Öğrenci Başarı Tahmini ve Makine Öğrenimi

Podcast

Play an AI-generated podcast conversation about this lesson

Questions and Answers

Aşağıdaki algoritmalardan hangisi öğrenci başarı tahmini için yaygın olarak kullanılan bir makine öğrenimi yöntemidir?

Karar Ağaçları

Kümeleme

Gradient Boosting Classifier (correct)

Destek Vektör Makineleri

Öğrenci başarı tahmininde önemli olan özelliklerin analizi, sadece matematik notlarına bağlıdır.

False (B)

Öğrencilerin genel performansını artırmak için hangi yaklaşım önemlidir?

Etkin öğrenme yaklaşımları

Öğrenci başarı faktörleri arasında _____, öğrencilerin kendilerini daha iyi yönetmelerine yardımcı olur.

kişiselleştirilmiş eğitim Signup and view all the answers

Aşağıdaki model performans metriklerini doğru şekilde eşleştiriniz:

Doğruluk = Modelin doğru tahmin oranı Hassasiyet = Pozitif sınıfın doğru tahmin oranı Özellik Önem Analizi = Modeldeki değişkenlerin etkisini belirleme Kayıp Fonksiyonu = Tahminlerdeki hata miktarını ölçme Signup and view all the answers

Aşağıdakilerden hangisi başarılı bir öğrenci olma üzerinde önemli bir etkiye sahiptir?

Ödev yapma düzenliliği (B) Signup and view all the answers

Destek vektör makinesi (SVM) bir makine öğrenimi algoritmasıdır.

True (A) Signup and view all the answers

Makine öğrenimi algoritmalarından hangisi, elde edilen sonuçları iyileştirmek için birçok karar ağacı kullanır?

Rastgele Orman (Random Forest) Signup and view all the answers

Öğrencilerin üniversiteye gitmek istemeleri, onların __________ üzerinde olumlu bir etki gösterir.

başarıları Signup and view all the answers

Aşağıdaki makine öğrenimi algoritmalarını işlevleri ile eşleştirin:

Rastgele Orman = Çoklu karar ağaçları kullanarak sınıflandırma yapar Gradient Boosting Sınıflayıcı = Hata üzerinde yoğunlaşarak modeli iyileştirir Destek Vektör Makinesi = Veri noktalarını sınırlayıcı hiperdüzlemler ile ayrıştırır Signup and view all the answers

Aşağıdaki makine öğrenimi algoritmalarından hangisi öğrenci başarı durumunu tahmin etmek için sıkça kullanılır?

Random Forest Algoritması (C) Signup and view all the answers

Öğrenci başarı faktörleri, öğrencilerin akademik performansını etkileyen değişkenlerdir.

True (A) Signup and view all the answers

Öğrenci başarı durumunun yıl sonu tahmini için hangi tür analiz önemlidir?

Özellik Önem Analizi Signup and view all the answers

Makalede kullanılan makine öğrenimi yöntemleri arasında ______ ve Gradient Boosting Classifier yer almaktadır.

Random Forest Signup and view all the answers

Aşağıdaki model performans metriklerini, açıklamalarıyla eşleştirin:

Doğruluk = Modelin ne kadar doğru tahmin yaptığını ölçer. Hassasiyet = Pozitif sınıfın ne kadar doğru tahmin edildiğini gösterir. Recall = Gerçek pozitiflerin ne kadarının doğru tahmin edildiğini ölçer. F1 Skoru = Hassasiyet ve recall'un harmonik ortalamasını ifade eder. Signup and view all the answers

Study Notes

Tez Bilgileri

Konu: Makine Öğrenmesi Yöntemleri Kullanılarak Ortaokul Öğrencilerinin Başarılarının Değerlendirilmesi
Yüksek Lisans Tezi
Yazar: Zeynep Gökmen
Danışman: Dr. Öğr. Üyesi Ali Haydar Eser
Tarih: Aralık 2023
Üniversite: İstanbul Topkapı Üniversitesi
Bölüm: Yazılım Mühendisliği Anabilim Dalı, Yapay Zekâ Bilim Dalı

Tez İçeriği (Özet)

Çalışmanın amacı, makine öğrenmesi yöntemlerini kullanarak ortaokul öğrencilerinin başarılarını tahmin etmektir
İstanbul Esenler'deki 7. sınıf öğrencilerine 31 soruluk bir anket uygulanmıştır.
Öğrenci başarısına etki eden faktörler belirlenmiştir (Ödev, Üniversite Hayalleri, Ders Sırasında Not Alma, Anne-Baba Eğitimi vb.).
Random Forest, Gradient Boosting Classifier ve Support Vector Machine algoritmaları kullanılmıştır.
En başarılı model, Gradient Boosting Classifier'dır (yüzde 90'lık başarı).
Başarıyı tahmin ederken, öğrencilerin önceden alınmış 6. sınıf yılsonu notları da kullanılmıştır
Çalışma, öğrencilerin akademik performansının erken aşamalarda tahmin edilmesine ve desteklenmesine olanak sağlamaktadır.
Tez ile öğrencilerin eğitim süreçlerinin kişiselleştirilmesi ve başarısının arttırılması hedefleniyor

Kullanılan Algoritmalar

Random Forest
Gradient Boosting Classifier
Support Vector Machine

Başarıya Etki Eden Değişkenler (Önem Sırasına Göre)

Tezde başarıya en çok etki eden değişkenlerin sıralaması Random Forest ve Gradient Boosting algoritmaları kullanılarak belirlenmiştir. Bu değişkenler arasında, ödev yapma, Üniversite istekleri, ders sırasında not alma ve anne-babanın eğitim düzeyi gibi ögeler ön plana çıkmaktadır.

Tezdeki Tablolar ve Şekiller

Literatür taraması tablosu
Veri seti nitelikleri tablosu
Random Forest performansı sonuçları tablosu
Gradyan Artırma Sınıflandırma algoritması performansı tablosu
Destek Vektör Makinesi performansı tablosu
Model Karşılaştırması tablosu
Başarıya En Çok Etki Eden Değişkenler Tablosu
Diğer Şekil ve tablolar mevcuttur.

Studying That Suits You

Use AI to generate personalized quizzes and flashcards to suit your learning preferences.

Description

Bu quiz, öğrenci başarı tahmini için makine öğrenimi yöntemlerini ve ilgili algoritmaları içermektedir. Öğrencilerin performans faktörleri ve bu faktörlerin analizi üzerine sorular yer almaktadır. Aynı zamanda, makine öğrenimi algoritmalarının uygulamaları ve etkileri de değerlendirilmektedir.