value was reached to 95.17% with the Gradient Increasing algorithm established with 23 features in the data set. With the data set reduced to 11 features by using embedded methods and feature selection methods, the accuracy value in the Gradient Increase algorithm of the establishment decreased to 93.31%, but the accuracy value increased to 95.54% in the Random Forest algorithm. As a result, the Random Forest algorithm was found to be the most effective algorithm for predicting student performance when used with embedded methods feature selection techniques.

Benzer Tezler

  1. Tez No

    771041

    Big data and machine learning for behavioral analytics and inference: Cases in sports and education

    Davranış analitiği ve nedensel çıkarımlarda büyük veri ve makineöğrenimi: Spor ve eğitimden vakalar

    EMRAH YILMAZ

    Doktora

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKoç Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. ÖZDEN GÜR ALİ

  2. Tez No

    848594

    Mühendislik tasarım temelli fen eğitiminin 7. sınıflarda uygulanmasına yönelik bir karma yöntem araştırması

    A mixed method research on the implementation of engineering design-based science education in 7th grades

    GÖKHAN TAŞKIN

    Doktora

    Türkçe

    Türkçe

    2023

    Eğitim ve Öğretimİnönü Üniversitesi

    Matematik ve Fen Bilimleri Ana Bilim Dalı

    PROF. DR. GÖKHAN AKSOY

  3. Tez No

    486022

    Yükseköğretimde programlama eğitimi için ters yüz öğrenme modelinin kullanılması ve etkisinin değerlendirilmesi

    Using and evaluating the flipped learning model for programming education in higher education

    CELAL KARACA

    Doktora

    Türkçe

    Türkçe

    2017

    Eğitim ve ÖğretimGazi Üniversitesi

    Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı

    DOÇ. DR. MEHMET AKİF OCAK

  4. Tez No

    286479

    Fen ve teknoloji dersinde araştırmaya dayalı öğrenme ortamının öğrencilerin akademik başarı, hatırda tutma düzeyi ve tutumlarına etkisi

    The effect of inquiry based learning environment in science and technology course on the students? academic achivements, attitudes and retention level

    SİMGE AKPULLUKÇU

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    Eğitim ve ÖğretimDokuz Eylül Üniversitesi

    İlköğretim Ana Bilim Dalı

    YRD. DOÇ. DR. F. YASEMİN GÜNAY

  5. Tez No

    490646

    Eğitim politikası bağlamında işbirlikli öğrenme ve geleneksel öğrenme yöntemlerinin başarı ve tutuma etkisinin meta analitik biçimde incelenmesi

    A meta analytic review of the effect of cooperative learning and traditional learning methods on achievement and attitude in connection with educational policy

    ERKAN GÖKTAŞ

    Doktora

    Türkçe

    Türkçe

    2017

    Eğitim ve ÖğretimMarmara Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. AYŞEN BAKİOĞLU

Geri Dön