Research Article
BibTex RIS Cite

Clustering of countries according to programme for international student assessment (PISA) scores

Year 2024, Volume: 14 Issue: 2, 424 - 434, 15.06.2024
https://doi.org/10.17714/gumusfenbil.1291942

Abstract

This study aims to cluster 65 countries based on PISA results. In the study, PISA results (Science-Mathematics-Reading) published by OECD in 2015 and 2018 were used. The main purpose of the analysis is to apply cluster analysis using a multivariate data structure to identify similarities and differences in education systems between countries. In this analysis, the k-means method and the hierarchical clustering algorithm were used to group countries into specific groups, so that countries with similar educational performance were included in the same cluster. In addition, Dunn, Connectivity and Silhouette indexes were used to increase the reliability of the analysis and to determine the optimal number of clusters. According to the validation indexes, k-means method with k=2 was used for 2015 PISA scores while hierarchical clustering algorithm with k=2 was used for 2018 PISA scores. In 2015, Turkey was the only country that changed clusters between the countries clustered according to their PISA scores and the countries clustered according to their PISA scores in 2018, and the reasons for this change were discussed. It is also observed that Turkey was in Cluster-1 in 2015, which includes countries with lower performance, and in Cluster-2 in 2018, which includes countries with higher performance. The clustering methods and indexes used provide a more robust and informed interpretation of the results obtained and make an important contribution to understanding the education systems of countries based on PISA results and grouping countries with similar performance.

References

  • Acar, T. (2012). Türkiye’nin PISA 2009 sonuçlarına göre OECD’ye üye ve aday ülkeler arasındaki yeri. Kuram ve Uygulamada Eğitim Bilimleri, 12(4), 2561-2572.
  • Akın, H. B., & Özge, E. (2012). OECD ülkelerinin eğitim göstergelerinin kümeleme analizi ve çok boyutlu ölçekleme analizi ile karşılaştırmalı analizi-OECD countries with education indicators comparative analysis of cluster analysis and multi-dimensional scaling analysis. Öneri Dergisi, 10(37), 175-181.
  • Aksu, G., Guzeller, C., & Eser, M. (2017). Analysis of maths literacy performances of students with Hierarchical Linear Modeling (HLM): The Case of PISA 2012 Turkey. Eğitim ve Bilim -Education and Science, 42(191).
  • Begum, S. F., Kaliyamurthie, K. P., & Rajesh, A. (2016). Comparative study of clustering methods over Ill-structured datasets using validity indices. Indian Journal of Science and Technology, 9(12), 1-6.
  • Brock, G., Pihur, V., Datta, S., & Datta, S. (2008). clValid: An R package for cluster validation. Journal of Statistical Software, 25, 1-22.
  • Bulut, H. (2019). Türkiye'deki illerin yaşam endekslerine göre kümelenmesi. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 23(1), 74-82.
  • Bulut, H. (2023). R Uygulamaları ile Çok Değişkenli İstatistiksel Yöntemler. Nobel Akademik Yayıncılık.
  • Bulut, H., Öner, Y., & Sözen, Ç. (2017). Clustering of Member and Candidate Countries of the European Union. International Journal of Sciences: Basic and Applied Research, 36(7), 18-25.
  • Çilgin, C., & Kurt, A. S. (2021). Dış ticaret verileri için kümeleme analizi: Türkiye, Azerbaycan ve Kazakistan örneği. Sosyoekonomi, 29(48), 511-540.
  • Everitt, B.S., Landau, S., & Leese, M. (2001). Cluster Analysis (4th ed.). Arnold.
  • Güler, E. Ö., & Veysikarani, D. (2022). Sosyo-ekonomik göstergeler ve PISA skorlarına göre ülkelerin sınıflandırılması: OECD örneği. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(3), 506-522.
  • Kjærnsli, M., & Lie, S. (2011). Students’ preference for science careers: International comparisons based on PISA 2006. International Journal of Science Education, 33(1), 121-144.
  • Linnakylä, P., & Malin, A. (2008). Finnish students' school engagement profiles in the light of PISA 2003. Scandinavian Journal of Educational Research, 52(6), 583-602.
  • Mazurek, J., & Mielcová, E. (2019). On the relationship between selected-socio-economic indicators and student performances in the PISA 2015 study. Economic, 12(2), 22-39.
  • OECD-Organisation for Economic Co-operation and Development. (2021, May 8). https://www.oecd.org/pisa/data/
  • Ötken, Ş., & Süslü, A. (2020). Kümeleme ve ayırma analizleri ile PISA 2012’ye katılan öğrencilerin matematik başarısı: Türkiye-Finlandiya karşılaştırması. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 7(7), 106-117.
  • Soh, K. C. (2012). Fifteen-Years-Old Students of Seven East Asian Cities in PISA 2009: A Secondary Analysis. New Horizons in Education, 60(1), 83-91.

