Makine öğrenmesi yöntemi ile eğitim başarısının tahmini modeli
Küçük Resim Yok
Tarih
2023
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Beykent Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde makine öğrenmesi yöntemleri etkin bir biçimde kullanılarak pek çok alanda yüksek performanslar göstermiştir. Çeşitli sektörlerde son yıllarda daha da yaygınlaşmaya başlamıştır. Makine öğrenmesini modellerinden elde edilebilecek başarılarla birçok sorun öngörülüp çözüme ulaştırılabilir. Bu çalışmadaki amaçta, ortaokul öğrencileriyle yapılan anketten toplanan verilerle eğitim başarısının tahminini yapacak bir makine öğrenmesi modeli ortaya koymak ve öğrenciyi etkileyebilecek faktörlerinin önüne geçebilmektir. Anket soruları, öğrencinin başarısına tesir edebilecek etkenler araştırılarak oluşturulmuştur. Çalışma kapsamında, çeşitli ortaokullarda eğitim gören 520 farklı öğrenciden kişisel verilerin korunması kanunu kapsamında 13 sorudan oluşan anket aracılığıyla veri toplanmıştır. Bu veriler hiçbir kurumla paylaşılmamış olup, gizliliği korunmuştur. Veri seti incelenerek bazı manipülasyon, ön işleme, görselleştirme işlemlerinden geçirilmiş , K-Nearest Neighbor (K-NN) , Random Forest (RF) , Lineer Regresyon, Bagged Trees, Gradient Boosting Regressor (GBM)ve Karar Ağaçları (DT) algoritmaları kullanılmıştır. Aralarından model başarısı en yüksek olan Random Forest (RF) algoritması seçilmiştir. Çalışmada, veri manipülasyon işlemleri gerçekleştirildikten sonra model kurularak öğrencinin Türkçe notu üzerinden eğitim başarısının tahmini yapılmıştır. Türkçe dersi bağımlı değişken olarak seçilmiştir. Çalışmadaki ders seçiminin belirlenmesi, ana dilin Türkçe olması ve eğitim hayatından itibaren her dönem Türkçe dersi ile karşılaşılmasından dolayıdır. Çalışma neticesinde, algoritmanın performansı 0.88 ve R-squared değeri 0.98 olarak belirlenmiştir. Yeni girdilerle test edilen model Türkçe notu üretmiştir. Öğrencinin eğitim durumunu etkileyen en önemli faktörler Türkçe notuna bağlı olarak aralarındaki korelasyon ile aile geliri ve ders çalışma saati olarak belirlenmiştir. Etkenler seçilirken model çeşitli senaryolarla defalarca test edilmiştir ve korelasyon ilişkisi hesaplanmıştır.
Today, machine learning methods have been used effectively and have shown high performance in many areas. It has become more widespread in various sectors in recent years. Many problems can be predicted and solved with the successes that can be obtained from machine learning models. The aim of this study is to present a machine learning model that will predict educational success with the data collected from the survey conducted with secondary school students and to present the factors that may affect the student. The questions of the questionnaire were created by investigating the factors that may affect the success of the student. Within the scope of the study, data were collected from 520 different students studying in various secondary schools through a questionnaire consisting of 13 questions within the scope of the law on the protection of personal data. This data is not shared with any institution and its confidentiality is protected. K-Nearest Neighbor(K-NN) , Random Forest (RF), Linear Regression, Bagged Trees, Gradient Boosting Regressor(GBM), Decision Trees (DT) algorithms were used. Among them, the Random Forest algorithm with the highest model success was selected. In the study, after the data manipulation processes were carried out, the model was established and the estimation of the educational success of the student was made based on the Turkish grade. Turkish course was chosen as the dependent variable. The determination of the course selection in the study is due to the fact that the mother tongue is Turkish and that Turkish course has been encountered every semester throughout the education life of a student.
Today, machine learning methods have been used effectively and have shown high performance in many areas. It has become more widespread in various sectors in recent years. Many problems can be predicted and solved with the successes that can be obtained from machine learning models. The aim of this study is to present a machine learning model that will predict educational success with the data collected from the survey conducted with secondary school students and to present the factors that may affect the student. The questions of the questionnaire were created by investigating the factors that may affect the success of the student. Within the scope of the study, data were collected from 520 different students studying in various secondary schools through a questionnaire consisting of 13 questions within the scope of the law on the protection of personal data. This data is not shared with any institution and its confidentiality is protected. K-Nearest Neighbor(K-NN) , Random Forest (RF), Linear Regression, Bagged Trees, Gradient Boosting Regressor(GBM), Decision Trees (DT) algorithms were used. Among them, the Random Forest algorithm with the highest model success was selected. In the study, after the data manipulation processes were carried out, the model was established and the estimation of the educational success of the student was made based on the Turkish grade. Turkish course was chosen as the dependent variable. The determination of the course selection in the study is due to the fact that the mother tongue is Turkish and that Turkish course has been encountered every semester throughout the education life of a student.
Açıklama
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
