Araştırma Makalesi
BibTex RIS Kaynak Göster

Öğrenci Başarılarının Yapay Sinir Ağları ile Kestirilmesi

Yıl 2018, Cilt: 15 Sayı: 1, 577 - 610, 29.11.2018

Öz

Bu çalışmayla,
öğrencilerin başarı ölçülerini kestirebilen bir modelin geliştirilmesi
amaçlanmaktadır. Araştırma verileri Yüzüncü Yıl Üniversitesi 2015 – 2016
Öğretim Yılı Güz Dönemi ve bu dönemde öğrenim gören 2. ve 3. sınıf
öğrencilerini kapsamaktadır. Araştırma, amaçlı örnekleme esasıyla, 657’si 3.
sınıf ve 392’si 2. sınıf olmak üzere 1049 öğrenci üzerinden yürütülmüştür.
Veriler, araştırmacı tarafından geliştirilen demografik bilgi formu
aracılığıyla elde edilmiştir. Çalışmada, 17’si girdi, 1’i çıktı olmak üzere 18
değişkenin yer aldığı Yapay Sinir Ağları yöntemiyle geliştirilen bir tahmin
modeli oluşturulmuştur. Modelin geliştirilmesi 3. sınıf öğrenci verileri
kullanılarak gerçeklemişken, geliştirilen bu model ile 2. sınıf öğrenci
verileri kullanılarak bu öğrencilerin başarı ölçüleri kestirilmiştir. Elde
edilen sonuçlar, Sınıflama (Kontenjans) Tabloları, Ki-kare testi, Basit
Doğrusal Regresyon Analizi ve Korelasyon Analizi yöntemleri aracılığıyla
doğrulanmış ve karşılaştırılmıştır. Bu sonuçlara göre, kestirilen başarı
ölçüleri ile gözlenen başarı ölçülerinin ve bu ölçülerle oluşan
başarılı/başarısız şeklindeki başarı sınıflandırılmasının önemli ölçüde
benzerlik gösterdiği görülmüştür.

