Geri Dön

Programlama eğitiminde öğrenci performansının, PLS-SEM ve makine öğrenmesi algoritmalarını kullanan karşılaştırmalı bir yaklaşımla tahminlenmesi

Predicting student performance in programming education with a comparative approach using PLS-SEM and machine learning algorithms

PDF İndir

  1. Tez No: 836833
  2. Yazar: AYKUT DURAK
  3. Danışmanlar: DOÇ. DR. VAHİDE BULUT
  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: İzmir Katip Çelebi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yazılım Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 77

Özet

Bu çalışmada, bilgisayar programlama eğitimi alan öğrencilerin kısmi en küçük kareler yapısal eşitlik modellemesi (PLS-SEM) algoritması kullanarak programlama performansını (düşük, yüksek) etkileyen faktörlerin tahmin edilmesi amaçlanmaktadır. Araştırmanın katılımcılarını programlama eğitimi alan 763 öğrenci oluşturmuştur. Veri setinin analizinde betimsel analizler, makine öğrenmesi algoritmaları ve PLS-SEM analizi kullanılmıştır. Ayrıca düşük ve yüksek programlama performansı gösteren gruplar arasındaki modellerin farklılaşmasını incelemek için çoklu grup yapısal eşitlik modellemesi kullanılmıştır. Verilerin analizinde PLS-SEM yöntemi için SmartPLS 4 programı, makine öğrenmesi algoritmaları sonuçlarının karşılaştırılması için Knime 4.7 programından yararlanılmıştır. Araştırmanın sonuçlarına göre, yüksek düzeyde programlama performansı gösteren grupta, düşük performans gösteren gruba göre modelin açıklama yüzdesi oldukça yüksektir. Araştırmanın bulgularına göre yaş, eğitim düzeyi ve genel akademik başarı ile programlama performans puanları ilişkili bulunmuştur. Ayrıca programlama deneyimi, tutumu ve programlamada yetkilendirmesi ile programlama performansı ilişkilidir. Düşük ve yüksek programlama performans durumlarına göre en yüksek doğruluk sonucuna sahip algoritmanın karar ağaçları [sırasıyla (.966), (.966)] algoritması olduğu sonucuna ulaşılmıştır. Elde edilen bu puanların %90'ın üzerinde olması tahmin performansının yeterli olduğu şeklinde yorumlanabilir.

Özet (Çeviri)

The aim of the current study was to predict the factors that affect the programming performance (low, high) of students taking computer programming education using the PLS-SEM algorithm. The participants of the study were 763 students who received programming education. Descriptive analysis, machine learning algorithms, and analysis of PLS-SEM were used to analyze the data set. In addition, multi-group structural equation modeling was used to examine the differentiation of models between groups with low and high programming performance. The SmartPLS 4 program was used for the PLS-SEM method in the analysis of the data and the Knime 4.7 program was used to compare the results of the machine learning algorithms. The results of the study show that the percentage of explanation of the model in the group with high programming performance is quite high compared to the group with low performance. The results of the study show that age, education level, general academic performance and programming performance are related. In addition, programming experience, attitude, and programming competence are related to programming performance. The study concluded that the algorithm with the highest accuracy in terms of low and high programming performance is the decision tree algorithm [(.966), (.966)]. The fact that these values are above 90% can be interpreted as sufficient estimation performance.

Benzer Tezler

  1. Tez No

    847173

    Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  2. Tez No

    140113

    Piyano eğitiminde nöro linguistik programlama tekniklerinin öğrenci başarısı üzerindeki etkileri

    Başlık çevirisi yok

    ÖZLEM ÖMÜR

    Doktora

    Türkçe

    Türkçe

    2003

    Eğitim ve ÖğretimGazi Üniversitesi

    Güzel Sanatlar Eğitimi Ana Bilim Dalı

    DOÇ. DR. SELMİN TUFAN

  3. Tez No

    371657

    Web tabanlı interaktif mekanizma tekniği eğitimi

    The education of web based interactive mechanisms

    FEYZA CİHAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Makine MühendisliğiGazi Üniversitesi

    Makine Eğitimi Ana Bilim Dalı

    YRD. DOÇ. DR. MURAT TOLGA ÖZKAN

  4. Tez No

    279785

    Moda tasarımı eğitiminde tasarımların değerlendirilmesine yönelik bir ölçme aracı geliştirme

    To develop an assessment tool for the evaluation of designs in fashion design education

    ESRA VAROL

    Doktora

    Türkçe

    Türkçe

    2010

    Giyim EndüstrisiGazi Üniversitesi

    Giyim Endüstrisi ve Moda Tasarımı Ana Bilim Dalı

    PROF. DR. SEMİHA AYDIN

  5. Tez No

    810381

    Bilgisayar programlamayı öğrenme sürecindeki öğrencilerin duyguları, yetkilendirilmeleri ve bilgi işlemsel kimliklerinin metin madenciliği algoritmalarını kullanarak tahmin edilmesi

    Predicting emotions, empowerment and computational identity of students in the process of learning computer programming using text mining algorithms

    NİLÜFER ATMAN USLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Katip Çelebi Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. AYTUĞ ONAN

Geri Dön