Determination of the Characteristics Predicting Science Achievement through the Classification and Regression Tree (CART) Method: The Case of TIMSS 2015 Turkey

Abstract

Çalışmada, Türkiye'de öğrenim gören sekizinci sınıf öğrencilerinin fen başarılarını yordayan öğrenci, öğretmen ve okul niteliklerinin neler olduğunun belirlenmesi amaçlanmıştır. Araştırmada TIMSS 2015 uygulaması verileri kullanılmış olup, araştırmanın çalışma gurubunu bu uygulamaya katılan 218 okuldan 6079 öğrenci ve 220 öğretmen oluşturmuştur. Veri toplama araçları olarak, TIMSS 2015 uygulamasında kullanılan sekizinci sınıf fen başarı testi; öğrenci ve öğretmenlere uygulanan öğrenci, öğretmen ve okul özelliklerini yansıtan ölçekler kullanılmıştır. Öğrencilerin okullar içinde yuvalandığı çok düzeyli veri yapısı söz konusu olduğundan; oluşturulan model, çok düzeyli veri yapılarının sınıflandırma ve regresyon ağacı (SRA) yöntemiyle çözümlenmesini sağlayan RE-EM algoritması aracılığıyla analiz edilmiştir. Modelin yordanan değişkenini öğrencilerin fen başarı puanları; yordayıcı değişkenlerini ise, belirtilen ölçeklerle ifade edilen öğrenci, öğretmen ve okul özelliklerine ait on yedi nitelik oluşturmuştur. Elde edilen sonuçlara göre, on yedi yordayıcı değişkenden beşinin öğrencilerin fen başarısını yordadığı saptanmış olup, bunlar; öğrencilerin öz-yeterliği, zorbalığa maruz kalma, öğrencilerden kaynaklanan sorunlar, okul disiplini ve güvenliği ve okulda başarıya verilen önem şeklinde sıralanmıştır. Öz-yeterlik inancı, maruz kalınan zorbalık düzeyi, okullarında başarıya verilen önem, okullarındaki disiplin ve güvenlik önlemlerinin yüksek olduğu ve öğretmenlerin öğrenciden kaynaklanan sorunları daha yüksek düzeyde nitelendirdikleri öğrencilerin daha başarılı olduğu gözlenmiştir. Fen başarısı Yordayıcı unsurlar Öğrenci, öğretmen ve okul özellikleri Sınıflandırma ve regresyon ağacı (SRA) RE-EM algoritması

A Comparison of Covariates, Equating Designs, and Methods in Equating TIMSS 2019 Science Tests

“…There was a very weak correlation between science achievement and the covariates of "student confidence in science (SCICONF) and mathematics (MATHCONF)," "like learning science" (LEARNSCI), "instructional clarity in science lessons" (CLARITY), "sex" (SEX) and "speaking the language of the test at home" (LANG). However, in the literature, there was a positive correlation between science achievement and other covariates except for language (Aydın, 2015;Aydoğan & Gelbal, 2022;Coşkun, 2021;Sarıer, 2020;Soysal, 2019;Üstün, 2007).…”

“…TIMSS provides researchers with a comprehensive data set, including achievement-related factors such as student characteristics, school resources, teacher qualifications, teaching practices, and family characteristics (e.g., language spoken at home, home resources for learning) (House, 2006;Leung, 2002). In the literature, the variables that can affect science achievement involve student characteristics (Coşkun, 2021;Pajares, 2008;Sarıer, 2020), school and teacher qualifications (Aydoğan & Gelbal, 2022;Coşkun, 2021;Sarıer, 2020), and family characteristics (Özkan, 2018;Salaway, 2008;Soysal, 2019;Üstün, 2007). The present study equated the scores from different science achievement test booklets in TIMSS 2019 by using the relevant covariates.…”