Investigation of the Effects of Educational Conditions on Technical Staff Training on Students

Abstract

Student expectations and satisfaction in vocational education have always been curious and researched topics. The industrialization process in societies always brought the need for qualified technical staff. Vocational schools (Vocational Schools) are the primary source of training qualified technical staff for the industry. This study investigated the changes and expectations of Vocational School students according to the demographic structure. In order to measure the expectations and satisfaction of students, a questionnaire was conducted under various headings on Google forms. The results of the survey were evaluated statistically and by using data mining techniques, and the situations in which students were generally concerned and the topics they were satisfied were determined.

Keywords

• Vocational Education,Statistical Analysis,Data Mining

Teknik Eleman Yetiştirmede Eğitim Şartlarının Öğrenciler Üzerindeki Etkilerinin İncelenmesi

Öz

Mesleki eğitimde öğrenci beklenti ve memnuniyeti her zaman merak edilen ve araştırılan konular olmuştur. Toplumlardaki sanayileşme süreci her zaman nitelikli teknik eleman ihtiyacını yanında getirmiştir. Meslek yüksekokulları (MYO) endüstri için nitelikli teknik eleman yetiştirme kaynağının başında gelmektedir. Bu çalışma MYO öğrencilerinin beklenti ve memnuniyetlerinin demografik yapıya göre değişimini araştırmıştır. Öğrencilerin beklentilerini ve memnuniyetini ölçmek için Google forms üzerinden çeşitli başlıklar altında anket yapılmıştır. Anket sonuçları istatistiksel olarak ve veri madenciliği teknikleri kullanılarak değerlendirilmiş ve öğrencilerin genel anlamda kaygılandığı durumlar ve memnuniyet duydukları konu başlıkları belirlenmiştir.

Anahtar Kelimeler

• Mesleki Eğitim,İstatistiksel Analiz,Veri Madenciliği

Kaynakça

1. Arı, N., & Binici, H. (2004). Mesleki ve Teknik Eğitimde Arayışlar. GÜ. Gazi Eğitim Fakültesi Dergisi, Cilt 24, Sayı 3, pp. 383-396.
2. Brunello, G. (2001). On the Complementarity between education and training in Europe. IZA Discussion Paper, No.309,FEEMWorkingPaperNo.40.AvailableatSSRN: https://ssrn.com/abstract=273040 or http://dx.doi.org/10.2139/ssrn.273040 June 2001.
3. Chen, W., Tseng , S., & Hong, T. (2008). An efficient bit-based feature selection method. Expert Systems with Applications, Vol. 34, pp. 2858-2869.
4. Demir, A. (1996). Üniversitedeki seçmeli ders uygulamasının öğrenciler ve öğretim üyelerince değerlendirilmesi. Psikolojik Danışma ve Rehberlik Dergisi, Vol 2, pp 24-31.
5. Gizir, C. (2014). Orta Doğu Teknik Üniversitesi Son Sınıf Öğrencilerinin Problemleri Üzerine Bir Çalışma. Mersin Üniversitesi Eğitim Fakültesi Dergisi, cilt 1, sayı 2.
6. Gürbüz, F., Özbakır, L., & Yapıcı, H. (2011). Data mining and preprocessing application on component reports of an airline company in Turkey. Expert System with Applications, vol 38, pp. 6618-6626.
7. Hu, X. (2003). DB-reduction: A data preprocessing algorithm for data mining applications. Applied Mathematics Letters, Vol.16, pp.889-895.
8. Kılıç, A., & Kuyumcu, A. (2008). Teknik Eğitim Fakültesi Öğrencilerinin Gelecekten Beklentileri. Elektronik Sosyal Bilimler Dergisi, Vol:7, Issue:26, pp-047-063.

9. Megaputer. (2020). https://www.megaputer.com/polyanalyst/ adresinden alındı
10. Nillson, A. (2010). Vocational education and Training- an engine for economic growth and a vehicle for social inclusion. International Journal of Training& Development, Vol 14,Issue 4.
11. PolyAnalyst. (2007, Nisan). User Manuel of PolyAnalyst 6.5.
12. Sen, B., & Ucar, E. (2012). Evaluating the achievements of computer engineering department of distance education students with data mining methods. Procedia Technology, Vol 1, pp.262-267.
13. YÖK. (2020). https://www.yok.gov.tr/Documents/Kurumsal/egitim_ogretim_dairesi/Meslek-Yuksekokullar%C4%B1/05_Asl%C4%B1_Gunay.pdf adresinden alındı
14. YÖK, İ. V. (2020). https://istatistik.yok.gov.tr/ adresinden alındı
15. Zhang, S., Zhang, C., & Yang, Q. (2003). Data preparation for data mining. Applied Artificial Intelligence, Vol.173, 75-381.