Bilecik ilinde ilköğretimden liseye geçiş sınavlarında makine öğrenmesi yöntemleri ile öğrenci başarısının tahmini

Abstract

İyi bir öğretim süreci öğrencilerin ihtiyaçlarının karşılanma gerekliliği ile doğru orantılıdır. Bu anlamda öğrencilerin akademik başarılarının tahmin edilmesi de eğitim kurumları için önem arz etmektedir. Son yıllarda ülkemizde birçok alanda olduğu gibi eğitim alanında da farklı projelerin hayata geçirilmesiyle öğrenci başarılarında artış gözlemlenmiştir. Özellikle Türkçe, Matematik ve Fen Bilgisi derslerindeki başarı artışı ele alındığında, eğitimin kalitesini korumak ve geliştirmek için öğrencilere ait önemli veri ve bilgiler düzenli olarak toplanıp çok sınıflı makine öğrenmesi yöntemleri kullanılarak çıkarılan sonuçlar okul yönetimlerince değerlendirilmelidir. Bu çalışmada öğrenci performansını etkilemesi beklenen değişkenler olan çeşitli demografik, sosyal / duygusal ve kapalı uçlu sorular içeren 32 soruluk anket, 2019 yılında sınav puanıyla öğrenci alan 4 farklı lise grubundaki 9.sınıf ve halen ortaokul 8.sınıfta okuyan öğrencilere uygulanmıştır. Kâğıt sayfalara dayanan öğrenci akademik bilgileri ile anket sonuçları üzerinden elde edilen veriler birleştirilip çok sınıflı makine öğrenmesi yöntemleri ile model oluşturarak başarı tahmini yapılmıştır. Öncelikle verilere öznitelik çıkarma yöntemi uygulanarak başlangıçtaki özniteliklerimizin en iyi bilgi veren bir alt kümesi elde edilmiştir. Bu filtrelenmiş özniteliklerle oluşturulan çok sınıflı makine öğrenmesi modelleri karşılaştırılarak, Random Forest yönteminin en iyi sonucu verdiği gözlemlenmiştir.good teaching process is directly proportional to the needs of students. In this sense, estimating students' academic success is also important for educational institutions. In recent years, as in many fields in our country, an increase in student achievements has been observed with the implementation of different projects in the field of education. Especially considering the increasing success in Turkish, Mathematics and Science courses, in order to maintain and improve the quality of education, important data and information belonging to students should be collected regularly and the results obtained by using multi-class machine learning methods should be evaluated by school administrations. In this study, a 32-question questionnaire with various demographic, social / emotional, and closed-ended questions, which are the variables expected to affect student performance, was applied to students studying in the 9th grade and 8th grade in 4 high schools that received students with an exam score in 2019. Achievement estimation has been made by combining student academic information based on paper pages and data obtained from the survey results and by creating a model with multi-class machine learning methods. First of all, by applying the feature extraction method, a subset of our initial attributes giving the best information was obtained. By comparing multi-class machine learning models created with these filtered attributes, it was observed that Random Forest method gave the best result.