Uzaktan eğitim öğrencilerin başarılarını etkileyen farklı kriterler vardır. Bu kriterler tek başlarına anlam ifade etmezler. Önemli olan hepsinin bir arada değerlendirilerek ve farklı algoritmalar kullanılarak kişinin başarısı hakkında en iyi sonucu veren yöntemin bulunmasıdır. Bu çalışmada yapay zekâ teknikleri kullanılarak yükseköğretim kurumlarında eğitim yöntemlerinin başarıya olan etkisi hakkında değerlendirmeler yapılarak hem üniversite yönetimine hem de öğrencilere faydalı bilgiler sunulması hedeflenmiştir. Değerlendirme kapsamında Destek Vektör Makineleri (DVM), Lojistik Regresyon, Sade Bayes, Bayes Net, Rastgele Orman, Rastgele Ağaç ve Karar Ağaçları algoritmaları kullanılarak öğrencilerin başarıları tahmin edilmeye çalışılmıştır. Yapılan analizlerde % 98.4058 ile en yüksek başarı oranı Karar Ağaçları algoritması ile elde edilmiştir. Diğer algoritmalardan DVM % 98.236, Lojistik Regresyon % 98.2055, Sade Bayes % 97.03, Bayes Net % 97.0592, Rastgele Ağaç % 97.8661, Rastgele Orman algoritması % 98.2925 başarı oranını yakalamıştır. Anahtar Kelimeler: Uzaktan eğitim, makine öğrenmesi, yapay zeka, veri analizi, başarı tahmini
Distance education has different criteria that affect students' achievements. These criteria alone do not make sense. The important thing is to find the method that gives the best results about the success of each person by using all different algorithms and evaluating them together. In this study, it has been aimed to provide useful information to both university administration and students by making evaluations about the effect of education methods on success in higher education institutions by using artificial intelligence techniques. Within the scope of the evaluation, students' successes have been tried to be estimated by using DVM, Logistic Regression, Naive Bayes, BayesNet, Random Forest, Random Tree, Decision Trees (J48) algorithms. The highest success rate was obtained with the Decision Trees algorithm with 98.4058%. Other algorithms such as DVM 98.236%, Logistic Regression 98.2055%, Naive Bayes 97.03%, Bayes Net 97.0592%, Random Tree 97.8661%, Random forest algorithm 98.2925% success rate. Keywords: Distance education, machine learning, artificial intelligence, data analysis, success forecast
Tez (Yüksek Lisans) - Süleyman Demirel Üniversitesi, Fen Bilimleri Enstitüsü, Bilgisayar Mühendisliği Anabilim Dalı, 2019.
Kaynakça var.
Uzaktan eğitim öğrencilerin başarılarını etkileyen farklı kriterler vardır. Bu kriterler tek başlarına anlam ifade etmezler. Önemli olan hepsinin bir arada değerlendirilerek ve farklı algoritmalar kullanılarak kişinin başarısı hakkında en iyi sonucu veren yöntemin bulunmasıdır. Bu çalışmada yapay zekâ teknikleri kullanılarak yükseköğretim kurumlarında eğitim yöntemlerinin başarıya olan etkisi hakkında değerlendirmeler yapılarak hem üniversite yönetimine hem de öğrencilere faydalı bilgiler sunulması hedeflenmiştir. Değerlendirme kapsamında Destek Vektör Makineleri (DVM), Lojistik Regresyon, Sade Bayes, Bayes Net, Rastgele Orman, Rastgele Ağaç ve Karar Ağaçları algoritmaları kullanılarak öğrencilerin başarıları tahmin edilmeye çalışılmıştır. Yapılan analizlerde % 98.4058 ile en yüksek başarı oranı Karar Ağaçları algoritması ile elde edilmiştir. Diğer algoritmalardan DVM % 98.236, Lojistik Regresyon % 98.2055, Sade Bayes % 97.03, Bayes Net % 97.0592, Rastgele Ağaç % 97.8661, Rastgele Orman algoritması % 98.2925 başarı oranını yakalamıştır. Anahtar Kelimeler: Uzaktan eğitim, makine öğrenmesi, yapay zeka, veri analizi, başarı tahmini
Distance education has different criteria that affect students' achievements. These criteria alone do not make sense. The important thing is to find the method that gives the best results about the success of each person by using all different algorithms and evaluating them together. In this study, it has been aimed to provide useful information to both university administration and students by making evaluations about the effect of education methods on success in higher education institutions by using artificial intelligence techniques. Within the scope of the evaluation, students' successes have been tried to be estimated by using DVM, Logistic Regression, Naive Bayes, BayesNet, Random Forest, Random Tree, Decision Trees (J48) algorithms. The highest success rate was obtained with the Decision Trees algorithm with 98.4058%. Other algorithms such as DVM 98.236%, Logistic Regression 98.2055%, Naive Bayes 97.03%, Bayes Net 97.0592%, Random Tree 97.8661%, Random forest algorithm 98.2925% success rate. Keywords: Distance education, machine learning, artificial intelligence, data analysis, success forecast