Makale özeti ve diğer detaylar.
The purpose of this study is to predict interest areas of gifted students and discover relationshipsbetween these areas by using educational data mining methods. The sample of the research included gifted students who are studying in Yasemin Karakaya Science and Art Center and 12 years old or older. Data are collected from Academic Self Concept Scale outputs, Spare Time Activities Survey answers, Parental Information Retrieval Form answers, and Basic Capabilities Test 7-11 and WISC-R results of students. To predict interest areas of students, 10 classification algorithms are selected. Test results of these algorithms are compared and the most suitable algorithm for prediction is identified. By making use of the Apriori association algorithm, area pairs in which gifted students arefrequently interested together are detected. Results obtained from this study will provide many benefits to science and art centers such as giving differentiated instruction by meeting individual needs, organizing course programs more effectively.
Bu çalışmanın amacı eğitimsel veri madenciliği yöntemleri ile üstün yetenekli öğrencilerin ilgi alanlarını tahmin etmek ve bu öğrencilerin bir arada ilgi duydukları alanları belirlemektir. Araştırmanın çalışma grubunu Ankara’da yer alan Yasemin Karakaya Bilim ve Sanat Merkezi’nde öğrenim gören yaşları 12 ve daha büyük üstün yetenekli öğrenciler oluşturmaktadır. Bu öğrencilerden veriler Akademik Benlik Kavramı Ölçeği, araştırmacılar tarafından geliştirilmiş olan Boş Zamanları Değerlendirme Anketi ve Ebeveyn Veri Toplama Formu ile toplanmıştır. Ayrıca öğrencilerin WISC-R testi ve Temel Kabiliyetler Testi 7-11 sonuçları da araştırma kapsamında kullanılmıştır. Üstün yetenekli öğrencilerin ilgi alanlarını tahmin etmek için 10 sınıflandırma algoritması seçilmiş ve bu algoritmaların doğruluk testi sonuçları karşılaştırılarak problem tanımı için en uygun olan algoritma belirlenmiştir. Seçilen sınıflandırma algoritmasının çıktılarından yararlanarak ilgi alanları üzerinde etkili olan nitelikler de ortaya çıkarılmıştır. Üstün yetenekli öğrencilerin sıklıkla bir arada ilgi duydukları alanlar Apriori birliktelik algoritması ile tespit edilmiştir. Çalışmada elde edilen eğitimsel veri madenciliği bulguları Bilim ve Sanat Merkezlerinde üstün yetenekli eğitiminin bireysel ihtiyaçlara göre farklılaştırılması ve ders programlarının daha etkin düzenlenmesi gibi konularda pek çok fayda sağlayacaktır.