STEM Eğitimi Üzerine Akademik İzler: Gizli Dirichlet Ayırımı Yaklaşımı ile Yüksek Lisans Tezlerinin İncelenmesi

Abstract

Bu çalışma, Türkiye’de STEM eğitimi alanında hazırlanmış yüksek lisans tez özetlerini metin madenciliği yöntemleriyle incelemeyi amaçlamaktadır. Araştırmada, YÖKTEZ veri tabanından elde edilen 500 İngilizce tez özeti analiz edilmiştir. Veri ön işleme sürecinde Python programlama dili ve ilgili kütüphaneler kullanılarak metinler temizlenmiş, kelime frekansları belirlenmiş ve Gizli dirichlet ayırımı konu modellemesi uygulanmıştır. Analizler sonucunda STEM eğitimi literatürünün beş temel tema etrafında yoğunlaştığı görülmüştür. Bulgular, çalışmaların büyük ölçüde öğretmen ve öğrenci odaklı olduğunu ortaya koymaktadır. Öğretmenlere yönelik tezlerde pedagojik yeterlik, mesleki gelişim ve mühendislik tasarım süreçlerinin entegrasyonu öne çıkmaktadır. Öğrencilere yönelik araştırmalarda ise deneysel desenler, uygulama temelli öğrenme, beceri geliştirme ve akademik başarı gibi unsurların sıkça işlendiği tespit edilmiştir. Ayrıca veri analizi, ölçek geliştirme ve ölçme ve değerlendirme uygulamaları STEM çalışmalarında yaygın biçimde kullanılmaktadır. Elde edilen sonuçlar, Türkiye’deki STEM eğitimi tezlerinin hem kuramsal temellere hem de uygulamalı araştırma süreçlerine odaklandığını göstermektedir. Bu kapsamlı analiz, STEM eğitimine ilişkin tematik eğilimlerin görünür kılınmasını sağlamış ve literatürdeki araştırma yönelimlerine ilişkin önemli ipuçları sunmuştur.

Keywords

• : STEM eğitimi
• Metin madenciliği
• Konu modelleme
• Yüksek lisans tezleri
• Gizli Dirichlet Ayırımı
• Makine öğrenmesi

Academic Traces on STEM Education: Analysis of Master's Theses Using the Latent Dirichlet Allocation Approach

Abstract

This study aims to examine master's thesis abstracts prepared in the field of STEM education in Turkey using text mining methods. In the research, 500 English thesis abstracts obtained from the YÖKTEZ database were analyzed. During the data preprocessing stage, the texts were cleaned, word frequencies were determined, and Latent Dirichlet Allocation topic modeling was applied using the Python programming language and relevant libraries. The analysis revealed that the STEM education literature is concentrated around five main themes. The findings reveal that the studies are largely teacher- and student-focused. In these targeting teachers, pedagogical competence, professional development, and the integration of engineering design processes stand out. In studies targeting students, it was found that experimental designs, application-based learning, skill development, and academic achievement are frequently addressed. Furthermore, data analysis, scale development, and measurement and evaluation practices are widely used in STEM studies. The results obtained show that STEM education theses in Turkey focus on both theoretical foundations and applied research processes. This comprehensive analysis has made thematic trends in STEM education visible and provided important clues about research orientations in literature.

Keywords

• STEM education
• Text mining
• Topic modeling
• Master's theses
• Latent Dirichlet Allocation
• Machine learning

