Makine öğrenmesi yöntemleri kullanılarak uluslararası matematik ve fen eğilimleri araştırması Türkiye örneğinin değerlendirilmesi
Evaluation of the trends in international mathematics and science study using machine learning methods: Turkey sample
- Tez No: 883243
- Danışmanlar: PROF. DR. ERSOY ÖZ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 65
Özet
Eğitim süreçlerinde toplanan verilerin analiz edilmesi, modellenmesi ve sınıflandırılması için makine öğrenmesi yöntemleri kullanılmaktadır. Bu yöntemler sonucunda çıktıların elde edilmesiyle, mevcut eğitim sistemlerinde reformlara, eğitim politikalarında iyileştirme yapmaya yönelik teşvikler sunabilmektedir. Eğitim veri madenciliği alanında yapılan çalışmalarda öğrencinin başarı durumu ev, okul, öğretmen ve aile bağlamında incelenebilmektedir. Bu tez çalışmasında Uluslararası Eğitim Başarılarını Değerlendirme Kuruluşu tarafından yürütülen Uluslararası Matematik ve Fen Bilimleri Eğilimleri Araştırması (TIMSS) 2011, 2015 ve 2019 yılı verileri için Türkiye 8. sınıf düzeyindeki öğrencilerin fen bilimleri veri setlerine makine öğrenmesi algoritmaları uygulanmıştır. Çalışmada, öğrencilerin fen başarılarını sınıflandırmak için Lojistik Regresyon (LR), Destek Vektör Makineleri (DVM), K En Yakın Komşu Algoritması (K-NN), Naive Bayes (NB) ve Rasgele Orman (RO) algoritmaları kullanılmıştır. Öğrencilerin fen alanındaki başarısını en çok etkileyen değişkenleri belirlemek amacıyla permütasyon özelliği önem yöntemiyle önemlilik kontrolü yapılmıştır. Öğrenci başarı durumunu sınıflandırmada en iyi algoritma, model metriklerine göre bulunmuştur. Ayrıca her bir algoritma için roc eğrileri çizilmiştir. LR ve RO algoritmaları için permütasyon önem kontrolü yapılmıştır. Fen bilimleri 2011, 2015 ve 2019 yıllarına ait veri setleri için LR ve RO en iyi algoritma olarak belirlenmiştir.“Fen bilimlerinde öğrencinin güveni”ve“Ev eğitim kaynakları”değişkenleri fen başarısında en etkili değişkenler olarak belirlenmiştir. Ayrıca TIMSS 8. Sınıf fen bilimleri uluslararası başarı ortalamasına göre bakıldığında, Türkiye' nin başarı puanında pozitif yönde artış olduğu sonucuna ulaşılmıştır.
Özet (Çeviri)
Machine learning methods are used to analyze, model and classify training data. With the emergence of these results, it can provide incentives for reforms in existing education systems and implementation in education policies. Student success status structured in the field of education data mining can be accessed by home, school, teacher and family. In this thesis study, machine learning times are rearranged for Turkey 8th grade science data sets for the 2011, 2015 and 2019 data of the International Mathematics and Science Trends Survey (TIMSS) provided by the International Association for the Evaluation of Educational Achievement. Logistic Regression (LR), Support Vector Machines (SVM), K Nearest Neighbor Algorithm (K-NN), Naive Bayes (NB) and Random Forest (RO) companies are used in their studies to reveal science achievements. In order to determine the most common variables in the operation of the science record, materiality control was carried out using the permissive feature importance method. The best choice for student success rates varies depending on model metrics. Also roc curves are drawn to connect it. Permutation importance check was performed for LR and RO applications. LR and RO were determined as the best choice for science data books of 2011, 2015 and 2019. The variables“Students' confidence in science”and“Home education resources”were determined as the most effective variables in science success. In addition, according to the international success achieved in TIMSS 8th Grade science, it has been found that Turkey's success score has increased positively.
Benzer Tezler
- Uluslararası öğrenci değerlendirme programı 2018 matematik ve fen başarılarında ülkeler arası karşılaştırmaların makine öğrenmesi yöntemleri ile incelenmesi
Examining the comparisons between countries in international student assessment program 2018 mathematics and science achievements using machine learning methods
EZGİ GÜLENÇ BAYİRLİ
Doktora
Türkçe
2023
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ERSOY ÖZ
PROF. DR. ATABEY KAYGUN
- Makine öğrenmesi ile hazır giyim perakende sektöründe satış tahmini
Sales forecasting in apparel retail industry with machine learning
SALİH CEYLAN
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİROL ASLANYÜREK
- Assessment of discrimination of mafic rocks using trace element systematics with machine learning
Mafik kayaçların ayırdımlanmasının eser element sistematiği kullanılarak makine öğrenimi ile değerlendirilmesi
MEHMET SİNAN ÖZTÜRK
Doktora
İngilizce
2019
Jeoloji MühendisliğiOrta Doğu Teknik ÜniversitesiJeoloji Mühendisliği Ana Bilim Dalı
DOÇ. DR. KAAN SAYIT
- Modeling educational data with machine learning methods
Eğitim verilerinin makine oğrenmesi algoritmaları kullanılarak modellenmesi
AYŞE İLKNUR DİLEK
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiMatematik ve Bilgisayar Bilimleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET FATİH UÇAR
- Ortaokul öğrencilerinin matematik dersi akademik başarılarının makine öğrenmesi algoritmaları ile tahmini
Prediction of secondary school students' academic achievement in mathematics with machine learning algorithms
BÜŞRA KARACA
Yüksek Lisans
Türkçe
2023
Eğitim ve ÖğretimSüleyman Demirel ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. MUHAMMET DEMİRBİLEK
DOÇ. DR. TARIK TALAN