Araştırma Makalesi
PDF Zotero Mendeley EndNote BibTex Kaynak Göster

Bölüm ve Öğrenci Arasındaki Uygunluğunu Ölçen bir Eşleştirme Modeli

Yıl 2020, Cilt 41, Sayı 2, 467 - 471, 25.06.2020
https://doi.org/10.17776/csj.410709

Öz

Özet: Bütün eğitim sistemlerinin hedefi bilgiyle teçhiz edilmiş öğrenciler yetiştirmektir. Bunun için bir taraftan müfredat çalışmaları yapılırken diğer taraftan eğitim yönetimi konusunda çalışmalar yürütülür. Eğitim içeriğinin kalitesi ve eğitim kurumlarının doğru yönetimiyle de mükemmel sonuç alınacağı düşünülür. Hâlbuki öğrenciyle bölümü doğru şekilde eşleştirmeyen bir sistemden başarılı sonuçlar alabilmek olası değildir. Bu çalışmada eğitim sistemlerinin başarısına etki edeceğini düşündüğümüz bir eşleşme sistemi önerilmiştir. Pilot bölüm olarak bilgisayar mühendisliği bölümü ele alınmış ve çalışma öğrencinin bilgisayar mühendisliğine uygun olup olmamasının tespiti için yapılmıştır. Anket verileri yardımıyla ihtiyaç duyulan veri elde edilmiş ve ardından bu verilerle başarılı ve başarısız öğrencinin bir modeli oluşturulmuştur. Oluşturulan modelin test edilmesinde ise veri madenciliği algoritmaları kullanılmıştır.

Kaynakça

  • [1] Çelik N, Üzmez U., Evaluation of university students’ affecting factors choice of profession. Electronic Journal of Occupational Improvement and Research (EJOIR), 2(1) (2014) 94-105.
  • [2] Sarıkaya T., Khorshid L., Üniversite öğrencilerinin meslek seçimini etkileyen etmenlerin incelenmesi: üniversite öğrencilerinin meslek seçimi. Journal of Turkish Educational Sciences, 7(2) (2009) 393-423.
  • [3] Sathapornvajana S., Watanapa B., Factors affecting student’s intention to choose IT program. Procedia Computer Science, 13, (2012), 60-67.
  • [4] Çoban, A., Psikometrik testler: Available at: http://www.adnancoban.com.tr/psikometrik_testler.html. Retrieved: July 2015.
  • [5] Witten I. H., Frank E., Data mining: practical machine learning tools and techniques with Java implementations. 3rd ed. San Francisco CA: Morgan Kaufmann (2002) 76-77.
  • [6] Cha H., Kim Y. S., Park. S. H., Yoon T., Jung Y., Lee J. H., Learning styles diagnosis based on user interface behaviors for the customization of learning interfaces in an intelligent tutoring system. In Proceedings of the 8th International Conference on Intelligent Tutoring Systems, (2006) 513-524.
  • [7] Hämäläinen W., Vinni M., Comparison of machine learning methods for intelligent tutoring systems. In International Conference on Intelligent Tutoring Systems, Springer, Berlin (2006) 525-534.
  • [8] Perera D., Kay J., Koprinska I., Yacef K., Zaiane O. R., Clustering and sequential pattern mining of online collaborative learning data. IEEE Transactions on Knowledge and Data Engineering, 21(6) (2009) 759-772.
  • [9] Pardos Z. A., Gowda S. M., Baker S.J.d R., Heffernan N. T., The sum is greater than the parts: ensembling models of student knowledge in educational software. ACM SIGKDD Explorations Newsletter, 13(2) (2011) 37-44.
  • [10] Salton G., Automatic Text Processing: The Transformation, Analysis, and Retrieval of Information by Computer. Addison-Wesley, (1989).
  • [11] Kuzgun Y., Mesleki ve Teknik Öğretim Kurumları ve Meslekler Rehberi. National Education Press, Istanbul, (2006).
  • [12] Rakotomalala R., TANAGRA: a free software for research and academic purposes. Proceedings of EGC'2005, RNTI-E-3, 2 (2005) 697-702.

