Dergiler / Bitlis Eren Üniversitesi Fen Bilimleri Dergisi / 2019 / Cilt: 8 - Sayı: 1
Yükseköğretim Programı Tercihlerinin İncelenmesinde Karmaşık Ağ Analizi Yaklaşımı
- Sayfa
- 176–186
- DOI
- —
Özet
Bu çalışmada, karmaşık ağ analizi teknikleri kullanarak, öğrencilerin yükseköğretim programı tercihlerini analiz ettik. Program tercihleri verisini, kendi geliştirdiğimiz bir web sayfası tarama aracı kullanarak, Yükseköğretim Kurulu tarafından sağlanan YökAtlas portalından topladık. Toplanan ham veriden 622 düğüm ve 6.136 kenara sahip, birlikte tercih edilme ağı olarak adlandırdığımız bir çeşit birliktelik ağı oluşturduk. Cytoscape ve NodeXL araçlarını kullanarak, bu ağ üzerinde keşif türünden kapsamlı bir karmaşık ağ analizi gerçekleştirdik. Çeşitli düğüm merkezilik ölçütleri kullanarak, öğrencilerin diğer programlarla birlikte sıklıkla tercih ettiği en popüler programları tespit ettik. Ayrıca, çeşitli topluluk tespiti yöntemleri kullanarak, ağ içerisinde yerleşik program kümelerini gözlemledik. Son olarak, ağımızı, karşılık gelen rasgele ağ ile karşılaştırmak amacıyla bir yapı analizi gerçekleştirdik ve ağımızın çoğu gerçek hayat ağının sergilediği ortak karakteristik özelliklere sahip olduğunu gösterdik.
Abstract
In this study, we analyzed undergraduate program preferences of students by using complex network analysistechniques. We collected program preferences data from the YokAtlas portal provided by the Council of HigherEducation using a web crawler we developed. We constructed a kind of co-occurrence network we called copreference network of 622 nodes and 6,136 edges from the collected raw data. We performed a comprehensiveexploratory complex network analysis on the co-preference network using Cytoscape and NodeXL tools. Usingseveral node centrality measures, we identified the most popular programs that students frequently preferredtogether with other programs. In addition, we observed the clusters of programs embedded in the network usingseveral network community detection methods. Finally, we performed a structure analysis to compare our networkto a corresponding random network, and we showed that our network had the common characteristic propertiesthat many real-world networks exhibit.