Makine öğrenmesi teknikleri kullanılarak Türkiye'deki yabancı öğrencilerin okul terkinin tahmin edilmesi: yemenli öğrenciler üzerine bir örnek çalışma
Predicting school dropout of foreign students in turkey using machine learning techniques: A case study on yemeni students
- Tez No: 954773
- Danışmanlar: DR. ÖĞR. ÜYESİ SELAHATTİN ALAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Kehanet, Makine öğrenmesi, Sınıflandırma, Uluslararası öğrenciler, Veri analizi, Prediction, Machine learning, Classification, International student, Data analysis
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez, Türk yükseköğretiminde uluslararası öğrenciler arasında önemli bir sorun olarak görülen okul terki sorununu ele almakta ve örneklem olarak Yemenli öğrenciler üzerine odaklanmaktadır. Uluslararası öğrenciler, okul terkine neden olabilecek özgün akademik, sosyo-kültürel ve ekonomik baskılarla karşı karşıya kalmaktadır. Bu araştırma, Türkiye'deki uluslararası öğrenciler arasında okul terkine sebep olan temel faktörleri belirlemeyi ve bu öğrencilerin okul terki ihtimalini doğru bir şekilde tahmin etmek için makine öğrenimi (ML) modelleri geliştirip değerlendirmeyi, böylece proaktif müdahale stratejilerine bilgi sağlamayı amaçlamıştır. Araştırmada; nicel, uygulamalı ve tanımlayıcı bir araştırma tasarımı kullanılmıştır. Veriler, demografik, akademik, finansal ve sosyo-kültürel değişkenleri kapsayan yapılandırılmış bir anket aracılığıyla 545 Yemenli öğrenciden toplanmıştır. Ön işleme sonrasında, 277 öğrenciden oluşan bir veri seti (okul terki/mezuniyet sınıflandırması için) Lojistik Regresyon, Rastgele Orman, Destek Vektör Makineleri ve XGBoost dahil olmak üzere on beş ML algoritmasını eğitmek ve test etmek için kullanılmıştır. Modeller, %80 eğitim / %20 test oranıyla doğruluk, kesinlik, geri çağırma ve F1 puanı kullanılarak değerlendirilmiştir. Temel bulgular; akademik performans (Genel Akademik Not Ortalaması), Türkçe dil yeterliliği, bölüm memnuniyeti, finansal faktörler (burs, aile ekonomisi) ve psikolojik stres faktörlerinin okul terkini tahmin etme sürecinde önemli kriterler olduğunu göstermiştir. Topluluk ML modelleri, özellikle XGBoost ve Doğrusal Diskriminant Analizi (LDA), en yüksek tahmin doğruluğunu göstererek diğer modellere kıyasla daha başarılı sonuçlar vermiştir. Özelliklerin önemine yönelik yapılan analiz, bu belirleyici faktörlerin gerçekten etkili olduğunu ortaya koymuştur. Ayrıca, tahmin modelinin pratik uygulamasını ortaya koymak için bir prototip web sitesi de geliştirilmiştir. Bu çalışma, makine öğrenmesi tekniklerinin, Türkiye'de öğrenim gören yabancı öğrencilerin okul terkinin öngörülmesinde etkili bir araç olduğunu ortaya koymakta ve okul terkinin tahmin edilmesinde etkili olan kritik faktörleri ortaya koymaktadır. Sonuçlar, Türkiye'de öğrenim gören yabancı öğrencilerin okul terki riskini azaltmak için öğrencilere akademik, dilsel, finansal ve psikolojik alanlarda hedefli ve kurumsal desteğin gerekli olduğunu ortaya koymaktadır. Geliştirilen modeller ve web uygulaması, risk altındaki öğrencilerin erken tanısı ve onlara destek sağlanması için pratik araçlar sunmaktadır. Gelecek araştırmalar, farklı uluslararası öğrenci gruplarını da kapsayacak şekilde genişletilmeli ve öğrencilerin zaman içindeki gelişimlerini izleyen uzun dönemli verilere yer vermelidir.
Özet (Çeviri)
This thesis addresses the significant issue of school dropout among international students in Turkish higher education, with a specific focus on Yemeni students as a case study. International students face unique academic, socio-cultural, and economic pressures that can lead to a dropout. This research aims to identify the primary factors leading to school dropout among international students in Türkiye, develop and evaluate machine learning (ML) models for accurately predict likelihood of dropout among these students, thereby informing proactive intervention strategies. A quantitative, applied and descriptive research design have been used in this research. Data were collected from 545 Yemeni students through a structured survey covering demographic, academic, financial, and socio-cultural variables. After preprocessing, a dataset of 277 students (for dropout/graduation classification) was used to train and test fifteen ML algorithms, including Logistic Regression, Random Forest, Support Vector Machines, and XGBoost. The models were evaluated using accuracy, precision, recall, and F1-score, with an 80% training and 20% testing split. Main results indicated that academic performance (last GPA), Turkish language proficiency, department satisfaction, financial factors (scholarships, family economics), and psychological stress factors are important criteria in predicting school dropout. Ensemble ML models, particularly XGBoost and Linear Discriminant Analysis (LDA), outperformed other models by demonstrating the highest predictive accuracy. An analysis of feature importance reveals the significant impact of these determined factors. Additionally, a prototype website was developed to demonstrate the practical application of the prediction model. This study concludes that machine learning techniques are an effective tool for predicting school dropout among international students studying in Türkiye and identifies the critical factors influencing dropout predictions. The results suggest that institutional support for international students in Türkiye across academic, linguistic, financial and psychological is necessary to reduce the risk of dropout among them. The developed models and web application offer practical tools for early identification and support students who are at-risk. Future studies should be expanded to include diverse international student populations and include longitudinal data for tracking students' development over time.
Benzer Tezler
- Diyabetus mellitus'da gözlenen mikrovasküler komplikasyonların prostaglandinler ile olan ilişkisi
The Relation of microvaskular complications observed in diabetes mellitus with prostoglandins
CANAN NEBİGİL
Doktora
Türkçe
1985
Eczacılık ve FarmakolojiCumhuriyet ÜniversitesiFarmakoloji Ana Bilim Dalı
YRD. DOÇ. DR. YUSUF SARIOĞLU
- Kam yapma aparatı
Cam milling attachment
ORHAN UZUN
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEVZİ ERCAN
- Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu
Başlık çevirisi yok
İRFAN KARAGÖZ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BORAT
- Helisel yayların statik karakteristiklerini ölçme ve kontrol etme cihazının tasarımı ve imalatı
Design and manufacture of a device measuringand controlling the static characteristics of helical springs
MUAMMER MUSULLUOĞLU
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. FEVZİ ERCAN
- Güneş enerjisi ile çalışan R21-DMF li soğurmalı soğutma çevrimin analizi ve bazı tersinmezliklerin çevrimin performansı üzerindeki etkilerinin incelenmesi
Analysis of R21-DMF solar powered absorpption refrigeration system and effect of someirreversbilities on the Performance of the cycle
SEYİT ARİF TÜR
Yüksek Lisans
Türkçe
1987
Makine MühendisliğiGazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERCAN ATAER