Lise öğrencilerinin akademik başarılarının ChatGPT ve KNIME kullanılarak makine öğrenmesi modelleriyle tahmin sonuçlarının karşılaştırılması

Yapay zekâ teknolojilerindeki hızlı gelişmeler yalnızca günlük yaşantıyı değil, eğitimde veri temelli karar verme süreçlerini de köklü biçimde dönüştürmektedir. Bu değişim, öğretmenlerin büyük hacimli öğrenci verilerini etkili biçimde analiz edebilmesini ve öğrenme ortamlarını kanıta dayalı olarak iyileştirmesini zorunlu kılmaktadır. Bu araştırmanın amacı, üretken yapay zekâ aracı ChatGPT ile geleneksel açık-kaynak platformu KNIME'ın, lise öğrencilerinin akademik başarılarını makine öğrenmesi yoluyla tahmin etmedeki performanslarını karşılaştırmalı olarak incelemektir. Çalışma, nicel-ilişkisel tarama yaklaşımıyla tasarlanmış; CRISP-DM sürecine bağlı olarak işletilmiştir. Veriler, Portekiz'de iki derse (Matematik n = 395 | Portekizce n = 649) ait 33 akademik ve sosyo-demografik değişkenden oluşan kamuya açık verilerden sağlanmıştır. Beş gözetimli algoritma (KA, RF, NB, KNN, SVM) her iki araçta da hem ikili hem de çoklu sınıflama amacıyla dört senaryoda (A-tüm değişkenler; B-Not2 hariç; C-Not1 hariç; D-Not1ve Not2 hariç) uygulanmış; doğruluk, hatırlama ve F1 skorları ZeroR taban değeriyle karşılaştırılmıştır. Bulgular; (i) KNIME, ikili sınıflamada ortalama F1 = 0,92→0,85 aralığıyla ChatGPT'nin 0,07-0,15 puan önünde seyrederken çoklu sınıflamada da micro-F1'de ~0,07 üstünlük sağlamıştır; (ii) Akademik not değişkenlerinin çıkarılması doğrulukta 10-15 puan düşüşe yol açmış, devamsızlık ile aile ilişkisi KNIME modellerinde, ebeveyn eğitim düzeyi ise ChatGPT modellerinde öne çıkmıştır. Sonuç olarak, akademik ve sosyo-demografik verilerden hareketle akademik başarı tahmini gerçekleştirmek mümkündür. Üretken yapay zekâ araçları şimdilik veri madenciliği yazılımlarından daha düşük performans gösterirken erken keşif ve hız kazanımı sağlayan tamamlayıcı bir rol üstlenebilir. Bu çalışmanın, eğitim verisi analitiği alanında yapay zekâ çalışanlarına, politika yapıcılara ve gelecekteki araştırmalara yol gösterici nitelikte katkılar sunması beklenmektedir.