Akademik Veri Yönetim Sistemi
Eğitimde Yapay Zeka: Kuramdan Uygulamaya, Vasif Nabiyev,Ali Kürşat Emürit, Editör, Pegem A Yayıncılık, Ankara, ss.283-304, 2020
Bu bölümde “makine öğrenmesi” kavramı genel hatları ve özellikleri okuyucuya tanıtılacaktır. Temel kavramların yanı sıra sınıflama ve kümeleme analizlerinin alt başlıkları olan parçalama ve hiyerarşik kümeleme yöntemleri ile yapay sinir ağları ve derin sinir ağlarına da yer verilecektir. Bu bağlamda; kümeleme, sınıflandırma, öğrenme, ilişki belirleme, akademik başarı ve tahmin gibi bilinmesi gereken önemli kavramlar tanıtılacaktır. Her bir kavram ait eğitim bilimleri ile ilgili örnekler de sunulacaktır. Makine öğrenmesi sürecinin önemli aşamalarından biri veri boyutunun azaltılması işlemidir. Özellik seçimi, veri kümesinden ilgisiz veya gereksiz değişkenlerin çıkartılması olarak tanımlanmaktadır. Veri boyutunun azaltılması için kullanılan yöntemlerin başında özellik seçimi gelmektedir. Öneminden dolayı veri seçiminin makine öğrenmesine etkisi ve özellik seçim yöntemleri bu bölümde ele alınıp son olarak konu ile ilgili son yıllarda yayınlanmış olan ulusal ve uluslararası akademik çalışmalar incelenecek, makine öğrenmesi ve akademik başarı tahmini ile ilgili güncel literatür paylaşılacaktır. Ardından tüm adımları detaylı bir şekilde ortaya konulacak şekilde bir başarı tahmin modeli, bulguları ve sonuçları okuyucu ile paylaşılacaktır. Bu çalışmalardan hareketle akademik başarı ve başarısızlığın tahmin edilmesinin eğitim yöneticileri ve öğrenenler, yani paydaşlar için ne gibi fırsatlar sunduğu üzerinden durularak makine öğrenmesinin akademik başarı ve başarısızlık üzerindeki etkileri incelenecektir.