Öznitelik seçme ve makine öğrenmesi yöntemleriyle eğitmen performansının tahmin edilmesi

Günümüzde hayatın her sektöründe işlenen veri miktarının parabolik olarak artması, veri madenciliğin gitgide daha popüler hale gelmesine yol açmış ve yüksek miktarda verinin artan bir karmaşıklıkta işlenmesi ihtiyacı doğmuştur. Finanstan, sağlığa, savunmadan eğitime onlarca sektörün sorunlarını çözmek adına gün geçtikçe farklı yöntemler geliştirilmekte, sosyal, ekonomik, bilimsel birçok problemin çözümü adına veri madenciliğine başvurulmaktadır. Eğitilen ve eğiten sayısının gün geçtikçe arttığı eğitim sektöründe ise, sistemin başarısının geliştirilebilmesi için gerek eğitilen gerekse eğitimcilerinin performanslarının takip edilmesi ve kıymetlendirilmesi ihtiyacı, Eğitimsel Veri Madenciliği (EVM) kavramını doğurmuştur. Bu alanda yapılan çalışmalar genel olarak, öğrenci performansı konularına yoğunlaştığından, eğitmen performansı konusunda daha çok çalışmaya ihtiyaç duyulmaktadır. Bu çalışmada Gazi Üniversitesi öğrencilerinin eğitmenleri hakkındaki değerlendirmelerini içeren bir veri seti üzerinde çalışılmış, çeşitli öznitelik indirgeme algoritmaları ve farklı makine öğrenme algoritmalarıyla eğitmenlerin performansları tahmin edilmiştir. Öznitelik indirgeme algoritmaları arasında en iyi sonucu Genetik Algoritma vermiş ve bu sayede daha az öznitelik kullanarak Tahmin Doğruluğu Performansı (TDP) arttırılmıştır. Kullanılan sınıflandırma algoritmaları arasında ise en doğru tahmin oranına Derin Öğrenme algoritması ulaşmıştır. Bu çalışmayı diğerlerinden farklı kılan özelliği ise, öznitelik indirgeme ve makine öğrenmesinin farklı kombinasyonlarını, işlem maliyetleriyle kıyaslayarak ortaya koymasıdır. Anahtar Kelimeler: Öznitelik İndirgeme, Eğitimsel Veri Madenciliği, Derin Öğrenme, Karar Ağacı, K-En Yakın Komşuluk.