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: 119

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

    399343

    Eğitimde fırsat eşitliği, toplumsal genel başarı ve adalet ilişkisi: PISA Projesi kapsamında Finlandiya ve Türkiye deneyimlerinin karşılaştırması

    The relationship between the equality of opportunity in education, general social success and justice: The Comparison of Finland and Turkey experiences within the scope of PISA Project

    VOLKAN MERCİK

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Eğitim ve ÖğretimBalıkesir Üniversitesi

    Siyaset Bilimi ve Kamu Yönetimi Ana Bilim Dalı

    PROF. DR. RIZA ARSLAN

  2. Tez No

    944635

    Data-driven modelling of cost advantage strategies enhancing operational efficiency in the retail sector

    Perakende sektöründe operasyonel verimliliği arttıran maliyet avantajı stratejilerinin veri temelli modellenmesi

    ÇAĞATAY ÖZDEMİR

    Doktora

    İngilizce

    İngilizce

    2025

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. SEZİ ÇEVİK ONAR

  3. Tez No

    933096

    Tekstil sektörünün dış ticaret ekseninde makine öğrenmesi ile ürünler ve ülkeler bazında analizi

    Analysis of the textile sector on the basis of products and countries through machine learning in the context of foreign trade

    AYKUT ÖZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İstatistikİstanbul Ticaret Üniversitesi

    İşletme Analitiği Ana Bilim Dalı

    PROF. DR. MÜNEVVER TURANLI

  4. Tez No

    946855

    Predicting RT-PCR test outcomes with machine learning: Guided autoencoder-based imputation and clinical utility assessment

    Makine öğrenmesi ile RT-PCR test sonuçlarının tahmini: yönlendirilmiş otokodlayıcı tabanlı tamamlama ve klinik fayda değerlendirmesi

    THİERRY MUGENZİ

    Doktora

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CAHİT PERKGÖZ

  5. Tez No

    815940

    Covıd-19 ile mücadelede ülkelerin etkinliğinin veri zarflama analizi ve makine öğrenmesi ile değerlendirilmesi

    Assessing countries' efficiency in fight against Covid-19 by data envelopment analysis and machine learning

    FARUK YILMAZ

    Doktora

    Türkçe

    Türkçe

    2023

    Halk Sağlığıİstanbul Üniversitesi-Cerrahpaşa

    Sağlık Yönetimi Ana Bilim Dalı

    PROF. DR. İLHAN KEREM ŞENEL

Geri Dön