Öğrenci Başarısını Etkileyen Kritik Faktörlerin Belirlenmesi : Bir Veri Madenciliği Yaklaşımı

Abstract

Bu çalışmanın konusu, İTÜ İşletme Fakültesi öğrencilerinin başarısını etkileyen önemli faktörleri, bir Veri Madenciliği uygulaması yöntemiyle bulmaktır. Veri Madenciliği, kaynak data içinde değerli bilgileri elde etmek için kullanılan en etkili yöntemlerden biridir. Yukarıda açıklanan amaç, Karar Ağaçları tekniği uygulaması ile modellenir. Tüm çalışmanın kaynak datası öğrenci verileridir. Öğrenci verilerini toplamak amacı ile İşletme Fakültesi 2., 3. ve 4. sınıf lisans öğrencilerinin katıldığı bir anket çalışması yapılır. Model geliştirilirken 424 farklı öğrencinin cevapları kullanılır. Ankete verilen cevaplara bağlı olarak ikili karar ağacı geliştirilir. Karar ağacı modelinde girdi olarak 48 farklı değişken kullanılır. 15 değişken öğrenci başarısı üzerinde etkili olarak bulunur. Fakat, kesin olarak hangi faktörlerin başarı üzerinde olumlu bir etkisi olduğunu söylemek doğru değildir. Karar ağacı üzerinde her bir değişkenin tek tek incelenmesi ve yorumlanması gerekir. Bazı değişkenler tek başına etkili olurlen, bazı değişkenler bir arada olumlu ya da olumsuz bir etki yaratmaktadır.The subject of this thesis is finding crucial factors that affect success of İTÜ’s Management Faculty’s students. Data mining is one of the most popular techniques of finding valuable information through data. The above problem is studied on by applying Decision Tree technique of Data Mining. The whole study depends up on students’ data. Accordingly, a student questionnaire is applied to sophomore, junior and senior students of Management Faculty‘s undergraduate students. 424 different students’ answers are used during the model development. A binary decision tree is generated based on these answers. 48 different attributes are used for the decision tree. 15 attributes are selected as effective on student success. These factors are important according to the model. But it is not possible to say clearly which values of these factors have a positive impact on success. All these variables must be investigated one by one on the decision tree.