PISA 2022 Türkiye Örnekleminde Bilgi ve İletişim Teknolojisi Kaynakları Kullanımının Okuma Performansını Yordama Durumunun Veri Madenciliği Teknikleriyle İncelenmesi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Bursa Uludağ Üniversitesi, EĞİTİM FAKÜLTESİ, BİLGİSAYAR VE ÖĞRT.TEK.EĞT.BL., Türkiye
Tezin Onay Tarihi: 2024
Tezin Dili: Türkçe
Öğrenci: BARIŞ ŞAYBAK
Danışman: Salih Birişçi
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Bu araştırmanın amacı, PISA 2022 sınavına katılan Türk öğrencilerin bilgi ve iletişim teknolojileri (BİT) ile ilişkili erişim, kullanım ve yeterlilik düzeylerinin okuma okuryazarlık performansları ile olan ilişkisini incelemektir. Bu amaç doğrultusunda çalışmada, okuma performansını etkilediği tahmin edilen BİT değişkenleri farklı veri madenciliği teknikleriyle keşfedilmiş, bu değişkenlerin okuma başarısındaki değişkenliğin ne kadarını açıkladığı tespit edilmiş ve kullanılan veri madenciliği tekniklerinin öğrencilerin okuma performanslarını tahmin etmede başarım açısından farklılık gösterip göstermediği araştırılmıştır. Araştırmada PISA 2022 Türkiye örnekleminde bulunan 7250 öğrencinin yanıtladığı anketler kullanılmıştır. CRISP-DM yöntemi kullanılarak yürütülen araştırmada verilerin hazırlanması aşamasında kayıp ve gürültülü veriler tespit edilerek analizden çıkarılmıştır. Model kurmaya hazırlık aşamasında öğrenciler okuma performansı yeterlilik düzeylerine göre "Başarılı-Başarısız" olmak üzere iki kategoride ölçeklendirilmiştir. Model kurma aşamasında ise BİT değişkenlerinin okuma okuryazarlık puanlarındaki değişkenliğin ne kadarlık bir bölümünü açıkladığını ortaya çıkarmak amacıyla çoklu doğrusal regresyon modeli oluşturulmuştur. Akabinde okuma başarılarını tahmin etmek amacıyla Naive Bayes, C4.5 Karar Ağacı, Yapay Sinir Ağları, K-En Yakın Komşu ve Lojistik Regresyon algoritmaları kullanılarak tahmin modelleri oluşturulmuştur. Oluşturulan modellerde 10 katlı çapraz geçerleme örneklemesi yapılarak doğrulama seti oluşturulmuştur. Verilerin analiz edilmesi sürecinde; çoklu doğrusal regresyon analizinde IDB Analyzer V.5 programından, makine öğrenme modellerinin eğitilmesi ve test edilmesinde ise R Studio ortamından faydalanılmıştır. Elde edilen bulgular ışığında; BİT'e dair erişim, kullanım ve yeterlilik düzeylerinin öğrencilerin okuma puanlarındaki varyansın %24'lük bir bölümünü açıklayabildiği, tahmin amaçlı oluşturulan modellerin tümünün okuma okuryazarlık puanlarını kabul edilebilir düzeyde bir doğrulukla tahmin ettiği belirlenmiştir. Veri madenciliği sınıflandırma tekniklerinde kullanılan modellerin performansları kıyaslandığında; en yüksek başarımı %70,29 doğrulukla Yapay Sinir Ağları, en düşük başarımı ise %67,13 doğrulukla Lojistik Regresyon yönteminin gösterdiği belirlenmiştir. Araştırma sonucunda; BİT değişkenlerinden bir kısmının öğrencilerin okuma okuryazarlık performanslarını yordamada etkili oldukları, kullanılan veri madenciliği sınıflandırma tekniklerinin kabul edilebilir bir doğrulukla ve rastgele olmayan tahminler yürütmesinden ötürü öğrenci başarılarının kestirilmesinde kullanılabileceği sonucuna varılmıştır.