Ortaöğretime Geçiş Sistemi (OGES) yerleştirme puanlarının uzman sistemler ile tahmini

Abstract

Bilgi miktarının büyük oranlarda arttığı bu bilgi çağında büyük hacimlerdeki verilerden anlamlı bilgilerin elde edilmesi bir süreç gerektirmektedir. Bu sürecin en önemli adımı ise veri madenciliğidir. Veri madenciliği ise önceden bilinmeyen ilişki ve eğilimlerin bulunması için büyük miktarlardaki veriyi analiz eden ve kullanıcılar için anlamsız bilgiyi anlamlı hale dönüştüren bir yöntemdir.Çalışmada OGES puanlarının tahmini için ilköğretim 8. sınıf öğrencilerinden rastgele seçilen 25000 kayıt kullanılmıştır. Veri madenciliği uygulaması için, OGES yerleştirme puanlarının tahmin edilmesinde kullanılacak uzman sistem tasarlanmıştır. Çalışmada puanların tahmin edilmesi amaçlandığı için sınıflandırma ve öngörü konusunda en çok tercih edilen veri madenciliği tekniklerinden yapay sinir ağları, regresyon analizi, C4.5 karar kuralı türetme algoritması ve destek vektör makineleri modelleme yöntemi olarak seçilirken, bu dört yöntemin doğruluk oranları ve performansları karşılaştırılarak, en uygun yöntem bulunmaya çalışılmıştır.Anahtar Sözcükler : OGES, uzman sistemler, veri madenciliği.

Obtaining meaningful information from a large volume of data requires a process in today?s information age in which enormous amount of data increases considerably. The most important step of this process is data mining. Data mining is a method that analyses large scale of data to find unknown relationships and trends and converts meaningless data into meaningful information for the users.In this study, randomly selected 25000 records of elementary school students in the 8th degree have been used to estimate SETS scores. An expert system has been designed which is going to be used to estimate SETS placement scores as a data mining application. As it is aimed to estimate scores in this study, most preferred data mining techniques on classification and prediction such as artificial neural networks, regression analysis, C4.5 decision rule deriving algorithm and support vector machines have been selected as modelling methods, besides, it is intended to find out the most appropriate method by comparing their accuracy rates and performances of these four methods.Key Words : SETS, expert systems, data mining.