Makine öğrenmesi algoritmaları kullanılarak üniversite bölüm tercihi tahmini.
Prediction of undergraduate major selection via machine learning algorithms
- Tez No: 831963
- Danışmanlar: DOÇ. RIDVAN UMAZ, DR. ÖĞR. ÜYESİ AYŞE SALİHA SUNAR
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Kariyer tercihi, Makine öğrenmesi, Career choice, Machine learning
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Bitlis Eren Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
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
- Cinsiyet ve boy uzunluğu ile clavicula morfometrisi arasındaki ilişkinin incelenmesi: Popülasyon tabanlı bir multidedektör bilgisayarlı tomografi çalışması
An investigation of the relationship between gender and height tallness and clavicula morphometry: A population-based multidedector computed tomography study
AZADA SEYIDOVA
Yüksek Lisans
Türkçe
2025
Anatomiİzmir Bakırçay ÜniversitesiAnatomi Ana Bilim Dalı
PROF. DR. ZÜLAL EKİNCİOĞLU ÖNER
DOÇ. DR. MAHMUT ÇAY
- Pediatrik göğüs ağrısı ile kalp hastalığı tanısında makine öğrenmesi uygulamaları
Machine learning applications in the diagnosis of heart disease in pediatric chest pain
ASUDE DEMİR
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiBursa Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUNUS DEMİR
- 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
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBeykent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEYNEP ALTAN
- Forecasting solar irradiance using deep learning and big data analytics techniques in Sakarya and Damascus
Sakarya ve Şam'da derin öğrenme ve büyük veri analitiği teknikleri kullanılarak güneş ışınımının tahmini
MARYA ALHAJMOHAMMADOTHMAN
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEYDA AKSOY TIRMIKÇI
DR. ÖĞR. ÜYESİ DENİZ BALTA
- 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
2024
AnatomiBolu Abant İzzet Baysal ÜniversitesiAnatomi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MURAT DIRAMALI
DOÇ. DR. SEVAL BAYRAK