Eğitim bilimleri alanında yapılan lisansüstü tezler, geleneksel nicel ve nitel araştırma yöntemlerinin ötesine geçerek büyük veri setlerinden anlamlı örüntüler çıkarmayı hedeflemektedir. Öğrenci başarı verileri, öğretmen performans metrikleri, e-öğrenme platformu logları veya eğitim politikası istatistikleri gibi karmaşık ve çok boyutlu verilerin analizi için veri madenciliği (data mining) teknikleri giderek daha fazla önem kazanmaktadır. Bu süreçte, “eğitim verisi analizi yaptırma” ihtiyacı duyan araştırmacılar için Python programlama dili ve Tableau görselleştirme yazılımı, güçlü ve tamamlayıcı bir ikili oluşturmaktadır. Bu rehber, eğitim tezlerinde bu iki aracın nasıl sinerjik bir şekilde kullanılabileceğini detaylandırmaktadır.
Python: Eğitim Verisinin İşlenmesi ve Modelleme Motoru
Python, açık kaynak kodlu, öğrenmesi nispeten kolay ve eğitim veri madenciliği için zengin kütüphane ekosistemine sahip bir dildir. Bir eğitim bilimleri tezinde Python şu amaçlarla kullanılabilir:
1. Veri Ön İşleme ve Temizlik: Pandas ve NumPy kütüphaneleri ile eksik verilerin doldurulması, aykırı değerlerin tespiti, anket yanıtlarının kodlanması ve farklı formatlardaki veri setlerinin birleştirilmesi sağlanır.
2. Keşifsel Veri Analizi (EDA): Öğrenci başarısı ile sosyo-ekonomik faktörler arasındaki ilişkilerin istatistiksel özetleri ve korelasyon matrisleri oluşturulur.
3. İleri İstatistiksel Modelleme ve Makine Öğrenmesi: Scikit-learn kütüphanesi kullanılarak, öğrenci başarısını tahmin eden sınıflandırma modelleri (Random Forest, Lojistik Regresyon), öğrenme stillerini kümeleyen algoritmalar (K-Means Clustering) veya başarıyı etkileyen faktörleri sıralayan özellik seçimi yöntemleri uygulanabilir. Bu, karmaşık bir eğitim modellemesi yaptırma sürecidir.
4. Metin Madenciliği: Açık uçlu anket yanıtlarının, öğrenci yorumlarının veya müfredat metinlerinin doğal dil işleme (NLP) ile analizi yapılabilir.
Tableau: Eğitimsel Bulguların Etkileyici ve Anlaşılır Görselleştirilmesi
Tableau, karmaşık veri madenciliği sonuçlarını sezgisel ve etkileşimli görsel panolara (dashboard) dönüştürmek için kullanılan bir iş zekası ve görselleştirme aracıdır. Eğitim tezlerinde Tableau’nun avantajları:
1. Dinamik ve Etkileşimli Görseller: Öğrenci başarı trendlerini gösteren zaman çizelgeleri, okul performans haritaları veya öğrenme analitiği gösterge tabloları oluşturulabilir. Jüri tez savunma sunumu için ideal materyaller sağlar.
2. Veri Hikayesi Anlatımı: Karmaşık istatistiksel bulgular, bir hikaye akışı içinde görselleştirilerek tez okuyucusunun anlaması kolaylaştırılır. Bu, tez bulguları raporunu destekler.
3. Çok Boyutlu Veri Keşfi: Filtreler ve parametreler ile, farklı okul türleri, sınıf seviyeleri veya cinsiyet gibi değişkenlere göre veriler anında dilimlenip incelenebilir.
4. Python Entegrasyonu: Tableau’nun son sürümleri, Python betiklerini (TabPy) doğrudan çalıştırabilir. Böylece Python’da yapılan ileri analizlerin (örneğin, bir kümeleme modelinin sonuçları) Tableau’da görselleştirilmesi mümkün olur.
Pratik Uygulama Senaryosu: Bir Doktora Tezi Örneği
Konu: “Ortaöğretim öğrencilerinin uzaktan eğitim platformu kullanım davranışları ile akademik başarıları arasındaki ilişkinin veri madenciliği yöntemleri ile incelenmesi”
1. Adım (Python): Pandas ile platform log verileri (giriş süresi, izlenen video sayısı, forum katılımı) ve akademik not verileri birleştirilir, temizlenir.
2. Adım (Python): Scikit-learn ile öğrencilerin platform kullanım özelliklerine göre kümelere ayrılması (örneğin, “aktif katılımcılar”, “pasif izleyiciler”) sağlanır. Her kümenin ortalama başarı puanları karşılaştırılır.
3. Adım (Python): Başarıyı en iyi tahmin eden platform davranış değişkenlerini belirlemek için özellik önem sıralaması (feature importance) yapılır.
