論文の概要: Graduate Employment Prediction with Bias

• arxiv url: http://arxiv.org/abs/1912.12012v1
• Date: Fri, 27 Dec 2019 07:30:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-10 00:05:41.454377
• Title: Graduate Employment Prediction with Bias
• Title（参考訳）: バイアスによる大学院雇用予測
• Authors: Teng Guo, Feng Xia, Shihao Zhen, Xiaomei Bai, Dongyu Zhang, Zitao Liu, Jiliang Tang
• Abstract要約: 大学生への就職の失敗は、飲酒や自殺などの深刻な社会的結果を引き起こす可能性がある。 偏見を考慮しつつ,学生の就業状況を予測する枠組み,すなわちMAYAを開発する。
• 参考スコア（独自算出の注目度）: 44.38256197478875
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The failure of landing a job for college students could cause serious social consequences such as drunkenness and suicide. In addition to academic performance, unconscious biases can become one key obstacle for hunting jobs for graduating students. Thus, it is necessary to understand these unconscious biases so that we can help these students at an early stage with more personalized intervention. In this paper, we develop a framework, i.e., MAYA (Multi-mAjor emploYment stAtus) to predict students' employment status while considering biases. The framework consists of four major components. Firstly, we solve the heterogeneity of student courses by embedding academic performance into a unified space. Then, we apply a generative adversarial network (GAN) to overcome the class imbalance problem. Thirdly, we adopt Long Short-Term Memory (LSTM) with a novel dropout mechanism to comprehensively capture sequential information among semesters. Finally, we design a bias-based regularization to capture the job market biases. We conduct extensive experiments on a large-scale educational dataset and the results demonstrate the effectiveness of our prediction framework.
• Abstract（参考訳）: 大学生の就職が失敗すると、飲酒や自殺などの深刻な社会的影響が生じる可能性がある。 アカデミック・パフォーマンスに加えて、無意識のバイアスは大学院生の就職活動にとって重要な障害となる可能性がある。 したがって、これらの無意識バイアスを理解し、よりパーソナライズされた介入により、これらの学生を早期に支援する必要がある。 本稿では,偏りを考慮しながら学生の就業状況を予測する枠組み,すなわちマヤ(multi-major employment status)を開発した。 フレームワークは4つの主要なコンポーネントで構成される。 まず,学業成果を統一空間に組み込むことにより,学生コースの多様性を解消する。 次に、クラス不均衡問題を克服するために生成逆ネットワーク(gan)を適用する。 第3に,セメータ間のシーケンシャル情報を包括的にキャプチャする新しいドロップアウト機構を備えたLong Short-Term Memory(LSTM)を採用する。 最後に、雇用市場のバイアスを捉えるためにバイアスベースの正規化を設計する。 大規模教育データセットについて広範な実験を行い,予測フレームワークの有効性を実証した。

関連論文リスト

• The Devil is in the Neurons: Interpreting and Mitigating Social Biases in Pre-trained Language Models [78.69526166193236]
  プレトレーニング言語モデル(PLM)は、社会的バイアスのような有害な情報を含むことが認識されている。 我々は,社会バイアスなどの望ましくない行動に起因する言語モデルにおいて,正確に単位(すなわちニューロン)を特定するために,sc Social Bias Neuronsを提案する。 StereoSetの以前の測定値からわかるように、我々のモデルは、低コストで言語モデリング能力を維持しながら、より高い公平性を達成する。
  論文  参考訳（メタデータ） (2024-06-14T15:41:06Z)
• Beyond human subjectivity and error: a novel AI grading system [67.410870290301]
  オープンエンドの質問の格付けは、教育における高い努力と高いインパクトの課題である。 AI技術の最近のブレークスルーは、このような自動化を促進するかもしれないが、大規模に実証されていない。 本稿では,新しい自動短解階調システム(ASAG)を提案する。
  論文  参考訳（メタデータ） (2024-05-07T13:49:59Z)
• Co-Supervised Learning: Improving Weak-to-Strong Generalization with Hierarchical Mixture of Experts [81.37287967870589]
  我々は,一貫した生徒を統括する,一貫した一貫した教師ではなく,多様な専門教師の集合を活用することを提案する。 我々のアプローチは、古典的な階層的な専門家の混合に似ている。 提案手法は,OpenAIの弱強ベンチマークと追加のマルチドメインデータセットを用いて,視覚認識タスクにより検証する。
  論文  参考訳（メタデータ） (2024-02-23T18:56:11Z)
• Causal Triplet: An Open Challenge for Intervention-centric Causal Representation Learning [98.78136504619539]
  Causal Tripletは、視覚的に複雑なシーンを特徴とする因果表現学習ベンチマークである。 この結果から,不整合表現やオブジェクト中心表現の知識によって構築されたモデルが,分散表現よりもはるかに優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-12T17:43:38Z)
• Plagiarism deterrence for introductory programming [11.612194979331179]
  クラス全体の統計的特徴は直感的な新しいp値によって学生と明確に共有することができる。 圧縮に基づく類似度検出アルゴリズムは、代入間の関係をより正確に捉える。 無バイアスのスコアリングシステムは、学生とインストラクターが真の努力の独立を理解するのを助ける。
  論文  参考訳（メタデータ） (2022-06-06T18:47:25Z)
• Who will dropout from university? Academic risk prediction based on interpretable machine learning [0.0]
  LightGBMモデルとShapley値の解釈可能な機械学習手法に基づいて,学術的リスクを予測する。 地域の観点からは、学術的リスクに影響する要因は人によって異なる。
  論文  参考訳（メタデータ） (2021-12-02T09:43:31Z)
• Prediction of Students performance with Artificial Neural Network using Demographic Traits [2.7636476571082373]
  本研究は, ニュートラルネットワークを用いた学生の成績予測システムを開発することを目的とする。 モデルは入力として選択された変数に基づいて開発された。 精度は92.3%を超え、ニューラルネットワークの有効性を示した。
  論文  参考訳（メタデータ） (2021-08-08T11:46:41Z)
• Tri-Branch Convolutional Neural Networks for Top-$k$ Focused Academic Performance Prediction [28.383922154797315]
  学業成績予測は、学生に関連する情報を活用し、将来の学業成果を予測することを目的としている。 本稿では、学生の日常行動軌跡を分析し、キャンパスのスマートカード記録を網羅的に追跡する。 本稿では,行ワイド,列ワイド,深さワイドのコンボリューションとアテンション操作を備えた新しいTri-Branch CNNアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-07-22T02:35:36Z)
• Jointly Modeling Heterogeneous Student Behaviors and Interactions Among Multiple Prediction Tasks [35.15654921278549]
  学生の予測課題は学生と大学生の両方にとって実用的な意味を持つ。 本稿では,不均一な振る舞いをモデル化し,複数の予測を行う。 大学から収集した実世界のデータセットに基づいて,モチベーション行動予測タスクを3つ設計する。
  論文  参考訳（メタデータ） (2021-03-25T02:01:58Z)
• Supercharging Imbalanced Data Learning With Energy-based Contrastive Representation Transfer [72.5190560787569]
  コンピュータビジョンにおいて、長い尾のデータセットからの学習は、特に自然画像データセットの繰り返しのテーマである。 本稿では,データ生成機構がラベル条件と特徴分布の間で不変であるメタ分散シナリオを提案する。 これにより、因果データインフレーションの手順を利用してマイノリティクラスの表現を拡大できる。
  論文  参考訳（メタデータ） (2020-11-25T00:13:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。