論文の概要: Integer Linear Programming for the Tutor Allocation Problem: A Practical
Case in a British University
- arxiv url: http://arxiv.org/abs/2005.09442v1
- Date: Tue, 19 May 2020 13:45:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-19 08:14:17.877708
- Title: Integer Linear Programming for the Tutor Allocation Problem: A Practical
Case in a British University
- Title（参考訳）: チューター割当問題に対する整数線形計画法:イギリスの大学における実例
- Authors: Giulia Caselli, Maxence Delorme, Manuel Iori
- Abstract要約: 本研究では,エディンバラ大学の数学科におけるチューター割当について検討し,整数線形プログラミングモデルを用いて解いた。
ワークショップの場所数やチューターの選好リストの長さなどの入力パラメータがモデルの性能に与える影響について有意義な洞察を提供する。
- 参考スコア（独自算出の注目度）: 5.8010446129208155
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In the Tutor Allocation Problem, the objective is to assign a set of tutors
to a set of workshops in order to maximize tutors' preferences. The problem is
solved every year by many universities, each having its own specific set of
constraints. In this work, we study the tutor allocation in the School of
Mathematics at the University of Edinburgh, and solve it with an integer linear
programming model. We tested the model on the 2019/2020 case, obtaining a
significant improvement with respect to the manual assignment in use. Further
tests on randomly created instances show that the model can be used to address
cases of broad interest. We also provide meaningful insights on how input
parameters, such as the number of workshop locations and the length of the
tutors' preference list, might affect the performance of the model and the
average number of preferences satisfied.
- Abstract（参考訳）: 家庭教師割当問題では、家庭教師の選好を最大化するために、一組の家庭教師を一組のワークショップに割り当てることが目的である。
この問題は毎年多くの大学によって解決され、それぞれに固有の制約がある。
本研究では,エディンバラ大学の数学科におけるチューター割当について検討し,整数線形プログラミングモデルを用いて解いた。
このモデルを2019/2020年のケースでテストし、使用中の手動割り当てに関して大幅な改善を得た。
ランダムに生成されたインスタンスのさらなるテストは、モデルが幅広い関心を持つケースに対処するために使用できることを示している。
また,ワークショップの場所数や教師の好みリストの長さなどの入力パラメータが,モデルの性能や満足度の平均値にどのように影響するかについて,有意義な洞察を与える。
関連論文リスト
- Revisiting SMoE Language Models by Evaluating Inefficiencies with Task Specific Expert Pruning [78.72226641279863]
SMOE(Sparse Mixture of Expert)モデルは、言語モデリングにおける高密度モデルに代わるスケーラブルな代替品として登場した。
本研究は,SMoEアーキテクチャの設計に関する意思決定を行うために,タスク固有のモデルプルーニングについて検討する。
適応型タスク対応プルーニング手法 UNCURL を導入し,MoE 層当たりの専門家数をオフラインで学習する手法を提案する。
論文 参考訳（メタデータ） (2024-09-02T22:35:03Z) - Teacher-Student Training for Debiasing: General Permutation Debiasing for Large Language Models [39.82130327284791]
大規模言語モデル(LLM)は、NLPタスクにおいて、印象的なゼロショット機能と汎用性を実証している。
特定のタスクに対して重要な不変性を維持するのに失敗することもある。
本稿では, 推定時の非効率性について述べる。
