論文の概要: Saber Pro success prediction model using decision tree based learning
- arxiv url: http://arxiv.org/abs/2006.01322v1
- Date: Tue, 2 Jun 2020 00:19:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 23:44:30.427507
- Title: Saber Pro success prediction model using decision tree based learning
- Title（参考訳）: 決定木に基づく学習を用いたサバープロの成功予測モデル
- Authors: Gregorio Perez Bernal, Luisa Toro Villegas, Mauricio Toro
- Abstract要約: 本報告では,前年度のSaber 11テスト,社会経済的な側面,およびSaber Proの結果を全国平均と比較した。
その結果、最も影響力のある要因の1つは、社会学のトピックに関するセイバー11のスコアであることがわかった。
- 参考スコア（独自算出の注目度）: 0.5156484100374059
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The primary objective of this report is to determine what influences the
success rates of students who have studied in Colombia, analyzing the Saber 11,
the test done at the last school year, some socioeconomic aspects and comparing
the Saber Pro results with the national average. The problem this faces is to
find what influences success, but it also provides an insight in the countries
education dynamics and predicts one's opportunities to be prosperous. The
opposite situation to the one presented in this paper could be the desertion
levels, in the sense that by detecting what makes someone outstanding, these
factors can say what makes one unsuccessful. The solution proposed to solve
this problem was to implement a CART decision tree algorithm that helps to
predict the probability that a student has of scoring higher than the mean
value, based on different socioeconomic and academic factors, such as the
profession of the parents of the subject parents and the results obtained on
Saber 11. It was discovered that one of the most influential factors is the
score in the Saber 11, on the topic of Social Studies, and that the gender of
the subject is not as influential as it is usually portrayed as. The algorithm
designed provided significant insight into which factors most affect the
probability of success of any given person and if further pursued could be used
in many given situations such as deciding which subject in school should be
given more intensity to and academic curriculum in general.
- Abstract（参考訳）: 本報告の目的は,コロンビアで勉強した学生の成功率にどのような影響を及ぼすのかを判断し,前学年の試験であるsaber 11を分析し,社会経済的側面を分析し,saber proの結果を全国平均と比較することである。
これが直面する問題は、何が成功に影響を及ぼすかを見つけることだが、国の教育のダイナミクスに関する洞察を与え、繁栄する機会を予測する。
この論文で提示されたものと逆の状況は脱走レベルである可能性があり、誰かを際立たせるものを検出することで、これらの要因が何に失敗させるかを示すことができる。
この問題を解決するために提案された解法は、対象親の親の職業やセイバー11で得られた結果など、異なる社会経済的・学術的要因に基づいて、生徒が平均値よりもスコアが高い確率を予測するのに役立つカート決定木アルゴリズムを実装することであった。
もっとも影響力のある要因の1つは、社会学の話題におけるセイバー11のスコアであり、対象者の性別は、通常描写されるほど影響力がないことが判明した。
アルゴリズムは、ある人の成功の確率に最も影響を及ぼす要因について重要な洞察を与え、もしさらに追求された場合は、学校におけるどの科目がより強く与えられるべきか、あるいは一般的に学術的カリキュラムを決定するといった多くの状況で使用できる。
関連論文リスト
- ConSiDERS-The-Human Evaluation Framework: Rethinking Human Evaluation for Generative Large Language Models [53.00812898384698]
