Pek çok alanda etkili bir şekilde kullanılan veri madenciliğinin, günümüzde eğitim alanındaki uygulamaları hızla artmaktadır. Veri madenciliği yöntemleri ile eldeki veriler sınıflandırılarak, gruplandırılarak ya da veriler arasında ilişkiler, bağıntılar, istatistiksel sonuçlar oluşturularak modeller oluşturulur. Oluşturulan model, oluşturulduğu veri kümesinde olmayan yeni bir kayıt geldiğinde, yeni gelen kayıt hakkında tahminleme yapar. Yapılan tahminlerin doğruluk derecesi oluşturulmuş modelin veri üzerindeki başarısını ortaya koyar. Bu çalışmada Yıldız Teknik Üniversitesi, Bilgisayar Mühendisliği bölümü, Sistem Analizi ve Tasarımı ile Yazılım Mühendisliği dersinde gerçekleştirilen projeler ile ilgili öğrencilere yapılan anketlerden veri seti oluşturulmuştur. Elde edilen bu veri setine sınıflandırma algoritmaları uygulanarak en başarılı algoritma tespit edilmiştir. Çalışmadaki amaç proje tabanlı gerçekleştirilen derslerde, proje başarısını arttırmak için öğrenci projelerinin sınıflandırılmasında en iyi sınıflandırma algoritmasının tespit edilmesidir. En başarılı algoritma tespit edilirken doğruluk, MAE, RMSE ve KAPPA değerleri göz önüne alınmıştır. Sonuç olarak öğrenci projelerinden elde edilen veri setini sınıflandırmada en iyi algoritmanın J48(C4.5) olduğu tespit edilmiştir.
Veri Madenciliği Eğitimde Veri Madenciliği Veri Sınıflandırma Sınıflandırma Algoritmaları Birliktelik Kuralı Apriori Algoritması
Data mining is used in many areas including knowledge discovery tasks in machine learning, statistics, and database systems. At present particularly in educational area, use of data mining and its applications is increasing. Data mining methods are used to create models from the data by classification, clustering or simply applying correlation rules in the data. When the new instance/record, which is not available in the current data set, appears, this model can be used to make assumptions regarding to that instance. Precision level of those estimates shows the accuracy of the created model on the data set. In this study, the data set is created by using questionnaires, which were collected from System Analysis and Design courses at Computer Engineering Department, Yıldız Technical University(YTU). Those questionnaire consist of student answers that are related to the projects, which are developed in these courses. Classification algorithms are applied on this data set to decide the most successful algorithm for classification. The main goal of this study is to reveal the most successful classification algorithm in terms of student projects classification tasks for purpose of increasing the success rate of the projects in the courses that are based on the projects. Accuracy, Mean Absolute Error(MAE), Root Mean Square Error(RMSE), and KAPPA metrics are used to evaluate performance of those algorithms. The experimental result of this study shows that Multilayer Perceptron(MLP) algorithm performs better that other algorithms on this data set. Also Appriori algorithm used for finding some rules.
Data Mining Educational Data Mining Data Classification Classification Algorithms Association Rule Apriori Algortihm
Diğer ID | JA37NF28EH |
---|---|
Bölüm | Makaleler(Araştırma) |
Yazarlar | |
Yayımlanma Tarihi | 24 Haziran 2016 |
Yayımlandığı Sayı | Yıl 2015 Cilt: 8 Sayı: 1 |
https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü | |
Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız. Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır: 1. Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir. 2. Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır. 3. Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır. 4. Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir. 5. İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir. 6. Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.
|