Üniversite öğrenci başarısı üzerine etki eden faktörlerin veri madenciliği yöntemleri ile incelenmesi

Abstract

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.