This study aims to compare the performances of the artificial neural network, decision trees and discriminant analysis methods to classify student achievement. The study uses multilayer perceptron model to form the artificial neural network model, chi-square automatic interaction detection (CHAID) algorithm to apply the decision trees method and linear discriminant analysis. The performance of each method has been investigated in different sample sizes when classifying into different numbered subgroups. The study has revealed that the artificial neural network has the best performance in large, medium and small sample sizes when classifying into six, three and two subgroups. In the very small sample size, which has homogeneous variance-covariance matrices, the discriminant analysis performs the best, while in the very small sample size, which does not have homogeneous variance-covariance matrices, it is the discriminant analysis which performs the best when classifying into six subgroups and the artificial neural network performs the best when classifying into two and three subgroups. Considering the performances of the methods with respect to sample size, it can be concluded that as the sample size gets smaller, the performance of the decision trees method gets worse, whereas the performance of the discriminant analysis method improves. No correlation of this kind has been found with regard to the artificial network method.
Eğitim, bir ülkenin gelişmesinde önemli bir güce sahiptir. Bu nedenle her ülke eğitim sistemini reformdan geçirmeye, içinde bulunulan çağın koşullarına uygun hale getirmeye çalışmaktadır. Öğretmen ise eğitim sistemi içinde en etkili öğelerden birisini oluşturmaktadır. Öğretmenlik mesleği sadece bilişsel olarak değil duyuşsal olarak da bazı özellikler gerektirmektedir. Öğretmen adaylarının iş bulmaya yönelik olarak geliştirmiş oldukları kaygı düzeyleri onların motivasyonlarını ve tutumlarını olumsuz etkileyebilmektedir. Bu araştırmada öğretmen adaylarının iş bulma kaygıları ile öğretmenlik mesleğine yönelik tutumları arasındaki ilişkinin araştırılması, eğitim teorisyen ve uygulayıcılarına önerilerde bulunulması amaçlanmıştır. Nicel araştırma yöntemlerinden ilişkisel tarama modelinin kullanıldığı araştırmada veriler “Öğretmenlik Mesleğine Yönelik Tutum Ölçeği”, “İşsizlik Kaygı Düzeyi Ölçeği” ve kişisel bilgi formu kullanılarak toplanmıştır. Araştırma sonucunda öğretmen adaylarının işsizlik kaygı düzeylerinin yüksek olduğu, kaygı düzeyi arttıkça öğretmenlik mesleğine olan tutumun azaldığı görülmüştür.
Öğretmenler, tükenmişliğe çok maruz kalan meslek gruplarındandır. Öğretmenlerin mesleki tükenmişlik düzeylerini azaltmak için çeşitli önlemler geliştirilebilir. Mesleki tükenmişliği nelerin etkilediğini belirlemek, bu etkileri azaltmak için öncelenmesi gereken konular hakkında bakış açıları sunabilir. Mevcut araştırmada mesleki sosyal destek faktörlerinin arttırılması önemli bir destek kaynağı olarak ele alınmıştır. Araştırma, öğretmenlerin mesleki tükenmişlik düzeylerini azaltmada öncelik verilmesi gereken mesleki sosyal destek faktörlerinin öncelik sıralamasını belirlemeyi amaçlamıştır. Araştırmada nicel araştırma yöntemlerinden ilişkisel araştırma deseni kullanılmıştır. Araştırma verileri İç Anadolu’da büyükşehir statüsündeki bir il merkezinde farklı okul türlerinde görev yapan ve uygun örnekleme yöntemiyle belirlenen 397’si (%56.0) kadın, 312’si (%44.0) erkek toplam 709 öğretmenden toplanmıştır. Mesleki tükenmişlik düzeyine etki eden değişkenlerin öncelik sıralamasını belirlemek amacıyla yapay sinir ağları kullanılmıştır. Araştırmada mesleki tükenmişliği azaltmada öncelenmesi gereken mesleki sosyal destek faktörlerinin başında yönetim desteği ve öğrenci desteği faktörlerinin geldiği belirlenmiştir. Bu araştırmanın sonuçlarına dayanarak okullarda yönetim ve öğrenci desteğinin iyileştirilmesine yönelik çalışmaların öğretmenlerin mesleki tükenmişliklerinin önlenmesine ya da azaltılmasına imkân vereceği düşünülmektedir.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.