Dergiler / e-Uluslararası Eğitim Araştırmaları Dergisi / 2019 / Cilt: 10 Sayı: 3
Sınıf Öğretmenliği Öğrencilerinin Mezuniyet Notlarının Regresyon Analizi ve Yapay Sinir Ağları Yöntemleriyle Tahmini / Estimation of Graduation Grades of Primary Education Students by Using Regression Analysis and Artificial Neural Networks
- Sayfa
- 29–43
- DOI
- —
Özet
Bu araştırmada Akdeniz Üniversitesi Eğitim Fakültesi Sınıf Öğretmenliği Bölümü’nden 2012-2017 yılları arasında mezun 578 öğrencinin cinsiyet, medeni durum, kayıt yaşı ve 1. sınıf 1. dönem ara sınav puanları verisi kullanılarak mezuniyet notlarını tahmin etmek için modeller oluşturulmuştur. Anonimleştirilmiş öğrenci verisi üzerinde çoklu doğrusal regresyon analizi ve yapay sinir ağları ile oluşturulan modellerin çapraz değerlendirme sonuçlarında öğrenci başarısını kestirmede birbirine yakın sonuçlar verdiği görülmüştür. Ortalama mutlak hata yüzdesi değerleri baz alınarak yapılan değerlendirmede regresyon analizi modeli %94.30 başarı sağlarken yapay sinir ağları modeli %94.43 başarı sağlamıştır. Modeller öğrenci başarısına etki eden faktörlerin ağırlıklarını belirlemek için bulgular sağlamıştır. Araştırma kapsamında geliştirilen modellerin etkili olduğu eğitimde toplam kalite yönetimi bağlamında sıfır hata hedefinde proaktif pozisyon alarak öğrenci başarısını artırma gibi çalışmalarında kullanılabileceği söylenebilir.
Abstract
In this research, models were developed to estimate the graduation grades of 578 students who graduated from the Department of Primary Education, Faculty of Education, Akdeniz University between 2012-2017 by using the data related to gender, marital status, age of enrollment and midterm exam points of 1st semester of 1st grade. It has been seen that the models formed by regression and artificial neural networks on anonymized student data give close results in predicting student success as a result of cross-evaluation. In the evaluation based on Mean absolute percentage error values, the regression model achieved 94.30% success and the artificial neural networks model achieved 94.43% success. The models provided findings to determine the weights of the factors affecting student achievement. It can be said that the models developed with in the scope of the research can be used in studies such as zero error in the context of total quality management, taking proactive positions, increasing student achievement and guiding.