Year: 2026
Type: article
Abstract: Bu çalışmada, anket verileri kullanılarak kariyer alanı tercihlerinin tahmin edilmesi amaçlanmıştır. Anket, öğrencilerin seçmeli ders tercihlerini etkileyebilecek sorulardan oluşmaktadır. 375 öğrenciden oluşan veri kümesi, derslerin içerikleri ve yapısal özellikleri, öğrencilerin derslere yönelim durumları ve demografik bilgileri gibi değişkenleri barındırmaktadır. Çalışmada, öğrencilerin ankette cevaplandırdığı kariyer alanı sorusu hedef değişken olarak belirlenmiştir. Veri setinin toplanmasından sonra veri ön işleme aşaması ile birlikte kategorik veriler sayısal değerlere dönüştürülmüştür. Deneylerin yapılması için sekiz farklı makine öğrenmesi algoritması belirlenmiş ve bütün modeller ayrı ayrı çalıştırılmıştır. Modellerin performansları doğruluk, kesinlik, duyarlılık ve F1-skoru performans metrikleriyle değerlendirilmiştir. Başlangıç deney sonuçlarından sonra Genetik Algoritma ve Hill Climbing yöntemleri ile öznitelik seçimi ve hiperparametre optimizasyonu yapılarak model performanslarının yükseltilmesi amaçlanmıştır. Gerçekleştirilen başlangıç deneyleri sonucunda %94 doğruluk oranı elde eden Karar Ağacı, en başarılı model olmuştur. Başlangıç sonuçlarına uygulanan optimizasyon işlemleri sonrasında en yüksek performans, %96 doğruluk oranı ile Gradient Boosting ve Genetik Algoritma kombinasyonuyla elde edilmiştir. Bu sonuçlar seçmeli ders tercihlerini etkileyebilecek faktörler ile oluşturulan anket verilerinin kariyer alanı tercihlerini tahmin etmede kullanılabilecek bilgiler taşıdığını göstermektedir. Ek olarak, Genetik Algoritma ve Hill Climbing yöntemleri kullanılarak yapılan optimizasyonların modellerin performanslarını artırdığı görülmektedir. Bu kapsamda, makine öğrenmesi modellerinin anket verilerine dayalı öğrenci tercihlerini analiz etmede ve tahmin üretmekte kullanılabileceği ortaya konmaktadır. Ayrıca, Genetik Algoritma ve Hill Climbing gibi yöntemlerin model performansını destekleyici katkılar sunduğu görülmektedir.
Source: Teknik Bilimler Dergisi
Authors: Cevriye Altıntaş, Alper Kaplan
Institution: Isparta University of Applied Sciences
Language: Turkish
Subfield: Computer Science Applications
Field: Computer Science
Domain: Physical Sciences
SDG: Quality education
Open Access status: diamond
OpenAlex ID: W7169728896