Uzaktan eğitim öğrencilerin mezuniyet durumlarının veri madenciliği yöntemleri ile tahmini: Amasya Üniversitesi Örneği

Abstract

Eğitim-öğretim süresince öğrencilerin doğru yönlendirilmesi, ileride karşılaşabilecek başarısızlıkların önlenmesi açısından oldukça önemlidir. Zamanında mezun olamayan öğrenciler, genç iş gücünün azalmasının yanı sıra hem aile hem de ülke ekonomisinin olumsuz yönde etkilenmesine neden olabilmektedir. Bu durum zamanında mezun olamayan öğrenciler ile ilgili çalışmaları gerekli kılmaktadır. Öğrenciler ile ilgili eğitsel verilerin analiz edilmesi bu amaca yönelik çalışmalar içerisinde yer almaktadır. Özellikle yükseköğretim kurumlarında her yıl çok sayıda eğitsel verinin biriktiği değerlendirildiğinde, bu verilerin çeşitli yöntemler ile analiz edilmesi daha önemli hale gelmektedir. Bu çalışma kapsamında, Amasya Üniversitesi Uzaktan Eğitim Çocuk Gelişimi, Tıbbi Dokümantasyon ve Sekreterlik, İnternet ve Ağ Teknolojileri, Mekatronik ve Elektrik programlarına 2016-2017 güz döneminde kayıt yaptıran ön lisans öğrencilerinin zamanında mezun olabilme durumlarına ilişkin çıkarımlarda bulunulmaya çalışılmıştır. Tahmin için Karar ağacı, Naive bayes, Destek vektör makinesi, Random forest ve Yapay sinir ağları algoritmaları kullanılmıştır. Algoritmalar ile yapılan analiz sonucunda oluşan sınıflandırma performans ölçütlerine (accuracy, kappa, recall, precision, f-measure) karşılaştırılmalı olarak çalışmada yer verilmiştir.

Correct orientation of students during education is very crucial for preventing future failures. Students who cannot graduate at the time may cause negative impacts on the family and the country's economy as well as the decrease of the young labor force. This situation requires the studies to be held concerning the students who cannot graduate in time. Analyzing the educational data related to the students is included in this kind studies. Considering the accumulation of large number of educational data in higher education institutions, it becomes more important to analyze these data with various methods. In data mining, which is one of the methods used to analyze the data, estimation, classification and clustering methods are benefited. In this study, inferences were tried to be made about whether the students who enrolled to Amasya University Distance Education Child Development, Medical Documentation and Secretariat Associated Degree Programs in 2016-2017 will be able to graduate on time or not. Decision tree, Naive Bayes, Support vector machine, Random forest and Artificial neural networks algorithms are used for estimation. The classification performance criteria (accuracy, kappa, recall, precision, f-measure) which occurs as the result of the analysis with algorithms are included comparatively in the study.