Sınıflandırmada Yapay Sinir Ağları Ve Karar Ağaçları Karşılaştırması: Öğrenci Başarıları Üzerine Bir Uygulama

Abstract

Yapay sinir ağları, insan beyninin özelliklerinden olan öğrenme yolu ile yeni bilgiler türetebilme, yeni bilgiler oluşturabilme ve keşfedebilme gibi yetenekleri herhangi bir yardım almadan otomatik olarak gerçekleştirmek amacı ile geliştirilen bilgisayar sistemleridir. Bu özellikleri ile birlikte yapay sinir ağları; sınıflandırma, örnek tamamlama, optimizasyon, üretim, kontrol, tıp, bilim ve mühendislik gibi alanlarda yerini almıştır. Bu çalışma içerisinde yapay sinir ağlarının sınıflandırma özelliği kullanılarak yapay sinir ağlarının bu konudaki başarısı gözlemlenmiştir. Mayıs 2005 döneminde Defining Critical Factors Affecting Student Success: A Data Mining Approach adlı tez çalışmasında üniversitesi öğrencilerinin başarılı olup olmadıkları ele alınarak sınıflandırma çalışması yapılmış ve bu çalışmada etken olan değişkenler belirlenmiştir. Yapay sinir ağları ile yapılan bu uygulama ile ise aynı verileri temel alarak başarılı ve başarısız öğrenciler belirlenmeye çalışılmış ve bu sınıflandırmada etken olan değişkenler belirlenmiştir. Çalışmanın temel amacı her iki metodun (Karar Ağaçları-Yapay Sinir Ağları) birbirleri ile karşılaştırılması ve ortaya konulan sonuçların ele alınması ile birlikte üniversite öğrencilerinin başarılarını etkileyen faktörlerin gözlemlenmesidir. Bu kapsamda yapılan uygulama sonucunda yapay sinir ağları %91,77’lik başarı oranı ile, %86 başarı oranına sahip Karar Ağaçları metodundan daha iyi sonuçlar ortaya koymuştur. Çalışma içerisinde yapılan uygulama ve daha önceki karar ağaçları uygulaması sonuçları toplu olarak ele alındığında öğrencilerin derse devam yüzdesi, sınıfı, çalışma saati, babasının hayatta olup olmaması, kaldığı yer, babasının eğitim durumu gibi değişkenler başarı üzerinde etkili olarak gözlemlenmiştir.

Artificial neural networks are computer systems developed to perform automatically the capabilities such as new information invention and formation with one of the feature of human brain, learning. With these characteristics, artificial neural networks has taken place in the fields such as classification, optimization, production, control, medicine, science and engineering. The success of artificial neural networks in the field of classification is observed in this study. In the May 2005 term, an application on classification analysis has been done with defining the students’s success as successful and unsuccessful and the critical factors effecting succes are determined, in the thesis named as Defining Critical Factors Affecting Student Success: A Data Mining Approach. The same data is used to define students such as successful or unsuccessful and the critical factors are determined with the study done with artificial neural networks. The aim of study is to compare each method success on classification and to observe the critical factros effecting students’ success with the result held from the applications. In this concept, it has been found that the application done using artifical neural networks with the success ratio of %91,77 is better than the one done using decision trees with the success ratio of %86. After examining both application results, the factors; attandence perception, class, studying hours, father alive, scholarship, residence and father education have been determined to be critical while classifying studenst as successful and unsuccessful.