Open Access
| Issue |
SHS Web Conf.
Volume 37, 2017
ERPA International Congresses on Education 2017 (ERPA 2017)
|
|
|---|---|---|
| Article Number | 01057 | |
| Number of page(s) | 9 | |
| DOI | https://doi.org/10.1051/shsconf/20173701057 | |
| Published online | 14 August 2017 | |
- Erol, N. Mesleki Ortaöğretimde Yeni Müfredat Doğrultusunda Öğretmenlerin Eğitim İhtiyaçlarının Belirlenmesi. Yayınlanmamış Yüksek Lisans Tezi. Gazi Üniversitesi Eğitim Bilimleri Enstitüsü, Ankara (2010) [Google Scholar]
- Aycan, Z. Balcı, H. Hizmet İçi Eğitimin Etkililiğini Yordayan Bireysel ve Kurumsal Faktörler. Türk Psikolojisi Dergisi, 16, 48, 15 (2001) [Google Scholar]
- Eker, G. Endüstri Meslek Lisesi Öğrencilerinin Tükenmişlik Düzeyi. Yüksek Lisans Tezi. İstanbul: Marmara Üniversitesi Fen Bilimleri Enstitüsü (2007) [Google Scholar]
- Çevik, M. (2014). Mevcut Biyoloji Öğretim Programının Mesleki ve Teknik Liselerde Görevli Yönetici, Öğretmen ve Öğrenci Görüşlerine Göre Değerlendirilmesi ve Yeni Bir Taslak Program Önerisi (Fotosentez Konusu Örneği). Yayınlanmış Doktora Tezi. Gazi Üniversitesi Eğitim Bilimleri Enstitüsü, Ankara. [Google Scholar]
- Binici, H., Arı, N. Mesleki ve teknik eğitimde arayışlar. Gazi Üniversitesi Eğitim Fakültesi Dergisi, 24, 3, (2004) [Google Scholar]
- Şahin, İ. Fındık, T. Türkiye’de mesleki ve teknik eğitim: Mevcut durum, sorunlar ve çözüm önerileri. TSA/Yıl:12, 3, 65–86 (2008) [Google Scholar]
- Yörük, S. Dikici, A., Uysal, A. Bilgi toplumu ve Türkiye’de mesleki eğitim. Fırat Üniversitesi Sosyal Bilimler Dergisi, 24, 3, 229–312 (2002) [Google Scholar]
- Han, J., Kamber, M. Data Mining, Southeast Asia Edition: Concepts and Techniques. Morgan Kaufmann, 81 (2006) [Google Scholar]
- Öztemel, E. Yapay sinir ağları. (1.Basım). İstanbul: Papatya Yayıncılık (2003) [Google Scholar]
- Tosun, Ö. Sınıflandırmada yapay sinir ağları ve karar ağaçları karşılaştırması: öğrenci başarıları üzerine bir uygulama, Yüksek Lisans Tezi, İstanbul teknik Üniversitesi Fen Bilimleri Enstitüsü, İstanbul (2007) [Google Scholar]
- Yurtoğlu, H. Yapay sinir ağları metodolojisi ile öngörü modellemesi: bazı makroekonomik değişkenler için türkiye örneği, Doktora Tezi, Ankara (2005) [Google Scholar]
- Baş, N. Yapay Sinir ağları Yaklaşımı ve Bir Uygulama. Yayınlanmamış Yüksek Lisans Tezi. Mimar Sinan Güzel Sanatlar Üniversitesi Fen Bilimleri Enstitüsü. İstanbul (2006) [Google Scholar]
- Gorr, W. L., Nagin, D., Szczypula, J. Comparative study of Artificial Neural Network and Statistical Models for Predicting Student Grade Point Averages. Interntional Journal of Forecasting, 10, 17–34 (1994). [CrossRef] [Google Scholar]
- Subbanarasimha, P. N., Arinzeb, B., Anandarajanb, M. The Predictive Accuracy of Artificial Neural Networks and Multiple Regression in the Case of Skewed Data. Exploration of Some Issues Expert Systems with Applications, 19, 117–123 (2000) [CrossRef] [Google Scholar]
- Oladokun, V. O., Adebanjo, A. T., Charles-Owaba, O. E. Predicting Students’ Academic Performance using Artificial Neural Network: A Case Study of an Engineering Course. The Pacific Journal of Science and Technology, 9, 1 (2008) [EDP Sciences] [Google Scholar]
- Çırak, G., Çokluk Ö. Yükseköğretimde öğrenci başarılarının sınıflandırılmasında yapay sinir ağları ve lojistik regresyon yöntemlerinin kullanılması. Mediterranean Journal of Humanities, 3, 2, 71–79 (2013) [Google Scholar]
- Karasar, N. Bilimsel araştırma yöntemi. Ankara: Nobel Yayın Dağıtım (2005) [Google Scholar]
- Güneri, N., Apaydın, A. Öğrenci Başarılarının Sınıflandırılmasında Lojistik Regresyon Analizi ve Sinir Ağları Yaklaşımı. Ticaret ve Turizm Eğitim Fakültesi Dergisi, 1, 170–188 (2004) [Google Scholar]
- Ibrahim, Z., Rusli, D. “Predicting Students’ Academic Performance: Comparıng Artificial Neural Network, Decision Tree and Linear Regression. 21st Annual SAS Malaysia Forum, Shangri- La Hotel, Kuala Lumpur, September, 5 (2007) [Google Scholar]
- MEB. Matematik ve meslek matematiği dersi öğretim programı. Milli Eğitim Bakanlığı Çıraklık ve Yaygın Eğitim Genel Müdürlüğü, Ankara (2005) [Google Scholar]
Current usage metrics show cumulative count of Article Views (full-text article views including HTML views, PDF and ePub downloads, according to the available data) and Abstracts Views on Vision4Press platform.
Data correspond to usage on the plateform after 2015. The current usage metrics is available 48-96 hours after online publication and is updated daily on week days.
Initial download of the metrics may take a while.