Geri Dön

Veri madenciliği sınıflandırma algoritmalarıyla lisans yabancı dil hazırlık programında öğrenmeyi etkileyen faktörlerin belirlenmesi

Determination of factors affecting learning in undergraduate foreign language preparatory program with data mining classification algorithms

PDF İndir

  1. Tez No: 859713
  2. Yazar: İPEK ERDOĞMUŞ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ ZERRİN AYVAZ REİS
  4. Tez Türü: Doktora
  5. Konular: Bilim ve Teknoloji, Eğitim ve Öğretim, İstatistik, Science and Technology, Education and Training, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İstanbul Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Enformatik Ana Bilim Dalı
  12. Bilim Dalı: Enformatik Bilim Dalı
  13. Sayfa Sayısı: 182

Özet

Veri birçok alanda temel bir malzeme haline gelmiş ve teknolojik gelişmelerle birlikte veri potansiyeli her geçen gün artmıştır. Eğitim alanı, teknolojik gelişmelerden ve veri potansiyelinden etkilenen araştırma alanlarından biridir. Eğitimde veri analizi yeni bir uygulama olmamakla birlikte teknolojik gelişmeler eğitimde farklı yöntem, araç, teknik ve ortamların kullanılmasına yol açmıştır. Eğitim verilerinin veri madenciliği yöntemleri ile analiz edilmesi literatürde eğitimde veri madenciliği başlığı altında incelenmektedir. Yabancı dil öğrenimi, eğitim alanında uzun süredir ele alınan ve karmaşık bir konudur. Yabancı dil yeterliliği, günümüzün küreselleşen dünyasında temel bir beceri haline gelmiştir. Birçok araştırmacı, yabancı dil yeterliliğini etkileyen faktörleri araştırmaktadır. Duyuşsal, bilişsel, öğrenme ortamı, sosyal ve demografik özellikler gibi çeşitli faktörler birlikte ele alındığında, en etkili olanları belirlemek önem kazanmaktadır. Bu tez çalışmasının amacı yabancı dil yeterliliğini etkileyen en önemli faktörlerin belirlenmesidir. Bu bağlamda, 2018-2021 yılları arasındaki üç akademik yıl boyunca Kadir Has Üniversitesi İngilizce Hazırlık Programı'nda öğrenim gören 1112 lisans öğrencisinden veri toplanmıştır. Veri kümesi, dil öğrenme stratejileri, motivasyon, dile dair deneyim, genel eğitim, hazırlık programı öğrenme deneyimi, sosyal ve demografik durum başlıkları altında yer alan 65 öznitelikten oluşmaktadır. Çalışma kapsamında bu veri kümesindeki özniteliklerden en etkili minimum sayıda özniteliği veren bir öznitelik alt kümesi elde edilmeye çalışılmaktadır. Bu alt kümeyi belirlemek için sınıflandırma amaçlı öznitelik seçimi yöntemleri ve araştırma kapsamında geliştirilen hibrit bir metodoloji kullanılmıştır. Bu metodolojiye göre sınıflandırma amaçlı öznitelik seçimi yöntemleriyle üç farklı alt küme oluşturulduktan sonra bu alt kümelerin kesişim ve birleşiminden oluşan iki yeni alt küme elde edilmektedir. Ardından bu alt kümelere farklı sınıflandırma algoritmaları uygulanmalıdır. Son olarak, farklı model değerlendirme ölçütlerine göre bir karşılaştırma yapılarak öznitelik alt kümesi seçimi gerçekleştirilmektedir. Çalışma sonucunda; veri kümesindeki 65 öznitelikten yola çıkarak yabancı dil yeterliliğini etkileyen en önemli 23 faktör belirlenmiştir. Bu faktörler; yabancı dil öğrenmeye başlama yaşı, başlangıç seviyesi, öğrencinin kayıtlı olduğu fakülte, özgüven, burs oranı, ailede yabancı dil bilen kişi varlığı, öğrenci katılımcılığı, öğrenci yakınlığı (sınıf arkadaşları ile), üniversite sınavı başarı sırası ve puan türü, öğrenme ortamı, kişisel kullanım, annenin çalışma durumu, babanın eğitim durumu, yabancı dil öğrenimi sürecinde zorlanma dereceleri (genel, gramer, kelime, okuma, yazma, konuşma, dinleme), üstbiliş ve telafi stratejileri olarak belirlenmiştir. Bu tez çalışması bir durum tespiti ortaya koymuş ve yeni araştırma sorularını beraberinde getirmiştir.

