Makine Öğrenmesi Yöntemleri İle Akademik Başarının Tahmin Edilmesi

Özet

Ülkemizde son yıllarda eğitim alanında gerçekleştirilen proje ve fiziki yatırımlara karşın öğrencilerin hem ulusal hem de uluslararası sınavlarda başarıları istenen seviyede artmamıştır. Özellikle bu başarısızlık durumu Matematik ve Türkçe dersleri için çok daha ciddi boyutlardadır. Ortaokul öğrencileri arasında öğrencilerin akademik başarılarını etkileyen ailevi, demografik, okul kaynaklı pek çok etmen bulunmaktadır. Ancak bugüne kadar hangi etmenlerin öncelikli, direkt olarak başarıyı etkilediği net olarak ortaya konulmamıştır. Bu çalışmada, belirlenen ölçütlere göre hazırlanan 24 soruluk bir anket ortaöğretim 6, 7 ve 8. sınıf öğrencilerine uygulanmıştır. Anket sonuçlarından elde edilen veri üzerinde Türkçe, Matematik dersleri ve dönem sonu genel başarı ortalamalarının regresyon / çok sınıflı makine öğrenmesi modelleri oluşturularak puan ve notları tahmin edilmiştir. Elde edilen deneysel sonuçlara göre, makine öğrenmesi yöntemleri ile öğrenci not tahmini başarılı bir şekilde gerçekleştirilmiştir.

Abstract

In spite of the projects and physical investments implemented in the field of education in our country in recent years, the successes of the students in the national and international examinations has not increased at the required level.Particularly, this failure situation is much more serious for Turkish and Mathematics lessons. There are many family, demographic, schoolbased factors that affect the academic achievement of students among middle school students. However, until now, it has not been clearly stated which factors have priority, directly influence success. In this study, a questionnaire of 24 questions prepared according to the determined criteria was applied to 6th, 7th and 8th grade students of secondary school. The scores and grades of Turkish, Mathematics lessons and the overall success averages were estimated by using regression / classification machine learning models on the data obtained from the survey results. According to the experimental results obtained, the prediction of the student's grades has been successfully implemented with machine learning methods.