Veri boyutları giderek artmakta ve bu verilerden anlamlı bilgiler elde etmek
zorlaşmaktadır. Bu sebeple veri madenciliği giderek önem kazanmaktadır. Birçok alanda
veri madenciliği yöntemleri yaygın bir şekilde kullanılmaktadır. Bu alanlardan birisi de
eğitsel veri madenciliğidir. Eğitsel veri madenciliğinde geleneksel ve uzaktan eğitim türleri
üzerine çalışılmaktadır. Geleneksel eğitim veren birçok üniversitede öğrenci başarısını
etkileyen unsurlar araştırılmaktadır. Değişen eğitim politikaları da öğrenci başarısını
etkileyebilecek unsurlardan birisidir. Bu tezin amacı, 2011 yılında değişen atılma
politikasının, öğrencilerin parasal durumlarının ve demografik özelliklerinin, etkilerinin
veri madenciliği yöntemleri ile incelenmesidir. Bu tez kapsamında, Eskişehir Osmangazi
Üniversitesi Bilgisayar Mühendisliği Bölümü‟nde 2008‟den 2011‟e kadar olan dört yıl
içinde birinci sınıf derslerine başlayan öğrencilerin verileri kullanılmıştır. Yararlı
olabilecek bilgiler çıkarılabilmesi için deneysel bir yaklaşımda bulunulmuş ve farklı veri
setleri oluşturulmuştur. Bu veri kümeleri üzerinde veri madenciliği yöntemlerinden
sınıflama ve birliktelik kuralları algoritmaları uygulanmıştır. Sınıflama algoritmalarından
kNN ve J48, birliktelik kuralları algoritmalarından Apriori ve Predictive Apriori
kullanılmıştır. Uygulanan yöntemler sonucunda, atılma politikasındaki değişiklik ile
öğrencilerin not durumları arasındaki ilişki bulunmuş, öğrencilerin eğitim sürelerinin, burs
veya kredi alınmasıyla değişiklik gösterdiği ve öğrencilerin parasal durumlarıyla
annelerinin meslekleri arasında bağlantı olduğu görülmüştür.
Process of information retrieval from raw data is getting difficult due to increasing
size of data. Therefore, data mining has a great importance to deal with this problem. Data
mining techniques can be applied on many different areas. Educational data mining is one
of those fields. Educational data mining is applied on two separate types of education,
traditional and distance education. In many universities that give traditional education,
researches are done on factors effecting students‟ success. Alteration on education policy is
one of the factors that may affect student achievement. The aim of this thesis is examining
the effects of financial status and demographic characteristics of students and expulsion
policy that changed in 2011. Data mining techniques are performed to data that belongs to
students from Computer Engineering Department of Eskisehir Osmangazi University. An
experimental approach is used to obtain useful information from the data. For achieving
this goal, student data is divided into different data sets. Classification and rule mining
algorithms are used on these data sets. J48 and kNN are chosen for classification
algorithm. Apriori and Predictive Apriori are chosen for rule mining algorithm. As a result
of the methods applied, there are relations between following couples, expulsion policy
and grades of students, scholarship and training times of students, financial status of
students and profession of their mothers.