PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi
Yıl: 2016 Cilt: 41 Sayı: 185 Sayfa Aralığı: 101 - 122 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022
PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi
Öz: Bu çalışmanın amacı, matematik okuryazarlığı bakımından başarılı ve başarısız öğrencileri derse ilişkin ilgi, tutum, motivasyon, algı, öz yeterlik, kaygı ve çalışma disiplini değişkenlerine göre sınıflandırmak ve bu değişkenlerin sınıflandırmada örneklemini Türkiye'deki Uluslararası Öğrenci Değerlendirme Programına Çalışmanın verileri 15 yaşındaki 1391 öğrenciden elde edilmiştir. Verilerin analizinde karar ağacı uygulamalarından CHAID ve veri madenciliğinden yararlanılmıştır. Verilerin analizinde, SPSS ve WEKA programından yararlanılmıştır. Çalışma sonucunda elde edilen bulgulara göre başarılı ve başarısız öğrencileri sınıflandırmada en önemli duyuşsal özelliklerin öz yeterlik algısı, derse ilişkin tutum ve çalışma disiplini olduğu belirlenmiştir. Çalışmada ayrıca veri madenciliği yöntemlerinden J.48 karar ağacı yardımıyla elde edilen doğru sınıflama yüzdesinin CHAID analizi yöntemiyle elde edilen değere çok yakın olduğu belirlenmiştir. Elde edilen bu sonuca göre CHAID analizinin veri madenciliğinde kullanılan karar ağacı yöntemlerine alternatif bir yöntem olarak görülebileceği belirlenmiştir. Çalışmada elde edilen bulgulara göre matematik okuryazarlığında Türkiye örneklemi için özellikle öz yeterlik algısı, derse ilişkin tutum ve kaygı durumları ile çalışma disiplini konuları üzerinde durulması önerilmektedir. Bu alanlarda yapılacak düzenlemeler ile öğrencilerin başarı durumunun değişebileceği ve ülkemizin PISA sınavlarında daha üst sıralarda yer alacağı düşünülmektedir.
Anahtar Kelime: Konular:
Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
- Acar, T. (2012). 2009 yılı uluslararası öğrenci başarılarını değerlendirme programında Türk öğrencilerin başarılarını etkileyen faktörler. Eğitimde ve Psikolojide Ölçme ve Değerlendirme, 3(2), 309-314.
- Akay, H. ve Boz, N. (2011). Sınıf öğretmeni adaylarının matematiğe yönelik tutumları, matematiğe karşı öz-yeterlik algıları ve öğretmen öz-yeterlik inançları arasındaki ilişkilerin incelenmesi. Türk Eğitim Bilimleri Dergisi, 9(2), 281-312.
- Alan, M. A. (2012). Veri madenciliği ve lisansüstü öğrenci verileri üzerine bir uygulama. Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, 33, 165-174.
- Alan, M. A. (2014). Karar ağaçlarıyla öğrenci verilerinin sınıflandırılması. Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, 28(4), 101-112.
- Allison, P. D. (2009). Missing data: Quantitative methods in psychology. London: SAGE Publication.
- Allison P. D. (2003). Handling missing data by maximum likelihood. SAS Global Forum 2012.
- Alpar, R. (2003). Uygulamalı çok değişkenli istatistiksel yöntemlere giriş-1. Ankara: Nobel Kitabevi.
- Alpar, R. (2011). Uygulamalı çok değişkenli istatistiksel yöntemler. Ankara: Detay Yayıncılık.
- Anderson, L. W. (1988). Attitudes and their measurement: Methodology and measurement. New York: Pergamon Pres.
- Aşkar P. ve Erdem M. (1986). Öğretmen adaylarının öğretmenlik mesleğine yönelik tutumları. 1.Ulusal Eğitim Kongresi'nde sunulmuş bildiri, Marmara Üniversitesi, İstanbul.
