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

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

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

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