Öğrencilerin akademik başarılarının veri madenciliği metotları ile tahmini

Abstract

Kaliteli bir eğitim için Yükseköğretim kurumları yönetimsel ve eğitimsel anlamda doğru kararlar verebilmelidir. Yanlış veya eksik yapılan akademik planlama, başarısız olabilecek öğrenciler, mezun öğrencilerin yol haritaları, okuldan ayrılabilecek öğrenciler gibi konular Yükseköğretim kurumlarının problemlerindendir. Bu problemlerin çözülmesi ve tedbirlerin alınması eğitimin kalitesi için son derece önemlidir. Yükseköğretim kurumlarında eğitime ait giderek artan veriler bulunmaktadır. Giderek artan bu verilerin yönetime, eğitimcilere veya eğitime hiçbir yararı yoktur. Bahsedilen problemler hakkında yüksek oranlardaki doğruluklarla tahminler yapılabilmekte ve anlamlı sonuçlar, veri madenciliği yöntemleri ile ortaya çıkarılabilmektedir. Veri madenciliği yöntemleri akademik müdahaleler için güçlü bir araçtır. Bu tez de, veri madenciliği yöntemlerinden olan Yapay Sinir Ağları (YSA) ve Karar Ağaçları (KA) kullanılarak Fırat Üniversitesi, Eğitim Fakültesi, Bilgisayar ve Öğretim Teknolojileri Eğitimi Bölümü (BÖTE) öğrencilerinin mezuniyet notlarının tahmin edilmesi gerçekleştirilmiştir. Bu bağlamda 2011 yılında mezun olmuş 127 BÖTE öğrencisinin 4 yıl süresince almış olduğu toplam 49 kültür ve mesleki dersin yılsonu notları kullanılmıştır. Mezuniyet notunun tahmini için iki farklı senaryo denenmiştir. İlk senaryoda, öğrencilerin sadece birinci ve ikinci sınıfa ait derslerinin yılsonu notları kullanılarak mezuniyet notu tahmin edilmiştir. İkinci senaryo da ise ilk üç sınıf notları ile mezuniyet notlarının tahmini gerçekleştirilmiştir. Gerçekleştirilen benzetim çalışmalarında YSA'nın, KA'ya oranla daha iyi tahmin başarımı sağladığı ve ikinci senaryonun, birinci senaryoya oranla daha iyi tahminler yaptığı görülmüştür.Anahtar Kelimeler: Eğitsel Veri Madenciliği, Öğrencilerin Başarılarının Tahmini, Yapay Sinir Ağları, Karar Ağaçları

For an eligible education, higher education institutions are to conclude the right decision by means of administrative and educational aspect. For academic planning being missing or incorrect, students being unsuccessful, determining the roadmap for graduates, student?s dropping out are the subject of higher education institution?s problem. Solving these problems and taking measures are very important for eligible education. There is a bulk of increasing data belonging to education of higher education institutions. These increasing data has nothing to do with administration, academician and education. These data can be meaningful by processing with the methods of data mining, estimations can be done with higher accuracy rate and measures can be taken. Data mining methods are powerful tools for academic interventions. In this thesis, several prediction techniques in data mining such as artificial neural networks and Decision tree methods are used to help the educational institutions to predict the students? graduation scores. In this context, 127 unique student records of Computer Education and Instructional Technology department are used, where the students were in the university between 2006-2010 and 2007-2011. Two different scenarios are investigated. Firstly, we used the students? first two years scores. Secondly, students? first three years scores are used for prediction. According to the experimental results, it is observed that the ANN yielded better performance than the Decision tree and the second scenario yielded better results than the first scenario.Key Words: Educational Data Mining, Prediction of Student?s Academic Achieve-ments, Artificial Neural Networks, Decision Trees.