- Ayaydın, M. ve Tok, H. (2015). Motivasyonu etkileyen faktörlere ilişkin sınıf öğretmenlerinin görüşlerinin incelenmesi (Gaziantep örneği). International Periodical for the Languages, Literature and History of Turkish or Turkic Volume, 10(11), 187-200.
- Aydın, A., Erdağ, C. ve Taş, N. (2011). 2003 - 2006 PISA okuma becerileri değerlendirme sonuçlarının karşılaştırmalı olarak değerlendirilmesi (sınavda en başarılı beş OECD ülkesi-Türkiye örneği). Kuram ve Uygulamada Eğitim Bilimleri Dergisi, 11(2), 651-673.
- Aypay, A. (2010). Information and communication technology (ICT) usage and achivement of Turkish students in PISA 2006. The Turkish Online Journal of Educational Technology, 9(2), 116-124.
- Azar, A. ve Akıncı, M. (2009), Öğretmen Adaylarının Öğretmen Özyeterlik İnancı, Akademik Başarı ve KPSS Başarıları Arasındaki İlişkinin Çeşitli Değişkenler Açısından Yordanması, 7. Ulusal Fen ve Matematik Eğitimi Kongresi, Gazi Üniversitesi, Ankara.
- Bakioğlu, A. ve Yıldız, A. (2013). Finlandiya'nın PISA başarısına etki eden faktörler bağlamında Türkiye'nin durumu. Eğitim Bilimleri Dergisi, 38, 37-53.
- Bandura, A. (1997). Self-efficacy: The exercise of control. New York: Freeman.
- Berberoğlu, G. ve Kalender, İ. (2005). Öğrenci başarısının yıllara, okul türlerine, bölgelere göre incelenmesi: ÖSS ve PISA analizi. Eğitim Bilimleri ve Uygulama, 4(7), 21-35.
- Bramer, M. (2007). Principles of data mining. London: Springer.
- Brewer, M. B. (2000). Research design and issues of validity. New York: Cambridge University Press.
- Broekens J., Kosters W. A. ve Verbeek F. J. (2007). Affect, anticipation and adaptation: Affect- controlled selection of anticipatory simulation in artifical adaptive agents. Adaptive Behavior, 15(4), 397-422.
- Brossart, D. F., Clay, D. L. ve Wilson, V. L. (2002). Methodological and statistical considerations for threats to ınternal validity in pediatric outcome data: Response shift in self-report outcomes. Journal of Pediatric Psychology, 27(1), 97-107.
- Brown, G. ve Micklewright, J. (2004). Using international surveys of achievement and literacy: A wiev from the outside. Montreal, Rome: UNESCO Enstitute for Statistics.
- Bulle, N. (2011). Comparing OECD educational models through the prism of PISA. Comparative Education, 47(4), 503-521.
- Büyüköztürk, Ş. (2014). Deneysel desenler: Öntest sontest kontrol gruplu desen ve veri analizi. Ankara: Pegem Akademi.
- Campbell, D. T. ve Stanley, J. C. (1963). Experimental and quasi-experimental designs for research. Boston: Houghton Mifflin Co.
- Casady, R. (2005). Internal validity. AHA Research Guides, 1-2.
- Chang, T. S. (2011). A comparative study of artificial neural networks, and decision trees for digital game content stocks price prediction. Expert Systems with Applications, 38, 14846-14851.
- Cheungh, K. C. (1988). Outcomes of schooling: Mathematics achıevement and attitudes towards mathematics learning in Hong Kong. Educational Studies in Mathematics ,.19, 209-219.
- Çoban A. (1989). Ankara merkez ortaokullarındaki son sınıf öğrencilerinin matematik dersine ilişkin tutumları (Yüksek lisans tezi). Gazi Üniversitesi, Sosyal Bilimler Enstitüsü, Ankara.
- Cohen, J. (1992). Statistical power analysis. Current Directions in Psychological Science, 1(3), 98-101.
- Cook, T. D. ve Campbell D. T. (1979). Quasi-experimentation: Design and analysis issues for field settings. Boston: Houghton Mifflin.
