5th International Instructional Technologies & Teacher Education Symposium Logo

Akademik Başarı Modellemesinde Veri Seti Ayrıklaştırmasının Sınıflandırma Algoritmalarının Başarısına Etkisi

Hakan Güldal

[email protected], Trakya University

Yılmaz Çakıcı

[email protected], Trakya University

Bu çalışmada akademik başarı modellemesinde, ayrıklaştırılmış veri setinin sınıflandırma algoritmalarının başarısına olan etkisi incelenmiştir. Araştırma verileri Trakya Üniversitesi Eğitim Fakültesi Bilgisayar ve Öğretim Teknolojileri Eğitimi Bölümünde öğrenim gören 88 öğrencinin Programlama Dilleri dersinde Bulutders çevrimiçi yazılımını kullanımı esnasındaki etkileşimlerinden elde edilmiştir. Veri seti, Naive Bayes ve k-En Yakın komşu sınıflandırma algoritmaları ile normal ve ayrıklaştırılmış şekilde kullanılarak iki durum arasındaki başarı düzeyleri karşılaştırılmıştır. Elde edilen bulgulara göre, ayrıklaştırılmış veri seti kullanılarak yapılan deneylerde 3-En Yakın komşu (%54.7 - %46.7) ve Naive Bayes (%57.3 - %54.7) algoritmalarının normal veri setine göre daha yüksek başarı elde ettikleri tespit edilmiştir. Buna karşın, 1-En yakın komşu algoritmasının ayrıklaştırılmış veri setindeki başarı seviyesinin normal veri setine göre daha düşük düzeyde (%60 - %49.3) olduğu görülmüştür.

Keywords

Eğitimsel veri madenciliği, akademik başarı modellemesi, sınıflandırma algoritmaları