DATA MINING CONCEPT AND DATA MINING APPLICATIONS IN EDUCATION

Abstract

The developments in computer technology render that a huge amount of data can conceal in magnetic mediums easily and cheaply by making data storage systems become widespread. However, the data being warehoused are worthless and mean nothing by themselves. In order to make the data being warehoused become meaningful, they ought to be transformed into knowledge purposefully. Discovering the pattern of data and making them meaningful, data mining methods are used. In this study data mining concepts, data mining models and data mining applications in education are examined.

Keywords

• Knowledge Discovery, Data Mining, Data Mining Models, Educational Data Mining

VERİ MADENCİLİĞİ KAVRAMI VE EĞİTİMDE VERİ MADENCİLİĞİ UYGULAMALARI

Öz

Bilgisayar teknolojisindeki gelişmeler veri depolama sistemlerinin yaygınlaşmasını sağlayarak büyük miktarlardaki verilerin manyetik ortamlarda saklanmasını kolay ve ucuz hale getirmiştir. Ancak depolanan bu veriler tek başlarına değersiz olup bir anlam ifade etmemektedir. Depolanan verilerin anlamlı hale getirilebilmesi için bilgisayar sistemleri kullanılarak belli bir amaca yönelik işlenerek bilgiye dönüştürülmesi gerekmektedir. Veriler arasındaki örüntülerin keşfedilerek anlamlı bilgi haline getirilmesi veri madenciliği yöntemleri ile sağlanabilmektedir. Bu çalışmada veri madenciliği kavramı, veri madenciliği modelleri ve eğitimde veri madenciliği uygulamaları anlatılmıştır.

Anahtar Kelimeler

• Bilgi Keşfi, Veri Madenciliği, Veri Madenciliği Modelleri, Eğitsel Veri Madenciliği

Kaynakça

1. Ali, M.M. (2013). “Role of Data Mining in Education Sector”, International Journal of Computer Science and Computing, 2(4), 374-383.
2. ALMazroui, Y.A. (2013). “A Survey of Data Mining in The Context of E-Learning”, International Journal of Information Technology & Computer Science, 7(3), 8-18.
3. Arslan, H. (2008). “Sakarya Üniversitesi Web Sitesi Erişim Kayıtlarının Web Madenciliği ile Analizi”, Yüksek Lisans Tezi, Sakarya Üniversitesi Fen Bilimler Enstitüsü, Sakarya.
4. Aynekin, G. (2006). “İnternet İçerik Madenciliğinde Yapay Sinir Ağları ve Bir Uygulama”, Yüksek Lisans Tezi, Uludağ Üniversitesi Fen Bilimler Enstitüsü, Bursa.
5. Baker, R., Growda, S.M. & Corbett, A.T. (2011). “Automatically Detecting A Student’s Preparation For Future Learning: Help Use is Key”, 4th International Conference on Educational Data Mining, New York.
6. Barahate, S.R. (2012). “Educational Data Mining As A Trend Of Data Mining In Educational System”, International Conference & Workshop on Recent Trends in Technology, Proceeding Published in International Journal of Computer Applications.
7. Bhise, R.B., Thorat, S.S. & Supekar, A.K. (2013). “Importance of Data Mining in Higher Education System”, IOSR Journel of Humanities And Social Science, 6(6), 18-21.
8. Bırtıl, F.S. (2012). “Kız Meslek Lisesi Öğrencilerinin Akademik Başarısızlık Nedenlerinin Veri Madenciliği Tekniği İle Analizi”, Yüksek Lisans Tezi, Afyon Kocatepe Üniversitesi Fen Bilimleri Enstitüsü Bilgisayar Anabilim Dalı.

