Ekin, Cansu Çiğdem

Profile Picture
Profile URL
https://hdl.handle.net/20.500.14411/6950
Name Variants
Aydin, Cansu Cigdem
Cansu Cigdem, Ekin
E.,Cansu Çiğdem
Aydin C.
Ekin, Cansu Cigdem
Ekin, Cansu
Aydin, C. C.
E., Cansu Çiğdem
C. C. Ekin
E., Cansu Cigdem
C.C.Ekin
C.Ç.Ekin
C., Ekin
Ekin, Cansu Çiğdem
C. Ç. Ekin
E.,Cansu Cigdem
Ekin, Cansu C.
Ekin,C.C.
Cansu Çiğdem, Ekin
C.,Ekin
Ekin,C.Ç.
Ekin C.
Aydın, Cansu Ciğdem
Rouyendegh, Babak Daneshvar
Rouyendegh (B Erdebilli), Babak Daneshvar
Job Title
Doçent Doktor
Email Address
cansu.aydin@atilim.edu.tr
Main Affiliation
Computer Engineering
Status
Website
ORCID ID
0000-0003-4838-9708
Scopus Author ID
Turkish CoHE Profile ID
Google Scholar ID
WoS Researcher ID
AFE-7836-2022

Sustainable Development Goals

NO POVERTY1
NO POVERTY
1
Research Products
ZERO HUNGER2
ZERO HUNGER
2
Research Products
GOOD HEALTH AND WELL-BEING3
GOOD HEALTH AND WELL-BEING
2
Research Products
QUALITY EDUCATION4
QUALITY EDUCATION
8
Research Products
GENDER EQUALITY5
GENDER EQUALITY
0
Research Products
CLEAN WATER AND SANITATION6
CLEAN WATER AND SANITATION
0
Research Products
AFFORDABLE AND CLEAN ENERGY7
AFFORDABLE AND CLEAN ENERGY
0
Research Products
DECENT WORK AND ECONOMIC GROWTH8
DECENT WORK AND ECONOMIC GROWTH
0
Research Products
INDUSTRY, INNOVATION AND INFRASTRUCTURE9
INDUSTRY, INNOVATION AND INFRASTRUCTURE
1
Research Products
REDUCED INEQUALITIES10
REDUCED INEQUALITIES
0
Research Products
SUSTAINABLE CITIES AND COMMUNITIES11
SUSTAINABLE CITIES AND COMMUNITIES
0
Research Products
RESPONSIBLE CONSUMPTION AND PRODUCTION12
RESPONSIBLE CONSUMPTION AND PRODUCTION
0
Research Products
CLIMATE ACTION13
CLIMATE ACTION
1
Research Products
LIFE BELOW WATER14
LIFE BELOW WATER
1
Research Products
LIFE ON LAND15
LIFE ON LAND
0
Research Products
PEACE, JUSTICE AND STRONG INSTITUTIONS16
PEACE, JUSTICE AND STRONG INSTITUTIONS
0
Research Products
PARTNERSHIPS FOR THE GOALS17
PARTNERSHIPS FOR THE GOALS
0
Research Products
This researcher does not have a Scopus ID.
Documents

14

Citations

165

Go to WoS profile
Scholarly Output

43

Articles

23

Views / Downloads

4/0

Supervised MSc Theses

5

Supervised PhD Theses

0

WoS Citation Count

563

Scopus Citation Count

646

Patents

0

Projects

0

WoS Citations per Publication

13.09

Scopus Citations per Publication

15.02

Open Access Source

8

Supervised Theses

5

JournalCount
Tehnicki Vjesnik4
3rd International Conference on Information Management and Evaluation (ICIME) -- APR 16-17, 2012 -- Atilim Univ, Performance Management & Applicat Res Ctr, Ankara, TURKEY3
Journal of Applied Mathematics2
Journal of Systems Architecture2
UBMK 2018 - 3rd International Conference on Computer Science and Engineering -- 3rd International Conference on Computer Science and Engineering, UBMK 2018 -- 20 September 2018 through 23 September 2018 -- Sarajevo -- 1435602
Current Page: 1 / 6

Scopus Quartile Distribution

Competency Cloud

GCRIS Competency Cloud

Filters

20231
Reset filters

Settings

Author: Doost, Mırwaıs

Scholarly Output Search Results

Now showing 1 - 1 of 1
  • Thumbnail Image
    Master Thesis
    Makine Öğrenme Tekniklerini Kullanarak Öğrencinin Akademik Performansinin Tahmin Edilmesi
    (2023) Doost, Mırwaıs; Ekin, Cansu Çiğdem
    Son dönemde eğitim sektörü, dünya genelinde insanların en fazla ilgisini çeken sektörlerden biri haline gelmiş ve bu, bu sektöre yatırım yapmak ve gelir elde etmek isteyenler için daha değerli hale gelmiştir. Bu nedenle, bu alanı daha istikrarlı hale getirmek için büyük çaba harcanmaktadır. Öğrenciler, bu alandaki en büyük paydaşlardır ve bu nedenle eğitimde daha fazla dikkat gerektirirler. Tüm üniversiteler, öğrencilerinin memnuniyetini sağlamak ve eğitim kalitesini artırmak için çaba sarf etmektedir. Çünkü eğitim kalitesi, öğrencilerin başarı oranı ve kurumun öğrencilerini elinde tutma yeteneğine bağlıdır. Öğrenci performansını tahmin etmek, başarısızlık riski taşıyan öğrencileri tanımlamanın bir yolu olduğu için yönetim, öğrenci performansını artırmak için kararlar alabilir. Bu analizler, Eğitim Veri Madenciliği (EDM) olarak adlandırılan, sonuçlar üretmek için çok büyük veri kümelerini keşfedebilen Makine Öğrenimi (ML) alt kümesi aracılığıyla gerçekleştirilebilir. Bu çalışmanın ana amacı, en uygun veri madenciliği algoritmalarını kullanarak öğrenci akademik performansını tahmin etmek ve lisans düzeyinde bilgisayar mühendisliği öğrencilerinin performansını etkileyen faktörleri belirlemektir. Öğrenci akademik performansı, Final Notu, Çalışma Süresi ve Bir Sonraki Dönem Ders Notu olmak üzere üç farklı açıdan analiz edilmiştir. Sonuçlarımız, Destek Vektör Makinesi (SVM) ve Karar Ağacı (DT) gibi iki en iyi ML algoritmasının olduğunu göstermektedir ve ayrıca sadece Final Notunun tahminde en değerli faktör olduğunu göstermiştir.