Maki̇ne Öğrenmesi̇ Yöntemleri̇ İle Eği̇ti̇m Başarisina Etki̇ Eden Faktörleri̇n Modellenmesi̇

Abstract

Sağlık, medya, bankacılık ve finans alanında sınıflandırma, kümeleme ve tahmin amacıyla kullanılan makine öğrenmesi günümüzde eğitim alanında da kullanılmaktadır. Bu çalışmada eğitim öğretim kurumlarının belirleyecekleri stratejilerde veya alacakları önlemlerde yol gösterici olması ve hatta daha büyük ana kütle, daha farklı okul türü ya da farklı kademelerde, farklı sektörlerde uygulanarak sonuçların genelleştirilmesine fayda sağlaması amacıyla makine öğrenmesi yöntemlerinden K-en yakın komşu, naive bayes, rastgele orman, destek vektör makineleri, karar ağaçları, boosting makine öğrenmesi sınıflandırma algoritmaları ile kurulan matematiksel modellemeler ile öğrencilerin akademik başarılarını etkileyen faktörler araştırılmıştır. Kurulan matematiksel modelin başarısına etki eden hiperparametreler ızgara taraması yöntemi ile belirlenerek maksimum model başarısı sağlanmıştır. Matematiksel modellemelerde akademik başarı ölçütü çıktı olarak belirlenerek; kurulan matematiksel modellerde çıktı ve girdi sayılarına ait model başarılarının değişimi incelenmiş; çıktıların ve girdilerin sayısının çeşitli yöntemlerle (denetimli ve denetimsiz yöntemlerle) azaltılması işlemlerinin matematiksel model başarısına etkileri gözlenmiştir. Sonuç olarak, en yüksek model başarılarının iki sınıf etiketli veri setine ait olduğu görülmüştür. K-en yakın komşu, naive bayes, rastgele orman, destek vektör makineleri, karar ağaçları, boosting model başarıları sırasıyla 0,62, 0,61, 0,96, 0,72, 0,86, 0,79 olarak elde edilmiştir.