Please use this identifier to cite or link to this item: https://hdl.handle.net/11499/1269
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSezai Tokat-
dc.contributor.authorÖzçınar, Hüseyin-
dc.date.accessioned2016-12-19T13:24:55Z
dc.date.available2016-12-19T13:24:55Z
dc.date.issued2006-05-
dc.identifier.urihttps://hdl.handle.net/11499/1269-
dc.description.abstractAraştırmada materyal olarak sınıf öğretmenliği A.B.D. öğrencilerinin lisans eğitimleri süresince bazı derslerden aldıkları ders geçme notları, genel not ortalamaları, öğretim türleri ve KPSS puanları kullanılmıştır. Çalışmada ilk olarak toplanan veriler temizlenip birleştirilmiş ve veri madenciliği uygulamasında kullanılabilecek şekilde düzenlenmiştir. Daha sonra veriler veri madenciliği uygulamasında kullanılmak üzere öğrencilerin üniversiteye giriş yılına göre ayrılarak dört farklı veri kümesi oluşturulmuştur. Toplanan verinin anlaşılabilmesi için frekans analizi ve regresyon analizi yöntemleri kullanılarak derslere ve yıllara göre verinin özellikleri incelenmiştir. Yapılan inceleme sonucunda bazı derslerde A1 ve A2 gibi yüksek notlarla geçen öğrencilerin oranı % 5-6 civarında iken C ile geçen öğrencilerin tüm veri kümesi için oranının % 38,6 olduğu görülmüştür. Bu aşamada bazı derslerin not dağılımlarının yıllara göre % 10 ile %20 arasında değişimler gösterebildiği saptanmıştır. Modelleme aşamasında tahmin doğruluklarının karşılaştırılabilmesi için yapay sinir ağı ve regresyon modelleri oluşturulmuştur. Yapay sinir ağı modelini oluşturmak için öğrenme yöntemi olarak geriye yayılım algoritmasını kullanan çok katmanlı perseptron kullanılmıştır. Regresyon modelini oluşturmak için çoklu doğrusal regresyon yöntemi kullanılmıştır. Frekans analizi yöntemiyle veri kümesinin özellikleri belirlenmiştir. Oluşturulan regresyon modeli ile KPSS sonuçlarının değişimi üzerinde anlamlı katkısı olan değişkenler incelenmiş ve oluşturulan modellerin tahmin doğrulukları, ortalama mutlak hata ve ortalama hata kareler kökü değerleri kullanılarak karşılaştırılmıştır.en_US
dc.description.abstractIn this study, general point average, grades of lessons and type of school were to predict KPSS results. Initially collected data were cleaned, merged and formated which could be used in data mining application. Data tables were splitted according to universtiy entry date of students and four data sets were created. Data sets were examined with frequency and regression analysis techniques to get a better understanding of collected data. The analysis results showed that while the percentage of high grades like A1, A2 were about %5-6, the percentage of students who get C was % 38,6. At this stage it was noted that the grade distributions of some of lessons were changed % 10, % 20 with respect to years. At the modeling stage, artificial neural networks model and regression model were created in order to compare predictive accuracy of these data mining techniques. Multilayer perceptron with backpropagation used for artificial neural network model and multiple linear regression technique used for regression model. Frequency analysis was used to explore data set charecteristics and variables which have signicant effect on KPSS results found using regression model. The error term of models were compared using mean absolute error and root mean squared error.en_US
dc.language.isotren_US
dc.publisherPamukkale Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectVeri Madenciligien_US
dc.subjectYapay Sinir Aglarıen_US
dc.subjectRegresyon Analizien_US
dc.subjectÖngörüen_US
dc.subjectKPSSen_US
dc.subjectData Miningen_US
dc.subjectArtificial Neural Networksen_US
dc.subjectRegression Analysisen_US
dc.subjectPredictionen_US
dc.titleKPSS sonuçlarının veri madenciliği yöntemleriyle tahmin edilmesien_US
dc.title.alternativePredicting KPSS results using data mining methodsen_US
dc.typeMaster Thesisen_US
dc.relation.publicationcategoryTezen_US
dc.identifier.yoktezid180572en_US
dc.ownerPamukkale_University-
item.languageiso639-1tr-
item.fulltextWith Fulltext-
item.grantfulltextopen-
item.cerifentitytypePublications-
item.openairetypeMaster Thesis-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
crisitem.author.dept09.04. Computer Education and Instructional Technology-
Appears in Collections:Tez Koleksiyonu
Files in This Item:
File Description SizeFormat 
Hüseyin Özçinar.pdf418.31 kBAdobe PDFThumbnail
View/Open
Show simple item record



CORE Recommender

Page view(s)

338
checked on May 27, 2024

Download(s)

308
checked on May 27, 2024

Google ScholarTM

Check





Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.