ACHIEVEMENT ANALYSIS OF A DATASET OF DISTANCE EDUCATION SAMPLES WITH APRIORI ALGORITHM

Yıl 2017, Cilt: 8 , 19 - 29, 09.12.2017

Tolga Demirhan İlker Hacioglu

Öz

The purpose of this study is to analyze the academic
success of distance education students using the apriori algorithm which is one
of the association rule extraction algorithms in data mining. The students
enrolled in Trakya University, Tunca Vocational High School (Distance
Education) in 2016-2017 education year constitute the data set of the study. A
questionnaire with 51 items, participation in which was on a voluntary basis,
was used for the creation of the data set. On the data set, Apriori experiments
were carried out separately for the attributes with course grades and the
obtained rules were interpreted.

Anahtar Kelimeler

Apriori, weka, success analysis, data mining, distance education

Kaynakça

• Bozkır, A.S., & Gök, B., & Sezer, E. (2008) Üniversite Öğrencilerinin İnterneti Eğitimsel Amaçlar İçin Kullanmalarını Etkileyen Faktörlerin Veri Madenciliği Yöntemleriyle Tespiti. Bilimde Modern Yöntemler Sempozyumu, Eskişehir. Chan, A.Y.K., & Chow, K.O., & Cheung, K.S. (2008). Online Course Refinement through Association Rule Mining. Journal of Educational Technology Systems, ISSN 1450-216X 36(4), (pp. 43– 44). Chandra,E., & Nandhini, K. (2010). Knowledge Mining from Student Data. European Journal of Scientific Research, 47(1), (pp. 156-163). Gour S., & Jaloree, S., & Gour, M. (2016). Water Quality Assessment using Association Rule Mining for River Narmada. Indian Journal of Science and Technology, 9(10), DOI: 10.17485/ijst/2016/v9i10/82155. Karabatak, M., & İnce, M.C., (2004). Apriori Algoritması İle Öğrenci Başarısı Analizi. Elektrik Elektronik Bilgisayar Mühendisliği Sempozyumu, Bursa. Kurt Pehlivanoğlu, M., & Duru, N., (2015). Veri Madenciliği Teknikleri Kullanılarak Ortaokul Öğrencilerinin Sosyal Ağ Kullanım Analizi: Kocaeli İli Örneği, Düzce Üniversitesi Bilim ve Teknoloji Dergisi, 3, (pp. 508-517). Man, M.B., & Abu Bakar, W.A.W., & Abdullah, Z., & Jalil, Z.A, &Herawan, T., (2016). Mining Association Rules: A Case Study on Benchmark Dense Data. Indonesian Journal of Electrical Engineering and Computer Science, 3(3), (pp. 546-553), DOI: 10.11591/ijeecs.v3.i2.pp546-553. Özseven,T., & Düğenci, M., (2011). LOG Analiz: Erişim Kayıt Dosyaları Analiz Yazılımı ve GOP Üniversitesi Uygulaması. Bilişim Teknolojileri Dergisi, 4(2), (pp. 55-66). Pandeeswari, L., & Rajeswari, K., (2014). Student Academic Performance Using Data Mining Techniques. International Journal of Computer Science and Mobile Computing, IJCSMC, 3(10), (pp. 726–731). Sebastian, S., (2016). Performance, Evaluation By Artificial Neural Network Using WEKA. International Research Journal of Engineering and Technology (IRJET), 3(3), e-ISSN: 2395 -0056 (pp. 1459-1464). Tanrıverdi, N.S., (2013). İTÜ Matematik Mühendisliği Öğrencilerinin Mezuniyet Başarılarını Yükseltmeyi Hedefleyen Bir Veri Madenciliği Uygulaması. (Unpublished Dissertation), İstanbul Üniversitesi Fen Edebiyat Faültesi Matematik Mühendisliği Programı, İstanbul-Turkey. Taş, M., & Adak, M.F., & Yurtay, N., (2013). Öğrencilerin Staj Verileri Üzerine Uygulanan Apriori Algoritması ile Birliktelik Kurallarının Çıkarılması ve Staj Eğiliminin Belirlenmesi. 1st International Symposium on Innivative Technologies in Engineering and Science, (pp. 1086-1095). Yalçın, N., & Güngör, E., & Yurtay N., (2013). Apriori Algoritması ile Teknik Seçmeli Ders Seçim Analizi, Ulusal Uzaktan Eğitim ve Teknolojileri Sempozyumu, Konya.