Citation Number
6
Views
48
Downloands
10
Veri madenciliği (VM) uygulamaları teknolojik gelişmelerin yaşanması ve internetin hayatımıza girmesi ile birlikte oldukça önem kazanmıştır. Bu durum konu ile ilgili yapılan çalışmaların sayısının artmasına neden olmuştur. Özellikle bireyselleştirilmiş öğrenme, öğrenci davranışlarını gruplandırarak modelleme ve bazı durumların (akademik başarı, okulu bırakma, çalışma alışkanlığı vs.) tahmininde oldukça başarılı sonuçlar vermesi, eğitsel anlamda bu uygulamaların kullanımı ile ilgili çalışma konusunda araştırmacıları cesaretlendirmiştir. Bu çalışmada veri madenciliği uygulamaları ile ilgili yıl sınırlaması olmaksızın Google akademik, EBSCO, Elsevier, ERIC ve YÖKTez veri tabanlarında yayınlanmış olan araştırmaların incelenmesi amaçlanmıştır. Araştırmaya toplam 102 çalışma dâhil edilmiş, nitel araştırma yöntemlerinden doküman inceleme tekniği kullanılarak analiz edilmiştir. Sonuç olarak belirlenen yıl aralığında konu ile ilgili yapılan çalışmaların artış eğiliminde olduğu görülmüştür. Ayrıca yapılan çalışmaların ana odağının farklı veritabanları ve öğrenme yönetim sistemleri aracılığıyla öğrencilerin ileri dönemlerdeki akademik başarısının tahmin etmeye yönelik oluşturulduğu gözlenmiştir. Bu bulguyu takiben çalışmaların ikinci odak noktası ise öğrenci tutum ve davranışlarını belirlemek amacıyla gerçekleştirilmesidir. Son olarak konuyla ilgili çalışmalarda sıklıkla başvurulan veri madenciliği aracı WEKA olurken en fazla başvurulan veri madenciliği teknikleri ise karar ağaçları ve yapay sinir ağları olarak ortaya çıkmıştır. Araştırma sonuçlarının gelecekte bu konuda çalışma yapacak araştırmacılara yol göstermesi beklenmektedir. Bu nedenle araştırmacılar tarafından farklı değişkenler üzerinden farklı bakış açıları derinleştirilerek yeni çalışmaların yapılması önerilebilir.
Data mining (VM) applications have gained great importance along with technological developments and the entry of the internet into our lives. This has led to an increase in the number of work done on the subject. In particular, individualized learning, modeling student behavior by grouping and giving very successful results in the prediction of certain situations (academic success, school leaving, working habit, etc.) has encouraged researchers to study the use of these applications in educational terms. This study aims to examine the research published in Google Academic, EBSCO, Elsevier, ERIC and YÖKTez databases without any year limit on data mining applications. The study included a total of 102 studies, which were analyzed using the document examination technique of the quality research methods. As a result, it has been shown that the work on the subject has increased during the period of the year. It was also observed that the main focus of the studies conducted was created through different databases and learning management systems aimed at predicting student academic success in advanced periods. After this finding, the second focus of the study is to be carried out in order to determine the student's attitude and behavior. Finally, the data mining tool that is frequently applied in the subject studies is WEKA, while the most applied data mining techniques have appeared as decision trees and artificial nerve networks. The results of the research are expected to guide researchers to work on this in the future. Therefore, researchers can recommend that new studies be carried out by deepening different perspectives over different variables.
Field : Eğitim Bilimleri; Sosyal, Beşeri ve İdari Bilimler
Journal Type : Uluslararası
Article Detail 
Citation Owners
Similar Articles
Download PDF
Journal Information
Listen Paper
Print This Page
Share
Mendeley