A matching model to measure compliance between department and student

Yıl 2020, Cilt 41, Sayı 2, 467 - 471, 25.06.2020
https://doi.org/10.17776/csj.410709

Öz

The aim of all education systems is to train students who are equipped with knowledge. In that case, that student is able to determine the most suitable profession for him/her success in education and career that are related to this profession will be higher. Studies done up to this day have been focused on finding out the factors affecting the career choice of the student, but they have not suggested any method for determining the most suitable procession. It is not possible to obtain satisfying results from a system that does not lead students to appropriate higher education departments. In this context, a student- department matching system is proposed which aims to increase the success of the education systems in our study. The department of computer engineering was dealt with as a sample department and the proposed study was examined to determine whether a student was suitable for computer engineering or. The required data was obtained with the help of the questionnaire, and then a model of successful and unsuccessful students was created. Data mining algorithms such as C4.5, C SVC, MLP, and Naïve Bayes are used during the test of the generated model. The best result was obtained by the C-SVC algorithm and the second best result by Naive Bayes. The lowest error rate achieved was 0.2700 and the highest accurate recognition rate was 73.00%.

Kaynakça

  • [1] Çelik N, Üzmez U., Evaluation of university students’ affecting factors choice of profession. Electronic Journal of Occupational Improvement and Research (EJOIR), 2(1) (2014) 94-105.
  • [2] Sarıkaya T., Khorshid L., Üniversite öğrencilerinin meslek seçimini etkileyen etmenlerin incelenmesi: üniversite öğrencilerinin meslek seçimi. Journal of Turkish Educational Sciences, 7(2) (2009) 393-423.
  • [3] Sathapornvajana S., Watanapa B., Factors affecting student’s intention to choose IT program. Procedia Computer Science, 13, (2012), 60-67.
  • [4] Çoban, A., Psikometrik testler: Available at: http://www.adnancoban.com.tr/psikometrik_testler.html. Retrieved: July 2015.
  • [5] Witten I. H., Frank E., Data mining: practical machine learning tools and techniques with Java implementations. 3rd ed. San Francisco CA: Morgan Kaufmann (2002) 76-77.
  • [6] Cha H., Kim Y. S., Park. S. H., Yoon T., Jung Y., Lee J. H., Learning styles diagnosis based on user interface behaviors for the customization of learning interfaces in an intelligent tutoring system. In Proceedings of the 8th International Conference on Intelligent Tutoring Systems, (2006) 513-524.
  • [7] Hämäläinen W., Vinni M., Comparison of machine learning methods for intelligent tutoring systems. In International Conference on Intelligent Tutoring Systems, Springer, Berlin (2006) 525-534.
  • [8] Perera D., Kay J., Koprinska I., Yacef K., Zaiane O. R., Clustering and sequential pattern mining of online collaborative learning data. IEEE Transactions on Knowledge and Data Engineering, 21(6) (2009) 759-772.
  • [9] Pardos Z. A., Gowda S. M., Baker S.J.d R., Heffernan N. T., The sum is greater than the parts: ensembling models of student knowledge in educational software. ACM SIGKDD Explorations Newsletter, 13(2) (2011) 37-44.
  • [10] Salton G., Automatic Text Processing: The Transformation, Analysis, and Retrieval of Information by Computer. Addison-Wesley, (1989).
  • [11] Kuzgun Y., Mesleki ve Teknik Öğretim Kurumları ve Meslekler Rehberi. National Education Press, Istanbul, (2006).
  • [12] Rakotomalala R., TANAGRA: a free software for research and academic purposes. Proceedings of EGC'2005, RNTI-E-3, 2 (2005) 697-702.

Ayrıntılar

Birincil Dil İngilizce
Konular Temel Bilimler
Bölüm Engineering Sciences
Yazarlar

Hidayet TAKCI
Cumhuriyet University, Department of Computer Engineering
0000-0002-4448-4284
Türkiye


Kali GURKAHRAMAN
Cumhuriyet University, Department of Computer Engineering
Türkiye


Emre Ünsal (Sorumlu Yazar)
Cumhuriyet University, Department of Computer Engineering
Türkiye


Ahmet Fırat YELKUVAN Bu kişi benim
Cumhuriyet University, Department of Computer Engineering
Türkiye

Yayımlanma Tarihi 25 Haziran 2020
Başvuru Tarihi 29 Mart 2018
Kabul Tarihi 22 Nisan 2020
Yayınlandığı Sayı Yıl 2020, Cilt 41, Sayı 2

Kaynak Göster

APA Takcı, H. , Gurkahraman, K. , Ünsal, E. & Yelkuvan, A. F. (2020). A matching model to measure compliance between department and student . Cumhuriyet Science Journal , 41 (2) , 467-471 . DOI: 10.17776/csj.410709