- Coren, S., Ward, L.M. ve Enns, J. T. (1993). Sensation and perception. Harcourt Brace College Publisers.
- Coşguner, T. (2013). Uluslararası öğrenci başarı değerlendirme programı (PISA) 2009 uygulaması okuma becerileri okuryazarlığını etkileyen faktörler (Yüksek lisans tezi). Akdeniz Üniversitesi, Eğitim Bilimleri Enstitüsü, Antalya.
- Demir, E. (2013). Kayıp verilerin varlığında çoktan seçmeli testlerde madde ve test parametrelerinin kestirilmesi: SBS örneği. Eğitim Bilimleri Araştırmaları Dergisi, 3(2), 48-68.
- Demir, E. ve Parlak, B. (2012). Türkiye'de eğitim araştırmalarında kayıp veri sorunu. Eğitim ve Psikolojide Ölçme ve Değerlendirme Dergisi, 3(1), 230-241.
- Demir, İ. ve Kılıç, S. (2010). Using PISA 2003: Examining the factors affecting students' mathematics achievement. H. U. Journal of Education, 38, 44-54.
- Doğan, İ. (2003). Holştayn ırkı ineklerde süt verimine etki eden faktörlerin CHAID analizi ile incelenmesi. Ankara Üniversitesi Veteriner Fakültesi Dergisi, 50, 65-70.
- Doğan, N. ve Özdamar, K. (2003). CHAİD analizi ve aile planlaması ile ilgili bir örnek. Türkiye Klinikleri Tıp Bilimleri Dergisi, 23(5), 392-397.
- Dossey, J. A., McCoren, S. S. ve O'Sullivan, C. (2006). Problem solving in the PISA and TIMSS 2003 assessments, U.S. Department of Education. Washington, DC: National Center for Education Statistics.
- Duran, M. ve Bekdemir, M. (2013). Görsel matematik okuryazarlığı özyeterlik algısıyla görsel matematik başarısının değerlendirilmesi. Pegem Eğitim ve Bilim Dergisi, 3(3), 27-40.
- Dursun, Ş. ve Dede, Y. (2004). Öğrencilerin matematikte başarısını etkileyen faktörler: Matematik öğretmenlerinin görüşleri bakımından. Gazi Eğitim Fakültesi Dergisi, 24(2), 217-230.
- EARGED. (2008). PISA'da okuma becerileri: PISA'da matematik okuryazarlığı. http://pisa.meb.gov.tr/wp- content/uploads/2013/07/PISA-2009-Ulusal-On-Rapor.pdf adresinden erişildi.
- Erbaş, S. ve Güneş, A. (1998). Chaid analizi. Istatistik Konferansı Bildiri Kitabı içinde (s. 381). Ankara.
- Elsayad A. M. ve Elsalamony, H. A. (2013). Diagnosis of breast cancer using decision tree models and SVM. International Journal of Computer Applications, 83(5), 19-29.
- Erktin,E. (1993). The Relationship between math anxiety attitude toward mathematics and classroom environment. 14.International Conference of Stress and Anxiety Research Society (STAR), Cairo, Egypt, April 5-7 1993.
- Ethington, C.A. ve Wolfle, L.M. (1986). A structural model of mathematics achievement for men and women. American Educational Research Journal, 5-75.
- Fayyad, U. (1998). Mining databases: Towards algorithms for knowledge discovery. DE Bulletin, 21(1), 41-48.
- Ferla, J., Valcke, M. ve Cai, Y. (2009). Academic self-efficacy and academic self-concept: Reconsidering structural relationships. Learning and Individual Differences, 19, 499-505.
- Feuer, M. J. (2012). No country left behind: Rhetoric and reality of international large-scale assessment (13. bs.). Princeton NJ: ETS.
- Fisher, C. W. (1995). Academic learning time. L. W. Anderson (Ed.). International encyclopedia of teaching and teacher education. Oxford: Pergamon.
- Goodwin, C. J. (2010). Research in psychology methods and design. New Jersey: John Wiley and Sons.