References

1. Abacı, M. (2020). Sınıf öğretmeni adaylarının STEM uygulamalarına yönelik öz yeterlik algıları [Yüksek lisans tezi, Dokuz Eylül Üniversitesi]. YÖK Ulusal Tez Merkezi.
2. Akarsu Durmuş, B. (2022). Fen bilgisi öğretmen adaylarının STEM öz yeterlik ve pedagojik farkındalık düzeylerinin belirlenmesi [Yüksek lisans tezi, Kastamonu Üniversitesi]. YÖK Ulusal Tez Merkezi.
3. Alniak-Daye, S., & Ogan-Bekiroğlu, F. (2025). Examination of the effects of STEM activities in physics subjects on students' attitudes and problem-solving skills. Science Insights Education Frontiers, 27(1), 4389–4416. https://doi.org/10.15354/sief.25.or713
4. Atay, M. (2022). Fen eğitiminde artırılmış gerçeklik ortamlarının kullanımına ilişkin öğretmen görüşleri [Yüksek lisans tezi, Mersin Üniversitesi]. YÖK Ulusal Tez Merkezi.
5. Azbay, Ş. N. (2024). STEM uygulamalarının 8. sınıf öğrencilerinin fen başarısına, girişimcilik becerilerine ve STEM kariyer algılarına yönelik etkileri [Yüksek lisans tezi, Afyon Kocatepe Üniversitesi]. YÖK Ulusal Tez Merkezi.
6. Beheshti, M., & Rahimizhian, S. (2023). A content analysis research on STEM activity studies. International Journal of Assessment Tools in Education, 9(25), 27–35. https://doi.org/10.18768/ijaedu.1253534
7. Bengtsson, M. (2016). How to plan and perform a qualitative study using content analysis. NursingPlus Open, 2, 8–14. https://doi.org/10.1016/j.npls.2016.03.001
8. Bird, S., Klein, E., & Loper, E. (2009). Natural language processing with Python: Analyzing text with the natural language toolkit. O'Reilly Media.