Kaynakça

  • Açıkbaş, S., Kaypmaz, A. ve Söylemez, M. T. (2010). Raylı toplu taşıma sistemlerinde boşta gitme noktalarının optimizasyonu. İstanbul Teknik Üniversitesi Dergisi D Mühendislik, 9(1), 3-14.
  • Anıl, D. (2009). Uluslararası öğrenci başarılarını değerlendirme programı (PISA)’nda Türkiye’deki öğrencilerin fen bilimleri başarılarını etkileyen faktörler. Eğitim ve Bilim Dergisi, 152(34), 87-100.
  • Asilkan, Ö. ve Irmak, S. (2009). İkinci el otomobillerin gelecekteki fiyatlarının yapay sinir ağları ile tahmin edilmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Dergisi, 14(2), 375-395.
  • Aslan, M. (2008). Eymir Gölü’nde su kalitesinin yapay sinir ağları ve adaptif sinirsel bulanık ilişkisel sistem ile modellenmesi. Yayınlanmış yüksek lisans tezi, Fen Bilimleri Enstitüsü, Orta Doğu Teknik Üniversitesi, Ankara.
  • Aslantaş, H. İ., Özkan, M. ve Külekçi, E. (2012). Eğitim fakültesi öğrencilerinin akademik başarı düzeylerinin bazı demografik değişkenler açısından incelenmesi. Elektronik Sosyal Bilimler Dergisi, 11(39), 395-407.
  • Atan, M., Göksel, A. ve Karpat, G. (Ekim, 2002). Üniversite öğrencilerinin başarılarını etkileyen faktörlerin çok değişkenli istatistik teknikleri ile tespiti. Sözlü bildiri, XI. Eğitim Bilimleri Kongresi, Yakındoğu Üniversitesi, Kıbrıs.
  • Ataseven, B. (2013). Yapay sinir ağları ile öngörü modellemesi. Öneri Dergisi, 10(39), 101-115. doi:http://dx.doi.org/10.14783/od.v10i39.1012000311
  • Aybek, H. S. Y. (2016). Öğrenci başarısının yapay sinir ağları ile kestirilmesi: Anadolu Üniversitesi Açıköğretim Sistemi örneği. Yayınlanmamış yüksek lisans tezi, Sosyal Bilimler Enstitüsü, Anadolu Üniversitesi, Eskişehir.
  • Bahadır, E. (2016). Using neural network and logistic regression analysis to predict prospective mathematics teachers’ academic success upon entering graduate education. Educational Sciences: Theory & Practice, 16, 943-964.
  • Baş, N. (2006). Yapay sinir ağları yaklaşımı ve bir uygulama. Yayınlanmış yüksek lisans tezi, Fen Bilimleri Enstitüsü, Mimar Sinan Üniversitesi, İstanbul.
  • Bou-Rabee, M.A., Suliaman, S.A., Choe, G., Han, D., Saaed, T. & Marati, S. (2015). Characteristics of solar energy radiation on typical summer and winter days in Kuwait. International Journal of Automotive and Mechanical Engineering, 12(1), 2944-2954.
  • Burmaoğlu, S. (2009). Birleşmiş milletler kalkınma programı beşeri kalkınma verilerini kullanarak, diskriminant analizi, lojistik regresyon analizi ve yapay sinir ağlarının sınıflandırma başarılarının değerlendirilmesi. Yayınlanmış doktora tezi, Sosyal Bilimler Enstitüsü, Atatürk Üniversitesi, Erzurum.
  • Büyüköztürk, Ş. (2013). Sosyal bilimler için veri analizi el kitabı. Ankara: Pegem Akademi Yayınları.
  • Büyüköztürk, Ş. ve Deryakulu, D. (2002). Bilgisayar ve öğretim teknolojileri öğretmenliği ile sınıf öğretmenliği programı öğrencilerinin akademik başarılarını etkileyen faktörler. Kuram ve Uygulamada Eğitim Yönetimi Dergisi, 30, 187-204.
  • Büyüköztürk, Ş., Çakmak, E. K., Akgün, Ö. E., Karadeniz, Ş. ve Demirel, F. (2014). Bilimsel araştırma yöntemleri. Ankara: Pegem Akademi Yayınları.
  • Caner, M. ve Üstün, S.V. (2006). Yapay sinir ağları ile konuşmacı kimliğini tanıma uygulaması. Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 12(2), 279-284.
  • Çırak, G. (2012). Yüksek öğretimde öğrenci başarılarının sınıflandırılmasında yapay sinir ağları ve lojistik regresyon yöntemlerinin kullanılması. Yayınlanmış yüksek lisans tezi, Eğitim Bilimleri Enstitüsü, Ankara Üniversitesi, Ankara.
  • Çikoğlu, S., Temurtaş, F. ve Yumurcak, N. (2004). Yapay sinir ağları ile yapılan imza tanımaya eşiklemenin etkisi. Teknoloji Dergisi, 7(1), 151-160.
  • Çitil, M., İspir, E., Söğüt, Ö. ve Büyükkasap, E. (2006). Fen edebiyat fakültesi öğrencilerinin profilleri ve başarılarını etkilediğine inandıkları faktörler; K.S.Ü. örneği. Erzincan Eğitim Fakültesi Dergisi, 8(2), 69-81.
  • Demirtaşlı, R.N. (Ed.). (2014). Eğitimde ölçme ve değerlendirme. Ankara: Edge Akademi.
  • Deperlioğlu, O. & Köse, U. (2011). An educational tool for artificial neural networks. Computers and Electrical Engineering, 37, 392-402.
