AURUM Mühendislik Sistemleri ve Mimarlık Dergisi
Yazarlar: ["Abubakar AUWAL", "Abdullahi Abdu IBRAHİM", "Oğuz BAYAT"]
Konular:-
Anahtar Kelimeler:Data mining,Classifier,Prediction,Demographic,Cognitive,Non cognitive
Özet: Veri madenciliği, akademik kurumlarda sınıflandırma tekniklerini kullanan öğrencilerin performansını tahmin etmek için kullanılır. Bu teknikler, tahmine temel olarak kullanılabilecek makul kalıpları bulmak için öğrencilerin özelliklerine uygulanır. Öğrencilerin verilerinin dijital formda bulunması ve bilgisayar sistemlerinin işlem gücünün artması, tüm süreci gerçeğe dönüştürmektedir. Öğrencilerin büyük başarısızlığını önlemek için bu yönde çok sayıda araştırma yapılmıştır. Bununla birlikte, bu araştırmalar esas olarak diğer ülkelerden gelen öğrencilerin tahminine odaklanmaktadır. Az sayıda yerli araştırmacının bu yönde araştırma yapma çabaları olmasına rağmen, en yaygın olarak kullanılan özellikleri araştırmamışlardır. Bu araştırmanın temel amacı, doğru performans tahmini için yerel olarak oluşturulan öğrencilerin özelliklerini kullanarak bir sınıflandırıcı geliştirmektir. Öğrencilerin farklı kaynaklardan toplanan özellikleri ön işleme tabi tutulmuş, daha sonra özellik seçimi ve nihayetinde öğrenme ve test için weka’ya dahil edilmiştir. En doğru sınıflandırıcı olarak ortaya çıkan saf bayes sınıflandırıcısı, performans tahmin aracımızda seçildi ve uygulandı. Araç, başka bir özellik seti kullanılarak test edildi ve değerlendirme sonucu, aracın öğrencilerin gelecekteki sınavlarındaki performansını tahmin edebileceğini gösteriyor.