Çelik, Sibel AçışlıHacıoğlu, Gözde Fatma2025-02-042025-02-042024https://hdl.handle.net/11494/531715.04.2025 tarihine kadar kullanımı yazar tarafından kısıtlanmıştır.Lisansüstü Eğitim Enstitüsü, Fen ve Matematik Eğitimi Ana Bilim DalıBu araştırmada, PISA 2015-2018 sınav verilerini kullanarak, makine öğrenmesi algoritmaları ile Türkiye'den katılan öğrencilerin fen okuryazarlığı, matematik okuryazarlığı ve okuma becerileri üzerindeki akademik performans seviyelerini etkileyen öğrenci, aile ve okullara ait etmenlerin tespit edilmesi ve öğrencilerin akademik performanslarının tahmin edilmesi hedeflenmiştir. Ayrıca öğrenci performansını tahmin etmek amacıyla oluşturulan makine öğrenmesi modellerini anlamlı şekilde etkileyen değişkenler belirlenmiştir. Singapur ve B-S-J-Z (Çin) gibi ülkelerin PISA performanslarıyla bu değişkenlerin öğrencilerin akademik performansları üzerindeki etkileri karşılaştırılarak benzerlikler ve farklılıklar belirlenmiştir. Araştırma kapsamında, makine öğrenmesi algoritmalarından Random Forest (RF), XGBoost, Destek Vektör Regresyon (SVR) ve Bayesyan Düzenlemeli Yapay Sinir Ağları (BRNN) algoritmaları kullanılarak tahmin modelleri geliştirilmiştir. XGBoost algoritmasının, özellikle fen ve matematik okuryazarlık skorlarında düşük hata oranları ile yüksek performans sergilediği ve diğer algoritmalara kıyasla daha yüksek doğrulukta tahminler yaptığı belirlenmiştir. Değişkenlerin model performansına katkıları Shapley değerleri kullanılarak incelenmiş ve yüksek önem derecesine sahip değişkenler belirlenmiştir. Ayrıca, okulların ve öğrencilerin gelecekteki skorlarının tahmin edilmesi de amaçlanmıştır. Stratejik planlamalar yapmak ve eğitim sisteminin gelecekteki durumunu öngörmek için bu tahminler önemli detaylar vermektedir. Elde edilen bulgular, mevcut eğitim politikalarının yeniden değerlendirilmesi ve daha iyi hale getirilmesine ihtiyaç duyulduğunu belirtmektedir. Eğitim verilerinin analizi ve öğrenci performansını etkileyen öğrenci ve okul odaklı değişkenlerin belirlenmesi, eğitim sisteminin daha verimli hale getirilmesine katkıda bulunur. Bu süreç, öğrenci performansının artırılması için stratejiler geliştirilmesine yönelik bakış açısı sunar. Çalışma, Türkiye'nin PISA sınavlarındaki mevcut halini görmek ve gelecekteki eğitim politikalarını oluşturmak için önemli bilgiler vermektedir. Bu çalışma, öğrenci başarılarını etkileyen önemli değişkenleri belirlemenin yanı sıra, aynı zamanda öğrencilerin ve okulların gelecekteki performanslarını tahmin ederek, uzun vadeli eğitim planlamalarına da katkıda bulunmuştur. Bu bağlamda, elde edilen bulgular, gelecekte yapılacak daha detaylı ve kapsamlı araştırmalara temel olacak niteliktedir.The aim of this study was to identify the student, family, and school-level factors that affect the academic performance of Turkish students in terms of scientific literacy, mathematical literacy, and reading skills using PISA 2015-2018 data. Additionally, machine learning algorithms were used to develop models for predicting student performance, and the variables that significantly affected these models were identified. The study also compared the effects of these variables on student performance with those of countries such as Singapore and China. Machine learning algorithms including Random Forest (RF), XGBoost, Support Vector Regression (SVR), and Bayesian Regularized Neural Networks (BRNN) were used to develop prediction models. It was found that XGBoost had a high performance in predicting scores, especially for scientific and mathematical literacy, with low error rates compared to other algorithms. The contributions of the variables to model performance were analyzed using Shapley values, and the most important variables were identified. Furthermore, predictions were made for future school and student scores, which is significant for strategic planning and forecasting the future state of education systems. The findings suggest that current educational policies need to be re-evaluated and improved. The analysis of education data and identifying student- and school-level factors affecting student performance can contribute to making the education system more effective. This process provides a perspective on developing strategies to improve student performance. This study is important for understanding Turkey's current state in PISA exams and creating future educational policies. Additionally, it identified key variables affecting student success, predicted future student and school performances, and contributed to long-term education planning. In this context, the findings are expected to serve as a basis for more detailed and comprehensive future research studies.trinfo:eu-repo/semantics/closedAccessEğitim ve ÖğretimEducation and TrainingMaster Thesis1362901890