Geri Dön

Makine öğrenmesi ile küresel eğitim analizi: PISA verileri üzerinden başarı tahmini

Global education analysis with machine learning: Success prediction based on PISA data

PDF İndir

  1. Tez No: 940995
  2. Yazar: RÜVEYDA NUR ÜNAL
  3. Danışmanlar: PROF. DR. FİKRİ GÖKPINAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Akademik başarının tahmin edilmesi, risk altındaki öğrencilerin erken dönemde belirlenmesi, eğitim politikalarının etkinleştirilmesi ve kişiselleştirilmiş öğrenme stratejilerinin geliştirilmesi açısından büyük önem taşımaktadır. Bu bağlamda, bu çalışmanın amacı, PISA 2022 veri setini kullanarak her bir ekonomi için matematik, fen bilimleri ve okuma alanlarında öğrenci performansını tahmin etmek ve eğitim değerlendirmesinde veri temelli bir yaklaşım sunmaktır. Çalışmada, PISA 2022 veri setinde yer alan her bir ekonomi için konu başına on olası değer içeren öğrencilerin performans değerleri tahmin edilmiştir. 80 ekonomi için ayrı veri kümeleri oluşturulmuş ve titiz bir ön işleme hattı uygulanmıştır. Modelleme aşamasında KNN, XGBoost, AdaBoost, gradyan artırma ve rastgele orman olmak üzere beş regresyon tekniği uygulanmış; hiperparametre optimizasyonu ile R2 , RMSE, MAE ve MAPE ölçütleri üzerinden performans değerlendirmesi yapılmıştır. Deneysel sonuçlar, XGBoost ve gradyan artırma yöntemlerinin tutarlı şekilde daha yüksek açıklayıcılık ve düşük hata değerleri sağladığını göstermiştir. Elde edilen bulgular, farklı regresyon yaklaşımlarının eğitim verilerine dayalı değerlendirmede taşıdığı etkinliği vurgulamakta ve veri odaklı yöntemlerin küresel eğitim reformlarına rehberlik etme potansiyelini ortaya koymaktadır.

Özet (Çeviri)

Predicting academic achievement is crucial for early identification of at-risk students, enabling education policies and developing personalized learning strategies. In this context, the aim of this study is to predict student performance in mathematics, science and reading for each economy using the PISA 2022 dataset and to present a data-driven approach to educational assessment. In the study, students' performance values with ten possible values per subject were estimated for each economy in the PISA 2022 dataset. For 80 economies, separate datasets were created and a rigorous preprocessing pipeline was applied. In the modeling phase, five regression techniques, namely KNN, XGBoost, AdaBoost, gradient boosting and random forest, were applied, and performance was evaluated based on R2, RMSE, MAE and MAPE with hyperparameter optimization. The experimental results show that XGBoost and gradient boosting methods consistently provide higher explanatory power and lower error values. The findings highlight the effectiveness of different regression approaches in educational data-driven evaluation and demonstrate the potential of data- driven methods to guide global education reforms.

Benzer Tezler

  1. Tez No

    203

    Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu

    Başlık çevirisi yok

    İRFAN KARAGÖZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. OĞUZ BORAT

  2. Tez No

    257

    Kuyruk modelleri ve analizi üzerine bir uygulama

    Başlık çevirisi yok

    DİDEM ÖZPULAT

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    İstatistikEge Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FİKRET İKİZ

  3. Tez No

    320

    Yenileme yatırımları

    Başlık çevirisi yok

    OSMAN NURİ FİLİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    İşletmeGazi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. OSMAN OKKA

  4. Tez No

    220

    Çeltik kabuklarının yalıtım malzemesi olarak kullanılması

    Başlık çevirisi yok

    B.CİHAN ÇELEBİ

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KIRBIYIK

  5. Tez No

    221

    Hızlı katılaşma ile yüksek mukavemetli malzemelerin üretilmesi ve kurşun-asit akümalatörlerine uygulanması

    Başlık çevirisi yok

    ÜMİT AKÇAL

    Yüksek Lisans

    Türkçe

    Türkçe

    1986

    Makine MühendisliğiUludağ Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİM DEMİRCİ

Geri Dön