Akademik Veri Yönetim Sistemi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Eğitim Bilimleri Enstitüsü, Türkiye
Tezin Onay Tarihi: 2012
Tezin Dili: Türkçe
Öğrenci: GÜLÇİN ÇIRAK
Danışman: ÖMAY ÇOKLUK BÖKEOĞLU
Özet:Bu araştırmada, “Üniversite Öğrencilerinin Akademik Başarılarını Etkileyen Değişkenler Anketi” kullanılarak elde edilen bilgilerle öğrencilerin başarı durumlarına göre sınıflandırılmasında yapay sinir ağları ve lojistik regresyon yöntemlerini toplam doğru sınıflandırma oranlarından faydalanarak karşılaştırmak amaçlanmıştır. İlişkisel tarama modelinde olan araştırmanın çalışma grubunu 2011-2012 eğitim öğretim yılının bahar döneminde Ankara Üniversitesi’nin bazı fakülte ve lisans programlarında öğrenim gören 419 3. sınıf öğrencisi oluşturmaktadır. Araştırmada öğrencilerin genel akademik başarı not ortalaması bağımlı değişken olarak alınmıştır. Anketlerden elde edilen veriler SPSS 20 paket programı ile analiz edilmiştir. Araştırma sonucunda lojistik regresyon analizi ile amaçlanan modele ilişkin toplam doğru sınıflandırma oranı%66.10, yapay sinir ağları analizi ile %70.16 olarak bulunmuştur. Buna göre öğrencilerin başarı durumlarına göre sınıflandırılmasında yapay sinir ağlarının lojistik regresyon analizine göre daha iyi sonuçlar verdiği görülmektedir. Ayrıca öğrencilerin akademik başarısını etkileyen değişkenlere ilişkin yapılan lojistik regresyon analizi ve yapay sinir ağları analizi karşılaştırmasında “Ortaöğretim Mezuniyet Ortalaması, Mezun Olunan Lise ve Üniversiteye Giriş Puanı” ortak değişkenler olarak belirlenmiştir. Yapay sinir ağları analizi sonucu akademik başarının en önemli ilk belirleyicisi (%100) “Üniversiteye Giriş Puanı” , Lojistik regresyon analizi sonucu “Mezun Olunan Lise” olduğu görülmüştür.AbsractIn this study, according to the information obtained from the “Variables which affect the success of university students’ survey”, the achievement of the students was classified using Artificial Neural Networks and Logistic Regression methods by taking advantage ofthe total correct classification rates. The group of the scanning study is consisting of 419 students who are 3 grade students from 2011-2012 spring semesters taken from some faculties and departments from AnkaraUniversity. The overall academic grades of the students are taken as the dependent variable. The information obtained from the surveys was analyzed with the package program SPSS 20. In the results of the study, it is seen that the total correct classification percentages for Logistic Regression and Artificial Neural Networks methods are %66.10 and %70.16 respectively. According to these results it can said that Artificial Neural Networks is better than Logistic Regression analysis. Besides these results, the Artificial Neural Networks and Logistic Regression analyses are compared according to the variables which most affect the develoacpment of students' academic achievement. These variables are “Per Secondary School Graduation, High School Graduation and University Admission Score" and named as covariates. As a result of the Artificial Neural Networks analysis the university admission score is the most important determinant of the academic achievement (%100) and as a result of the Logistic Regression analysis Graduated High School is the most important one.