SavedAdd your journal

Journals / EMO Bilimsel Dergi / 2020 / Cilt: 10 - Sayı: 1

Analysis of the Effects of Quizzes, Homeworks and Projects on Final Exam with Different Machine Learning Techniques

Kısa Sınavların, Ödevlerin ve Projelerin Dönem Sonu Sınavına Olan EtkilerininFarklı Makine Öğrenmesi Teknikleri ile Araştırılması

Karani Kardaş
Altay Güvenir
Pages
23–29
Publication Date
2022-10-12
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Experimental results show thatour linear model needs to be improved, while classificationoperations are achieved successfully.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:This study presents the effect of quizzes, assignments andprojects on the final exam of the Programming Languagescourse given in the Department of Computer Engineering at Bilkent University.
📊
Key Findings & Data:In the second part of the study, K-NearestNeighbors(KNN), Linear Regression, Logistic Regression,Support Vector Machines(SVM), Linear Support VectorMachinesand Multi-layer Perceptron (MLP) machine learningmethods are used to show the effect of quizzes, assignments andprojects separately and together on the final exam grade.
💡
Conclusion & Impact:Experimental results show thatour linear model needs to be improved, while classificationoperations are achieved successfully.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Domain Parameters

Abstract

This study presents the effect of quizzes, assignments andprojects on the final exam of the Programming Languagescourse given in the Department of Computer Engineering at Bilkent University. In this context, in the first part of the study,a linear model is tried to be produced by using the linearregression method from the student data and the final examgrade is estimated. In the second part of the study, K-NearestNeighbors(KNN), Linear Regression, Logistic Regression,Support Vector Machines(SVM), Linear Support VectorMachinesand Multi-layer Perceptron (MLP) machine learningmethods are used to show the effect of quizzes, assignments andprojects separately and together on the final exam grade. Thestudy shows the comparative performance of machine learningmethods used in the experiment. Experimental results show thatour linear model needs to be improved, while classificationoperations are achieved successfully. Keywords: Student performance prediction, studentperformance, quiz, final exam, machine learning, linearregression

Özet

Bu çalışma Bilkent Üniversitesi Bilgisayar Mühendisliği Bölümü’nde verilen Programlama Dilleri dersi kapsamında yapılan kısa sınavların, ödevlerin ve projelerin dönem sonu sınavına olan etkisini sunar. Bu bağlamda çalışmanın ilk kısmında, öğrenci verilerinden kısa sınav bilgileri ile Lineer Regresyon yöntemi kullanılarak lineer bir model üretilmeye çalışılmış ve dönem sonu sınav notu tahmin edilmeye çalışılmıştır. Çalışmanın ikinci kısmında ise En Yakın Komşu(KNN), Lineer Regresyon, Lojistik Regresyon, Destek Vektör Makineleri (SVM), Lineer Destek Vektör Makineleri ve Çok Katmanlı Algılayıcılar (MLP) makine öğrenmesi yöntemleri kullanılarak kısa sınavların, ödevlerin ve projelerin ayrı ayrı ve birlikte dönem sonu sınav notuna etkisi gösterilmeye çalışılmıştır. Çalışma, kullanılan makine öğrenmesi yöntemlerinin karşılaştırmalı performansını göstermektedir. Deneysel sonuçlar lineer modelimizin iyileştirilmesi gerektiğini belirtirken, sınıflandırma işlemlerinin başarılı bir şekilde elde edildiğini göstermektedir

🔖

Cite This Article

Kardaş, K., Güvenir, A. (2022). Analysis of the Effects of Quizzes, Homeworks and Projects on Final Exam with Different Machine Learning Techniques. EMO Bilimsel Dergi, Cilt: 10 - Sayı: 1, 23–29. https://ajindex.com/articles/500664

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (17)

  1. Rao, K. Prasada, M. C. Rao ve B. Ramesh. “Predicting learning behavior of students using classification techniques”, International Journal of Computer Applications, 139.7: 15-19, 2016
  2. Al-Radaideh, Q. A., Al-Shawakfa, E. M. ve Al-Najjar, M. I, “Mining student data using decision trees.” International Arab Conference on Information Technology, Yarmouk University, Jordan. 2006
  3. Okubo, F., Yamashita, T., Shimada, A., Taniguchi, Y. ve Konomi, S., “On the prediction of students’ quiz score by recurrent neural network”, CEUR Workshop Proceedings, 2163, 2018
  4. Iqbal, Z., Qadir, J., Mian, A. ve Kamiran, F., “McGraw Hill, 199: A Case Study”, 2017
  5. Udemy, https://www.udemy.com/, [Erişim: 25.05.2020]
  6. Gadhavi, M. ve Chirag, P., “Student final grade prediction based on linear regression” Indian J. Comput. Sci. Eng. 8.3: 274-279, 2017
  7. Yadav, S. K. ve Pal, S., “Data mining: A prediction for performance improvement of engineering students using classification”, World of computer science and information technology journal, 2(2), pp. 51-56, 2012
  8. Khan, B., Khiyal, M. S. H. ve Khattak, M.D., “Final grade prediction of secondary school student using decision tree.”, International Journal of Computer Applications 115.21, 2015
  9. Agrawal, H. ve Mavani, H., “Student performance prediction using machine learning.” International Journal of Engineering Research and Technology, 4.03: 111-113. 2015
  10. Kim, B., Vizitei, E.ve Ganapathi, V., “GritNet: Student performance prediction with deep learning.” arXiv preprint arXiv:1804.07405, 2018
  11. Pandey, U. K. ve Saurabh, P., “Data Mining: A prediction of performer or underperformer using classification”, International Journal of Computer Science and information technology, 2(2), pp. 686-690, 2011
  12. Mitchell, T., “Machine Learning”, McGraw Hill, 1997
  13. Nabıyev, Vasif V., “Yapay zeka: problemler-yöntemleralgoritmalar”, Seçkin Yayıncılık, 2005
  14. Öztemel, E., “Yapay sinir ağları”, Papatya Yayıncılık, İstanbul, 2003
  15. Karakoyun, M. ve Hacıbeyoğlu, M.,“Biyomedikal Veri Kümeleri ile Makine Öğrenmesi SınıflandırmaAlgoritmalarının İstatistiksel Olarak Karşılaştırılması”, Dokuz Eylül Üniversitesi Mühendislik Fakültesi Fen ve Mühendislik Dergisi, 2014
  16. Liao, Y.ve Vemuri, V. R., “Use of k-nearest neighbor classifier for intrusion detection”, Computers ve security, 21(5), 439-448, 2002
  17. KNN Classifier, https://www.mathworks.com/matlabcentral/fileexchange/6 3621-knn-classifier?focused=7