Dergiler / Dumlupınar Üniversitesi Sosyal Bilimler Dergisi / 2012 / Cilt: 0 - Sayı: 33

VERİ MADENCİLİĞİ VE LİSANSÜSTÜ ÖĞRENCİ VERİLERİ ÜZERİNE BİR UYGULAMA

Sayfa
165–174
Yayın Tarihi
2022-10-11
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Çalışmanın sonucunda SimpleCART algoritmasının sınıflandırma oranı en yüksek algoritma olduğu, doktora programına kayıtlı öğrencilerin yüksek lisans programına kayıtlı öğrencilere göre daha yüksek başarı notlarına sahip oldukları ancak cinsiyetin, kadronun, ilin ve ders döneminin başarıyı etkilemediği ortaya çıkmıştır

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, veri madenciliği yöntemiyle Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü öğrencilerine ait veriler kullanılarak bir uygulama yapılmıştır.
📊
Temel Bulgular & Veri:Lisansüstü öğrencilerine ait verilerden yararlanarak, hem bu verileri en başarılı sınıflandıran algoritma, hem de öğrencilerin programı, cinsiyeti, Sivas ilinden ya da başka bir ilden olması, kadrosunun araştırma görevlisi olup olmaması ve ders döneminin farklı olmasının notlarını etkileyip etkilemediği tespit edilmeye çalışılmıştır.
💡
Sonuç & Katkı:Çalışmanın sonucunda SimpleCART algoritmasının sınıflandırma oranı en yüksek algoritma olduğu, doktora programına kayıtlı öğrencilerin yüksek lisans programına kayıtlı öğrencilere göre daha yüksek başarı notlarına sahip oldukları ancak cinsiyetin, kadronun, ilin ve ders döneminin başarıyı etkilemediği ortaya çıkmıştır
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Veri Madenciliği · Sınıflandırma Analizi · Veri Ambarı

Özet

Bu çalışmada, veri madenciliği yöntemiyle Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü öğrencilerine ait veriler kullanılarak bir uygulama yapılmıştır. Lisansüstü öğrencilerine ait verilerden yararlanarak, hem bu verileri en başarılı sınıflandıran algoritma, hem de öğrencilerin programı, cinsiyeti, Sivas ilinden ya da başka bir ilden olması, kadrosunun araştırma görevlisi olup olmaması ve ders döneminin farklı olmasının notlarını etkileyip etkilemediği tespit edilmeye çalışılmıştır. Çalışmanın sonucunda SimpleCART algoritmasının sınıflandırma oranı en yüksek algoritma olduğu, doktora programına kayıtlı öğrencilerin yüksek lisans programına kayıtlı öğrencilere göre daha yüksek başarı notlarına sahip oldukları ancak cinsiyetin, kadronun, ilin ve ders döneminin başarıyı etkilemediği ortaya çıkmıştır

Abstract

In this study, an application was conducted using the data from students in Institute of Social Sciences in Cumhuriyet University with data mining method. Benefiting from the data of postgraduate students, both algorithm, which classifies the data best, and students' program, gender, whether they are from Sivas, whether they are research assistant, and whether the difference of term affects the grades are tried to be confirmed. as a result of the study, it is explored that classification rate of SimpleCART algorithm is the highest, students registered in doctoral program have better achievement than the postgraduate students, but gender, personnel cadre, city and term don't affect the achievement

🔖

Bu Makaleye Atıf Yap

ALAN, M. A. (2022). VERİ MADENCİLİĞİ VE LİSANSÜSTÜ ÖĞRENCİ VERİLERİ ÜZERİNE BİR UYGULAMA. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, Cilt: 0 - Sayı: 33, 165–174. https://ajindex.com/articles/493183

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (12)

  1. Baykal, Abdullah ve Coşkun Cengiz, (2011), Veri Madenciliğinde Sınıflandırma Algoritmalarının Bir Örnek Üzerinde Karşılaştırılması, http://ab.org.tr/ab11/bildiri/67.pdf, 30.03.2011
  2. Bramer, Max (2007),
  3. Principles of Data Mining, Springer, London Dener, Murat, Dörerler Murat, Orman Abdullah, (2009), Açık Kaynak Kodlu Veri Madenciliği Programları: WEKA’da Örnek Uygulama,ab.org.tr/ab09/bildiri/42.pdf, 30.03.2011
  4. Dong-Peng Yang, Li Jin-Lin, Lun Ran, Chao Zhou (2008), Applications of Data Mining Methods in the Evaluation of Client Credibility, Applications of Data Mining in E-Business and Finance C. Soares et al. (Eds.), IOS Press, Amsterdam Han Jiawei and Kamber Micheline (2006), Data Mining: Concepts and Techniques, Morgan Kaufmann Publisher San Francisco Larose, Daniel T.(2006),
  5. Data Mining Methods and Models, A John Wiley & Sons, Inc., Publication, New Jersey Larose, Daniel T. (2005),
  6. Discovering Knowledge in Data, A John Wiley & Sons, Inc., Publication, New Jersey Nisbet Robert, Elder John, Miner, Gary (2009), Handbook of Statistical Analysis and Data Mining Applications, Elsevier, London Özkan, Yalçın (2008),
  7. Veri Madenciliği Yöntemleri, Papatya Yayınları,
  8. İstanbul Rahman, Hakikur, (2009), Data Mining Applications for Empowering Knowledge Societies, Information Science Reference, New York Rokach, Lior and Maimon Oded (2008),
  9. Data Mining With Decision Trees, World Scientific, New Jersey Silahtaroğlu, Gökhan (2008),
  10. Veri Madenciliği, Papatya Yayınları,
  11. İstanbul Weiss, Sholom M. And Zhang, Tong (2003),
  12. Performance Analysis And Evaluation, The Handbook of Data Mining, Edited by Nong Ye Arizona State University, Lawrence Erlbaum Associates, Mahwah http://www.datawarehouse.gen.tr/index.php/kategoriler/oracle/item/74-nedir-bu-data-warehouse, 30.03.2011