Bu çalışmayla, öğrencilerin başarı ölçülerini kestirebilen bir modelin geliştirilmesiamaçlanmaktadır. Araştırma verileri Yüzüncü Yıl Üniversitesi 2015 – 2016 Öğretim Yılı GüzDönemi ve bu dönemde öğrenim gören 2. ve 3. sınıf öğrencilerini kapsamaktadır. Araştırma,amaçlı örnekleme esasıyla, 657’si 3. sınıf ve 392’si 2. sınıf olmak üzere 1049 öğrenci üzerindenyürütülmüştür. Veriler, araştırmacı tarafından geliştirilen demografik bilgi formu aracılığıylaelde edilmiştir. Çalışmada, 17’si girdi, 1’i çıktı olmak üzere 18 değişkenin yer aldığı YapaySinir Ağları yöntemiyle geliştirilen bir tahmin modeli oluşturulmuştur. Modelin geliştirilmesi3. sınıf öğrenci verileri kullanılarak gerçeklemişken, geliştirilen bu model ile 2. sınıf öğrenciverileri kullanılarak bu öğrencilerin başarı ölçüleri kestirilmiştir. Elde edilen sonuçlar,Sınıflama (Kontenjans) Tabloları, Ki-kare testi, Basit Doğrusal Regresyon Analizi veKorelasyon Analizi yöntemleri aracılığıyla doğrulanmış ve karşılaştırılmıştır. Bu sonuçlaragöre, kestirilen başarı ölçüleri ile gözlenen başarı ölçülerinin ve bu ölçülerle oluşanbaşarılı/başarısız şeklindeki başarı sınıflandırılmasının önemli ölçüde benzerlik gösterdiğigörülmüştür.
The aim of this study is to improve a model that estimates the students’ success scores. The survey data covers sophomores (2nd year students) and juniors (3rd year students) of fall semester of Yüzüncü Yıl University in 2015 – 2016. The study, based on purposive sampling, was carried out with 1049 students; 657 students of them were juniors and 392 students were sophomores. The data was obtained through a demographic information form which was improved by the researcher. İn this study, an estimation model was constituted using artificial neural Networks that has 18 variable, 17 input and 1 output. The devolopment of model was carried out using the data of juniors. Using this developed model with the data of sophomores, the success scores of these students was predicted. The results obtained was verified and compared utilizing classification (contingency) tables, chi square test, simple linear regression analysis and correlation analysis. According to these results it was observed that predicted success scores showed similarity with the observed success scores greatly and with the success classification formed by these scores as succussful/ unsuccessful.