- Gülten, D. Ç., Poyraz, C. ve Soytürk, İ. (2012). Öğretmen adaylarının matematik okuryazarlığı öz- yeterliklerinin ders çalışma alışkanlıkları açısından incelenmesi. Eğitim ve Öğretim Araştırmaları Dergisi, 1(2), 143-149.
- Gürsakal, S. (2012). PISA 2009 öğrenci başarı düzeylerini etkileyen faktörlerin değerlendirilmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 17(1), 441-452.
- Güzel İş, Ç. (2014). The impact of student and school characteristics and their interaction on Turkish students' mathematical literacy skills in the programme for international student assessment (PISA) 2003. Mediterranean Journal of Educational Research, 15, 11-30.
- Güzel İş, Ç. ve Berberoğlu, G. (2010). Students' affective characteristics and their relation to mathematical literacy measures in the programme for international student assessment (PISA) 2003. Eurasion Journal of Educational Research, 40, 93-113.
- Güzeller, C. O. ve Akın, A. (2014). Relationship between ICT variables and mathematics achievement based on PISA 2006 database: International evidence. The Turkish Online Journal of Educational Technology, 13(1), 184-192.
- Harms, T. J. (2000). Analysis of Minnesota students' mathematical literacy on TIMSS, NAEP and MNBST (Yayımlanmış doktora tezi). North Dakota Üniversitesi, North Dakota, ABD.
- Horner, S. B., Fireman, G. D. ve Wang, E. W. (2010). The relation of student behavior, peer status, race and gender to decisions about school discipline using CHAID decision trees and regression modeling. Journal of School Psychology, 48, 135-161.
- İnan, C. ve Bekler, E. (2014). PISA sınavlarında Türkiye'nin performansı ve öğretmen eğitiminde çözüm önerileri. Turkish Studies, 9(5), 1097-1118.
- İskenderoğlu, T. A., Erkan, İ. ve Serbest, A. (2013). 2008-2013 yılları arasındaki SBS matematik sorularının PISA matematik yeterlik düzeylerine göre sınıflandırılması. Turkish Journal of Computer and Mathematics Education, 4(2), 147-168.
- Kaiser, G. ve Willander, T. (2004). Development of mathematical literacy: Results of an empirical study. Teaching Mathematics and Its Applications, 24, 2-13.
- Kaiser, G. (2002). International comparison in mathematics education: An overview. ICM, 1, 631-646.
- Kalaycı, Ş. (2014). SPSS uygulamalı çok değişkenli istatistik teknikleri, Ankara: Asil Yayın Dağıtım.
- Karasar, M. (2008). Bilimsel araştırma yöntemi. Ankara: Nobel Yayın Dağıtım.
- Kass, G. (1980). An exploratory technique for investigating large quantities of categorical data. Applied Statistics, 29, 119-127.
- Kayri, M. ve Boysan, M. (2007). Araştırmalarda Chaid analizi kullanımı ve baş etme stratejileri ile ilgili bir uygulama. Ankara Üniversitesi Eğitim Bilimleri Fakültesi Dergisi, 40(2), 133-149.
- Keşan, C.,Yetişir, Ş. ve Kaya, D. (2011). İlköğretim İkinci Kademe Öğrencilerinin Görsel, İşitsel ve Kinestetik Durumlarının Belirlenmesi ve Matematiğe Yönelik Tutumlarının Başarıya Etkisi. e- Journal of New World Sciences Academy, 6 (4), 2660-2674.
- Kızılkaya Aydoğan, E., Gencer, C. ve Akbulut, S. (2008). Veri madenciliği teknikleri ile bir kozmetik markanın ayrılan müşteri analizi ve müşteri bölümlenmesi. Mühendislik ve Fen Bilimleri Dergisi, 26(1), 42-56.
- Kline, R. B. (2005). Principles and practice of structural equation modeling (2. bs.). New York: Guilford Press.
