Yıl 2020, Cilt 1 , Sayı 1, Sayfalar 22 - 27 2020-06-01

Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi

Senem Hazel BAŞER [1] , Onur HÖKELEKLİ [2] , Kemal ADEM [3]


İnsanların günlük yaşantılarında sergiledikleri davranışlarının analizi sürecinin gerçekleştirmesi sonrasında belli metodolojiler ve sınıflandırma yöntemleri kullanılarak, kendi başına öğrenme ve ölçümlemeler yapabilen veri madenciliği yöntemleri ile insan beyninin öğrenmeye olan eğilimi ve sistematiğine benzer paradigmalar üretilmeye çalışılmaktadır. Bu yöntemler kullanılarak eğitim, öğrenme, karar verme süreçlerinin bir makineye uygulanabilmesi amaçlanmaktadır. Bu doğrultuda analizi gerçekleştirilen veri kümesi UC Irvine Machine Learning Repository veri tabanından elde edilmiştir. Söz konusu içeriği oluşturan okul raporları ve anketlerden elde edilen veri üzerinde 31 öznitelikten oluşan veri kümesi kullanılmıştır. Veri içeriğindeki öznitelikler öğrencinin; notları, demografik öğeleri, sosyal ve okul faaliyetlerini kapsamaktadır. Bu kapsamda gerçekleştirilen çalışmada Iterative Classifier, OneR ve LogitBoost veri madenciliği yöntemleri ile analizler gerçekleştirilmiştir. En başarılı yöntem OneR veri madenciliği yöntemi olmuştur ve bu yöntem ile 5, 7 ve 10 fold çapraz geçerlilik deneyleri yapılarak bu sonuçların ortalamalarına bakıldığında doğruluk değerinin %92.15; duyarlılık değerinin %96; özgüllük değerinin %86.6 olduğu görülmektedir.
Veri madenciliği, Öğrenci performansı, Sınıflandırma, OneR
  • Arslan B., & Babadoğan, C. (2005). İlköğretim 7. ve 8. sınıf öğrencilerinin öğrenme stillerinin akademik başarı düzeyi, cinsiyet ve yaş ile ilişkisi. Eurasian Journal of Educational Research, 31,35-48.
  • Aydın, F., & Aslan, Z. (2017). Yapay Öğrenme Yöntemleri ve Dalgacık Dönüşümü Kullanılarak Nöro Dejeneratif Hastalıkların Teşhisi. Gazi Üniversitesi Mühendislik-Mimarlık Fakültesi Dergisi, 32(3).
  • Alves, E. T. A., Frucht, L. C., Souza, M. N., & Nóbrega, A. F. A. (2012, March). Iterative optimization algorithm-An alternative clustering tool for biological analysis using flow cytometry data. In 2012 Pan American Health Care Exchanges (pp. 66-70). IEEE.
  • Cortez, P., & Silva, A. M. G. (2008). Using data mining to predict secondary school student performance. In the Proceedings of 5th Annual Future Business Technology Conference, Porto, Portugal, 5-12.
  • Daş, B., & Türkoğlu, İ. (2014). DNA dizilimlerinin sınıflandırılmasında karar ağacı algoritmalarının karşılaştırılması. Elektrik–elektronik–bilgisayar ve Biyomedikal Mühendisliği Sempozyumu (ELECO 2014), 381-383.
  • Gorr, W. Lç, Nagin, D., & Szczypula, J. (1994). Comprarative study of artificial neural network and statistical models for predicting student grade point averages. International Journal of Forecasting, 10(1), 17-34.
  • Holte, R. C. (1993). Very simple classification rules perform well on most commonly used datasets. Machine learning, 11(1), 63-90.
  • İstenmeyen Elektronik Posta (Spam) tespitinde karar ağaç algoritmalarının performans kıyaslaması. Journal of Internet Applications & Management/İnternet Uygulamaları ve Yönetim Dergisi, 5(2).
  • Manikandan, G., Aravind, V., & Anitha, B. (2018). A Survey to Identify an Efficient Classification Algorithm for Heart Disease Prediction. International Journal of Pure and Applied Mathematics, 119(2), 13337-13345.
  • Subba Narasimha, P. N., Arinze, B., & Anandarajan, M. (2000). The predictive accuracy of artificial neural network and multiple regression in the case of skewed data. Exploration of some issues. Expert systems with Applications, 19(2), 117-123.
  • Tosun, S. (2007). Sınıflandırmada yapay sinir ağları ve karar ağaçları karşılaştırması: öğrenci başarıları üzerine bir uygulama. (Yayımlanmamış yüksek lisans tezi). İstanbul Teknik Üniversitesi/Fen Bilimleri Enstitüsü, İstanbul.
  • Uzun, Y. (2005). Tıbbi veriler üzerinde makine öğrenme algoritmaları ve bulanık mantık ile kurallar öğrenme. (Yayımlanmamış yüksek lisans tezi). Selçuk Üniversitesi/Fen Bilimleri Enstitüsü, Konya.
Birincil Dil tr
Konular Bilgisayar Bilimleri, Yapay Zeka
Yayınlanma Tarihi bahar
Bölüm Araştırma Makaleleri
Yazarlar

