Tez No	İndirme	Tez Künye	Durumu
672307		Predicting students professional identity using datamining techniques / Öğrencilerin veri madenciliği tekniklerini kullanarak profesyonel kimlik tahmini Yazar:RAYA MOHAMMED MAHMOOD Danışman: DR. ÖĞR. ÜYESİ SEFER KURNAZ Yer Bilgisi: Altınbaş Üniversitesi / Lisansüstü Eğitim Enstitüsü / Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:	Onaylandı Doktora İngilizce 2020 158 s.
Sunulan tez, mezun üniversite öğrencileri arasındaki evrim derecesini araştırarak profesyonel kimlik gelişimi (PID) olarak adlandırılan sosyal bir konuyu tartışıyor ve profesyonel kimliğin gelişiminin çeşitli veri madenciliği teknikleri kullanılarak kolayca tahmin edilebileceğini öne sürüyor. Altınbaş üniversitesi öğrencilerinin / fen ve mühendislik yüksek lisans okulunun profesyonel kimliğini değerlendirmek için profesyonel kimlik beş faktörlü ölçek (PIFFS) adı verilen bir anket gerçekleştirildi, sonuçlar SPSS tarafından istatistiksel anket analizi prosedürü kullanılarak analiz edildi. Öte yandan, hesaplanan profesyonel kimlik çok değişkenli değerlere aktarılır ve tahmin aşamasında hedef olarak kullanılır. Tahmin metodolojisi, hedefe uygulanan ve performans açısından karşılaştırılan çoklu veri madenciliği algoritmalarını kullanır. Algoritmanın virgülle ayrılmış dosya (CSV) ile veritabanı tablolarında depolanan veriler arasındaki veri erişim yörüngesini ve verileri bölmenin genel algoritma performansı üzerindeki etkisini karşılaştırmak için uygulanan farklılaştırma yaklaşımı. Ayrıca karşılaştırma, platform mimarisinin tahmin oluşturma üzerindeki etkisini değerlendirmek için daha önce bahsedilen yaklaşımı Azure bulut sunucusuna kıyasla Windows platformunda uygulamayı içerir. Son olarak, öğrencilerin profesyonel kimliğini tahmin etmek için Azure bulutuna bir web hizmeti olarak yüklenecek en verimli algoritmayı zaman ve doğrulukla seçmek için her yol altında madencilik algoritmaları performansı sunmak.
The presented dissertation, debates a social topic called professional identity development (PID) by investigating its degree of evolution among graduated university students as well as suggesting that the development of professional identity can be easily predicted using various data mining techniques. A survey called professional identity five-factor scale (PIFFS) was carried out to evaluate the professional identity of altinbas university student's/Inistitue of graduate studies, the results analyzed using statistical survey analysis procedure using SPSS. On the other hand, the calculated professional identity transferred to multivariant values and employed as a target in the prediction phase. The prediction methodology uses multiple data mining algorithms which applied to the target and compared in terms of performance. Differentiation approach carried out to compare the algorithm's data access trajectory between comma-separated file (CSV) and data stored in database tables and the impact of splitting data on the overall algorithm performance. Besides, the comparison includes applying the previously mentioned approach on windows platform in comparison to the Azure cloud server to evaluate the effect of platform architecture on the prediction. Finally, presenting mining algorithms performance under each route to select the most efficient algorithm in a matter of time and accuracy to be uploaded as a web service in Azure cloud for predicting students' professional identity.