- Koğar H. (2015) Matematik okuryazarlığını etkileyen faktörlerin aracılık modeli ile incelenmesi, Educatıon And Science, 40 (179), 45-55.
- Kuyucu, Y. E. (2012). Lojistik regresyon analizi (LRA), yapay sinir ağları (YSA) ve sınıflandırma ve regresyon ağaçları (C&RT) yöntemlerinin karşılaştırılması ve tıp alanında bir uygulama (Yayınlanmış yüksek lisans tezi). Gaziosmanpaşa Üniversitesi, Sağlık Bilimleri Enstitüsü, Tokat.
- Küçükahmet, L. (2000). Öğretimde planlama ve değerlendirme. Ankara: Nobel Yayınları.
- Larose, D. T. (2005). Discovering knowledge in data. New Jersey: Wiley Publication.
- Little, R. J. A. (1988). A test of missing completely at random for multivariate data with missing values. Journal of the American Statistical Association, 83, 1198-1202.
- Little, R. J. A. ve Rubin, D. B. (1987). Statistical analysis with missing data. New York: John Wiley and Sons.
- LUMA. (2002). Finnish knowledge in mathematics and sciences in 2002: Final report of LUMA programme. Helsinki: Ministry of Education, Department for Education and Science Policy.
- Magidson, J. (1982). Some common pitfalls in causal analysis of categorical data: Special issue on causal modeling. Journal of Marketing Research, 19(4), 461-471.
- Manav, F. (2011). Kaygı kavramı. Toplum Bilimleri Dergisi, 5(9), 291-211.
- McLeod, D. (1992). Research on affect in mathematics education: A reconceptualization. D. A. Grouws (Ed.). Handbook of research on mathematics teaching and learning. NewYork: MacMillan.
- MEB. (2011). PISA Türkiye. Ankara: Milli Eğitim Bakanlığı Yenilik ve Eğitim Teknolojileri Genel Müdürlüğü.
- MEB. (2013). PISA 2012 ulusal ön raporu. Ankara: MEB.
- Mertler, C. A. ve Vannatta, R. A. (2005). Advanced and multivariate statistical methods: Practical application and interpretation. Thousand Oaks, CA: Sage Publication.
- Minato, S. ve Yanase, S. (1984). On the relarionship between students's attitudes toward school mathematics and their levels of intelligence. Educational Studies in Mathematics, 15, 313-320.
- Murphy, K. R. ve Myors, B. (2004). Statistical power analysis, a simple and general model for traditional and hypothesis test. London: Lawrence Erlbaum Associates.
- OECD. (2014). PISA 2012 results: What students know and can do student performance in mathematics, reading and science (Cilt 1). http://www.oecd.org/pisa/keyfindings/pisa-2012-results-volume-I.pdf adresinden erişildi.
- OECD. (2003). The PISA 2003 assessment framework - mathematics, reading, science and problem solving knowledge and skills. Paris: OECD.
- OECD. (2006). Assessing scientific, reading and mathematical literacy: A framework for PISA. http://www.oecd.org/ adresinden erişildi.
- OECD. (2007). PISA 2006 database, [Online] Retrieved on 12-April-2010, at URL: http://pisa2006.acer.edu.au/downloads.php
- OECD (2013). PISA 2012 results: what students know and can do (volume I): student performance in mathematics, reading and science. OECD publishing.
- Oğuzlar, A. (2003). Veri önişleme. Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 21, 67-76.
- Orhan, U. (2012). Makine öğrenmesi dersi: Entropi, karar ağaçları (ID3 ve C4.5 algoritmaları), sınıflandırma ve regresyon ağaçları, ders notları. http://bmb.cu.edu.tr/uorhan/DersNotu/Ders03.pdf adresinden erişildi.
- Özdemir, B. ve Gelbal, S. (2014). Investigating factors that affect Turkish students' academic success with canonical commonality analysis according to PISA 2009 results. Education and Science, 39(175), 41-57.