Özet (Çeviri)

Data has become a fundamental material in many fields, and data potential is increasing daily with technological advances. The education field is one of the research areas affected by technological improvements and data potential. Although data analysis in education is not a new practice, technological developments have led to the use of different methods, tools, techniques, and environments in education. We can analyze educational data with data mining methods, and these studies can be investigated in the field of educational data mining. Foreign language learning is a complex and long-standing topic in the field of education. Foreign language proficiency has become an essential skill in today's globalized world. Many researchers have investigated the factors affecting foreign language proficiency. When various factors such as affective, cognitive, learning environment, social and demographic characteristics are considered together, it becomes important to identify the most effective ones. The aim of this thesis study is to determine the most important factors affecting foreign language proficiency. In this context, data were collected from 1112 undergraduate students studying at Kadir Has University English Preparatory Program during the three academic years between 2018 and 2021. The dataset consists of 65 attributes under the headings of language learning strategies, motivation, background on language, general education, learning experience in preparatory program, and social and demographic status. Within the scope of the study, it is attempted to obtain a feature subset that gives the most effective minimum number of features from the attributes in this dataset. In order to determine this subset, feature selection methods for classification purposes were used and a hybrid methodology developed within the scope of the research. According to this methodology, after three different subsets are created with feature selection methods, two new subsets consisting of the intersection and union of these subsets are obtained. Then, different classification algorithms should be applied to these subsets. Finally, feature subset selection is performed by making a comparison according to different model evaluation criteria. In result, the 23 most important factors within 65 features affecting foreign language proficiency were determined. These factors are: age of starting to learn a foreign language, beginning level, faculty the student is enrolled in, self-confidence, scholarship rate, presence of foreign language speakers in the family, student involvement, student cohesiveness, university exam success rank and score type, learning environment, individual use, mother's working status, father's education status, difficulty levels in the foreign language learning process (general, grammar, vocabulary, reading, writing, speaking, listening), metacognitive, and compensation strategies. This thesis study has revealed a due diligence and has brought new research questions with it.

Benzer Tezler

  1. Tez No

    782725

    Lisansüstü programlara öğrenci kabulünde kullanılan kriter puanların işlevselliği üzerine bir veri madenciliği çalışması

    Title of the thesis a data mining study on the functionality of the criteria scores used in student admission to graduate programs

    SELCAN KESER

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Eğitim ve ÖğretimBolu Abant İzzet Baysal Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. ZEKERİYA NARTGÜN

  2. Tez No

    282861

    Detecting students at risk of substance abuse by using data mining classification algorithms

    Madde bağımlısı olma riski altında olan öğrencilerin veri madenciliği sınıflandırma algoritmalarıyla tespit edilmesi

    FARUK BULUT

    Yüksek Lisans

    İngilizce

    İngilizce

    2010

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. İHSAN ÖMÜR BUCAK

  3. Tez No

    344027

    Veri madenciliğinin nefroloji alanına uygulanması

    Application of data mining to the field of nephrology

    YUNUS KÖKVER

    Yüksek Lisans

    Türkçe

    Türkçe

    2012

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NECAATTİN BARIŞÇI

  4. Tez No

    357204

    Güncel sürü zekâsı algoritmalarıyla sınıflandırma kurallarının keşfi

    Classification rule mining with current swarm intelligence algorithms

    SİNEM AKYOL

    Yüksek Lisans

    Türkçe

    Türkçe

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTunceli Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. BİLAL ALATAŞ

  5. Tez No

    570970

    Veri madenciliği modelleri ve örnek bir uygulama

    Data mining models and a sample application

    ZAHİDE DENİZLİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    EkonometriDokuz Eylül Üniversitesi

    Ekonometri Ana Bilim Dalı

    PROF. DR. LEVENT ŞENYAY

Geri Dön