9. Blei, D. M., Ng, A. Y., & Jordan, M. I. (2003). Latent dirichlet allocation. Journal of Machine Learning Research, 3(Jan), 993–1022.
10. Boz, S. (2023). STEM uygulamalarının akademik başarı üzerindeki etkisi: Bir meta-analiz çalışması [Yüksek lisans tezi, Aksaray Üniversitesi]. YÖK Ulusal Tez Merkezi.
11. Busetto, L., Wick, W., & Gumbinger, C. (2020). How to use and assess qualitative research methods. Neurological Research and Practice, 2(1), 1–10. https://doi.org/10.1186/s42466-020-00059-z
12. Cavanagh, S., & Trotter, A. (2008, Mart 26). Where’s the ‘T’ in STEM?. Education Week. https://www.edweek.org/teaching-learning/wheres-the-t-in-stem/2008/03
13. Coşkun, A. (2020). STEM temelli eğitimlerin öğretmen adaylarının pedagojik yeterliklerine etkisi [Yüksek lisans tezi, Marmara Üniversitesi]. YÖK Ulusal Tez Merkezi.
14. Cumhur, M., Masalimova, A., Rostovtseva, P., Shindryaeva, N., & Kryukova, N. (2021). Content analysis of studies conducted on STEM education from 2010 to 2020: Perspective of emerging technologies in learning. International Journal of Assessment Tools in Education, 8(1), 1–14. https://doi.org/10.12973/ijate.2021.1001a
15. Çalışkan, A. (2022). STEM eğitiminin inovatif (yenilikçi) düşünmeye etkisini belirlemeye yönelik ölçek geliştirme çalışması [Yüksek lisans tezi, İnönü Üniversitesi]. YÖK Ulusal Tez Merkezi.
16. Çelik Kaya, G. (2023). Öğretmenlerin STEM odaklı pedagojik tasarımcı rolleri ve yeterlikleri üzerine bir inceleme [Doktora tezi, Hacettepe Üniversitesi]. YÖK Ulusal Tez Merkezi.
17. Çevik, M. (2017). Content analysis of STEM-focused education research in Turkey. Journal of Turkish Science Education, 14(2), 12–26. https://doi.org/10.12973/tused.10195a
18. Değerli, M. (2021). Fen eğitiminde STEM uygulamalarının bilimsel süreç becerileri ve tutum üzerine etkisi: Meta-analiz çalışması [Yüksek lisans tezi, Dicle Üniversitesi]. YÖK Ulusal Tez Merkezi.
19. Dereli, E. (2021). Robotik kodlama, STEM ve teknoloji eğitiminin teknolojik liderlik açısından orta kademedeki öğrenciler üzerinde etkileri: Muş ili örneği [Yüksek lisans tezi, Dokuz Eylül Üniversitesi]. YÖK Ulusal Tez Merkezi.
20. Dereli, M. (2021). Teknoloji okuryazarlığı ve STEM eğitimi ilişkisi [Yüksek lisans tezi, Necmettin Erbakan Üniversitesi]. YÖK Ulusal Tez Merkezi.
21. Ekici, E. (2022). STEM eğitiminin öğrencilerin üst düzey düşünme becerileri ve motivasyonları üzerindeki etkisi. Fen Bilimleri Eğitimi Dergisi, 7(1), 15–32.
22. Ekici, F. (2022). Fen bilgisi öğretmen adaylarının STEM farkındalıkları, STEM görüşleri ve STEM odaklı argümantasyon becerilerinin incelenmesi [Yüksek lisans tezi, Necmettin Erbakan Üniversitesi]. YÖK Ulusal Tez Merkezi.
23. Elo, S., & Kyngäs, H. (2008). The qualitative content analysis process. Journal of Advanced Nursing, 62(1), 107–115. https://doi.org/10.1111/j.1365-2648.2007.04569.x
24. Fei-Fei, L., & Perona, P. (2005). A bayesian hierarchical model for learning natural scene categories. 2005 IEEE Computer Society Conference on Computer Vision and Pattern Recognition içinde. https://doi.org/10.1109/CVPR.2005.16
25. Friedl, J. E. F. (2006). Mastering regular expressions (3. baskı). O'Reilly Media.
26. Genç, B. (2022). Türkiye’de STEM alanında yapılan lisansüstü tezlerin içerik analizi [Yüksek lisans tezi, Fırat Üniversitesi]. YÖK Ulusal Tez Merkezi.
27. Gottipati, S., Shankararaman, V., & Lin, J. (2018). Latent Dirichlet Allocation for textual student feedback analysis. Proceedings of the 26th International Conference on Computers in Education (ICCE 2018) içinde.
28. Güngör, S. (2021). Öğretmen adaylarının disiplinler arası bağlantı kurma becerilerinin STEM bağlamında incelenmesi [Yüksek lisans tezi, Ege Üniversitesi]. YÖK Ulusal Tez Merkezi.