  • Doğan, A. (2002). Yapay zekâ. İstanbul: Kariyer Yayıncılık.
  • Efe, M. Ö. ve Kaynak, O. (2000). Yapay sinir ağları ve uygulamaları. İstanbul: Boğaziçi Üniversitesi Yayınları.
  • Ekşioğlu, S. (2005). Okul türlerine göre lise öğrencilerinin ÖSS başarılarını etkileyen zihin dışı faktörler. Sakarya Üniversitesi Eğitim Fakültesi Dergisi, 10. <http://dergipark.ulakbim.gov.tr/sakaefd/article/view/5000003706> adresinden erişilmiştir. (24.07.2017).
  • Elmas, Ç. (2003). Yapay sinir ağları. Ankara. Seçkin Yayıncılık.
  • Erdem, O.A. ve Uzun E. (2005). Yapay sinir ağları ile Türkçe tımes new roman, arıal ve el yazısı karakterlerini tanıma. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 20(1), 13-19.
  • Gökalp, M. (2006). Üniversite öğrencilerinin başarılarını etkileyen okul-içi faktörler. Ondokuz Mayıs Üniversitesi Eğitim Fakültesi Dergisi, 22, 72-81.
  • Gürsakal, S. (2012). Pisa 2009 öğrenci başarı düzeylerinin etkileyen faktörlerin değerlendirilmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 17(1), 441-452.
  • Haton, J.P., ve Haton, M.C.(1991). Yapay zekâ. (Çev. A. Ekmekçi ve A. Türker). İstanbul: İletişim Yayınları (Orijinal Çalışmanın Yayın Tarihi 1989).
  • Helhel, Y. (2009). Makroekonomik değişkenler ve döviz kuru ilişkisi: yapay sinir ağı ve VAR yaklaşımları ile öngörü modellemesi. Yayınlanmış doktora tezi, Sosyal Bilimler Enstitüsü, Süleyman Demirel Üniversitesi, Isparta.
  • Kalkınma Bakanlığı. (2013). İllerin ve bölgelerin sosyo-ekonomik gelişmişlik sıralaması araştırması (SEGE-2011). https://http://www.kalkinma.gov.tr internet adresinden erişilmiştir (13.10.2015).
  • Karip, E. (Ed.). (2012). Ölçme ve değerlendirme. Ankara: Pegem Akademi Yayıncılık.
  • Kasaplı, K. (2014). İçme suyu şebekelerinde maliyet tahmini amacıyla yapay sinir ağları kullanımı. Yayınlanmış yüksek lisans tezi, Fen Bilimleri Enstitüsü, İstanbul Teknik Üniversitesi, İstanbul.
  • Koç, G. (2012). Tünel sistemlerinde araç kaynaklı hava hızlarının yapay sinir ağları kullanılarak modellenmesi. Yayınlanmış doktora tezi, Fen Bilimleri Enstitüsü, Orta Doğu Teknik Üniversitesi, Ankara.
  • Kuzmanovic, S.P., Jevric, L., Gajic, J.S., Kovacevic, S., Vasiljevic, I., Kecojevic, I. & İvanovic, E. (2015). Artificial neural network approach to modelling of metal contents in different types of chocolates. Acta Chimica Slovenica, 62, 190-195.
  • Lee, Y.-J. (2010). Neurel network based approach for predicting learning effect in desing students. International Journal of Organizational Innovation, 1, 250-270.
  • Memduhoğlu, H. B. ve Tanhan, F. (2013). Üniversite öğrencilerinin akademik başarılarını etkileyen örgütsel faktörler ölçeğinin geçerlilik ve güvenirlik çalışması. Yüzüncü Yıl Üniversitesi Eğitim Fakültesi Dergisi, 1, 106-124.
  • Metin, M. (2013). Öğrencilerin seviye belirleme sınavındaki başarısına etki eden unsurların farklı değişkenler açısından incelenmesi. Ahi Evran Üniversitesi Kırşehir Eğitim Fakültesi Dergisi, 14(1), 67-83.
  • Musso, M.F., Kyndt, E., Cascallar, E.C. & Dochy F. (2013). Predicting general academic performance and identifying the differential contribution of participating variables using artificial neural Networks. Frontline Learning Research, 1, 42-71.
  • Naik, B. & Ragothaman, S. (2004). Using neural networks to predict MBA student success. College Student Journal, 38(1).
  • Ocakoğlu, G. (2006). Lojistik regresyon analizi ve yapay sinir ağları tekniklerinin sınıflama özelliklerinin karşılaştırılması ve bir uygulama. Yayınlanmış yüksek lisans tezi, Sağlık Bilimleri Enstitüsü, Uludağ Üniversitesi, Bursa.
  • Oladokun, V.O., Adebanjo, A.T. & Charles-Owabo, O.E. (2008). Predicting students’ academic performance using artificial neural network: a case study of an engineering course. The Pacific Journal of Science and Technology, 9(1), 72-79.
  • Örkcü, H.H. (2009). Ayırma analizine matematiksel programlama ve yapay sinir ağları yaklaşımları. Yayınlanmış doktora tezi, Fen Bilimleri Enstitüsü, Gazi Üniversitesi, Ankara.