9. Bilen, O., Hotaman, D., Aşkın, O.E. ve Büyüklü, A.H. (2014). “LYS Başarılarına Göre Okul Performanslarının Eğitsel Veri Madenciliği Teknikleriyle İncelenmesi: 2011 İstanbul Örneği”, Eğitim ve Bilim, 39(172), 78-94.
10. Bozkır, A.S., Sezer, E. ve Gök, B. (2009). “Öğrenci Seçme Sınavında (ÖSS) Öğrenci Başarımını Etkileyen Faktörlerin Veri Madenciliği Yöntemleriyle Tespiti”, 5. Uluslararası İleri Teknolojiler Sempozyumu (IATS’09), 13-15 Mayıs, Karabük Üniversitesi, Karabük, 37-43.
11. Bozkır, A. S. (2009). “OLAP ve Veri Madenciliği Teknolojilerinden Yararlanılarak Web Tabanlı Bir Karar Destek Sisteminin Gerçekleştirilmesi”, Yüksek Lisans Tezi, Hacettepe Üniversitesi Fen Bilimler Enstitüsü, Ankara.
12. Bresfelean, P., Bresfelean, M. and Ghisoiu, N. (2008). “Determining Students’ Academic Failure Profile Founded on Data Mining Methods”, Proceedings of the ITI 2008 30th International Conference on Information Technology Interfaces, 23-26.
13. Cabena, P., Hadjinian, P., Stadler, R., Verhees, J. and Zanasi, A. (1998). “Discovering Data Mining: From Concept To Implementation”, Prentice Hall, Upper Saddle River, Nj, 517s.
14. Can, M.B., Eren, Ç., Koru, M., Özkan, Ö., Rzayeva, Z. (2012). “Veri Kümelerinden Bilgi Keşfi: Veri Madenciliği”, Başkent Üniversitesi Tıp Fakültesi XIV. Öğrenci Sempozyumu, Ankara.
15. Czaja, S.J., Charness, N., Fisk, A.D., Nair, S.N., Rogers, W.A. and Sharit, J. (2006). “Factors Predicting the Use of Technology: Findings From the Center for Research and Education on Aging and Technology Enhancement(CREATE)”, Psychol Aging, 21(2), 333–352.
16. Dunham, M.H. (2003). “Data Mining Introductory and Advanced Topics”, Prentice Hall, Pearson Education Inc., New Jersey, s.8.
17. Erten, H. (2015). “Veri Madenciliği Teknikleri İle Organ Nakli İçin Uygun Donör Oranının Hesaplanması”, Yüksek Lisans Tezi, Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara
18. Fayyad, U. M., Piatetsky-Shapiro, G., Smyth, P. and Uthurusamy, R. (1996). “Advances in Knowledge Discovery and Data Mining”, USA: MIT Press.
19. Gaafar, L. and Khamis, M. (2009). “Applications of Data Mining for Educational Decision Support”, Proceedings of the 2009 Industrial Engineering Research Conference, 228-233.
20. Gülen, Ö. ve Özdemir, S. (2013). “Veri Madenciliği Teknikleri ile Üstün Yetenekli Öğrencilerin İlgi Alanlarının Analizi”, Journal of Gifted Education Research, 1(3), 215-226.
21. Gülen, Ç.Ö. (2014). “Veri Madenciliği Teknikleri İle Üstün Yetenekli Öğrencilerin İlgi Alanlarının Analizi”, Doktora Tezi, Gazi Üniversitesi Bilişim Enstitüsü Yönetim Bilişim Sistemleri Ana Bilim Dalı, Ankara.
22. Halees, A. (2008). “Mining Students Data to Analyze Learning Behavior: A Case Study”, Department Of Computer Science, Islamic University, Paletsine.
23. Han, J. and Kamber, M. (2001). “Data Mining: Concept and Techniques”, USA: Academic Press.
24. Han, J. and Kamber, M. (2006). “Data Mining: Concepts and techniques (Second edition)”, San Francisco: Morgan Kaufmann, XXI, XXV, 5, 10, 12-20, 47-49, 67, 86, 327, 649-654, 658-659.
25. Hand, D., Mannila, H., and Smyth, P. (2001). “Principles of Data Mining”, USA: The MIT Press, London.
26. Hark, C. (2013). “Öğrencilerin Akıllı Tahtaya İlişkin Tutumlarının İncelenmesine Yönelik Bir Veri Madenciliği Uygulaması”, Yüksek Lisans Tezi, Fırat Üniversitesi Eğitim Bilimleri Enstitüsü, Elazığ.
27. Holsheimer, M. and Siebes, A. (1994). “Data Mining: The Search for Knowledge in Databases”, CWI Technical Report, Amsterdam, s. 2.
28. Hung, S., Yen, D. C. and Wang, H. (2005). “Applying Data Mining to Telecom Churn Management”, Expert Systems With Applications, Pp. 1-10.
29. Jiang, H. & Cai, J. (2013). “Research on Application of Mining Association Rules in Education Evaluation”, International Conference on Advanced Information and Communication Technology for Education, China.
30. Kalikov, A. (2006). “Veri Madenciliği ve Bir E-Ticaret Uygulaması”, Yüksek Lisans Tezi, Gazi Üniversitesi, Fen Bilimleri Enstitüsü.
31. Kayri, M. (2008). “Elektronik Portfolyo Değerlendirmeleri İçin Veri Madenciliği Yaklaşımı”, Yüzüncü Yıl Üniversitesi Eğitim Fakültesi Dergisi, Cilt: 5, No: 1, 98-110.
