Öğrencilerin günlük yaşam alışkanlıklarının sınav başarılarına etkisini inceleyen regresyon tabanlı istatistiksel modelleme projesi, Veri temizleme, keşifçi veri analizi (EDA) ve çoklu doğrusal regresyon kullanarak öğrenci performans analizi.
Öğrenci Sınav Performansı Tahmini ve İstatistiksel Veri Analizi Proje Hakkında
Bu proje, öğrencilerin akademik başarılarını ve günlük yaşam alışkanlıklarını inceleyerek, bu faktörlerin sınav sonuçları üzerindeki etkilerini veri analizi ve makine öğrenmesi teknikleri ile modellemeyi amaçlamaktadır. Kullanılan Teknolojiler ve Kütüphaneler
Proje geliştirme sürecinde veri analizi, veri görselleştirme ve istatistiksel modelleme için Python programlama dili ve aşağıdaki kütüphaneler kullanılmıştır:
Pandas
NumPy
Matplotlib
Seaborn
Scikit-learn (LinearRegression, train_test_split, mean_squared_error, r2_score)
Veri Seti
Kullanılan veri seti ogrenci_sinav_verisi.csv dosyasıdır. Veri seti, öğrencilerin haftalık çalışma saatleri, devam oranları, günlük uyku saatleri, sosyal medya kullanım süreleri gibi özellikleri barındıran 19 farklı sütundan oluşmaktadır. Proje Adımları
Veriyi Tanıma: 130 satırdan oluşan verinin yapısı incelenmiş, eksik ve hatalı verilerin tespiti yapılmıştır.
Eksik ve Absürd Değerleri Temizleme: Ham verideki eksik (NaN) değerler ve mantık dışı olan kayıtlar (100'ü aşan devam oranları, 24 saati aşan uyku saatleri, negatif çalışma saatleri vb.) tespit edilip veriden çıkarılmıştır. Toplam 130 satırlık verinin neredeyse beşte biri olan 18 satır silinerek analiz için daha tutarlı bir veri seti elde edilmiştir.
Korelasyon Analizi: Değişkenler arasındaki istatistiksel ilişkiler incelenerek anlamlı örüntüler aranmıştır.
Model Eğitimi: Temizlenmiş veri üzerinden çoklu doğrusal regresyon (Linear Regression) modeli kurularak test edilmiştir.
Projeden Çıkarılanlar ve Sonuç
Veri analizi projelerinde model eğitmek en önemli kısım gibi görünse de, ham veri temizlenmediği sürece bu analizlerin güvenilirliği bulunmamaktadır.
Kurulan modelin R² değeri %29.4 olarak bulunmuştur. Bu sonuç, modelimizdeki bağımsız değişkenlerin, öğrenci başarısını (sonuç değişkenini) yalnızca sınırlı bir seviyede tahmin edebildiğini göstermektedir. Geriye kalan %69.6'lık açıklanamayan kısım; elimizdeki veride bulunmayan ve ölçülmesi zor olan diğer dış faktörlere (sınav stresi, çalışma verimi, hocanın kanaati vb.) bağlıdır. Sonuç olarak, veri ne kadar detaylı ve tertemiz olursa olsun mükemmel doğrulukta sonuçlar elde edilemeyebileceği anlaşılmıştır.