Veri Madenciliği Teknikleri Kullanılarak Lise Öğrencilerinin Mesleki Kişilik Profilleri ve Kişilik Özelliklerine Dayalı Kariyer Yönlendirme: Makine Öğrenmesi

Bu çalışmanın amacı, lise öğrencilerini mesleki kişilik profilleri, beş faktör kişilik özellikleri ve demografik özelliklerine göre uygun fakültelere yönlendirecek makine öğrenmesi tabanlı bir sınıflandırma modeli geliştirmektir. Modelde genel not ortalaması 2.5 ve üzeri olan üniversite öğrencilerinden elde edilen veriler kullanılmıştır. Üniversite öğrencileri, lisans programlarını seçmiş ve bu alanda belirli bir başarı düzeyine ulaşmış olmaları nedeniyle, lise öğrencilerinin potansiyel mesleki yönelimlerini tahmin edebilecek bir grup olarak değerlendirilmiştir. Böylece geliştirilen modelin, lise düzeyinde uygulanabilecek öngörüsel bir yönlendirme aracı olarak kullanılabilmesi amaçlanmıştır. Araştırmanın çalışma grubunu 2024-2025 eğitim-öğretim yılında farklı fakültelerde öğrenim görmekte olan ve uygun örnekleme yöntemiyle belirlenen 877 üniversite öğrencisi (502’si kadın, 375’i erkek) oluşturmaktadır. Araştırmada veriler Kişisel Bilgi Formu, Beş Faktör Kişilik Ölçeği ve Mesleki Kişilik Tipleri Envanteri ile toplanmıştır. Elde edilen veri setinde toplam 51 öznitelik bulunmaktadır. WEKA 3.9.5 yazılımı kullanılarak Random Forest, SMO (SVM), Naive Bayes, J48 ve IBk (k-NN) algoritmaları uygulanmış ve performans ölçütleri karşılaştırılmıştır. Bulgular, Random Forest algoritması %87.6 doğruluk ve 0.867 F1 skor değeri ile en başarılı model olduğunu göstermiştir. Ayrıca öznitelik önem analizi sonuçları, fakülte yerleşiminde aile özellikleri, akademik geçmiş ve mesleki kişilik tiplerinin belirleyici değişkenler olduğunu ortaya koymuştur. Araştırma sonuçları, yapay zekâ destekli öğrenci yönlendirme sistemlerinin geliştirilmesine ve veri temelli kariyer danışmanlığı uygulamalarına katkı sağlamaktadır.