The purpose of this study is to predict interest areas of gifted students and discover relationships between these areas by using educational data mining methods. The sample of the research included gifted students who are studying in Yasemin Karakaya Science and Art Center and 12 years old or older. Data are collected from Academic Self Concept Scale outputs, Spare Time Activities Survey answers, Parental Information Retrieval Form answers, and Basic Capabilities Test 7-11 and WISC-R results of students. To predict interest areas of gifted students, classification analyses are performed and to identify relationships between these areas, association analysis is executed. For classification and association analyses, Waikato Environment for Knowledge Analysis data mining software is used. 10 classification algorithms are selected to predict interest areas of gifted students. Outputs of these algorithms are compared and JRip is selected as the most suitable algorithm for discussed problem in this study. The 85,8% accuracy rate of JRip algorithm for predicting interest areas of gifted students shows that the model constructed by JRip rules is proven to be successful. By making use of JRip classification algorithm outputs, attributes which are effective on interest areas of gifted students are explored. Also in this study, web based interest area analysis system is developed for educators. By using this software, they can identify interest areas of gifted students whose interest areas are not known. Area pairs in which gifted students are frequently interested together are detected by running Apriori association algorithm. Results obtained from this study will provide many benefits to science and art centers such as giving differentiated instruction by meeting individual needs, organizing course programs more effectively. If students are known to be frequently interested together in some areas and timetables of lectures related to these areas do not conflict, gifted students will have the possibility of attending lectures belonging to all their interest areas. Classification model and interest area analysis system developed in this study provide systematic method, which helps to reach `in gifted education, instead of uniform practices, application of differentiated program by taking into account of individuals' interest areas` goal stated in Gifted Individuals Strategy and Application Plan 2013-2017.

Bu çalışmanın amacı eğitimsel veri madenciliği yöntemlerinden sınıflandırma analizi ile üstün yetenekli öğrencilerin ilgi alanlarını tahmin etmek ve birliktelik analizi ile bu öğrencilerin sıklıkla bir arada ilgi duydukları alanları belirlemektir. Araştırmanın çalışma grubunu Ankara'da yer alan Yasemin Karakaya Bilim ve Sanat Merkezi'nde öğrenim gören yaşları 12 ve daha büyük üstün yetenekli öğrenciler oluşturmaktadır. Bu öğrencilerden veriler Akademik Benlik Kavramı Ölçeği, araştırmacı tarafından geliştirilmiş olan Boş Zamanları Değerlendirme Anketi ve Ebeveyn Veri Toplama Formu ile toplanmıştır. Ayrıca öğrencilerin WISC-R testi ve Temel Kabiliyetler Testi 7-11 sonuçları da araştırma kapsamında kullanılmıştır. Birliktelik ve sınıflandırma analizleri, Waikato Environment for Knowledge Analysis veri madenciliği yazılımı kullanılarak yapılmıştır. Üstün yetenekli öğrencilerin ilgi alanlarını tahmin etmek için 10 sınıflandırma algoritması seçilmiş ve bu algoritmaların çıktıları karşılaştırılarak problem tanımı için en uygun olan algoritma JRip olarak belirlenmiştir. JRip algoritmasının ilgi alanını tahmin etmedeki %85,8 doğruluğu, oluşturulan eğitimsel veri madenciliği sınıflandırma modelinin başarılı bir model olduğunu göstermektedir. Seçilen sınıflandırma algoritmasının çıktılarından yararlanarak ilgi alanları üzerinde etkili olan nitelikler ortaya çıkarılmıştır. Tez kapsamında ayrıca eğitimcilerin kullanabilmesi amacıyla, ilgi alanı bilinmeyen üstün yetenekli öğrencilerin ilgi alanlarını saptamayabilmek için web tabanlı ilgi alanı analiz sistemi geliştirilmiştir. Üstün yetenekli öğrencilerin sıklıkla bir arada ilgi duydukları alanlar ise Apriori birliktelik algoritması ile tespit edilmiştir. Çalışmada elde edilen eğitimsel veri madenciliği bulguları Bilim ve Sanat Merkezlerinde üstün yetenekli eğitiminin bireysel ihtiyaçlara göre farklılaştırılması ve ders programlarının daha etkin düzenlenmesi gibi konularda pek çok fayda sağlayacaktır. Öğrencilerin sıklıkla birlikte ilgi duydukları alanlara ilişkin dersler aynı saatlerde yapılmaz ise öğrenciler tüm ilgi alanlarına ait derslere katılma imkânı bulurlar. İlgili tezde geliştirilen model ve ilgi alanı analiz sistemi, Üstün Yetenekli Bireyler Strateji ve Uygulama Planı 2013-2017'de yer alan üstün yetenekli eğitiminde tek tip uygulamalar yerine bireylerin ilgilerine göre farklılaştırılmış programların uygulanması hedefinin gerçekleştirilmesi için sistematik ve bilimsel bir yöntem sunmaktadır.