Veri madenciliği yöntemleri kullanarak meslek yüksek okulu öğrencilerinin akademik başarı tahmini

Abstract

Teknolojinin gelişmesiyle birlikte bilginin önemi her geçen gün artmaktadır. Veri madenciliği yöntemleri ile veriler üzerinde çok farklı analizler yapılabilmektedir. Bu araştırmanın amacı, veri madenciliği yöntemini kullanarak Meslek Yüksek Okulu öğrencilerinin akademik başarımlarını tahmin etmektir. Bu amaç doğrultusunda veri madenciliği sınıflama algoritmaları kullanılarak öğrencilerin başarılarını tahmin etmede en iyi başarımı gösteren sınıflama algoritması seçilmeye çalışılmıştır. Pamukkale Üniversitesi Meslek Yüksek Okullarına 2009 ile 2010 yılları arasında kayıt yaptıran 1387 öğrencinin bilgileri kullanılmıştır. Öğrencilerin akademik başarımlarını tahmin etmek için bağımlı değişken olarak öğrencilerin akademik not ortalamaları ile mezuniyet yılları kullanılmıştır. Akademik not ortalamasına göre başarım tahmininde en iyi sonucu Sıralı Minimum Optimizasyon(SMO) algoritması vermektedir. Mezuniyet yılına göre başarım tahmini yaptığımızda en iyi sonucu J4.8 ve NaiveBayes algoritmaları vermektedir.

The importance of information increases each day with the developments in technology. Several different analysis can be applied on the related information using data mining methods. The aim of this research is to predict the academic success of vocational high school students of Pamukkale Universiy by using data mining methods. For this purpose, several data mining classification algorithms are used and their results are compared to find best suited algorithm. The information of 1387 students, who had registered to Pamukkale University Vocational High School between 2009 and 2010 are used. GPA and graduation year of the students are used as a dependent variable in order to predict academic success. Linear Minimum Optimization algorithm gives the best results when GPA is used, whereas J4.8 and Naïve Bayes algorithms are best suited if graduation date is used as a dependent variable.