Sınıf Öğretmenliği Öğrencilerinin Mezuniyet Notlarının Regresyon Analizi ve Yapay Sinir Ağları Yöntemleriyle Tahmini / Estimation of Graduation Grades of Primary Education Students by Using Regression Analysis and Artificial Neural Networks

Bu arastirmada Akdeniz Universitesi Egitim Fakultesi Sinif Ogretmenligi Bolumu’nden 2012-2017 yillari arasinda mezun 578 ogrencinin cinsiyet, medeni durum, kayit yasi ve 1. sinif 1. donem ara sinav puanlari verisi kullanilarak mezuniyet notlarini tahmin etmek icin modeller olusturulmustur. Anonimlestirilmis ogrenci verisi uzerinde coklu dogrusal regresyon analizi ve yapay sinir aglari ile olusturulan modellerin capraz degerlendirme sonuclarinda ogrenci basarisini kestirmede birbirine yakin sonuclar verdigi gorulmustur. Ortalama mutlak hata yuzdesi degerleri baz alinarak yapilan degerlendirmede regresyon analizi modeli %94.30 basari saglarken yapay sinir aglari modeli %94.43 basari saglamistir. Modeller ogrenci basarisina etki eden faktorlerin agirliklarini belirlemek icin bulgular saglamistir. Arastirma kapsaminda gelistirilen modellerin etkili oldugu egitimde toplam kalite yonetimi baglaminda sifir hata hedefinde proaktif pozisyon alarak ogrenci basarisini artirma gibi calismalarinda kullanilabilecegi soylenebilir.