- Özer, Y. ve Anıl, D. (2011). Öğrencilerin fen ve matematik başarılarını etkileyen faktörlerin yapısal eşitlik modeli ile incelenmesi. Hacettepe Üniversitesi Eğitim Fakültesi Dergisi, 41, 313-324.
- Özgen, K. ve Bindak, R. (2008). Matematik okuryazarlığı öz-yeterlik ölçeğinin geliştirilmesi. Kastamonu Eğitim Dergisi, 16(2), 517-528.
- Özkan, Y. (2008). Veri madenciliği yöntemleri. İstanbul: Papatya Yayınları.
- Özsoy Güneş, Z., Çıngıl Barış, Ç. ve Kırbaşlar, F. G. (2013). Fen bilgisi öğretmen adaylarının matematik okuryazarlığı öz-yeterlik düzeyleri ile eleştirel düşünme eğilimleri arasındaki ilişkilerin incelenmesi. Hasan Ali Yücel Eğitim Fakültesi Dergisi, 19(1), 47-64.
- Pajares, F. (1996). Self-efficacy beliefs and mathematical problem solving of gifted students. Contemporary Educational Psychology, 21, 325-344
- Pajares, F. and Miller, M. D. (1994). The role of self-efficacy and self-concept beliefs in mathematical problem-solving: A path analysis. Journal of Educational Psychology, 86, 193-203.
- Peker, M. ve Mirasyedioğlu, Ş. (2003). Lise 2.sınıf öğrencilerinin matematik dersine yönelik tutumları ve başarıları arasındaki ilişki. Pamukkale Üniversitesi Eğitim Fakültesi Dergisi, Sayı 14, 157-166
- Picard, R. W. (1997). Affective computing. Massachusetts: MIT Press.
- Pigott, T. D. (2001). A review of methods for missing data. Educational Research and Evaluation, 7(4), 353-383.
- Randhawa, B. S., Beamer, J. E., & Lundberg, I. (1993) 'Role of mathematics self-efficacy in the structural model of mathematics achievement, Journal of Educational Psychology, 85 (1), 41-48.
- Ratner, B. (2015) Market segmentation: Defining target markets with CHAID, DM STAT-1. http://www.dmstat1.com/res/MarketSegmentationWithCHAID.html adresinden erişildi.
- Ratner, B. (2007). Statistical modeling and analysis for database marketing: Effective techniques for mining big data. Boca Raton, FL: Chapman & Hall/CRC.
- Robson, C. (2002). Real world research: A resource for social scientists and practitioner-researchers. Massachussetts: Blackwell Publishers.
- Saracaloğlu, A. S., Başer, N., Yavuz, G. & Narlı, S., (2004). Öğretmen adaylarının matematiğe yönelik tutumları öğrenme ve ders çalışma stratejileri ile başarıları arasındaki ilişki. Ege Eğitim Dergisi, 5 (2), 53-64.
- Satıcı, Ö., Akkuş, Z. ve Alp, A. (2009). Tıp fakültesi öğretim elemanlarının teknolojiye ilişkin tutumlarının CHAID analizi incelenmesi. Dicle Tıp Dergisi, 36(4), 267-274.
- Savaş, E., Taş, S. ve Duru, A. (2010). Factors affecting students' achievement in mathematics. İnönü University Journal of the Faculty of Education, 11(1), 113-132.
- Seltman, H. J. (2014). Experimental design and analysis. http://www.stat.cmu.edu/~hseltman/309/Book/Book.pdf adresinden erişildi.
- Shadish, W. R., Cook, T. D. ve Campbell, D. T. (2002). Experimental and quasi-experimental designs for generalized causal inference. Boston, MA: Houghton Mifflin.
- Shen, C. (2002). Revisiting the relationship between students' achievement and their selfperceptions: A cross-national analysis based on TIMSS 1999 data. Assessment in Education, 9(2), 161-184.
- Slack, M. K. ve Draugalis, J. R. (2001). Establishing the internal and external validity of experimental studies. American Journal of Health System Pharmacy, 58(22), 2173-2184.