29. Hatice, G. (2023). Okul öncesinde 21. yüzyıl becerilerine ulaşmada STEM yaklaşımı [Yayınlanmamış yüksek lisans tezi].
30. Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science & Engineering, 9(3), 90–95. https://doi.org/10.1109/MCSE.2007.55
31. İnam, K. (2020). Çok boyutlu STEM değerlendirme araçlarının geliştirilmesi ve uygulanması [Doktora tezi, Atatürk Üniversitesi]. YÖK Ulusal Tez Merkezi.
32. Johnston, M. P. (2018). Supporting STEM education: Needs assessment of southeastern rural teacher librarians. School Libraries Worldwide, 24(2), 62–79. https://doi.org/10.29173/slw8229
33. Kahraman, E. (2023). Bibliometric and content analysis of meta-analysis studies in STEM education. International Journal of Modern Education Studies, 7(2), 511–544. https://doi.org/10.51383/ijonmes.2023.337
34. Kaleci, D., & Korkmaz, Ö. (2018). STEM education research: Content analysis. Universal Journal of Educational Research, 6(11), 2404–2412. https://doi.org/10.13189/ujer.2018.061102
35. Krippendorff, K. (2018). Content analysis: An introduction to its methodology (4. baskı). SAGE Publications.
36. Kurban, S. (2024). Argümantasyon tabanlı STEM uygulamalarının öğrencilerin eleştirel düşünme becerilerine etkisi ve ölçek geliştirme çalışması [Doktora tezi, Balıkesir Üniversitesi]. YÖK Ulusal Tez Merkezi.
37. Lee, J. (2024). Investigating the optimal number of topics by advanced text mining techniques. Expert Systems with Applications, 207, 117809. https://doi.org/10.1016/j.eswa.2022.117809
38. Li, Y., & Li, J. (2019). Short text classification improved by feature space extension. Proceedings of the 2019 International Conference on Artificial Intelligence and Pattern Recognition içinde. https://doi.org/10.1109/ICAIPR.2019.00002
39. McAuliffe, J., & Blei, D. (2007). Supervised topic models. Advances in Neural Information Processing Systems, 20.
40. McKinney, W. (2010). Data structures for statistical computing in Python. Proceedings of the 9th Python in Science Conference içinde. https://doi.org/10.25080/Majora-92bf1922-00a
41. Metin, M., Güler, M. M., & Çevik, A. (2023). 21. yüzyıl becerileri hakkında STEM eğitimi almış fen bilimleri öğretmenlerinin görüşleri. Studies in Educational Research and Development, 7(1), 1–29.
42. Moore, T. J., & Smith, K. A. (2014). Advancing the state of the art of STEM integration. Journal of STEM Education: Innovations and Research, 15(1), 5–10.
43. Morgan, H. (2022). Conducting a qualitative document analysis. The Qualitative Report, 27(1), 1–20. https://doi.org/10.46743/2160-3715/2022.4854
44. Muñoz, J. C., et al. (2017). Wordcloud: A Python package for generating word clouds. Journal of Open Source Software, 2(13), 231. https://doi.org/10.21105/joss.00231
45. Neuendorf, K. A. (2017). The content analysis guidebook (2. baskı). SAGE Publications.
46. Newman, D., Chemudugunta, C., Smyth, P., & Steyvers, M. (2006). Analyzing entities and topics in news articles using statistical topic models. International Conference on Intelligence and Security Informatics içinde.
47. Özçalıcı, M. (2023). 1964–2022 yılları arasında İşletme Ana Bilim Dalı’nda hazırlanan tezlerin konu modellenmesi. Anadolu Üniversitesi Sosyal Bilimler Dergisi, 23(1), 163–188. https://doi.org/10.18037/ausbd.1272581
48. Paul, M. J., & Dredze, M. (2014). Discovering health topics in social media using topic models. PloS one, 9(8), e103408. https://doi.org/10.1371/journal.pone.0103408
49. Purwandari, B., & Nurlaila, D. (2022). Parameter optimization in topic modeling using Gensim. Journal of Computer Science and Information Technology, 10(2), 123–130.
50. Ramli, A. A., Ibrahim, N., Abdullah, N., Talib, O., & Hassan, S. A. (2017). Teachers' readiness in teaching STEM education. Journal of Science and Technology Education, 5(1), 1–10.