生成型大規模言語モデル(LLM)の人間による評価は多分野にわたる作業であるべきだと論じる。
認知バイアスが、流動的な情報や真理をいかに説明するか、そして、認識の不確実性が、Likertのような評価スコアの信頼性にどのように影響するかを強調します。
本稿では,ConSiDERS-The-Human評価フレームワークを提案する。一貫性, Scoring Critera, Differentiating, User Experience, Responsible, Scalabilityの6つの柱からなる。
論文 参考訳（メタデータ） (2024-05-28T22:45:28Z) - A Deep Dive into the Factors Influencing Financial Success: A Machine Learning Approach [2.1178416840822027]
本稿では、機械学習アルゴリズムとアプローチを用いて、個別の経済的成功に寄与する様々な社会経済的要因について考察する。
労働統計局による1997年度全国縦断調査の結果を調査する。
このデータセットは、収入変数と個人の社会経済変数からなる。
論文 参考訳（メタデータ） (2024-05-13T23:19:02Z) - Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳（メタデータ） (2024-04-29T08:16:30Z) - Bayes-xG: Player and Position Correction on Expected Goals (xG) using
Bayesian Hierarchical Approach [55.2480439325792]
本研究は, 期待目標(xG)測定値を用いて, 目標となるショットの予測における選手や位置要因の影響について検討した。
StatsBombの公開データを使って、イングランドのプレミアリーグから1万発のショットを分析している。
この研究は、スペインのラ・リガとドイツのブンデスリーガのデータに分析を拡張し、同等の結果を得た。
論文 参考訳（メタデータ） (2023-11-22T21:54:02Z) - Sensitivity, Performance, Robustness: Deconstructing the Effect of
Sociodemographic Prompting [64.80538055623842]
社会デマトグラフィープロンプトは、特定の社会デマトグラフィープロファイルを持つ人間が与える答えに向けて、プロンプトベースのモデルの出力を操縦する技術である。
ソシオデマトグラフィー情報はモデル予測に影響を及ぼし、主観的NLPタスクにおけるゼロショット学習を改善するのに有用であることを示す。
論文 参考訳（メタデータ） (2023-09-13T15:42:06Z) - Exploring the Confounding Factors of Academic Career Success: An
Empirical Study with Deep Predictive Modeling [43.91066315776696]
本稿では,実証的,予測的モデリングの観点から,学業成功の決定要因について検討する。
我々は、共著者ネットワークを分析し、潜在的な学者が、成長するにつれて、より早く、より密接に、影響力のある学者と密接に働くことを発見した。
フェローであることは、引用の改善や生産性の向上をもたらすことができませんでした。
論文 参考訳（メタデータ） (2022-11-19T08:16:21Z) - Causal Discovery for Fairness [3.3861246056563616]
因果的発見アプローチの違いが因果的モデルにどのように影響するか,因果的モデル間の微妙な差異が公平さ/差別的結論にどのように影響するかを示す。
本研究の主な目的は,因果関係を用いて公平に対処する因果発見ステップの重要性を明らかにすることである。
論文 参考訳（メタデータ） (2022-06-14T08:40:40Z) - Fairness in Selection Problems with Strategic Candidates [9.4148805532663]
選択問題における戦略的側面が公平性に与える影響について検討する。
合理的な候補者の人口は、彼らの品質を高めるために努力レベルを選択することで競います。
我々は、異なるパラメータのレジームにおけるこのゲームの(一意)平衡を特徴づける。
論文 参考訳（メタデータ） (2022-05-24T17:03:32Z) - SF-PATE: Scalable, Fair, and Private Aggregation of Teacher Ensembles [50.90773979394264]
本稿では、個人の機密情報のプライバシーを保護しつつ、差別的でない予測者の学習を可能にするモデルについて検討する。
提案モデルの主な特徴は、プライバシ保護とフェアモデルを作成するために、オフ・ザ・セルフと非プライベートフェアモデルの採用を可能にすることである。
論文 参考訳（メタデータ） (2022-04-11T14:42:54Z) - The Impact of Algorithmic Risk Assessments on Human Predictions and its
Analysis via Crowdsourcing Studies [79.66833203975729]
我々は,在職者が将来の再起を予測することを任務とするヴィグネット研究を行う。
参加者は、再逮捕の確率が50%よりかなり低いと判断しても、犯罪者が再逮捕されることをしばしば予測します。
裁判官の判断は、参加者の予測とは異なり、部分的には再逮捕の可能性がある要因に依存する。
論文 参考訳（メタデータ） (2021-09-03T11:09:10Z) - Reducing the Filtering Effect in Public School Admissions: A Bias-aware Analysis for Targeted Interventions [7.50215102665518]
DOEが「不利」と分類する学生の得点分布の変化が示される。
集中的に計画された介入は、奨学金やトレーニングを通じてバイアスの影響を著しく低減できることを示す。
論文 参考訳（メタデータ） (2020-04-22T20:50:31Z)
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。