Analysis of gifted students’ interest areas using data mining techniques

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.

educational data mining ,

gifted students ,

interest area ,

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.

eğitimsel veri madenciliği, ,

üstün yetenekli öğrenciler, ,

ilgi alanı ,