Atıf Sayısı
14
Görüntüleme
13
Teknolojinin gelişimi ile veritabanlarının boyutları doğru orantılı olarak ilerlemektedir. Bu kadar çok verinin tutulması sonucu çeşitli analizler ile bu veriler arasındaki gizli bağlantıların araştırılması kaçınılmaz olmuştur. Buradaki çalışmada öğrencilerin Yabancı Dil-II dersindeki geçme notları veri madenciliği yöntemleriyle tahmin edilmiştir. Araştırmada Türkiye’deki bir üniversitede Yabancı Dil-II dersini alan 3794 öğrenci verileri kullanılmıştır. Çalışmada 12’si girdi ve biri çıktı olmak üzere toplam 13 adet değişkenin yer aldığı Yapay Sinir Ağları, M5P, DecisionStump, M5Rules, DecisionTable, Bagging yöntemleri ile geliştirilen tahmin modelleri oluşturulmuş ve birbirleriyle karşılaştırılmıştır. Verilerin eğitim ve test olarak ayrıştırılmasında 10-katlı çapraz doğrulama yöntemi kullanılmıştır. Modellerde öğrencinin ders geçme notunu etkileyecek öğrenim tipi, fakülte, bölüm, program, program tipi, öğretim elemanı ve unvanı, öğrenci programa giriş türü, giriş puanı ve giriş sıralaması ile bir önceki dönemin not ortalaması dikkate alınmıştır. Modeller arasında Bagging yöntemi ile kurulan modelin en iyi sonuç olan 1.22 ortalama mutlak hata ve 0.80 korelasyon katsayısı ile tahminler ürettiği görülmüştür. Çalışma sonucunda öğrencilerin ders geçme notunu önceden öğrenip önlemler alacağı düşünülmektedir.
With the development of technology, the size of the databases is progressing properly proportionally. As a result of the retention of so many data, various analyses and the investigation of the secret links between these data have been inevitable. In this study, the passing notes of students in the Foreign Language-II course were predicted by data mining methods. The study included 3794 students who took a foreign language-II course at an university in Turkey. The study included a total of 13 variables, including 12 enters and one out, and the predictive models developed by artificial nerve networks, M5P, DecisionStump, M5Rules, DecisionTable, Bagging methods were created and compared with each other. 10 layer cross-verification method has been used for the division of data as training and test. The study type, faculty, department, program, program type, faculty and title, student program entrance type, entrance score and entrance ranking are taken into account with the previous period's score average. Among the models, the model established with the Bagging method has been shown to produce forecasts with an average absolute error of 1.22 and a correlation ratio of 0.80. Students are expected to learn the course score in advance and take measures.
With the development of technology, the dimensions of the databases are progressively proportional. It is inevitable to investigate the secret links between these analyzes with various analyzes. In this study, the passing grades of the students in Foreign Language-II course were estimated by data mining methods. In the study at a university in Turkey Foreign Language-II 3794 students taking the course data are used. In this study, the estimation models developed by Artificial Neural Networks, M5P, DecisionStump, M5Rules, DecisionTable and Bagging methods were formed and compared with each other. 10-fold cross-validation method was used for training and testing. In the models, the type of the course, faculty, department, program, program type, teaching staff and title, the type of entry to the program, entry point and entry rank and the average grade of the previous semester were taken into consideration. Among the models, it was seen that the model established with Bagging method produced the best results with 1.21 mean absolute error and 0.81 correlation coefficient. As a result of the study, it is thought that the students will learn the course grade and take precautions in advance.
Alan : Fen Bilimleri ve Matematik; Mühendislik
Dergi Türü : Uluslararası
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
PDF Görüntüle
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
