BÖTE bölümü öğrencilerinin akademik başarılarını etkileyen faktörlerin belirlenmesi ve akademik başarı tahmin modelinin geliştirilmesi

Abstract

Bu araştırmanın amacı Bilgisayar ve Öğretim Teknolojileri Eğitimi bölümü (BÖTE) öğrencilerinin akademik başarılarını etkileyen faktörleri belirlemek ve bu faktörlere göre akademik başarıyı tahmin eden bir model geliştirmektir. Araştırmada akademik başarıyı etkileyen faktörler, `üniversite öncesi`, `üniversite sürecinde`, `üniversite dışı` ve `kişisel` faktörler olmak üzere dört başlık altında toplanmış ve bu faktörler arasından ilk üçü incelenmiştir. İlişkisel tarama modeli kullanılan araştırmanın katılımcıları, Çanakkale Onsekiz Mart Üniversitesi Eğitim Fakültesi BÖTE bölümünde 2013-2015 akademik yılları arasında öğrenim gören 164 öğrenciden oluşmaktadır. Katılımcıların akademik başarılarını etkileyen faktörleri belirlemek için kapalı uçlu sorulardan oluşan bir anket hazırlanmıştır. Verilerin analizinde betimsel istatistiklerin (çapraz tablolar, yüzde ve frekans) yanı sıra bağımsız örneklemler için t-testi, basit korelasyon, ANOVA, Kruskal Wallis ve Mann Whitney testleri uygulanmıştır. Araştırma sonuçlarına göre, akademik başarıyı etkileyen üniversite öncesi faktörlerin; üniversiteye yerleşme puanı/türü ve tercih sırası olduğu; üniversite sürecindeki faktörlerin ise BÖTE bölümünü tekrar tercih etme sırası ile çevresel ve yöneltici faktörler olduğu bulunmuştur. Üniversite dışı faktör olarak da KPSS'ndaki alan sorularına yetersiz yer verilmesinin akademik başarıyı etkilediği tespit edilmiştir. Geliştirilen tahmin modelinde, ilişkisel tarama analizi sonuçları dikkate alınmıştır. Modelin verileri olarak öğrencilerin BÖTE bölümünü tercih/tekrar tercih etme sıraları ile çevresel ve yöneltici faktörler kullanılmıştır. Tahmin modelinde, Sade Bayes, karar ağacı ve bulanık mantık sınıflandırıcıları kullanılarak bu sınıflandırıcıların sonuçları karşılaştırılmış ve değerlendirilmiştir. Modelin eğitim kümesine 100 tane öğrencinin verisi, değerlendirme kümesine ise 34 tane öğrenci verisi dâhil edilmiştir Sade Bayes, karar ağacı ve bulanık mantık sınıflandırıcılarının doğru tahmin etme oranları sırasıyla %76.47, %73.52 ve %88.24 bulunmuştur.

The purpose of this study is to investigate the factors that affecting the academic achievements who are studying in the Computer Education and Instructional Technology (CEIT) Department and develop a model which can predict academic achievement due to these factors.All factors affecting to student's academic achievement are divided into four groups; pre-college factors, in college factors, post college factors and individual factors. In this research first three groups are examined. The participants of research in which relational survey is used are 164 undergraduate students from the CEIT department in Educational Faculty of Çanakkale Onsekiz Mart University during the 2013-2015 academic years. The survey form that consists of close-ended questions was prepared. In the analysis of data descriptive statics (cross tables, percentage and frequency), bivariate correlation analysis, t-test for independent sample, ANOVA test, Kruskal Wallis and Mann Whitney test are applied.According to the research results, pre-college factors (the type of the college admission examination, the college examination score and the preference order) affect academic achievement. The factors that affect in college are order of CEIT department in second and environment and router factors. As a post-college factor, giving insufficient coverage to major field questions in KPSS affects academic success. By considering the results of the relational survey analysis, the college admission examination score, the preference order, order of CEIT in second and environmental and router factors are used as input data for predictive model. In the model 100 student's data is included for training set and 34 student's data is included for evaluation set. In the proposed predictive model, the tree type of classifiers, namely Naive Bayes classifier decision tree classifier and fuzzy logic classifier are used. The results, obtained from these classifiers are compared and analyzed. The correct estimation rate of Naive Bayes, decision tree and fuzzy logic classifiers are 76.47 %, 73.52% and 88.24% respectively.