Geri Dön

Öğrencilerin LGS tercihlerine göre ortaöğretim kurumlarına yerleşme durumlarının veri madenciliği yaklaşımı ile modellenmesi

Modeling of placement situations in secondary education institutions according to LGS preferences with data mining approach

  1. Tez No: 855285
  2. Yazar: ÜMİT ÇELİK
  3. Danışmanlar: DOÇ. DR. FATİH ÖZDİNÇ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Eğitim ve Öğretim, Education and Training
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Afyon Kocatepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 81

Özet

Bu araştırma e-Okul sistemindeki verileri kullanarak her yıl bir liseye yerleşmek için tercih yapan öğrencilerin LGS tercihlerine göre yerleşmesinin VM yöntemleri ile modellenmesini amaçlamaktadır. Bu kapsamda araştırma grubunu 2022 yılında Ankara ilinde LGS tercihi yapmış olan 6000 8. sınıf öğrencisi oluşturmaktadır. LGS sonucunda öğrenciler sınavlı ve sınavsız okullara yerleştirilmekte farklı nedenlerden dolayı ise bir kısım öğrenci hiçbir okula yerleşememektedir. Algoritmaların daha iyi bir test ve tahminleme yapabilmesi için yerleşme durumlarına göre hiçbir okula yerleşemeyen, sınavlı okula yerleşen ve sınavsız bir okula yerleşen olmak üzere 2000' er tane kayıt rastgele olarak seçilmiştir. Verilerin analizinde orange veri madenciliği yazılımı kullanılmıştır. Araştırma sonucunda veri setimizden information gain yöntemi ile veri başlıklarından en iyi 10 tanesi seçilmiş ve bu seçime göre öğrencilerin bir liseye yerleşme durumları (yerleşemedi, sınavlı bir okula yerleşti, sınavsız bir okula yerleşti) VM yöntemleri ile modellenmeye çalışılmıştır. Verideki öğrencinin akademik başarısını gösteren yılsonu başarı puanlarının daha etkin olduğu bunun dışındaki demografik verilerin ise anne-abanın eğitim durumu, öğrencinin yapmış olduğu tercihlere göre ikinci ve üçüncü sıradaki tercihleri, tercih sayısı, burs alıp almadığı ve kayıtlı olduğu okul türü(devlet ortaokulu, özel ortaokul, imam hatip ortaokulu) bu kriterlerden sonra geldiği sınıflama algoritmaları açısından incelediğimizde ise en yüksek doğruluk oranları yakalanan algoritmalarda %67 ile lojistik regresyon öne çıkmakta ve bunları %64 ile yapay sinir ağları ve naive bayes algoritmaları izlemektedir. Bu çalışma neticesinde öğrencilerin akademik ve demografik verileri kullanılarak tercih öncesi bir tercih robotu gibi bir uygulama sunulabilir ve farklı akademik ve demografik veri başlıkları kullanılarak EVM uygulamaları yapılabilir.

Özet (Çeviri)

This research aims to model the placement of students in high schools each year based on their preferences in the LGS using DM methods. The study group consists of 6000 8th-grade students who made their LGS preferences in Ankara province in 2022. Following the LGS results, students are placed in schools with exams and without exams, while some students fail to be placed in any school due to various reasons. To enable algorithms to conduct better testing and prediction, 2000 records were randomly selected based on their placement status: those who were unable to be placed in any school, those placed in a school with exams, and those placed in a school without exams. Orange data mining software was used for data analysis. The research selected the top 10 data headings from the dataset using the information gain method, and attempts were made to model students' placement statuses (unplaced, placed in a school with exams, placed in a school without exams) using DM methods based on this selection. It was found that end-of-year academic success scores were more effective in indicating placement, while other demographic data such as parents' education level, students' second and third preferences, number of preferences, whether they receive scholarships, and the type of school they are enrolled in (public middle school, private middle school, religious middle school) followed in importance. When examined in terms of classification algorithms, logistic regression stands out with the highest accuracy rates at 67%, followed by artificial neural networks and naive Bayes algorithms at 64%. As a result of this study, an application similar to a preference robot could be offered to students based on their academic and demographic data, and different academic and demographic data headings could be used for further EDM applications.

Benzer Tezler

  1. Merkezî ya da yerel yerleştirme ile liselere kayıt yaptıran öğrencilerin okul türü tercih nedenleri ve okula uyum düzeyleri

    The reasons for preferring school type preference and level of school adaptation among students who enroll in high schools with central placement exam score or local placement

    AZİZE AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Eğitim ve ÖğretimTrabzon Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. HİKMET YAZICI

  2. İmam hatip ortaokulundan mezun olan öğrencilerin imam hatip liselerini tercih etmeme nedenleri

    The reasons why students who graduated from imam hatip secondary school do not prefer imam hatip high schools

    MUHAMMET AKDENİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Dinİnönü Üniversitesi

    Felsefe ve Din Bilimleri Ana Bilim Dalı

    DOÇ. DR. İBRAHİM AŞLAMACI

  3. Okullardaki laboratuvar olanakları ve kullanılma durumlarının öğrencilerin LGS fen bilimleri başarısına etkisinin incelenmesi

    Investigation of the effect of laboratory facilities and usage in schools on students' success in LGS science

    HÜLYA KÖROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimTrabzon Üniversitesi

    Matematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı

    PROF. DR. HAKAN ŞEVKİ AYVACI

  4. Başarıyı etkileyen faktörler konusunda veli görüşleri

    Parent opinions on factors affecting success

    DİLAN ABUKAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Eğitim ve ÖğretimAnkara Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. HASAN ÜNDER

  5. Students' success prediction on high school entrance exam by machine learning

    Makine öğrenmesi ile öğrencilerin lise giriş sınavı başarı tahmini

    MEHMET İRFAN DAMGACI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TAMER UÇAR