Predicting students' academic achievement with educational data mining: Using interaction data from learning management system

Bu çalışmanın amacı, 2020-2021 eğitim-öğretim yılı güz döneminde GEP0322-Dijital Okuryazarlık dersine kayıt yaptıran öğrencilerin dönem sonu geçme notlarının sadece öğrenme yönetim sistemi etkileşim verileri kullanılarak tahmin edilmesidir. Özellik seçim tekniklerinin model performansı üzerindeki etkisini incelemek için farklı özellik seçim yöntemleri kullanılmıştır. Her durumda, farklı algoritmalar verimli bir şekilde çalışmış, ancak tahmin sonuçları aynı çıkmamıştır. Model değerleri arasında bazı küçük farklılıklar olsa da, birinin diğerinden daha iyi olduğunu söylemek için yeterli değildir. Yapılan çalışmalarda sırasıyla CatBoost regresörü (RMSE=14,27), Random Forest regresörü (RMSE=14,39) ve Extra Trees regresörü (RMSE=15,84) en iyi model olarak çıkmıştır.