Yapay zekâ destekli makine öğrenmesi algoritmaları ile eğitsel veri madenciliği alanında öğrenci akademik performanslarının tahmin edilmesi

Basit Öğe Kaydı
dc.contributor.advisorYerden, Aytaç Uğur
dc.contributor.authorBingül, Fatih
dc.date.accessioned2024-06-13T20:12:18Z
dc.date.available2024-06-13T20:12:18Z
dc.date.issued2023
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Yapay Zeka Mühendisliği Ana Bilim Dalıen_US
dc.descriptionLisansüstü Eğitim Enstitüsü, Yapay Zeka Mühendisliği Ana Bilim Dalı, Yapay Zeka Bilim Dalıen_US
dc.description.abstractEğitim her kültürde ve her dönemde tüm toplumların en çok önem verdiği ve üzerinde durduğu, gözardı edilemeyecek kadar en temel gerçeklerden ve kurallardan biri olarak görülmüştür. Yazının ortaya çıkışından, içinde bulunduğumuz döneme kadar yaşanılan binlerce yıllık süreçte milyonlarca biçim ve format değişikliğine maruz kalmıştır. Eğitim, bütün bu yaşanılan süreçlerde toplumları, kültürleri biçimlendiren, etkileyen ve ayakta durmasını sağlayan devamlı değişime, gelişime rehber olan ve kendi içinde dinamiğini kaybetmeyen bir olgudur. Tüm dünyada eğitim sistemlerinin ve formatlarının devamlı değişikliğe uğrayarak dinamik bir şekilde büyümesi, eğitim kalitesinin milletleri ve bu milletlerin içinde bulunduğu toplumu her alanda etkilemesi ve bilgili bir toplumun ortaya çıkması ancak kaliteli bir eğitimle mümkündür. Bu tez çalışmasında EVM kapsamında makine öğrenmesi algoritması kullanılarak öznitelikler çıkarılarak öğrencilerin akademik performansını etkileyen faktörlerin neler olduğu ve öğrencilerin akademik dönem sonu notları tahmin edilmiştir. Bu tez çalışmasında beş farklı makine öğrenmesi algoritması kullanılmıştır bunlar RF, KA, KNN, SVM ve NB'dir. Tahminleme işlemlerinde ikili sınıflandırma ve çoklu sınıflandırma işlemleri yapılmış her iki sınıflama yönteminde de sırasıyla 0,97 ve 0,93 başarı oranı ile Random Forest (RF) algoritması en yüksek başarı tahminle oranını vermiştir.en_US
dc.description.abstractEducation has been seen as one of the most basic facts and rules that cannot be ignored, and which all societies give the most importance and emphasize in every culture and in every period. It has been exposed to millions of form and format changes in the thousands of years from the emergence of the writing to the current period. It is a phenomenon that shapes, affects, and sustains societies and cultures in all these processes guides continuous change and development, and does not lose the dynamic within itself. The dynamic growth of education systems and formats all over the world is only feasible by constantly changing; the quality of education affecting nations and the society of these nations in every field, as well as the emergence of a knowledgeable society is only possible with a quality education. In this thesis, the factors affecting the academic performance of the students and the end-of-term grades of the students were estimated by extracting the features using the machine learning algorithm within the scope of EVM. In this thesis, five different machine learning algorithms were used; these are RF, KA, KNN, SVM and NB. In estimation processes, binary classification and multiple classification processes were performed, and Random Forest (RF) algorithm gave the highest success prediction rate with 0.97 and 0.93 success rates, respectively, in both classification methods.en_US
dc.identifier.endpage57en_US
dc.identifier.startpage1en_US
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=r4I1HnmXxFQovUpyAyUmxNdJDITTWyfYW-wFKXKNkBxSSr2frncM05sTnXp8gy2n
dc.identifier.urihttps://hdl.handle.net/11501/702
dc.identifier.yoktezid784774en_US
dc.institutionauthorBingül, Fatih
dc.language.isotren_US
dc.publisherİstanbul Gedik Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectEVMen_US
dc.subjectMakine Öğrenmesien_US
dc.subjectEğitimen_US
dc.subjectRandom Foresten_US
dc.subjectRandom Foresten_US
dc.subjectEducationen_US
dc.subjectEducational Data Miningen_US
dc.titleYapay zekâ destekli makine öğrenmesi algoritmaları ile eğitsel veri madenciliği alanında öğrenci akademik performanslarının tahmin edilmesien_US
dc.title.alternativePredicting student academic performance in the field of educational data mining with artificial intelligence supported machine learning algorithmsen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Tam Metin / Full Text
Boyut:
703.84 KB
Biçim:
Adobe Portable Document Format
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu