Lise öğrencilerinin akademik başarılarının ChatGPT ve KNIME kullanılarak makine öğrenmesi modelleriyle tahmin sonuçlarının karşılaştırılması
Comparison of the results of predicting the academic achievements of high school students with machine learning models using ChatGPT and KNIME
- Tez No: 944403
- Danışmanlar: DOÇ. DR. ÖZGÜR YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Eğitim ve Öğretim, Education and Training
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar ve Öğretim Teknolojileri Eğitimi Ana Bilim Dalı
- Bilim Dalı: Bilgisayar ve Öğretim Teknolojileri Eğitimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
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.
Özet (Çeviri)
Rapid developments in artificial intelligence technologies are radically transforming not only daily life but also data-driven decision-making in education. This change requires teachers to effectively analyze large volumes of student data and improve learning environments based on evidence. The purpose of this study is to comparatively examine the performance of the generative artificial intelligence tool ChatGPT and the traditional open-source platform KNIME in predicting high school students' academic achievement through machine learning. The study was designed with a quantitative correlational survey approach and operated based on the CRISP-DM process. Data were obtained from publicly available data consisting of 33 academic and socio-demographic variables for two Portuguese subjects (Mathematics n = 395 | Portuguese n = 649). Five supervised algorithms (KA, RF, NB, KNN, SVM) were applied in four scenarios (A - all variables; B - excluding Note2; C - excluding Note1; D - excluding Note1 and Note2) for both binary and multiclassing on both instruments, and accuracy, recall and F1 scores were compared to the ZeroR baseline. Results; (i) KNIME outperformed ChatGPT by 0.07-0.15 points in binary classification with an average F1 = 0.92→0.85, and by ~0.07 points in micro-F1 in multiclass classification; (ii) Removing academic grade variables led to a 10-15 point decrease in accuracy, while family relationship with absenteeism was prominent in KNIME models and parental education level was prominent in ChatGPT models. In conclusion, it is possible to predict academic achievement based on academic and socio-demographic data. Generative artificial intelligence tools, while currently underperforming data mining software, can play a complementary role, providing early discovery and speed gains. This study presents findings in the field of educational data analytics that provide guidance for artificial intelligence professionals, policy makers and future research.
Benzer Tezler
- Lise 9. sınıf öğrencilerine osmoz ve difüzyon'un öğretilmesinde Web 2.0 araçları ve ChatGPT programının öğrenci başarısına etkisi
The effect of Web 2.0 tools and ChatGPT program on student success in teaching osmosis and diffusion to 9th grade high school students
MEHMET BÜYÜK
Doktora
Türkçe
2025
BiyolojiNecmettin Erbakan ÜniversitesiMatematik ve Fen Bilimleri Eğitimi Ana Bilim Dalı
PROF. DR. HAYDAR ÖZTAŞ
- Lise öğrencilerinin akademik başarılarının akıllı telefon, internet, oyun ve sosyal medya bağımlılıkları ile ilişkisinin incelenmesi
Investigation of the relationship between high school students' academic achievement and their smartphone, internet, game and social media addictions
RUKEN POLAT ÇALIŞKAN
Yüksek Lisans
Türkçe
2024
Eğitim ve ÖğretimKocaeli ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. GÜLŞAH TURA
- Lise öğrencilerinin duygusal zeka ile akademik başarılarının bazı demografik değişkenlere göre incelenmesi
The study of the academic success and emotional i̇ntelligence of high school students in accordance with some demographic variables
YUNUS MENCİK
Yüksek Lisans
Türkçe
2017
PsikolojiNişantaşı ÜniversitesiPsikoloji Ana Bilim Dalı
YRD. DOÇ. DR. ASLI BURÇAK TAŞÖREN
- Askeri lise öğrencilerinin ortokul ve lisedeki ders çalışma alışkanlıkları ve akademik başarılarının karşılaştırılması
Başlık çevirisi yok
NAİM DİLEK
Yüksek Lisans
Türkçe
1993
Eğitim ve ÖğretimMarmara ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. MUHSİN HESAPÇIOĞLU
- Lise öğrencilerinin fizik dersinde harmanlanmış ve geleneksel öğretim yöntemine göre akademik başarılarının ve öz yeterlilik düzeylerinin değerlendirilmesi
Evaluation of academic achievements and self-efficiency perceptions of high school students according to blended and tradi̇ti̇onal teachi̇ng
NUR ERDOĞAN
Yüksek Lisans
Türkçe
2019
Eğitim ve ÖğretimBahçeşehir ÜniversitesiEğitim Teknolojisi Bilim Dalı
DOÇ. DR. KENAN DİKİLİTAŞ