Üniversite Öğrencilerinin Türk Dili Dersi Sınav Sonuçlarının Sınava Hazırlık Düzeylerine Göre Tahminlenmesi

Özet

There are many algorithms and software in the field of forecasting. These methods are also used in education. There are studies on forecasting of student achievement in education. Forecasting of academic achievement of university students is important in terms of seeing possible situations. In this study, the achievement of the students towards Turkish Language course was forecasting with data mining methods. 160 student data, in a state university, were included in the study. For the data obtained, prediction models developed by DecisionStump, RandomTree, RandomForest, REPTree and M5P methods were created and compared with each other. 10-fold cross-validation method was used in the separation of data for training and test. In models, it will affect the student's passing grade; program, type of OSS entrance, OSS entrance score, OSS entrance rankings, the previous semester grade point average, midterm exam grade, studying status, the current study and how many points are expected from the exam, how the exam passed and final exam score was taken into consideration. Among the models, it was seen that the model established with best results with 10.16 mean absolute error and 0.72 correlation coefficient. As a result of the study, it is thought that students can take precautions by predicting the passing grade. Günümüzde tahminleme alanında çok sayıda algoritma ve yazılım bulunmaktadır. Buna imkân tanıyan yöntemler eğitim alanında da kullanılmaktadır. Eğitimde öğrenci başarısı üzerine çalışmalar yer almaktadır. Üniversite öğrencilerinin akademik başarılarının tahminlenmesi olası durumların görülebilmesi açısından önem arz etmektedir. Bu çalışmada öğrencilerin Türk Dili dersine yönelik başarıları veri madenciliği yöntemleriyle tahmin edilmiştir. Çalışmaya Türkiye’deki bir devlet üniversitesinde Türk Dili dersini alan 160 öğrenci verisi dahil edilmiştir. Elde edilen veriler için DecisionStump, RandomTree, RandomForest, REPTree ve M5P yöntemleri ile geliştirilen tahmin modelleri oluşturulmuş ve birbirleriyle karşılaştırılmıştır. Verilerin eğitim ve test olarak ayrıştırılmasında 10-katlı çapraz doğrulama yöntemi kullanılmıştır. Modellerde öğrencinin ders geçme notunu etkileyecek program, ÖSS giriş türü, ÖSS giriş puanı, ÖSS giriş sıralaması, bir önceki dönemin not ortalaması, vize notu, çalışma durumu, mevcut çalışma ile sınavdan kaç puan beklendiği, sınav nasıl geçti ve final sınav puanı dikkate alınmıştır. Sonuç olarak en iyi ortalama mutlak hata 10.16 ve korelasyon katsayısı 0.72 ile tahminler üretildiği görülmüştür. Çalışma sonucunda öğrencilerin ders geçme notunu önceden tahmin ederek önlemler alınabileceği düşünülmektedir.