Öğretim yönetim sistemi üzerinde üniversite (lisans) düzeyindeki öğrenci hareketliliğinin veri madenciliği yöntemleriyle analizi

Bilgisayar teknolojisindeki gelişmeler veri depolama sistemlerinin yaygınlaşmasını sağlayarak büyük miktarlardaki verilerin manyetik ortamlarda saklanmasını kolay ve ucuz hale getirmiştir. Ancak depolanan bu veriler tek başlarına değersiz olup bir anlam ifade etmemektedir. Depolanan verilerin anlamlı hale getirilebilmesi için bilgisayar sistemleri kullanılarak belli bir amaca yönelik işlenerek bilgiye dönüştürülmesi gerekmektedir. Veriler arasındaki örüntülerin keşfedilerek anlamlı bilgi haline getirilmesi veri madenciliği yöntemleri ile sağlanabilmektedir. Bu çalışmada üniversite (lisans) düzeyindeki öğrencilerin Öğretim Yönetim Sistemi (ÖYS) üzerindeki hareketliliği ile akademik başarı düzeyleri arasındaki ilişki veri madenciliği yöntemleri kullanılarak incelenmiştir. Bu bağlamda bu çalışma, tarama modellerinden ilişkisel tarama modeline uygun olarak düzenlenmiş betimsel ve nicel bir çalışmadır. Çalışmanın örneklemini Başkent Üniversitesi Eğitim Bilimleri Enstitüsü Pedagojik Formasyon Sertifika Programı 2012-2013 eğitim öğretim yılı bahar dönemi Öğretim Teknolojileri ve Materyal Tasarımı dersini alan 40 öğrenci oluşturmaktadır. Çalışmada veri kaynağı olarak öğrencilerin ilgili eğitim öğretim yılına ait Moodle (Modular Object Oriented Dynamic Learning Environment) ÖYS üzerindeki hareketliliğini içeren log kayıtları ve yılsonu akademik başarı notları kullanılmıştır. Öğrencilerin ÖYS üzerindeki hareketliliği ile akademik başarı düzeyleri arasındaki ilişkinin belirlenmesinde disiplinler arası bir alan olan veri madenciliği teknikleri kullanılmıştır. İlk olarak veri madenciliği modellerinden tanımlayıcı model olan kümeleme modeli kullanılmış ve bu modelin oluşturulmasında K-Means algoritmasından yararlanılmıştır. Kümeleme modelinde veri kaynağı olarak 2012-2013 eğitim öğretim yılı bahar dönemi Öğretim Teknolojileri ve Materyal Tasarımı dersini alan öğrencilerin yılsonu akademik başarı notları kullanılmıştır. Kümeleme işleminin gerçekleştirilmesi sonucu öğrencilerin düşük, orta ve yüksek akademik başarı grubu olmak üzere 3 gruba ayrılmasına karar verilmiştir. K-Means algoritması tarafından akademik grupları için ortalama değerler hesaplanarak öğrenciler akademik başarı durumlarına göre bu akademik başarı gruplarına yerleştirilmiştir. Kümeleme işlemi sonucu oluşturulan akademik başarı gruplarının; öğrenci özellikleri hakkında bilgi sağlayabileceği, tahmin edici modeller içerisinde yer alan sınıflandırma modellerinden olan karar ağaçlarının oluşturulmasına ve elde edilen sonuçların daha kolay yorumlanabilmesine katkı sağlayacağı söylenebilir. Kümeleme işlemi gerçekleştirildikten sonra karar ağaçlarının oluşturulmasında veri kaynağı olarak öğrencilerin Moodle ÖYS üzerinde gerçekleştirdikleri eylemler kullanılmıştır. C5.0, CART (Classification And Regression Trees), CHAID (Chi-squared Automatic Interaction Detector), QUEST (Quick, Unbiased, Efficient Statistical Tree) algoritmaları kullanılarak oluşturulan karar ağaçlarının doğruluk oranları incelenmiş ve bu algoritmalar içerisinde en yüksek doğruluk oranını veren CART algoritmasının doğruluk oranı %85,0 olarak bulunmuştur. Karar ağaçları en yüksek doğruluk oranını veren CART algoritması kullanılarak oluşturulmuştur. Çalışma sonucunda elde edilen bulgulara bağlı olarak öğrencilerin ÖYS üzerindeki hareketliliği ve akademik başarı düzeyleri arasında anlamlı bir ilişkinin olduğu ortaya konulmuştur. ÖYS üzerinde yüksek düzeyde hareketlilik sergileyen öğrencilerin yüksek akademik başarı grubunda, orta düzeyde hareketlilik sergileyen öğrencilerin orta akademik başarı grubunda ve düşük düzeyde hareketlilik sergileyen öğrencilerin düşük akademik başarı grubunda yer aldıkları söylenebilir.