4. Adım (Tableau): Kümeleme sonuçları, öğrenci dağılımını gösteren bir harita üzerinde renk kodlu olarak görselleştirilir. Zaman içinde kümelerdeki başarı değişimini gösteren bir çizgi grafik ve özellik önem sıralamasını gösteren bir çubuk grafik oluşturulur. Tüm bu görseller, etkileşimli bir tez bulguları panosunda birleştirilir.
Bu karmaşık süreç, bir tez proje danışmanlığı kapsamında yürütülebilir.
Teknik Beceri Gereksinimi ve Öğrenme Kaynakları
Python ve Tableau’yu etkin kullanmak, temel istatistik bilgisinin yanı sıra programlama ve veri okuryazarlığı becerileri gerektirir. Eğitim bilimleri öğrencileri için:
Python: Temel sözdizimi, Pandas, NumPy ve Scikit-learn kütüphanelerine giriş seviyesinde hakimiyet yeterli başlangıçtır. Çevrimiçi kurslar (Coursera, Udemy) ve programlama soru çözdürme platformları yardımcı olabilir.
Tableau: Sürükle-bırak mantığına dayalı arayüzü daha hızlı öğrenilir. Tableau Public ücretsiz sürümü ve resmi eğitim videoları iyi bir başlangıç noktasıdır.
Pratik yapmak için, MEB’in açık veri portalı veya Kaggle’daki eğitim veri setleri (örneğin, PISA verileri) kullanılabilir. Zaman sıkıntısı varsa, analiz kodları hazırlatma veya veri madenciliği projesi yaptırma hizmetlerinden destek alınabilir.
Tez Yazımına Entegrasyon ve Etik Hususlar
Python ve Tableau çıktılarının tez metnine nasıl entegre edileceği önemlidir.
1. Metodoloji Bölümü: Kullanılan Python kütüphaneleri (örn., scikit-learn v1.3.0), algoritmaların parametreleri ve veri ön işleme adımları detaylandırılmalıdır. Tableau görselleştirme stratejisi kısaca açıklanmalıdır.
2. Bulgular Bölümü: Python analiz sonuçları (örneğin, bir modelin doğruluk skoru) metin içinde sunulurken, Tableau’dan alınan ve profesyonel çizim kalitesindeki görsellerle desteklenmelidir. Her görselin altına açıklayıcı bir başlık ve kısa yorum eklenmelidir.
3. Etik ve Şeffaflık: Kullanılan ham veri ve Python kodları (Jupyter Notebook formatında), tezin ekler bölümüne konulmalı veya GitHub gibi bir platforma yüklenerek şeffaflık sağlanmalıdır. Veri gizliliği (FERPA, GDPR) kurallarına kesinlikle uyulmalıdır.
Gelecek Trendleri ve Akademik Katkı
Eğitimde veri madenciliği, öğrenme analitiği (learning analytics) ve eğitsel veri madenciliği (educational data mining) alt disiplinlerini beslemektedir. Python ve Tableau gibi araçlarla hazırlanan tezler:
– Kişiselleştirilmiş öğrenme yollarının tasarımına katkı sağlar.
– Erken uyarı sistemleri ile akademik risk altındaki öğrencilerin tespit edilmesine olanak tanır.
– Eğitim politikalarının veriye dayalı olarak değerlendirilmesine zemin hazırlar.
Böyle bir tez, sadece bir akademik tez yaptırma süreci değil, aynı zamanda yüksek etkili dergi makalesine dönüşebilecek özgün bir araştırmadır. Süreç boyunca akademik danışmanlık almak, hem metodolojik doğruluğu hem de bulguların etkili sunumunu garantileyebilir.
Sonuç: Veriye Dayalı Eğitim Araştırmalarına Geçiş
Eğitim bilimleri tezlerinde Python ve Tableau ikilisi, araştırmacılara güçlü bir keşif ve iletişim aracı sunmaktadır. Python ile derinlemesine analiz edilen eğitim verileri, Tableau sayesinde anlaşılır ve ikna edici bir hikayeye dönüştürülebilir. Bu araçları öğrenmek ve kullanmak, başlangıçta ek bir çaba gerektirse de, ortaya çıkan tez projesinin akademik değerini, yenilikçiliğini ve pratik etkisini önemli ölçüde yükseltecektir. Geleceğin eğitim araştırmacıları, bu dijital becerilerle donanmış olarak, eğitim sistemlerinin iyileştirilmesine daha somut katkılar sunabileceklerdir.
Eğitim bilimleri tezlerinizde Python ve Tableau ile güçlü veri madenciliği sonuçlarına ulaşmak için
veri analizi desteği her zaman yanınızda!
