Özet:
Eğitim alanında makine öğrenmesi, eğitim verilerini analiz etme ve modelleme yeteneğine sahip önemli bir araştırma alanıdır. Elde edilen çıktılar araştırmacıların ve eğitim planlamacılarının mevcut eğitim stratejilerinin sistematik sorunlarını anlamalarına ve gözden geçirmelerine yardımcı olmaktadır. Bu çalışma Uluslararası Matematik ve Fen Bilimleri Eğilimleri Araştırması (TIMSS) ile ilgilidir. TIMSS-2015 raporunda yer alan 8. sınıf Türk öğrencilerinin fen bilimleri ve matematik veri setine makine öğrenmesi algoritmaları uygulanmaktadır. Tez çalışması temel olarak iki noktaya odaklanmaktadır: ilk olarak öğrencilerin fen bilimleri ve matematik başarısını sınıflandırmada en başarılı algoritmaları bulmak; ikinci olarak ta fen bilimleri ve matematik başarısını sınıflandırmada en önemli öznitelikleri ortaya çıkarmaktır. Fen bilimleri ve matematik veri seti için lojistik regresyon, destek vektör makinesi polynomial çekirdeği en iyi algoritmalar olarak belirlenmiştir. Bu iki veri setindeki tüm öznitelikler arasında sınıflandırmadaki en etkili özellikleri belirlemek için farklı öznitelik seçim yöntemleri kullanılmıştır. Fen bilimleri veri seti için “Paylaşımlı tablet bilgisayar” , “Eğitimde ilerlemek istediğiniz düzey”, “Kaç ay ek ders alındığı” ve “Fen bilimlerinde öğrencinin güveni” öznitelikleri; matematik veri seti için ise “Ev eğitim kaynakları” ve “Matematikte öğrencinin güveni” öznitelikleri sınıflandırmada en etkili öznitelikler olarak belirlenmiştir.
