Author :
Abstract
|
ÖZET |
Kerevit optimizasyon algoritması (KOA), kerevitin yaz kaçış davranışına, rekabetçi davranışına ve yiyecek arama davranışına dayanan metasezgisel bir optimizasyon algoritmasıdır. Bu algoritma, kerevitlerin bölgesel davranışları, rekabetçi tutumları ve beslenme stratejilerinden esinlenilerek geliştirilmiştir. Yenilikçi ve uygulaması kolaydır, ancak kerevit arama verimliliği algoritmanın ilerleyen aşamalarında azalır ve algoritmanın yerel optimuma düşmesi kolaydır. Bu çalışmada, TIMSS 2019 verileri kullanılarak 4. sınıf matematik ve fen çalışmasına katılan 58 ülkenin başarısıyla ilişkili olduğu düşünülen değişkenler ele alınarak nicel araştırma kapsamında yer alan betimsel tarama modeli kullanılmıştır. Bu çalışmada kullanılan veriler, öğrencilerin, öğretmenlerin ve okul müdürlerinin doldurduğu anketlerin IEA IDB Analyzer programıyla öğrencilerin matematik ve bilim sınavı başarılarını temel alarak elde edilmiştir. Matematik ve fen başarısının optimizasyonunun hedeflendiği çalışmada kerevit optimizasyon algoritması kullanılmıştır. Elde edilen sonuçlar gerçek sonuçlarla karşılaştırılmış ve optimizasyon algoritmasının geçerliliği sağlanmıştır. Bu durum değerlendirmesi, politika yapıcılara ve planlayıcılara, bu politika yaklaşımının güçlü ve zayıf yönlerini ve bu maliyetli politikayı sürdürmenin önemini belirlemede yardımcı olabilmesini sağlayacak bir tavsiye niteliğindedir.
Keywords
Abstract
|
The crayfish optimization algorithm (COA) is a metaheuristic optimization algorithm based on crayfish's summer escape, competitive, and foraging behavior. The territorial behavior, competitive attitudes, and feeding strategies of crayfish inspire this algorithm. It is innovative and easy to implement, but the crayfish search efficiency decreases in the later stages of the algorithm, and it is easy for the algorithm to fall into the local optimum. This study used a descriptive survey model within the scope of quantitative research to address the variables related to the success of 58 countries participating in the 4th-grade mathematics and science study using TIMSS 2019 data. The data used in this study were obtained from questionnaires completed by students, teachers, and school principals based on students' achievement in mathematics and science exams using the IEA IDB Analyzer program. A crayfish optimization algorithm was used in the study to optimize mathematics and science achievement. The results obtained were compared with the actual results, and the validity of the optimization algorithm was ensured. This case study provides a recommendation that can help policymakers and planners identify the strengths and weaknesses of this policy approach and the importance of continuing this costly policy. |
