SBS sınav sonucu tahmin modeli

Bu araştırma, performans, demografik ve anket verilerine uygulanan makine öğrenimi algoritmalarını kullanarak ortaokul öğrencilerinin akademik performansını tahmin etmeyi amaçlamaktadır. Bu çalışmada, Çoklu Doğrusal Regresyon (MLR), Destek Vektör Makinesi (SVM) ve Evrişimsel Sinir Ağı (CNN) kullanarak 5 kat çapraz doğrulama kullanarak her algoritmanın bireysel ve birleşik veri kümeleri üzerindeki etkinliğini değerlendirdik. Performans Ortalama Mutlak Hata (MAE), Ortalama Karesel Hata (MSE), Ortalama Karekök Hata (RMSE), R-kare (r2) kriterleri ile değerlendirilir. Bu çalışmada, model doğruluğu ve hesaplama verimliliğindeki önemli farklılıkları ortaya koyarak eğitimsel veri analitiği için en uygun stratejiyi belirlemek amacıyla karşılaştırmalı analiz kullanılmıştır. Bu araştırma, öğrenci performansını tahmin etmeye yönelik makine öğrenimi tekniklerinin ayrıntılı bir değerlendirmesini sağlayarak eğitimsel veri madenciliğine katkıda bulunmayı ve eğitim stratejilerini ve müdahalelerini geliştirmeyi amaçlamaktadır.