Görüntüleme
61
İndirme
16
Öz: Yapay sinir ağları (YSA) ekonomi, tıp, turizm, mühendislik ve sanayi gibi alanlarda sıklıkla kullanılmaktadır. Eğitim alanında kullanımının ise son yıllarda artış gösterdiği görülmüştür. Bu nedenle yapılan bu çalışmada öğrenci başarısını etkileyebileceği düşünülen değişkenlerden baskın zekâ alanları, çalışma alışkanlıkları, cinsiyet ve yaş değişkenleri ile öğrencilerin genel not ortalamalarına göre sınıflandırılmasında YSA’nın kullanımı amaçlanmıştır. Araştırmada öğrencilerin sahip oldukları çalışma alışkanlıkları, baskın zekâ alanları ve yaş gibi değişkenleri ile genel not ortalamalarına göre sınıflandırılmasında yapay sinir ağı modeli kullanılmıştır. Araştırmanın örneklemini eğitim fakültesi Fen Bilgisi Öğretmenliği bölümünde lisans öğrenimi gören 30 dördüncü sınıf öğretmen adayı oluşturmaktadır. Çalışmada üç adet veri toplama aracı kullanılmıştır. İlk olarak adayların yaş, cinsiyet ve genel not ortalamalarının belirlenmesini sağlayan demografik ölçek, ikinci olarak sahip olunan çalışma alışkanlıklarını belirleyebilecek 60 maddeden oluşan bir çalışma alışkanlıkları envanteri kullanılmıştır. Ayrıca adayların baskın zekâ alanlarını belirlemek için de Gardner tarafından hazırlanan 80 maddelik çoklu zekâ envanteri verilerin toplanmasında kullanılan araçlardır. Çalışmada elde edilen veriler bilgisayar ortamına aktarılarak Matlab R2012a programıyla analize hazır hale getirilmiştir. Hazırlanan veriler ise YSA modellerinden Çok Katmanlı Algılayıcı ağ modeli yardımıyla analiz edilmiştir.Yapay sinir ağı modellerinden çok katmanlı algılayıcı ağ modelinin kullanıldığı bu çalışmada 142 giriş verisi ve 9 çıkış verisiyle oluşturulan ağ yapıları incelenmiştir. Burada amaç, ağın oluşturması beklenen veri ile araştırmacı tarafından ağa sunulan çıkış verisi arasında en az hatanın yapıldığı ağın bulunmasını sağlamaktır. Sonuçlara göre en az hata gizli katmanda 25 nöron bulunduran ağda meydana gelmiştir. Bu yapının hata kareler ortalamalarına bakıldığında eğitim veri seti için 0.03, geçerlilik veri seti için 0.004 ve test veri seti için de 0.005 olduğu görülmektedir. Sonuç olarak öğrencilerin yaş, cinsiyet, baskın zekâ alanları ve sahip oldukları çalışma alışkanlıkları ile genel not ortalamaları YSA modellerinden çok katmanlı algılayıcı ağ modeli yardımıyla sınıflandırılabilmektedir. Elde edilen hata kareler ortalamaları, kullanılan değişkenler ve örneklem sayısına göre farklılık gösterebileceğinden dolayı çalışmanın farklı gruplar üzerinde farklı değişkenlerle yinelenmesi tavsiye edilmektedir. En Az 250 Kelimelik Özet Anahtar Sözcükler: (En Az 3 Anahtar Sözcük)
The aim of this research is to evaluate the use of artificial neural networks to classify multiple intelligence areas, working habits, age and gender variables and students’ grade averages from variables thought to affect students’ success. In the study, an artificial neural network model was used to classify students’ achievements. The group consists of 30 students who were in their 4th year in the 2016-2017 academic year. The group were students of Mehmet Akif Ersoy University in the department of science teacher. In the study, three data collection tools were used. First the demografic scale that evaluates a candidate’s age, gender and general grade point average. Second the study habits’ inventory which allows the evaluation of the working habits. And finally, a multiple intelligence inventory to identify the dominant intelligence’ areas. The collected data was computerized and prepared for analysis by a Matlab R2012a program. The prepared data was analyzed with the multilayer perceptron model from the artificial neural network models. In this study, which is a multi-layered perceptron network model from artificial neural network models, network structures formed by 142 input data and 9 output data, are examined. The aim is to find the network the least error is made between the data that is expected to form the network and the output data provided to the network by the researcher. According to the results, the least error occurred in the mesh containing 25 neurons in the hidden layer. When we look at the average of error squares, the results show 0.03 for education data set, 0.004 for validity data set, and 0.005 for test data set. As a result, students’ achievement can be classified by the artificial neural network model. In the study, the mean square error can be measured according to the used variables and the number of samples. For this reason, it is recommended that the study may be repeated in different samples with different variables
Alan : Eğitim Bilimleri; Filoloji; Güzel Sanatlar; Hukuk; İlahiyat; Sosyal, Beşeri ve İdari Bilimler
Dergi Türü : Ulusal
Makale Detay 
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