論文 参考訳（メタデータ） (2024-03-20T13:38:07Z) - Manipulating Predictions over Discrete Inputs in Machine Teaching [43.914943603238996]
本稿では,個別領域における機械教育,特に教師の目標に基づいて学生モデルの予測を効率的に学習データを変更することに焦点を当てた。
本稿では,この課題を最適化問題として定式化し,反復探索アルゴリズムを提案する。
本アルゴリズムは,教師が生徒のモデルを改善するために誤予測を修正しようとする場合や,特定のサンプルを対象のクラスに不正に分類するために悪質な操作を行う場合において,有意義な数値的メリットを示す。
論文 参考訳（メタデータ） (2024-01-31T14:23:51Z) - Neural Collapse Terminus: A Unified Solution for Class Incremental
Learning and Its Variants [166.916517335816]
本稿では,3つの課題における不整合ジレンマに対する統一解を提案する。
ラベル空間全体の最大等角的クラス間分離を有する固定構造である神経崩壊終端を提案する。
本手法は,データ不均衡やデータ不足にかかわらず,神経崩壊最適度を漸進的に保持する。
論文 参考訳（メタデータ） (2023-08-03T13:09:59Z) - MathDial: A Dialogue Tutoring Dataset with Rich Pedagogical Properties
Grounded in Math Reasoning Problems [74.73881579517055]
そこで本稿では,一般学生の誤りを表現した大規模言語モデルを用いて,人間教師の対話を生成する枠組みを提案する。
このフレームワークを用いて3kの1対1の教師-学生対話のデータセットであるMathDialを収集する方法について述べる。
論文 参考訳（メタデータ） (2023-05-23T21:44:56Z) - Planning Courses for Student Success at the American College of Greece [0.0]
我々は、ギリシャのアメリカン・カレッジ・オブ・ギリシャの学生が研究を完了するために必要となるコースのスケジュールを最適化する問題をモデル化する。
結果のスケジュールを最適化する目的として,最速の完了時間,コース難易度バランスなど,いくつかの異なる目標を定式化します。
我々は,機械学習とデータマイニングの手法を用いて,受講生が受講生に期待する成績を捉えた。
論文 参考訳（メタデータ） (2022-06-16T10:19:37Z) - Improved Learning Bounds for Branch-and-Cut [98.92725321081994]
分岐とカットは整数プログラムの解法として最も広く使われているアルゴリズムである。
ますます人気のあるアプローチは、機械学習を使ってパラメータをチューニングすることだ。
本稿では,本手法のサンプル保証について述べる。
論文 参考訳（メタデータ） (2021-11-18T04:07:29Z) - Math Operation Embeddings for Open-ended Solution Analysis and Feedback [2.905751301655124]
我々は、認知チュータシステムに学生ソリューションステップを含むデータセットを使用して、算術演算の暗黙的かつ明示的な表現を学習する。
実験結果は、学習した数学操作が異なるデータ分布にわたって表現をうまく一般化することを示している。
論文 参考訳（メタデータ） (2021-04-25T02:09:17Z) - Predicting student performance using data from an auto-grading system [0.0]
我々はMarmoset自動階調システムから抽出した様々な特徴を持つ決定木モデルと線形回帰モデルを構築した。
本稿では, 入力時間間隔を用いた線形回帰モデルが, 精度とF-Measureの点で, 全モデルの中で最良であることを示す。
また,成績の悪い生徒に誤分類された生徒は,すべてのモデルにおいて,線形回帰モデルの中では最も低い実例があることが示唆された。
論文 参考訳（メタデータ） (2021-02-02T03:02:39Z) - Unification of HDP and LDA Models for Optimal Topic Clustering of
Subject Specific Question Banks [55.41644538483948]
オンラインコースの人気が高まると、学者向けのコース関連クエリの数が増加することになる。
個々の質問に答えるのに費やす時間を短縮するために、それらをクラスタリングするのは理想的な選択です。
階層ディリクレプロセスを用いて、LDAモデルの実行に対して最適なトピック番号を入力します。
論文 参考訳（メタデータ） (2020-10-04T18:21:20Z) - From Sets to Multisets: Provable Variational Inference for Probabilistic
Integer Submodular Models [82.95892656532696]
サブモジュール関数は機械学習やデータマイニングにおいて広く研究されている。
本研究では,整数部分モジュラ函数に対する連続DR-部分モジュラ拡張を提案する。
整数部分モジュラー関数によって定義される新しい確率モデルを定式化する。
論文 参考訳（メタデータ） (2020-06-01T22:20:45Z)
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。