論文の概要: Investigating similarities and differences between South African and Sierra Leonean school outcomes using Machine Learning

• arxiv url: http://arxiv.org/abs/2004.11369v1
• Date: Wed, 22 Apr 2020 19:29:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 18:54:13.099778
• Title: Investigating similarities and differences between South African and Sierra Leonean school outcomes using Machine Learning
• Title（参考訳）: 機械学習を用いた南アフリカとシエラレオネの学校成績の類似性と差異の調査
• Authors: Henry Wandera, Vukosi Marivate, David Sengeh
• Abstract要約: 研究の目的は、学校のパフォーマンス予測器を構築し、異なるコミュニティと学校レベルの特徴の重要性を抽出することである。 木モデル上のSHAP値やLRのオッズ比といった機械学習アプローチから解釈可能なメトリクスをデプロイし、政策決定を支援する要因の相互作用を抽出する。
• 参考スコア（独自算出の注目度）: 1.4826753449041337
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Available or adequate information to inform decision making for resource allocation in support of school improvement is a critical issue globally. In this paper, we apply machine learning and education data mining techniques on education big data to identify determinants of high schools' performance in two African countries: South Africa and Sierra Leone. The research objective is to build predictors for school performance and extract the importance of different community and school-level features. We deploy interpretable metrics from machine learning approaches such as SHAP values on tree models and odds ratios of LR to extract interactions of factors that can support policy decision making. Determinants of performance vary in these two countries, hence different policy implications and resource allocation recommendations.
• Abstract（参考訳）: 学校改良支援のための資源配分決定のための情報提供や適切な情報提供は,世界規模で重要な課題である。 本稿では,南アフリカとシエラレオネの2つのアフリカの国において,高校の成績を決定する要因を特定するために,教育ビッグデータに機械学習と教育データマイニング技術を適用する。 研究の目的は、学校パフォーマンスの予測器を構築し、異なるコミュニティと学校レベルの機能の重要性を抽出することである。 木モデル上のSHAP値やLRの確率比といった機械学習手法による解釈可能なメトリクスをデプロイし、政策決定を支援する要因の相互作用を抽出する。 この2つの国では、パフォーマンスの決定要因が異なるため、異なる政策含意とリソース割り当ての推奨がある。

関連論文リスト

• Large Language Models for Education: A Survey and Outlook [69.02214694865229]
  各視点の技術的進歩を体系的にレビューし、関連するデータセットとベンチマークを整理し、教育におけるLSMの展開に伴うリスクと課題を特定する。 本調査は、LLMの力を利用して教育実践を変革し、より効果的なパーソナライズされた学習環境を育むための、教育者、研究者、政策立案者のための総合的な技術図を提供することを目的とする。
  論文  参考訳（メタデータ） (2024-03-26T21:04:29Z)
• Evaluating and Optimizing Educational Content with Large Language Model Judgments [52.33701672559594]
  言語モデル(LM)を教育専門家として活用し,学習結果に対する様々な指導の影響を評価する。 本稿では,一方のLMが他方のLMの判断を報酬関数として利用して命令材料を生成する命令最適化手法を提案する。 ヒトの教師によるこれらのLM生成ワークシートの評価は、LM判定と人間の教師の嗜好との間に有意な整合性を示す。
  論文  参考訳（メタデータ） (2024-03-05T09:09:15Z)
• Exploring Educational Equity: A Machine Learning Approach to Unravel Achievement Disparities in Georgia [0.5439020425819]
  この研究は、異なる人口層、地域、主題にわたる学生の達成率の包括的分析を行う。 パンデミックの間、英語と数学の習熟度は著しく低下した。 この研究は、都市部と農村部における達成率の格差、および郡間でのバリエーションも明らかにしている。
  論文  参考訳（メタデータ） (2024-01-25T15:05:52Z)
• Preservation of Feature Stability in Machine Learning Under Data Uncertainty for Decision Support in Critical Domains [0.0]
  人間の活動における決定は、しばしば重要な領域であっても不完全なデータに依存する。 本稿では,従来の機械学習手法を用いた一連の実験を行うことで,このギャップに対処する。 ML記述法は,データの不完全性が増大するにつれて特徴選択の安定性を確保しつつ,高い分類精度を維持する。
  論文  参考訳（メタデータ） (2024-01-19T22:11:54Z)
• Unraveling the Interconnected Axes of Heterogeneity in Machine Learning for Democratic and Inclusive Advancements [16.514990457235932]
  機械学習製品の軌道に大きく影響を及ぼす不均一性の3つの軸を特定し解析する。 我々はこれらの軸が相互依存し、相互に影響を及ぼす様子を実証し、それらを共同で検討し、対処する必要性を強調した。 この3つの軸の断片化研究が大きな課題となり、現実のシナリオの反映を欠く非現実的な解空間へと繋がるかについて論じる。
  論文  参考訳（メタデータ） (2023-06-11T20:47:58Z)
• Adoption of Artificial Intelligence in Schools: Unveiling Factors Influencing Teachers Engagement [5.546987319988426]
  学校で採用されるAIツールは、常に研究コミュニティの製品として考慮され、研究されるとは限らない。 学校における適応型学習プラットフォームの導入に影響を及ぼす包括的要因を測定するための信頼性の高い尺度を開発した。 追加の作業負荷、教師の所有と信頼の増大、支援メカニズムの生成、倫理的問題が最小化されることの保証は、学校でAIを採用する上でも不可欠である。
  論文  参考訳（メタデータ） (2023-04-03T11:47:08Z)
• A Domain-Agnostic Approach for Characterization of Lifelong Learning Systems [128.63953314853327]
  「生涯学習」システムには,1)継続的学習,2)伝達と適応,3)拡張性があります。 この一連のメトリクスは、様々な複雑な生涯学習システムの開発に役立てることができることを示す。
  論文  参考訳（メタデータ） (2023-01-18T21:58:54Z)
• A Comprehensive Survey of Incentive Mechanism for Federated Learning [18.29559568325112]
  フェデレートラーニングは、参加者が提供した様々なリソースを利用して、グローバルモデルを協調的にトレーニングする。 フェデレート学習にいくらかの支払いをすることで、より多くの参加者に貴重なリソースを貢献させることは極めて重要です。
  論文  参考訳（メタデータ） (2021-06-27T12:24:15Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)
• Personalized Education in the AI Era: What to Expect Next? [76.37000521334585]
  パーソナライズ学習の目的は、学習者の強みに合致する効果的な知識獲得トラックをデザインし、目標を達成するために弱みをバイパスすることである。 近年、人工知能(AI)と機械学習(ML)の隆盛は、パーソナライズされた教育を強化するための新しい視点を広げています。
  論文  参考訳（メタデータ） (2021-01-19T12:23:32Z)
• SARS-CoV-2 Impact on Online Teaching Methodologies and the Ed-Tech Sector: Smile and Learn Platform Case Study [50.591267188664666]
  この研究は、教育資源の例である「Smile and Learn platform」のオンライン方法論と利用傾向の重要性を分析した。 そこで,本研究では,教育支援のための異なるモデルと,そのプラットフォーム利用への影響について述べる。
  論文  参考訳（メタデータ） (2020-07-15T10:06:51Z)

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。