TR
Eurasian Education & Literature Journal  Yıl:2020  Sayı: 13  Alan: Alan Eğitimi

Hasibe Berfu DEMİR
ÖĞRENCİ PERFORMANS VERİLERİNİN ANALİZİ: YAPAY SİNİR AĞLARI VE LOJİSTİK REGRESYON YÖNTEM KARŞILAŞTIRMASI
 
Çalışma, veri tabanındaki hazır veri setinde yer alan 649 öğrenciye ait performans değerlendirmesindeki etkili değişkenler ile oluşturulmuştur. İlk olarak öğrencilerin başarılı ve başarısız durum ayrımları sağlanmıştır ve ikili değişken olacak biçimde veri girişleri gerçekleştirilmiştir. Performansa etki eden değişkenlerin gruplandırılması amacıyla SPSS programı ile diskriminant analizi yapılmıştır. Diskriminant analiz ile belirlenen değişkenler, oluşturulması planlanan modellere katkı sağlamıştır. Öğrenci performanslarının tahmin edilmesi için büyük verilerin işlenmesinde kullanılan algoritma olarak yapay sinir ağları (YSA) yöntemi tercih edilmiştir. Çalışmanın uygulama aşamasında ise incelenen iki yöntem veri seti yardımıyla analiz edilmiştir. Uygulamadan elde edilen sonuçlar; MSE, sınıflandırma doğruluğu ve ROC eğrisi altında kalan alan olmak üzere 3 ayrı kriter için karşılaştırılmıştır. Çalışmanın sonunda, yapay sinir ağlarının lojistik regresyon analizine göre daha başarılı sonuçlar ürettiği sonucuna varılmıştır.

Anahtar Kelimeler: Öğrenci Performansı, Performans Değerlendirmesi, Diskriminant Analizi, Yapay Sinir Ağları, Lojistik Regresyon


ANALYSIS OF STUDENT PERFORMANCE DATA: A COMPARISON OF ARTIFICIAL NEURAL NETWORKS and REGRESSION ANALYSIS
 
The study was created with the effective variables to evaluate performance belongs to 649 students which ready in the ready data set in the database. Firstly, students were distinguished between successful and unsuccessful situations, and data entries were made as binary variables. Discriminant analysis was performed with the SPSS program in order to group variables that affect performance. The variables, whose distinctions were provided with the help of discriminant analysis, contributed to the models planned to be created. Artificial neural networks (ANN) method was preferred as the algorithm used in processing big data to predict student performances. In the application phase of the study, the two methods examined were analyzed with the help of the data set. The results obtained from the application were compared for 3 separate criteria: MSE-classification accuracy and the area under the ROC curve. At the end of the study, it was concluded that artificial neural networks produced more successful results than logistic regression

Keywords: Student Performance, Performance Evaluation, Discriminant Analysis, Artificial Neural Networks, Regression


Detay

İÇERİK