Development of a data mining software on higher educational data

Abstract

Bu çalışmanın amacı Boğaziçi Üniversitesi'ndeki öğrenci verilerini inceleyip, birliktelik kuralları yaratıp öğrencilere ders seçimi konusunda tavsiyeler verecek bir yazılım geliştirilmesidir.Geliştirilen yazılım iki farklı veri kümesi üzerinde çalışmaktadır. İlk veri kümesi, notları olduğu gibi kabul ederek çalışır, böylece not kümesi 8 nottan oluşur (AA, BA, BB, CB, CC, DC, DD and F). İkinci veri kümesi benzer notları gruplandırarak birlikte işler, böylece not kümesi 4 nottan oluşur (HIGH(AA-BA),MID(BB-CB,CC),LOW(DC-DD), FAIL(F)).Yazılım iki ana kısımdan oluşmaktadır.İlk kısım, ?Kural Yaratıcı Araç?, Boğaziçi Üniversitesi'ndeki geçmiş veriyi inceleyerek kuralları yaratır.Bu kısımda yazılım birliktelik kuralları madenciliği algoritmasını kullanır.İkinci kısım ?Kullanıcı Aracı?, bir öğrencinin geçmiş verilerini inceler ve o öğrenci için geçerli kuralları bulur.Kuralları bulduktan sonra öğrenciye ders seçimi ile ilgili tavsiyeler verir.Çalışmanın sonuçları bu yazılımı kullanarak yapılan tahminlerin isabet oranlarının rastgele yaklaşıma göre 2 kat, çoğunluk yaklaşımına göre 1,5 kat daha yüksek olduğunu göstermiştir. Böylece öğrencilerin aldıkları dersler ve notların birbirleri ile ilgisi, veri madenciliği yöntemlerinin kullanmaya uygun olduğunu göstermiştir.

The purpose of this study is to develop a software which anlayzes the student data in Bogazici University, creates association rules and makes suggestions to the students about the course selection.The software works on two datasets. The first dataset accepts the grades as they are, so the grade set consists of 8 grades (AA, BA, BB, CB, CC, DC, DD and F). The second dataset groups similar grades and processes them together, so the gradeset consists of 4 grades such as (HIGH(AA-BA),MID(BB-CB,CC),LOW(DC-DD), FAIL(F)).The software consists of two main parts. The first part is the ?Rule Creator Tool?, which analyzes the past data in the Bogazici University database and creates the rules. In rule creating part, the software uses association rules mining algorithm.The second part is the ?User Tool?, which analyzes one student?s past data and finds the rules which are suitable for that student. After finding suitable rules, the software makes suggestions to the students about the course selection.The result of the study shows that the prediction accuracy may be increased about 2 times better than the naïve approach and 1.5 times better than the majority approach. This shows the data is suitable to run association rules mining algorithm.