Veri Madenciliği İle Özel Öğrenme Güçlüğünün Tahmini

Özel öğrenme güçlüğü (ÖÖG) bireyin zekası ve yaşı ile ilişkili olmadığı zayıf kültür ve kısıtlı eğitim imkanlarından gibi özellikler ile açıklanamayan gelişimsel bir problemdir. Öğrenme güçlüğünün neler etkilediği net ifade edilmemek ile birlikte kalıtsal ve çevresel etkiler ile ortaya çıktığı düşünülmektedir. Özel öğrenme güçlüğü olan bireylere tanı konulması tanı sonrası eğitim süreci kadar önemlidir. Bu çalışmada özel öğrenme güçlüğü olan bireylerin tanı konulmasında veri madenciliği tekniklerinden yararlanılarak uygun sınıflandırma yöntemini belirlemektir. Bu kapsamda Özel öğrenme Güçlüğü olan 392 ve özel öğrenme güçlüğü olmayan 107 öğrenciden toplamda 499 öğrenciden eğitsel tanı formu verileri, veliden alınan veli bilgi formu ve performans belirleme formları aracılığıyla veriler toplanmıştır. Bu veriler veri seti haline getirilerek gerekli hesaplamaları ve modelleri elde etmek için DecisionTable, RandomForest, NaiveBayes, JRip, DecisionStump, OneR, RandomTree, REPTree Part sınıflandırma algoritmaları, Weka programında uygulanarak doğru sınıflama oranı, kappa istatistiği, ortalama mutlak hata değerleri, ROC eğrisi değerleri sonuçlar karşılaştırılmıştır. Verilerin eğitim ve test olarak ayrıştırılmasında WEKA programında varsayılan olarak gelen 10 Fold çapraz doğrulama yöntemi kullanılmıştır. Uygulamanın sonucu olarak özel öğrenme güçlüğü tespitinde en iyi sonucu veren algoritma tespit edilmeye çalışılmıştır. Bu kapsamda 9 farklı sınıflandırma yönteminden doğru sınıflama oranı, kappa istatistiği ve ortalama mutlak hata değerleri bakımından en iyi sonuçlar Random Forest yöntemiyle elde edilmiştir. Kıyaslama sonucunda Random Forest algoritmasından %92 başarı elde edilmiştir.