Liselere Giriş Sınavı (LGS) ortaokul 8. sınıf öğrencilerinin girdikleri ve aldıkları puanlara göre okuyacakları liseleri belirlemektedir. Bu sınav ile öğrencinin eğitim öğretim becerileri sınanmaktadır. Öğrencilerin sınav başarısını, öğrencinin sosyal-ekonomik durumu, aile ortamı, ebeveyn eğitim durumu, cinsiyeti ve önceki yıllara ait eğitim verilerinde gibi faktörler etkilemektedir. Bu faktörlerin sınav başarısındaki etkilerinin araştırılması, mevcut durumun tahmin edilebilmesi, gelecek dönemlerdeki öğrenci başarısını iyileştirmede çok önemlidir. Bu amaçla ortaokul öğrenci bilgileri güncel makine ögrenme yöntemleri kullanılarak analiz edilmiştir. Öğrencilerin sınav performansını etkileyen faktörler ön plana çıkarılmıştır. Aynı zamanda öğrencinin sınav performans tahmini yapılmıştır. Çalışmamızın sonuçları alanda daha önce yapılan araştırma sonuçlarını desteklemektedir. Çeşitli optimizasyon yöntemleri kullanarak sınav performansını etkileyen ortak faktörler tespit edilmiştir. Bunlar; ortaokul öğrencisinin yıllara göre okul puan ortalaması, aile gelir durumu, kardeş sayısı ve sıralaması ve özürsüz devamsızlık sayısıdır. Devamında birden fazla makine ögrenme yöntemi kullanılarak öğrenci sınav performans tahmini yapılmıştır. Yapılan deneylerde optimizasyon algoritması olan Guguk Kuşu Arama Algoritmaları (GKAA) ile seçilen etkin faktörler, Destek Vektör Regresyonu analizi ile 0.866 (R2 doğruluk) sınav başarı tahminin skoru elde edilmiştir. Aynı zamanda sınav performansında kardeş sıralamasının etkisi gözlenmiş, ileri çalışmalar için hedefler belirlenmiştir.
Siverek Kaymakamlığı
The high school entrance exam (LGS) determines the high schools that 8th grade students will attend based on their scores. With this exam, students' education and training skills are tested. The exam success of students is influenced by factors such as social-economic status, family environment, parental education status, gender and educational data from previous years. It is very important to investigate the effects of these factors on exam success, to predict the current situation and to improve student success in future periods. For this purpose, secondary school student information was analyzed using current machine learning methods. Factors affecting students' exam performance were highlighted. At the same time, the student's exam performance was predicted. The results of our study support the results of previous research in the field. Using various optimization methods, common factors affecting exam performance were identified. These are the average school score of the secondary school student by years, family income status, number and ranking of siblings, and the number of unexcused absences. Subsequently, multiple machine learning methods were used to predict student exam performance. In the experiments, the effective factors were selected with the optimization algorithm Cuckoo's Nest Search Algorithms (CGSA) and a score of 0.866 (R2 accuracy) was obtained with Support Vector Regression analysis. At the same time, the effect of sibling ranking on exam performance was observed and targets for further studies were determined.
LGS Score Prediction Machine Learning Artificial Intelligence in Education
Birincil Dil | Türkçe |
---|---|
Bölüm | Makaleler |
Yazarlar | |
Erken Görünüm Tarihi | 16 Kasım 2023 |
Yayımlanma Tarihi | 31 Aralık 2023 |
Gönderilme Tarihi | 24 Temmuz 2023 |
Kabul Tarihi | 24 Ekim 2023 |
Yayımlandığı Sayı | Yıl 2023 Cilt: 5 Sayı: 2 |
Bu eser Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır.
This work is licensed under a Creative Commons Attribution-Non Commercial 4.0 International License.