Uluslararası öğrenci değerlendirme programı 2018 matematik ve fen başarılarında ülkeler arası karşılaştırmaların makine öğrenmesi yöntemleri ile incelenmesi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen-Edebiyat Fakültesi, İstatistik Bölümü, Türkiye
Tezin Onay Tarihi: 2023
Tezin Dili: Türkçe
Öğrenci: Ezgi Gülenç Bayırlı
Danışman: Ersoy Öz
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Eğitim süreçlerinde üretilen ve toplanan büyük miktardaki verileri, makine öğrenmesi yöntemleri kullanılarak anlamak, yorumlamak ve içlerindeki ilişkileri ortaya çıkarmak önemli bir araştırma alanıdır. Eğitsel veri madenciliği çerçevesinde yapılan araştırmalar, öğrenci performansını değerlendirme, öğrenci davranışlarını anlama ve eğitim politikalarını geliştirme amacını gütmektedir. Bu tür araştırmalarda elde edilen çıktılar, araştırmacıların, eğitim planlamacılarının ve eğitim alanında karar alıcıların eğitim politikaları ve stratejileri geliştirmesine imkân sağlamaktadır. Bu tez çalışmasında, Uluslararası Öğrenci Değerlendirme Programı (PISA) 2018'e katılan 37 OECD ülkesi öğrencilerinin matematik ve fen bilimleri veri setlerine makine öğrenmesi algoritmalarının uygulanması amaçlanmaktadır. Bu amacı gerçekleştirmek için, öğrencilerin matematik ve fen alanlarındaki başarısını sınıflandırmada Rastgele Orman (RO), Extreme Gradient Boosting (XGBoost), Lojistik Regresyon (LR) ve Destek Vektör Makineleri (DVM) algoritmaları kullanılmıştır. Öğrencilerin matematik ve fen alanlarındaki başarılarını etkileyen yüksek öneme sahip değişkenleri belirlemek amacıyla, permütasyon özelliği önem yöntemi kullanılmıştır. Her bir ülke için hem matematik hemde fen alanındaki başarıları etkileyen önem değeri yüksek değişkenler elde edilmiştir. Ülkeler değişkenlerin matematik ve fen başarısına olan etki değerlerine göre kümelenmek amacıyla hiyerarşik kümeleme algoritması kullanılmıştır. Ele alınan OECD ülkelerinin tamamı için hem matematik hemde fen alanındaki başarılara göre en yüksek öneme sahip değişkenler, genel olarak yaş, cinsiyet, eğitim, ekonomik düzey ve duygusal faktörler ile ilişkili değişkenler olarak gözlemlenmiştir. Ardından her bir ülkenin sosyo-ekonomik ve demografik özelliklerinin, matematik ve fen başarısına olan etki değerlerine göre ayrı ayrı gerçekleştirilen kümeleme analizi sonuçları karşılaştırılmıştır. Her iki kümeleme analizi sonucunda, hem matematik hem de fen başarılarına göre kümelenen ülkelerden, Amerika ile Meksika ve Kanada ile Avustralya benzer şekilde kümelenmiş ancak diğer ülke gruplarının böyle bir benzerlik göstermedikleri görülmüştür. Elde ettiğimiz sonuçlar doğrultusunda, 37 OECD ülkesinin matematik ve fen başarısına olan etkinin, sosyo-ekonomik ve demografik özellikler açısından farklılık gösterdiği sonucu ortaya koyulmuştur.