Yükseköğretimde Risk Altındaki Öğrencilerin Belirlenmesi: Makine Öğrenmesi Kullanılarak Veri Odaklı Bir Yaklaşım

Abstract

Bu çalışma, yükseköğretim kurumlarındaki çeşitli fakültelerde kayıp riski taşıyan öğrencilerin tespit edilmesine odaklanmaktadır. 2017 ile 2023 yıllarını kapsayan verilerden yararlanılarak, demografik, akademik ve kayıtla ilgili çeşitli değişkenler denetimli ve denetimsiz yöntemlerle analiz edilmiştir. Araştırmada, akademik başarı, bazı kişisel bilgiler ve katılım ölçütleri gibi faktörler ele alınarak, farklı akademik alanlarda öğrenci kaybının temel belirleyicileri ortaya konulmaya çalışılmıştır. Araştırmanın bulguları, geçmişe yönelik devamlılık eğilimleri hakkında içgörüler sunmanın yanı sıra, her dönem öncesinde kayıp riski taşıyan öğrencilerin tespit edilme yeteneğini artırmayı amaçlamaktadır. Araştırmanın temel amacı, kayıp riski taşıyan öğrencilerin erken tespitini sağlayarak, üniversitelerin bu grubu önceden belirleme yeteneğini geliştirmektir. Bu doğrultuda elde edilen bulgular, öğrenci kaybının ardındaki dinamiklerin daha iyi anlaşılmasına katkıda bulunmayı hedeflemektedir.This study focuses on identifying students at risk of attrition in various faculties of higher education institutions. Utilizing data spanning from 2017 to 2023, various demographic, academic, and enrollment-related variables were analyzed using supervised and unsupervised methods. The research examines factors such as academic performance, certain personal information, and engagement metrics to uncover the primary determinants of student attrition across different academic domains. The findings aim to provide insights into historical retention trends and enhance the ability to identify students at risk of attrition before each academic term. The primary objective of this research is to enable the early identification of at-risk students, thereby improving universities' capacity to detect this group in advance. Accordingly, the results aim to contribute to a better understanding of the dynamics behind student attrition.