Uluslararası Öğrenci Değerlendirme Programı skorlarına göre ülkelerin kümelenmesi

Year 2024, Volume: 14 Issue: 2, 424 - 434, 15.06.2024
https://doi.org/10.17714/gumusfenbil.1291942

Abstract

Bu çalışma PISA sonuçlarına dayanarak 65 ülkeyi kümelemeyi amaçlamaktadır. Çalışmada OECD tarafından 2015 ve 2018 yıllarında yayımlanan PISA sonuçları (Fen-Mathematik-Okuma) kullanılmıştır. Analizin temel amacı, ülkeler arasındaki eğitim sistemlerindeki benzerlikleri ve farklılıkları belirlemek üzere çok değişkenli bir veri yapısı kullanılarak kümeleme analizi uygulamaktır. Bu analizde, k ortalamalar yöntemi ve hiyerarşik kümeleme algoritması kullanılarak ülkeler belirli gruplara ayrılmış ve bu sayede benzer eğitim performansına sahip ülkeler aynı kümeye dahil edilmiştir. Ayrıca, analizin güvenilirliğini artırmak ve en uygun küme sayısını belirlemek amacıyla Dunn, Connectivity ve Silhouette İndeksleri kullanılmıştır. Küme geçerlilik endekslerine göre, 2015 PISA puanları için k=2 ile k-ortalamalar yöntemi kullanılırken, 2018 PISA puanları için k=2 ile hiyerarşik kümeleme algoritması kullanılmıştır. 2015 yılında PISA puanlarına göre kümelenen ülkeler ile 2018 yılında PISA puanlarına göre kümelenen ülkeler arasında küme değiştiren tek ülkenin Türkiye olduğu görülmüş ve bunun nedenleri tartışılmıştır. Ayrıca Türkiye'nin 2015 yılında daha düşük performanslı ülkelerin yer aldığı Küme-1'de olduğu 2018 yılında ise daha yüksek performanslı ülkelerin yer aldığı Küme-2'de yer aldığı görülmektedir. Kullanılan kümeleme yöntemleri ve indeksler, elde edilen sonuçların daha sağlam ve bilinçli bir şekilde yorumlanmasını sağlayarak, PISA sonuçlarına dayalı olarak ülkelerin eğitim sistemlerini anlama ve benzer performansa sahip ülkeleri gruplama konusunda önemli bir katkı sunmaktadır.

References

  • Acar, T. (2012). Türkiye’nin PISA 2009 sonuçlarına göre OECD’ye üye ve aday ülkeler arasındaki yeri. Kuram ve Uygulamada Eğitim Bilimleri, 12(4), 2561-2572.
  • Akın, H. B., & Özge, E. (2012). OECD ülkelerinin eğitim göstergelerinin kümeleme analizi ve çok boyutlu ölçekleme analizi ile karşılaştırmalı analizi-OECD countries with education indicators comparative analysis of cluster analysis and multi-dimensional scaling analysis. Öneri Dergisi, 10(37), 175-181.
  • Aksu, G., Guzeller, C., & Eser, M. (2017). Analysis of maths literacy performances of students with Hierarchical Linear Modeling (HLM): The Case of PISA 2012 Turkey. Eğitim ve Bilim -Education and Science, 42(191).
  • Begum, S. F., Kaliyamurthie, K. P., & Rajesh, A. (2016). Comparative study of clustering methods over Ill-structured datasets using validity indices. Indian Journal of Science and Technology, 9(12), 1-6.
  • Brock, G., Pihur, V., Datta, S., & Datta, S. (2008). clValid: An R package for cluster validation. Journal of Statistical Software, 25, 1-22.
  • Bulut, H. (2019). Türkiye'deki illerin yaşam endekslerine göre kümelenmesi. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 23(1), 74-82.
  • Bulut, H. (2023). R Uygulamaları ile Çok Değişkenli İstatistiksel Yöntemler. Nobel Akademik Yayıncılık.
  • Bulut, H., Öner, Y., & Sözen, Ç. (2017). Clustering of Member and Candidate Countries of the European Union. International Journal of Sciences: Basic and Applied Research, 36(7), 18-25.
  • Çilgin, C., & Kurt, A. S. (2021). Dış ticaret verileri için kümeleme analizi: Türkiye, Azerbaycan ve Kazakistan örneği. Sosyoekonomi, 29(48), 511-540.
  • Everitt, B.S., Landau, S., & Leese, M. (2001). Cluster Analysis (4th ed.). Arnold.
  • Güler, E. Ö., & Veysikarani, D. (2022). Sosyo-ekonomik göstergeler ve PISA skorlarına göre ülkelerin sınıflandırılması: OECD örneği. Ömer Halisdemir Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(3), 506-522.
  • Kjærnsli, M., & Lie, S. (2011). Students’ preference for science careers: International comparisons based on PISA 2006. International Journal of Science Education, 33(1), 121-144.
  • Linnakylä, P., & Malin, A. (2008). Finnish students' school engagement profiles in the light of PISA 2003. Scandinavian Journal of Educational Research, 52(6), 583-602.
  • Mazurek, J., & Mielcová, E. (2019). On the relationship between selected-socio-economic indicators and student performances in the PISA 2015 study. Economic, 12(2), 22-39.
  • OECD-Organisation for Economic Co-operation and Development. (2021, May 8). https://www.oecd.org/pisa/data/
  • Ötken, Ş., & Süslü, A. (2020). Kümeleme ve ayırma analizleri ile PISA 2012’ye katılan öğrencilerin matematik başarısı: Türkiye-Finlandiya karşılaştırması. Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi, 7(7), 106-117.
  • Soh, K. C. (2012). Fifteen-Years-Old Students of Seven East Asian Cities in PISA 2009: A Secondary Analysis. New Horizons in Education, 60(1), 83-91.
There are 17 citations in total.

Details

Primary Language English
Subjects Engineering
Journal Section Articles
Authors

Çağlar Sözen 0000-0002-3732-5058

Hasan Bulut 0000-0002-6924-9651

Publication Date June 15, 2024
Submission Date May 3, 2023
Acceptance Date January 22, 2024
Published in Issue Year 2024 Volume: 14 Issue: 2

Cite

APA Sözen, Ç., & Bulut, H. (2024). Clustering of countries according to programme for international student assessment (PISA) scores. Gümüşhane Üniversitesi Fen Bilimleri Dergisi, 14(2), 424-434. https://doi.org/10.17714/gumusfenbil.1291942