Regresyon ağaçlarıyla süreç ve sonuç verilerinin karmaşık problem çözme becerisini yordama düzeylerinin incelenmesi
Investigation of the levels of process and result data to prediction complex problem solving with regression trees
- Tez No: 910264
- Danışmanlar: DOÇ. DR. KÜBRA ATALAY KABASAKAL, DR. İSMAİL DİLEK
- Tez Türü: Doktora
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Eğitim Bilimleri Enstitüsü
- Ana Bilim Dalı: Eğitim Bilimleri Ana Bilim Dalı
- Bilim Dalı: Eğitimde Ölçme Ve Değerlendirme Bilim Dalı
- Sayfa Sayısı: 210
Özet
Bu çalışmada süreç ve sonuç verilerinin farklı makine öğrenme algoritmalarıyla karmaşık problem çözme becerisini yordama performansları incelenmiştir. Bu amaçla Uluslararası Öğrenci Değerlendirme Programı (PISA) 2012'ye katılmış 915 kişinin verileri kullanılmıştır. Süreç verileri, PISA 2012'deki problem çözme değerlendirmesinde bulunan klima kontrolü ünitesinin birinci sorusuna ait günlük dosyasından elde edilmiştir. Sonuç verileri olarak aynı değerlendirmedeki çeşitli bilişsel ve duyuşsal özellikler kullanılmıştır. Analizler için tekli regresyon ağacı, torbalama, rastgele orman, gradyan artırma, koşullu çıkarım ağacı, koşullu çıkarım ağaçlarına dayalı torbalama, koşullu çıkarım ağaçlarına dayalı rastgele orman ve koşullu çıkarım ağaçlarına dayalı gradyan artırma algoritmaları kullanılmıştır. Elde edilen temel sonuçlara göre (1) süreç verisi orta, sonuç verisi orta-iyi, süreç+sonuç verisi iyi düzeyde tahmin performansı sergilemiştir. (2) Süreç verisinde koşullu çıkarım ağaçlarına dayalı gradyan artırma, sonuç verisinde hem gradyan artırma hem de koşullu çıkarım ağaçlarına dayalı gradyan artırma, süreç+sonuç verisinde gradyan artırma daha iyi performans göstermiştir. Bununla birlikte tüm yöntemlerin metrik değerleri arasında önemli farklılıklar bulunmamaktadır. (3) Tüm algoritmalar için genel olarak; süreç verisinde en önemli değişkenler VOTAT stratejisi puanı ve toplam süre, sonuç verisinde matematik puanı ve okuduğunu anlama puanı, süreç+sonuç verisinde matematik puanı ve VOTAT stratejisi puanı olmuştur. Matematik puanının oldukça baskın biçimde etkili olması dikkat çekmiştir.
Özet (Çeviri)
The present study examines the predictive capacity of process and result data in complex problem-solving skills, employing different machine learning algorithms. The data set comprises 915 participants from the Programme for International Student Assessment (PISA) 2012. The process data was obtained from the log file of the first question of the Climate Control unit in the problem-solving assessment in PISA 2012. Various cognitive and affective characteristics were used as result data. The following machine learning algorithms were employed: single regression tree, bagging, random forest, gradient boosting, conditional inference tree, bagging based on conditional inference trees, random forest based on conditional inference trees, and boosting algorithms based on conditional inference trees. The main results indicated that process data exhibited moderate prediction performance, result data exhibited moderate-good prediction performance, and process+result data exhibited good prediction performance. (2) Gradient boosting based on conditional inference trees performed better on process data, both gradient boosting and gradient boosting based on conditional inference trees performed better on result data, and gradient boosting performed better on process+result data. However, there were no important differences between the metric values of all methods. (3) In general, the most important variables in the process data were the VOTAT strategy score and total time, in the outcome/result data the mathematics literacy score and reading literacy score, and in the process+result data the mathematics literacy score and VOTAT strategy score. It is notable that the mathematics literacy score was particularly effective.
Benzer Tezler
- Алуу жана колдонуучулардынканааттануусун баалоо:бишкек шаарындаэмпирикалык изилдөө
E-devletin benimsenmesi ve kullanıcı memnuniyetinin değerlendirilmesi: Bişkek şehrinde ampirik bir araştırma
ACAR ŞARŞENKADIROVA
Yüksek Lisans
Kırgızca
2024
İşletmeKırgızistan-Türkiye Manas Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. AZAMAT MAKSÜDÜNOV
- A new nonlinear lifting line method for configuration aerodynamics and deep learning based aerodynamic surrogate models
Konfigürasyon aerodinamiği analizi ve derin öğrenme bazlı aerodinamik dijital model oluşturmak için yeni bir doğrusal olmayan taşıyıcı çizgi metodu
HASAN KARALİ
Yüksek Lisans
İngilizce
2020
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ADİL YÜKSELEN
PROF. DR. GÖKHAN İNALHAN
- Pandemi sürecinde sağlık ve turizm alanlarındaki akademisyenlerin iş tatmini ve performanslarının değerlendirilmesi
The evaluation of job satisfaction and performances of the academicians in health and tourism field during the pandemic
İLHAN BUYRUKOĞLU
Yüksek Lisans
Türkçe
2022
Eğitim ve ÖğretimAlanya Alaaddin Keykubat ÜniversitesiSağlık Turizmi Ana Bilim Dalı
DOÇ. DR. ÖZGÜR GÖLGE
- Veri madenciliği nde regresyon ağaçları ile sınıflandırma ve bir uygulama
Classification with regression trees in data mining, and a appiication
GÜLSER DONDURMACI
Doktora
Türkçe
2011
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. NALAN CİNEMRE
- Mimari tasarım sürecinin erken aşamasında kullanılacak artırılmış gerçeklik uygulamalarının geliştirilmesi için bir yöntem önerisi
A new approach for development of a mobile augmented reality application to be used in the early phases of the architectural design process
MAHMUT ÇAĞDAŞ DURMAZOĞLU
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Ana Bilim Dalı
PROF. DR. LEMAN FİGEN GÜL