With Machine Learning Models Estimating Which High School Types Associate Degree Students Have Graduated

Year 2021, Volume: 9 Issue: 6 - ICAIAME 2021, 343 - 353, 31.12.2021

Hüseyin Küçükerdem , Yusuf Sönmez , Cemal Yılmaz , Hasan Hüseyin Sayan

https://doi.org/10.29130/dubited.1011190

Abstract

In this study, by using three of the machine learning algorithms, a group of students studying in the associate degree electronic communication technology program, is it a vocational high school of the type of high school they graduated? or is it a high school other than vocational high school? Has been estimated. Considering the grade point end of term averages from the five courses determined during the associate degree process, the type of high school they came from was estimated. Two of these determined courses are courses close to the courses taught in vocational high schools and three are general courses taught in all high schools. Aim; It is to reveal how accurately three different machine learning algorithms make predictions on the same sample. In addition, it is foreseen that the pre-professional knowledge of normal high school students who are placed in vocational high school-based associate degree programs will be determined, and necessary precautions will be taken.

Keywords

Machine Learning, Random Forest Algorithm, Logistic Regression Algorithm, Tree Algorithm

Project Number

4165

Makine Öğrenmesi Modelleri ile Ön lisans Öğrencilerinin Hangi Lise Türünden Mezun Olduklarının Tahmin Edilmesi

Abstract

Çalışmanın kapsamını, makine öğrenmesinde sık kullanılan algoritmalardan olan; tree, random forest, logistic regression ve linear regression teknikleri ile iki ayrı sınıftan oluşan öğrenci grubunun hangi lise türünden mezun olduklarına yönelik tahminde bulunma örneği oluşturmaktadır. Ön lisans elektronik ve otomasyon bölümünde okuyan bu öğrenci sınıflarından ilki elektronik haberleşme teknolojisi diğeri ise elektronik teknolojisi programı sınıfıdır. Sınıflandırmada belirleyici rol üstlenen beş ders seçilmiştir. Bu derslerden bazıları lise eğitiminde ortak görülen dersler olurken bazıları ise meslek lisesinin elektrik elektronik programlarında okutulan meslek derslerden oluşmaktadır. Örnek uygulamada öncelikle algoritma davranış farklılıklarının gözlemlenmesi hedeflenmiştir ve buna ek olarak da öğrencilerin farklı liselerden gelmiş olmaları bir kısım derste kendini başarı/başarısızlık olarak ortaya çıkarıyor mu? Sorunsalına cevap bulmaktır.

Keywords

Makine Öğrenmesi, Random Forest Algoritması, Lojistik Regresyon Algoritması, Tree Algoritma

Project Number

4165

References

• [1] M. Gök, “Makine Öğrenmesi Yöntemleri ile Akademik Başarının Tahmin Edilmesi,” Gazi Üniversitesi Fen Bilimleri Dergisi, c. 5, s. 3, ss. 139-148, 2017.
• [2] D. Şengür, “Öğrencilerin Akademik Başarılarının Veri Madenciliği Metotları ile Tahmini,” Doktora Tezi, Bilgisayar ve Öğretim Teknolojileri Eğitimi Anabilim Dalı, Eğitim Bilimleri Enstitüsü, Fırat Üniversitesi, Elazığ, Türkiye, 2013.
• [3] T.C. Hakyemez, “İlk Yıl Öğrencilerinin Akademik Performansına Etki Eden Faktörlerin Araştırılması ve Bu Faktörlere Bağlı Olarak Başarılarının Tahminine Yönelik Bir Karar Destek Sistemi Tasarım,” Yüksek Lisans Tezi, Yönetim Bilişim Sistemleri Anabilim Dalı, Sosyal Bilimler Enstitüsü, Sakarya Üniversitesi, Sakarya, Türkiye, 2015.
• [4] Ş. Özdemir, “Eğitimde Veri Madenciliği ve Öğrenci Akademik Başarı Öngörüsüne İlişkin Bir Uygulama,” Yüksek Lisans Tezi, Enformatik Anabilim Dalı, Fen Bilimleri Enstitüsü, İstanbul Üniversitesi, İstanbul, Türkiye, 2016.
• [5] Z. A. Pardos, N. T. Heffernan, & B. Anderson, C. L. Heffernan, “Using Fine-Grained Skill Models to Fit Student Performance with Bayesian Networks”, Proceedings of the Workshop in Educational Data Mining held at the 8th International Conference on Intelligent Tutoring Systems, Taiwan, 2006.
• [6] P. Cortez & A. Silva, “Using Data Mining To Predict Secondary School Student Performance”, Proceddings of 5th Annual Future Business Technology Conference, Porto, Portugal, 2008, pp. 5-12.