  • Ötkün, A. ve Karlık, B. (Eylül, 2013). YSA ve pencere ortalamaları kullanılarak yüz tanıma sistemi. Sözlü bildiri, Otomatik Kontrol Ulusal Toplantısı, İnönü Üniversitesi, Malatya.
  • Öztemel, E. (2003).Yapay sinir ağları. İstanbul: Papatya Yayıncılık.
  • Peker, R. (2003). Uludağ üniversitesi eğitim fakültesi beden eğitimi ve spor bölümü öğrencilerinin genel akademik başarılarının bazı değişkenlere göre incelenmesi. Uludağ Üniversitesi Eğitim Fakültesi Dergisi, 17(1), 161-171.
  • Rahmani, B. & Aprilianto, H. (2014). Early model of student's graduation prediction based on neural network. Telkomnika (Telecommunication Computing Electronics and Controls), 12(2), 465-474.
  • Saraç, T. (2004). Yapay sinir ağları. Gazi Üniversitesi: Basılmamış Seminer Projesi.
  • Savaş, E., Taş, S. & Duru, A. (2010). Factors affecting students’ achievement in mathematics. Inonu University Journel of The Faculty of Education, 11(1), 113-132.
  • Sayın, A. ve Gelbal, S. (2014). Başarıyı etkileyen faktörlerin önem derecelerinin ardışık aralıklar yöntemiyle ölçeklenmesi. Amasya Üniversitesi Eğitim Fakültesi Dergisi, 3(1), 1-26.
  • Seven, M. A. ve Engin, A. O. (2008). Öğrenmeyi etkileyen faktörler. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 12(2), 189-212.
  • Şeker, R., Çınar, D. ve Özkaya, A. (Haziran, 2004). Çevresel faktörlerin üniversite öğrencilerinin başarı düzeyine etkileri. Sözlü bildiri, XIII. Ulusal Eğitim Bilimleri Kurultayı, İnönü Üniversitesi, Malatya.
  • Şen, Z. (2004). Yapay sinir ağları ilkeleri. İstanbul: Su Vakfı Yayınları.
  • Şevik, S., Aktaş, M., Özdemir, M.B. ve Doğan, H. (2014). Güneş destekli ısı pompalı bir kurutucuda mantarın koruma davranışlarının yapay sinir ağı kullanılarak modellenmesi. Tarım Bilimleri Dergisi, 20, 187-202.
  • Taşgetiren, M.F. (2005). Çok katmanlı yapay sinir ağları. http://bilim.ficicilar.name.tr/sayfa/Fatih_Tasgetiren-Cok_Katmanli_Yapay_Sinir_Aglari.html internet adresinden erişilmiştir (24.01.2016).
  • Tekin, A. (2014). Early prediction of students’ grade point averages at graduation: A data mining approach. Eurasian Journal of Educational Research, 54, 207-226.
  • Teknosektör. http://teknosektor.com/2015/06/03/yapay-sinir-aglari-beyin-simulasyonu/ internet adresinden erişilmiştir (06.01.2016).
  • Tepehan, T. (2011). PISA başarılarının yordanmasında yapay sinir ağı ve lojistik regresyon modeli performanslarının karşılaştırılması. Yayınlanmış doktora tezi, Eğitim Bilimleri Enstitüsü, Hacettepe Üniversitesi, Ankara.
  • Tezbaşaran, E. (2016). Temel bileşenler analizi ve yapay sinir ağı modellerinin ölçek geliştirme sürecinde kullanılabilirliğinin incelenmesi. Yayınlanmış doktora tezi, Eğitim Bilimleri Enstitüsü, Mersin Üniversitesi, Mersin.
  • Toprak, E. (2017). Yapay sinir ağı, karar ağaçları ve ayırma analizi ile PISA 2012 matematik başarılarının sınıflandırma performanslarının karşılaştırılması. Yayınlanmamış doktora tezi, Eğitim Bilimleri Enstitüsü, Hacettepe Üniversitesi, Ankara.
  • Turgut, M.F. ve Baykul, Yaşar. (2013). Eğitimde ölçme ve değerlendirme. Ankara: Pegem Akademi.
  • Turhan, K., Kurt B. & Engin, Y.Z. (2013). Estimation of student success with artificial neural networks. Education and Science, 170(38), 112-120.
  • Yılmaz, Ş., Güneş, M. ve Aksu, M. (2007). Rüzgar enerjisi ile tahrik edilen bilezikli asenkron jeneratörün yapay sinir ağları ile denetlenmesi. Makine Teknolojileri Elektronik Dergisi, 1, 15-24.
  • Yüksel, G. ve Sezgin, F. (2008). Üniversite öğrencilerinin başarılarını etkileyen zihinsel olmayan faktörler; Gazi Üniversitesi örneği. Milli Eğitim Dergisi, 179, 66-81.
  • YYÜ. (2013). Ölçme ve değerlendirme esasları yönergesi. https://www.yyu.edu.tr internet adresinden erişilmiştir (12.03.2016).
Toplam 65 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Bölüm Makaleler
Yazarlar

İzzettin Aydoğan 0000-0002-5908-1285

Gürol Zırhlıoğlu 0000-0001-8687-1349

Yayımlanma Tarihi 29 Kasım 2018
Yayımlandığı Sayı Yıl 2018 Cilt: 15 Sayı: 1

Kaynak Göster

APA Aydoğan, İ., & Zırhlıoğlu, G. (2018). Öğrenci Başarılarının Yapay Sinir Ağları ile Kestirilmesi. Van Yüzüncü Yıl Üniversitesi Eğitim Fakültesi Dergisi, 15(1), 577-610.