Yükseköğretimde öğrencilerin okulu bırakma nedenlerinin veri madenciliği yöntemleri kullanılarak incelenmesi
Investigation of students' dropout reasons in higher education using data mining methods
- Tez No: 940831
- Danışmanlar: PROF. DR. SEVİNÇ GÜLSEÇEN
- Tez Türü: Doktora
- Konular: Psikoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Eğitim ve Öğretim, Psychology, Computer Engineering and Computer Science and Control, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Son yıllarda yükseköğretim, bireylerin değişen dünya koşullarına uyum sağlaması ve doğru kariyer yolunu bulması açısından kaçınılmaz bir gereklilik hâline gelmiştir. Bu artan talep hem ulusal hem de uluslararası düzeyde üniversite terk oranlarını önemli bir sorun olarak gündeme taşımıştır. Üniversite sayısı ve kontenjanlar arttıkça okulu bırakma oranı da yükselmiş, bu durum risk altındaki öğrenciler için önleyici politikaların geliştirilmesini ve gerekli tedbirlerin alınmasını zorunlu kılmıştır. Bu tezin amacı, yükseköğretim düzeyinde öğrencilerin okulu bırakma olgusunu veri madenciliği yöntemleriyle analiz ederek bırakma nedenlerini belirlemek ve elde edilen bulgular doğrultusunda politika ve uygulama önerileri sunmaktır. Bu çalışma, 2022-2023 eğitim-öğretim döneminde Türkiye genelindeki 72 üniversiteden iradi örnekleme yöntemiyle çevrimiçi toplanan verilerle gerçekleştirilmiştir. Toplam 396 öğrenciden demografik bilgiler ile üniversite öncesi, üniversite dönemi ve sonrası süreçleri kapsayan bilgiler elde edilmiştir. Veri madenciliği sürecinde karar ağaçları, destek vektör makineleri (SVM) ve lojistik regresyon algoritmaları kullanılarak öğrencilerin okulu bırakma durumları tahmin edilmiştir. Veri setinin dengesizliği göz önüne alındığında, alt ve üst örnekleme yöntemleri ile sentetik veri setleri oluşturulmuş, ayrıca normalizasyon işlemi uygulanmıştır. OCSWM ve C5.0 algoritmaları, yüksek doğruluk oranları ile başarılı sonuçlar vermiştir. Bu sonuçlara dayanarak, veri madenciliği analizleriyle daha detaylı incelemeler yapılmış ve risk faktörlerinin belirlenmesi sağlanmıştır. Analizler, öğrencilerin ilgi ve yeteneklerine uygun olmayan bölümlere yerleşmeleri, maddi yetersizlik, ekonomik nedenlerle çalışma zorunluluğu, iş bulma kaygısı ve barınma sorunlarının önemli risk faktörleri olduğunu ortaya koymuştur. Ayrıca, ebeveyn eğitim düzeyi ile aile ve arkadaş desteği de öğrencilerin okulu bırakma kararında etkili olmuştur. Bu bağlamda çalışma, öğrenci destek mekanizmalarının güçlendirilmesi ve risk grubundaki bireylerin erken belirlenmesine katkı sunmayı hedeflemektedir.
Özet (Çeviri)
In recent years, higher education has become an inevitable necessity for individuals to adapt to changing global conditions and find the right career path. This increasing demand has brought university dropout rates to the forefront as a significant issue, both at national and international levels. As the number of universities and student quotas increase, the dropout rate has also risen, making it mandatory to develop preventive policies and take necessary measures for at-risk students. The aim of this thesis is to analyze the phenomenon of university dropout at the higher education level using data mining methods to identify the reasons for dropout and provide policy and implementation recommendations based on the findings. This study was conducted using data collected online from 72 universities across Turkey during the 2022-2023 academic year, using a voluntary sampling method. Data were obtained from 396 students, including demographic information and details about pre-university, university, and post-university processes. In the data mining process, decision trees, support vector machines (SVM), and logistic regression algorithms were used to predict students' dropout statuses. Considering the imbalance in the dataset, synthetic datasets were created using under sampling and oversampling methods, and normalization was applied. The OCSWM and C5.0 algorithms produced the most accurate results. Based on these results, further detailed analysis was conducted using data mining techniques, which helped identify risk factors. The analysis revealed that students' enrollment in programs not suitable for their interests and abilities, financial insufficiency, the necessity to work due to economic reasons, concerns about finding a job, and accommodation problems were significant risk factors. Additionally, parental education levels and support from family and friends were found to influence students' decisions to drop out of school. In this context, the study aims to contribute to the strengthening of student support mechanisms and the early identification of individuals in risk groups.
Benzer Tezler
- Üniversite ile ilgili kanun ve yönetmeliğin bilgisayara aktarılması
Başlık çevirisi yok
NAFİYE MESTANOĞLU
Yüksek Lisans
Türkçe
1985
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. OĞUZ MANAS
- Dokuz Eylül Üniversitesi Muğla İşletmecilik Yüksek Okulu 1983-1984 öğretim yılı öğrencileriyle ilgili araştırma
Başlık çevirisi yok
BELKIS YEDİYILDIZ
- Üniversitelerde okutulan güzel sanatlar müzik dersi programının incelenmesi
Studying the fine arts music curriculum taught in universities
FERDA GÜRGAN
- Le Non-naturalisme dans la Faute de I'Abbe Mouret d'Emile Zola
Başlık çevirisi yok
GÜRBÜZ SEZGİN
Yüksek Lisans
Fransızca
1986
Fransız Dili ve EdebiyatıCumhuriyet ÜniversitesiBatı Dilleri ve Edebiyatları Ana Bilim Dalı
YRD. DOÇ. DR. TUNA ERTEM