- Sümer, N. (2000). Yapısal eşitlik modelleri: Temel kavramlar ve örnek uygulamalar. Türk Psikoloji Yazıları, 3(6), 49-74.
- Şengül Avşar, A. ve Yalçın, S. (2015). Öğrencilerin okuma başarılarını açıklayan ailesel değişkenlerin CHAID analizi ile belirlenmesi. Eğitim ve Bilim, 40(179), 1-9.
- Şimşek, Ö.F. (2007). Yapısal eşitlik modellemesine giriş. Ankara: Ekinoks.
- Tan, H. (1972). Gazete haberleri testi: Geliştirilmesi ve standardizasyonu. Ankara: TÜBİTAK Yayınları.
- Tekin, B. ve Tekin, S. (2004). Matematik öğretmen adaylarının matematiksel okuryazarlık düzeyleri üzerine bir araştırma. Matematik etkinlikleri 2004: Matematik sempozyumu ve sergileri. Ankara: MATDER.
- Uysal, E. ve Yenilmez, K. (2011). Sekizinci sınıf öğrencilerinin matematik okuryazarlığı düzeyi. Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 12(2), 1-15.
- Wilkinson, L. (1992). Tree structured data analysis: AID, CHAID and CART. Chicago: SPSS Inc.
- Witten I., Frank E. (2000). Data mining: Practical machine learning tools and techniques with java implementations. USA: Morgan Kaufmann Publishers.
- Yalçın, M., Aslan, S. ve Usta, E. (2012). Analysis of PISA 2009 exam according to some variables. Mevlana International Journal of Education, 2(1), 64-71.
- Yenilmez, K. ve Turgut, M. (2012). Matematik öğretmeni adaylarının matematik okuryazarlığı öz- yeterlik düzeyleri. Eğitim ve Öğretim Araştırmaları Dergisi, 1(2), 253-258.
- Yücel, Z. ve Koç, M. (2011). İlköğretim öğrencilerinin matematik dersine karşı tutumlarının başarı düzeylerini yordama gücü ile cinsiyet arasındaki ilişki, İlköğretim Online, 10(1), 133-143.
- Zimmerman, B. J. (2000). Self-efficacy: An essential motive to learn. Contemporary Educational Psychology, 25, 82-91.
APA | aksu g, Guzeller C (2016). PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. , 101 - 122. |
Chicago | aksu gökhan,Guzeller Cem Oktay PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. (2016): 101 - 122. |
MLA | aksu gökhan,Guzeller Cem Oktay PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. , 2016, ss.101 - 122. |
AMA | aksu g,Guzeller C PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. . 2016; 101 - 122. |
Vancouver | aksu g,Guzeller C PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. . 2016; 101 - 122. |
IEEE | aksu g,Guzeller C "PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi." , ss.101 - 122, 2016. |
ISNAD | aksu, gökhan - Guzeller, Cem Oktay. "PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi". (2016), 101-122. |
APA | aksu g, Guzeller C (2016). PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. Eğitim ve Bilim, 41(185), 101 - 122. |
Chicago | aksu gökhan,Guzeller Cem Oktay PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. Eğitim ve Bilim 41, no.185 (2016): 101 - 122. |
MLA | aksu gökhan,Guzeller Cem Oktay PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. Eğitim ve Bilim, vol.41, no.185, 2016, ss.101 - 122. |
AMA | aksu g,Guzeller C PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. Eğitim ve Bilim. 2016; 41(185): 101 - 122. |
Vancouver | aksu g,Guzeller C PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi. Eğitim ve Bilim. 2016; 41(185): 101 - 122. |
IEEE | aksu g,Guzeller C "PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi." Eğitim ve Bilim, 41, ss.101 - 122, 2016. |
ISNAD | aksu, gökhan - Guzeller, Cem Oktay. "PISA 2012 Matematik Okuryazarlığı Puanlarının Karar Ağacı Yöntemiyle Sınıflandırılması: Türkiye Örneklemi". Eğitim ve Bilim 41/185 (2016), 101-122. |