Abstract
Kaliteli bir eğitim için Yükseköğretim kurumları yönetimsel ve eğitimsel anlamda doğru kararlar verebilmelidir. Yanlış veya eksik yapılan akademik planlama, başarısız olabilecek öğrenciler, mezun öğrencilerin yol haritaları, okuldan ayrılabilecek öğrenciler gibi konular Yükseköğretim kurumlarının problemlerindendir. Bu problemlerin çözülmesi ve tedbirlerin alınması eğitimin kalitesi için son derece önemlidir. Yükseköğretim kurumlarında eğitime ait giderek artan veriler bulunmaktadır. Giderek artan bu verilerin yönetime, eğitimcilere veya eğitime hiçbir yararı yoktur. Bahsedilen problemler hakkında yüksek oranlardaki doğruluklarla tahminler yapılabilmekte ve anlamlı sonuçlar, veri madenciliği yöntemleri ile ortaya çıkarılabilmektedir. Veri madenciliği yöntemleri akademik müdahaleler için güçlü bir araçtır. Bu çalışmada, veri madenciliği yöntemlerinden olan Yapay Sinir Ağları (YSA) ve Karar Ağaçları (KA) kullanılarak Fırat Üniversitesi, Eğitim Fakültesi, Bilgisayar ve Öğretim Teknolojileri Eğitimi Bölümü (BÖTE) öğrencilerinin mezuniyet notlarının tahmin edilmesi gerçekleştirilmiştir. Gerçekleştirilen benzetim çalışmalarında YSA'nın, KA'ya oranla daha iyi tahmin başarımı sağladığı görülmüştür.
Keywords
– educational data mining prediction of student’s academic achievements artificial neural networks decision trees
References
- (REFERENCES) J. Luan, “Data Mining, Knowledge Management in Higher Education, Potential Applications”, 42nd Associate of Institutional Research International Conference, Toronto, Canada, 2002.
- J. Ranjan, S. Khalil,”Conceptual Framework of Data Mining Process in Management Education in India: An Institutional Perspective”, Information Technology Journal. Asian Network for Scientific Computing, 1(7), 16-23, 2008.
- M. Beikzadeh and N. Delavari,”A New Analysis Model for Data Mining Processes in Higher Educational Systems”, On the proceedings of the 6th Information Örnek Sayısı Gerçek değer Tahmin Edilen
Abstract
Kaliteli bir eğitim için Yükseköğretim kurumları yönetimsel ve eğitimsel anlamda doğru kararlar verebilmelidir. Yanlış veya eksik yapılan akademik planlama, başarısız olabilecek öğrenciler, mezun öğrencilerin yol haritaları, okuldan ayrılabilecek öğrenciler gibi konular Yükseköğretim kurumlarının problemlerindendir. Bu problemlerin çözülmesi ve tedbirlerin alınması eğitimin kalitesi için son derece önemlidir. Yükseköğretim kurumlarında eğitime ait giderek artan veriler bulunmaktadır. Giderek artan bu verilerin yönetime, eğitimcilere veya eğitime hiçbir yararı yoktur. Bahsedilen problemler hakkında yüksek oranlardaki doğruluklarla tahminler yapılabilmekte ve anlamlı sonuçlar, veri madenciliği yöntemleri ile ortaya çıkarılabilmektedir. Veri madenciliği yöntemleri akademik müdahaleler için güçlü bir araçtır. Bu çalışmada, veri madenciliği yöntemlerinden olan Yapay Sinir Ağları (YSA) ve Karar Ağaçları (KA) kullanılarak Fırat Üniversitesi, Eğitim Fakültesi, Bilgisayar ve Öğretim Teknolojileri Eğitimi Bölümü (BÖTE) öğrencilerinin mezuniyet notlarının tahmin edilmesi gerçekleştirilmiştir. Gerçekleştirilen benzetim çalışmalarında YSA'nın, KA'ya oranla daha iyi tahmin başarımı sağladığı görülmüştür.
Keywords
eğitsel veri madenciliği öğrencilerin başarılarının tahmini yapay sinir ağları karar ağaçları
References
- (REFERENCES) J. Luan, “Data Mining, Knowledge Management in Higher Education, Potential Applications”, 42nd Associate of Institutional Research International Conference, Toronto, Canada, 2002.
- J. Ranjan, S. Khalil,”Conceptual Framework of Data Mining Process in Management Education in India: An Institutional Perspective”, Information Technology Journal. Asian Network for Scientific Computing, 1(7), 16-23, 2008.
- M. Beikzadeh and N. Delavari,”A New Analysis Model for Data Mining Processes in Higher Educational Systems”, On the proceedings of the 6th Information Örnek Sayısı Gerçek değer Tahmin Edilen
Details
| Primary Language | Turkish |
|---|---|
| Subjects | Engineering |
| Journal Section | Articles |
| Authors | |
| Publication Date | January 18, 2014 |
| Submission Date | May 23, 2013 |
| Published in Issue | Year 2013 Volume: 6 Issue: 3 |
