Asking the Right Questions to Nominate A Student as Gifted and Talented: A Machine Learning Approach

Bu calismada, bir ogrencinin ustun zekâli ve yetenekli olarak aday gosterilmesi icin gelistirilen 69 soruluk olcekten ogretmenin kararinda en etkili sorularin secilerek olcekteki soru sayisinin azaltilmasi amaclanmistir. Bu amacla Nitelik Eleme ve Ki-kare Filtresi nitelik secimi yontemleri kullanilmistir. Ayrica calismada bir ogrenciyi ustun zekâli ve yetenekli olarak aday gostermede en iyi performansi veren makine ogrenmesi algoritmasinin bulunmasi da hedeflenmistir. Bunu gerceklestirebilmek icin Rastgele Orman Algoritmasi, C4.5 Karar Agaci Algoritmasi ve Naive Bayes Siniflandirici makine ogrenmesi algoritmalari kullanilmistir. Analizler sonucunda Ki-kare Filtresi yontemiyle 69 soruluk olcek 20 soruya indirilmis, sonrasinda Naive Bayes Siniflandirici bu yeni veri setine uygulandiginda, model %92 dogrulukla bir ogrenciyi ustun zekâli ve yetenekli olarak aday gostermistir. Onerilen bu modelin, aday gosterme surecinde zamandan tasarruf edilmesini saglayacagi ve olcegin ogretmenler tarafindan doldurulmasi esnasinda cok sayida soruyla ilgilenmekten kaynakli dikkat daginikligini onleyerek sonuclarin dogrulugunu artiracagi dusunulmektedir. Ayrica, veriye dayali ongoru modellerinin aday gosterme surecinde kullanilmasiyla daha rasyonel kararlar elde edilecegine inanilmaktadir.