51. Řehůřek, R., & Sojka, P. (2010). Software framework for topic modelling with large corpora. Proceedings of the LREC 2010 Workshop on New Challenges for NLP Frameworks içinde.
52. Sağıroğlu, G. (2023). STEM kariyer tercihlerinde toplumsal cinsiyet farklılıkları: Bir meta-analiz çalışması [Yüksek lisans tezi, Bolu Abant İzzet Baysal Üniversitesi]. YÖK Ulusal Tez Merkezi.
53. Sakallı, M., & Usta, E. (2024). STEM eğitiminin disiplinler arası düşünme ve problem çözme yaklaşımları üzerindeki etkisi. Eğitim Teknolojisi Kuram ve Uygulama, 14(1), 45–68.
54. Sakallı, R., & Usta, N. (2024). STEM eğitim yaklaşımının bilgi işlemsel düşünme becerisine etkisi üzerine yapılan çalışmaların incelenmesi. Sinop Üniversitesi Eğitim Fakültesi Dergisi, 1(1), 21–45.
55. Sanders, M. (2008). STEM, STEM eğitimi, STEMmania. Technology Teacher, 68(4), 20–26.
56. Sarıoğlu, G. (2022). Astronomi dersine yönelik bilimsel akıl yürütme stillerine uygun STEM ve argümantasyon etkinlikleri geliştirme [Yüksek lisans tezi, Aydın Adnan Menderes Üniversitesi]. YÖK Ulusal Tez Merkezi.
57. Sarıoğlu, G. (2022). E-STEM öz yeterlik algısı: Ölçek geliştirme, geçerlik ve güvenirlik çalışması [Yüksek lisans tezi, Bursa Uludağ Üniversitesi]. YÖK Ulusal Tez Merkezi.
58. Shi, D., Zhou, J., Wu, F., & Pan, Q. (2024). Characteristics of students' learning behavior preferences: An analysis of self-commentary data based on the GİZLİ DİRİCHLET AYIRIMI model. Journal of Intelligent & Fuzzy Systems, 46(5), 4961–4973. https://doi.org/10.3233/JIFS-232971
59. Sievert, C., & Shirley, K. (2014). GİZLİ DİRİCHLET AYIRIMI vis: A method for visualizing and interpreting topics. Proceedings of the Workshop on Interactive Language Learning içinde. https://doi.org/10.3115/v1/W14-3110
60. Stemler, S. E. (2001). An overview of content analysis. Practical Assessment, Research, and Evaluation, 7(17). https://doi.org/10.7275/9bnp-4k7e
61. Steyvers, M., Smyth, P., Rosen-Zvi, M., & Griffiths, T. (2004). Probabilistic author-topic models for information discovery. Proceedings of the Tenth ACM SIGKDD International Conference içinde.
62. Uz, H. (2022). STEM etkinliklerinin ortaokul öğrencilerinin girişimcilik becerileri üzerindeki etkisi [Yüksek lisans tezi, Aydın Adnan Menderes Üniversitesi]. YÖK Ulusal Tez Merkezi.
63. Ünüvar, A. (2023). Uluslararası kuruluşların eğitim politikaları ve 21. yüzyıl becerileri entegrasyonu [Doktora tezi, Ankara Üniversitesi]. YÖK Ulusal Tez Merkezi.
64. Ünüvar, S. H. (2023). 21. yüzyıl becerilerinin kazandırılmasında eğitim yönetiminin önemi. International Academic Social Resources Journal, 8(47), 2269–2277. http://dx.doi.org/10.29228/ASRJOURNAL.67977
65. Van Rossum, G., & Drake, F. L. (2009). Python 3 reference manual. Network Theory Ltd.
66. Wilson, C., et al. (2022). Integrated STEM education: A content analysis of three STEM education research journals. Journal of STEM Education, 23(1), 5–10. https://doi.org/10.1007/s40594-022-00415-2
67. Yamak, H., Bulut, N., & Dündar, S. (2014). 5. sınıf öğrencilerinin bilimsel süreç becerileri ile fene karşı tutumlarına FeTeMM etkinliklerinin etkisi. Gazi Eğitim Fakültesi Dergisi, 34(2), 249-265.
68. Yıldırımoğlu, S. (2024). STEM eğitiminin ortaokul öğrencilerinin kariyer seçimleri ve duyuşsal özellikleri üzerindeki rolü [Yüksek lisans tezi, Sakarya Üniversitesi]. YÖK Ulusal Tez Merkezi.
69. Yıldız, E. (2014). Stratejik insan kaynakları yönetimi anlayışı ışığında eğitim ve geliştirmenin rolü. Öneri Dergisi, 11(41), 215–236. https://doi.org/10.14783/od.v11i41.5000011414
70. Zulkifli, Z., et al. (2022). Meta-analysis: The effectiveness of the integrated STEM technology pedagogical content knowledge learning model. Proceedings of the International Conference on Research in Education and Science