Orcid: 0000-0002-1223-1901
Yazar: Senem Hazel BAŞER (Sorumlu Yazar)
Kurum: AKSARAY ÜNİVERSİTESİ
Ülke: Turkey


Orcid: 0000-0002-9376-9024
Yazar: Onur HÖKELEKLİ
Kurum: AKSARAY ÜNİVERSİTESİ
Ülke: Turkey


Orcid: 0000-0002-3752-7354
Yazar: Kemal ADEM
Kurum: AKSARAY ÜNİVERSİTESİ
Ülke: Turkey


Tarihler

Kabul Tarihi : 1 Mayıs 2020
Yayımlanma Tarihi : 1 Haziran 2020

Bibtex @araştırma makalesi { bibted702797, journal = {Bilgisayar Bilimleri ve Teknolojileri Dergisi}, issn = {}, address = {Mersin Üniversitesi}, publisher = {Mersin Üniversitesi}, year = {2020}, volume = {1}, pages = {22 - 27}, doi = {}, title = {Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi}, key = {cite}, author = {Başer, Senem Hazel and Hökelekli̇, Onur and Adem, Kemal} }
APA Başer, S , Hökelekli̇, O , Adem, K . (2020). Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi . Bilgisayar Bilimleri ve Teknolojileri Dergisi , 1 (1) , 22-27 . Retrieved from https://dergipark.org.tr/tr/pub/bibted/issue/53797/702797
MLA Başer, S , Hökelekli̇, O , Adem, K . "Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi" . Bilgisayar Bilimleri ve Teknolojileri Dergisi 1 (2020 ): 22-27 <https://dergipark.org.tr/tr/pub/bibted/issue/53797/702797>
Chicago Başer, S , Hökelekli̇, O , Adem, K . "Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi". Bilgisayar Bilimleri ve Teknolojileri Dergisi 1 (2020 ): 22-27
RIS TY - JOUR T1 - Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi AU - Senem Hazel Başer , Onur Hökelekli̇ , Kemal Adem Y1 - 2020 PY - 2020 N1 - DO - T2 - Bilgisayar Bilimleri ve Teknolojileri Dergisi JF - Journal JO - JOR SP - 22 EP - 27 VL - 1 IS - 1 SN - - M3 - UR - Y2 - 2020 ER -
EndNote %0 Bilgisayar Bilimleri ve Teknolojileri Dergisi Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi %A Senem Hazel Başer , Onur Hökelekli̇ , Kemal Adem %T Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi %D 2020 %J Bilgisayar Bilimleri ve Teknolojileri Dergisi %P - %V 1 %N 1 %R %U
ISNAD Başer, Senem Hazel , Hökelekli̇, Onur , Adem, Kemal . "Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi". Bilgisayar Bilimleri ve Teknolojileri Dergisi 1 / 1 (Haziran 2020): 22-27 .
AMA Başer S , Hökelekli̇ O , Adem K . Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi. BIBTED. 2020; 1(1): 22-27.
Vancouver Başer S , Hökelekli̇ O , Adem K . Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi. Bilgisayar Bilimleri ve Teknolojileri Dergisi. 2020; 1(1): 22-27.
IEEE S. Başer , O. Hökelekli̇ ve K. Adem , "Ortaöğretimde Öğrenim Gören Öğrenci Performanslarının Veri Madenciliği Yöntemleri İle Tahmin Edilmesi", Bilgisayar Bilimleri ve Teknolojileri Dergisi, c. 1, sayı. 1, ss. 22-27, Haz. 2020