Please use this identifier to cite or link to this item: https://hdl.handle.net/20.500.13091/2253
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorKodaz, Halife-
dc.contributor.authorKaya, Fatih Hüseyin-
dc.date.accessioned2022-05-21T21:04:02Z-
dc.date.available2022-05-21T21:04:02Z-
dc.date.issued2022-
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=5XiSE4yCP_gmnukpMEp65SpS_vWfggEC-TihFzTsy0hWPcHnc4yfyHmuCMJwuqWw-
dc.identifier.urihttps://hdl.handle.net/20.500.13091/2253-
dc.description.abstractBu tez çalışmasında makine öğrenmesi algoritmaları kullanılarak öğrencilerin akademik başarısınıetkileyen faktörlerin tespit edilmesi amaçlanmaktadır. Araştırmada ilk veri seti olarak Hindistan'ın Assameyaletinde gerçekleştirilen bir araştırmadan elde edilen veriler kullanılmıştır. İkinci veri seti olarakPortekiz'in Alentejo bölgesinden 2005 yılında iki devlet okulundan anket ile toplanmış verilerkullanılmıştır. Çalışmada uygulama çerçevesi çapraz endüstri standart işlem modeli kapsamındageliştirilmiştir. Elde edilen sonuçlar, Doğruluk, F-1 Score sonuçları ile doğrulanmış ve karşılaştırılmıştır.Rastgele Orman, Aşırı Gradyan Güçlendirmesi ve Destek Vektör Makinaları ile sınıflandırma modellerioluşturarak öğrencilerin akademik başarısına etki eden önemli faktörler incelenmiştir. Buna göreöğrencilerin akademik başarısını etkileyen faktörlerin tespit edilmesinde Aşırı Gradyan Güçlendirmesi'ninen iyi sonuçlar verdiği görülmektedir. Ayrıca hesaplanan başarı ölçüleri ve tespit edilen faktörlerliteratürdeki benzer çalışmalar ile karşılaştırılmış ve önemli ölçüde benzerlik gösterdiği görülmüştür.en_US
dc.description.abstractThe aim of this study was to identify the factors affecting students' academic achievement usingmachine learning algorithms. The first data covered in the study, the data obtained from a study conductedin the Assam state of India were used. The second data covers, data collected from two public schools in2005 from the Alentejo region of Portugal were used. The application framework in the study wasdeveloped under the cross industry standard process for data mining. Using classification models withRandom Forest, Extreme Gradient Boosting and Support Vector Machines, important factors affectingstudents' academic success were examined. The results obtained were verified and compared utilizingclassification Accuracy, F-1 Score results. By creating classification models with Random Forest, ExtremeGradient Reinforcement and Support Vector Machines, important factors affecting students' academicsuccess were examined. According to these results, it can be said that Extreme Gradient Boosting providesthe best results in identifying the factors affecting students' academic achievement. Besides these results, itwas predicted success scores and the identified factors were compared with similar studies in the literatureand it was seen that they showed significant similarityen_US
dc.language.isotren_US
dc.publisherKonya Teknik Üniversitesien_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectBilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolen_US
dc.subjectComputer Engineering and Computer Science and Controlen_US
dc.titleIdentifying the factors affecting students' academic achievement using machine learning algorithmsen_US
dc.title.alternativeMakine öğrenmesi algoritmaları kullanarak öğrencilerin akademik başarısını etkileyen faktörlerin tespit edilmesien_US
dc.typeMaster Thesisen_US
dc.departmentEnstitüler, Lisansüstü Eğitim Enstitüsü, Bilgisayar Mühendisliği Ana Bilim Dalıen_US
dc.identifier.startpage1en_US
dc.identifier.endpage115en_US
dc.institutionauthorKaya, Fatih Hüseyin-
dc.relation.publicationcategoryTezen_US
dc.identifier.yoktezid717386en_US
item.openairetypeMaster Thesis-
item.languageiso639-1tr-
item.cerifentitytypePublications-
item.grantfulltextopen-
item.fulltextWith Fulltext-
item.openairecristypehttp://purl.org/coar/resource_type/c_18cf-
Appears in Collections:Tez Koleksiyonu
Files in This Item:
File SizeFormat 
717386.pdf3.54 MBAdobe PDFView/Open
Show simple item record



CORE Recommender

Page view(s)

214
checked on Mar 25, 2024

Download(s)

186
checked on Mar 25, 2024

Google ScholarTM

Check





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