32. Koç, M., Karabatak, M. (2012). “Sosyal Ağların Öğrenciler Üzerindeki Etkisinin Veri Madenciliği Kullanılarak İncelenmesi”, E-Journal of New World Sciences Academy, 7(1), 155-164.
33. Kumar, S.A. & Vijayalakshmi, M.N. (2013). “Discerning Learner’s Erudition Using Data Mining Techniques”, International Journal on Intergrating Technology in Education, 2(1), 9-14.
34. Leony, D., Pardo, A., Valentin, L. F., Quinones, I. & Kloos, C.D. (2012). “Learning Analytics In The LMS: Using Browser Extensions To Embed Visualizations Into A Learning Management System”, CEUR Workshop Proceedings, URL: http://ceur-ws.org/Vol- 894/paper6.pdf.
35. Onat, A. (2008). “Veri Madenciliğinin Web Tabanlı Uygulamalarda İnsan Uyumluluklarının Tespiti Üzerine Bir Çalışma”, Yüksek Lisans Tezi, Selçuk Üniversitesi Fen Bilimleri Enstitüsü, Konya.
36. Romero, C. and Ventura, S. (2007). “Educational Data Mining: A Survey from 1995 to 2005”, Expert Systems with Applications, Cilt: 33, Sayı: 1: 135-146.
37. Romero, C. & Ventura, S. (2013). “Data Mining In Education”, Wiley Interdisciplinary Revies: Data Mining And Knowledge Discovery, 3(1), 12-27.
38. Sachin, R. B. and Vijay, M. S. (2012). “A Survey And Future Vision of Data Mining In Educational Field”, Second International Conference on Advanced Computing & Communication Technologies, Rohtak, India.
39. San Diego, J.P., Ballard, J., Hatzipanagos, S., Webb, M., Khan, E., Blake, P., Dore, T., Konstantinidis, A., & Barrett , I. (2012). “Do Moodle analytics have a role to play in learning design, assessment and feedback?”, 1 st Moodle ResearchConference , September, 14 – 15, Heraklion, Greece.
40. Sanjeev, A.P. and Zytkow, J.M. (1995). “Discovering Enrollment Knowledge in University Databases”, 1th Conference on KDD, s. 246, Montreal.
41. Seven, M. F. (2009). “Veri tabanlarından Bilgi Keşfi: Veri Madenciliği ve Bir Sağlık Uygulaması”, Yüksek Lisans Tezi, İstanbul Üniversitesi Sosyal Bilimler Enstitüsü, İstanbul.
42. Sevindik, T., Kayışlı, K. & Ünlükahraman, O. (2012). “Web Tabanlı Eğitimde Veri Madenciliği”, Turkish Journal of Computer and Mathematics Education, 3(3), 183-193.
43. Sharma, R. Singh, H. (2013). “Data Mining in Education Sector”, International Journal of Electronics & Data Communication, 2(1), 4-8.
44. Siemens, G. & Baker, R.S. (2012). “Learning Analytics And Educational Data Mining: Towards Communication And Collaboration”, The 2nd International Conference on Learning Analytics And Knowlede, Canada.
45. Şengür, D. ve Tekin, A. (2013). “Öğrencilerin Mezuniyet Notlarının Veri Madenciliği Metotları İle Tahmini”, Bilişim Teknolojileri Dergisi, Cilt: 6, Sayı: 3.
46. Şuşnea, E. (2009). “Classification Techniques Used in Educational System”, The 4th International Conference on Virtual Learning, Romania.
47. Talavera, L. and Gaudioso, E. (2004). “Mining Student Data to Characterize Similar Behavior Groups in Unstructured Collaboration Spaces”, 16th European Conference on Artificial Intelligence (ECAI 2004) - Workshop on Artificial Intelligence, 17–23, Valencia, Spain.
48. Taşdemir, M. (2012). “Öğrenci Başarısına Etki Eden Faktörlerin Regresyon Analizi İle Tespiti”, Yüksek Lisans Tezi, Dicle Üniversitesi Sosyal Bilimler Enstitüsü İşletme Anabilim Dalı.
49. Tiwari, M., Singh, R., Vimal, N. (2013). “An Empirical Study of Application of DM Techniques for Predicting Student Performance”, International Journal of Computer Science and Mobile Computing, 2(2), 53-57.
50. Whitmer, J., Fernandes, K. & Allen, W.R. (2012). “Analytics in Progress: Technology Use, Student http://www.educause.edu/ero/article/analytics-progress-technology-use-student- characteristics-and-student-achievement. Achievement”, Educase, URL:
51. Zhang, Y., Oussena, S., Clark T. and Kim, H. (2010). “Use Data Mining To Improve Student Retention In Higher Education: A Case Study”, In ICEIS 2010: Proceedings of the 12th International Conference on Enterprise Information Systems, Vol: 1, Databases and Information Systems Integration, pages 190-197. INSTICC, Funchal, Portugal.
52. Zaiane, O. and Luo, J. (2001). “Web Usage Mining for a Better Web-based Learning Environment”, In Proc. Conf. Advanced Technology For Education, Banff, Alberta, p. 60.