Geri Dön

Makine öğrenmesi algoritmaları kullanılarak üniversite bölüm tercihi tahmini.

Prediction of undergraduate major selection via machine learning algorithms

  1. Tez No: 831963
  2. Yazar: HARUN ÇELİK
  3. Danışmanlar: DOÇ. RIDVAN UMAZ, DR. ÖĞR. ÜYESİ AYŞE SALİHA SUNAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Bitlis Eren Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 76

Özet

Bugünün dünyasında, üniversite bölüm tercihi yapmak öğrenciler için oldukça zorlu bir süreç olabilmektedir. Özellikle de öğrenciler; yetenekleri, ilgi alanları, kişilikleri ve gelecekteki kariyer hedefleri bakımından net bir fikre sahip değillerse, bölüm tercihi için doğru seçimi yapmak daha da zor hale gelebilir. Bu nedenle, öğrenciler üniversite tercihleri hakkında daha objektif ve bilimsel bir bakış açısı kazanmak için farklı kaynaklara başvururlar. Ancak, rehberlik servisleri veya üniversite mezunu arkadaşları ve akrabaları gibi kaynaklardan gelen tavsiyeler genellikle objektif olmayabilir. Bu tavsiyelerin objektif olamamasının nedeni, verilen önerilerin kişisel tercihler, deneyimler veya hedeflerden etkilenebilmesidir. Bu bağlamda, bu çalışma, üniversite bölüm tercihlerinde öğrencilere yardımcı olmak için makine öğrenmesi algoritmalarını kullanan bir uygulama geliştirmeyi amaçlamaktadır. Uygulama, öğrencilerin lise dönemi Matematik, Fizik, Kimya, Biyoloji, Coğrafya, Türkçe, Tarih ve yabancı dil derslerinde aldığı başarı puanlarını kullanarak, hangi bölümlerde başarılı olabileceklerini tahmin etmelerine olanak tanır. Çalışmamızda elde edilen veriler, Türkiye'nin tüm bölgelerinden toplanmış ve temizlenerek veri seti haline getirilmiş, öğrenme modellerinin daha tutarlı ve genelleştirilebilir olması amaçlanmıştır. XGBoost, SVC, KNN ve Gaussian Naive Bayes öğrenme modelleri kullanılarak yapılan çalışmada, en yüksek performans KNN algoritması ile elde edilmiştir. Bu uygulamanın, öğrencilerin üniversite bölüm tercihlerinde karşılaştıkları zorlukları azaltmaya yönelik önemli bir adım olması amaçlanmıştır. Çünkü bu uygulama, öğrencilere objektif ve bilimsel bir bakış açısı sunarak, kişisel tercihler veya çevresel faktörlerden etkilenmeden, hangi bölümlerde başarılı olabileceklerini tahmin etmelerine yardımcı olacaktır. Bu çalışmanın, gelecekteki araştırmalara ilham verebilmesi ve üniversite bölüm tercihi yapmakta zorluk çeken öğrenciler için faydalı bir kaynak olması hedeflenmektedir.

Özet (Çeviri)

In modern world, making a decision on a major for high school students can be a challenging step in their lives. Especially, if students are not aware of their potential talents, interests, personalities and goals to reach in the future. Therefore, students search and look for various sources in order to obtain the best objective and scientific perspective on their major preferences. However, advices from some guidance services or recommendations from friends and close relatives who graduated from college may not be objective and helpful. This is because these recommendations are shaped with guiders' preferences than taking into consideration of the student's ability. In this context, this study aims to develop an application that uses machine learning algorithms to assist students in their university major choices. The application allows students to predict which departments they may be successful by using their achievement scores in high school Mathematics, Physics, Chemistry, Biology, Geography, Turkish, History, and foreign language courses. The data obtained in our study were collected from all regions of Turkey, cleaned, and transformed into a dataset to ensure more consistent and generalizable learning models. In the study, different learning models are used such as XGBoost, SVC, KNN, and Gaussian Naive Bayes learning models. Among these models, the highest performance was achieved with the KNN algorithm. This application aims to be an important step in reducing the difficulties students face in their university major choices. Because this application will provide students with an objective and scientific perspective, helping them predict which departments they may be successful without being influenced by personal preferences or environmental factors. It is aimed that this study can inspire future research and be a useful resource for students struggling with university major choices.

Benzer Tezler

  1. Lise öğrencilerinin üniversiteye giriş başarılarının eğitsel veri madenciliği ile tahmin edilmesi

    Estimation of high school students 'success of enterence to university with educational data mining

    SAKIN CAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEYNEP ALTAN

  2. Fasiyal morfometrik ölçümlerin ve makine öğrenmesi algoritmalarının erişkin bireylerin cinsiyet tayininde kullanılabilirliğinin değerlendirilmesi

    Evaluation of the usability of facial morphometric measurements and machine learning algorithms in gender determination of adult individuals

    HİLAL IŞIK ROZAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    AnatomiBolu Abant İzzet Baysal Üniversitesi

    Anatomi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MURAT DIRAMALI

    DOÇ. DR. SEVAL BAYRAK

  3. Prediction of gait kinetics from joint angles using machine learning in patients with cerebral palsy

    Serebral palsili hastalarda makine öğrenmesi ile eklem açılarından yürüyüş kinetiğinin kestirilmesi

    MUSTAFA ERKAM ÖZATEŞ

    Doktora

    İngilizce

    İngilizce

    2023

    Mühendislik BilimleriTürk-Alman Üniversitesi

    Robotlar ve Akıllı Sistemler Ana Bilim Dalı

    PROF. DR. YUNUS ZİYA ARSLAN

  4. Yağmur suyu ızgaralarının hidrolik verimliliğinin makine öğrenmesi yöntemleriyle modellenmesi

    Modeling of hydraulic efficiency of storm water grate inlets by machine learning methods

    KAYHAN BAYHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET ÖZGER

  5. Makine öğrenmesi yöntemleri ile öğrenci mezuniyet notu tahmini

    Prediction of student graduation grade with machine learning methods

    SARP CİVELEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBolu Abant İzzet Baysal Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MURAT BEKEN