論文の概要: Using a Binary Classification Model to Predict the Likelihood of
Enrolment to the Undergraduate Program of a Philippine University
- arxiv url: http://arxiv.org/abs/2010.15601v1
- Date: Mon, 26 Oct 2020 06:58:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 20:15:47.905926
- Title: Using a Binary Classification Model to Predict the Likelihood of
Enrolment to the Undergraduate Program of a Philippine University
- Title(参考訳): フィリピン大学大学院課程への入学可能性予測のための二分分類モデル
- Authors: Dr.Joseph A. Esquivel and Dr. James A. Esquivel
- Abstract要約: 本研究はフィリピンの大学における入所資格に影響する新入生応募者の諸特性について分析した。
受験生が施設への入学を追求する確率を評価するために,ロジスティック回帰を用いた予測モデルを開発した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the recent implementation of the K to 12 Program, academic institutions,
specifically, Colleges and Universities in the Philippines have been faced with
difficulties in determining projected freshmen enrollees vis-a-vis
decision-making factors for efficient resource management. Enrollment targets
directly impacts success factors of Higher Education Institutions. This study
covered an analysis of various characteristics of freshmen applicants affecting
their admission status in a Philippine university. A predictive model was
developed using Logistic Regression to evaluate the probability that an
admitted student will pursue to enroll in the Institution or not. The dataset
used was acquired from the University Admissions Office. The office designed an
online application form to capture applicants' details. The online form was
distributed to all student applicants, and most often, students, tend to
provide incomplete information. Despite this fact, student characteristics, as
well as geographic and demographic data based on the students' location are
significant predictors of enrollment decision. The results of the study show
that given limited information about prospective students, Higher Education
Institutions can implement machine learning techniques to supplement management
decisions and provide estimates of class sizes, in this way, it will allow the
institution to optimize the allocation of resources and will have better
control over net tuition revenue.
- Abstract(参考訳): K-12プログラムの最近の実施により、特にフィリピンの大学や大学は、効率的な資源管理のために計画された新入生の入学者を決定するのに困難に直面している。
入学は高等教育機関の成功要因に直接影響する。
本研究はフィリピンの大学における入所資格に影響する新入生応募者の諸特性について分析した。
受験生が施設への入学を追求する確率を評価するために,ロジスティック回帰を用いた予測モデルを開発した。
使用したデータセットは大学入学局から取得した。
事務所は、応募者の詳細を捉えるためのオンラインアプリケーションフォームを設計した。
オンラインフォームは全ての学生に配布され、多くの場合、学生は不完全な情報を提供する傾向がある。
この事実にもかかわらず、学生の特徴、および学生の位置に基づく地理的および人口統計データは、入学者決定の重要な予測要因である。
本研究の結果から, 教育機関は, 有望な学生に関する限られた情報があれば, 管理判断を補完し, クラス規模を見積もるための機械学習手法を活用でき, 資源配分の最適化が可能となり, 純学費のコントロールが向上することが示唆された。
関連論文リスト
- Trading off performance and human oversight in algorithmic policy: evidence from Danish college admissions [11.378331161188022]
学生の退学は教育機関にとって重要な関心事である。
シーケンシャルなAIモデルはより正確で公正な予測を提供する。
入場決定を導くための単純なAIモデルでさえ、大きな経済的利益をもたらすと見積もっている。
論文 参考訳(メタデータ) (2024-11-22T21:12:54Z) - Could ChatGPT get an Engineering Degree? Evaluating Higher Education Vulnerability to AI Assistants [175.9723801486487]
我々は,2つのAIアシスタントであるGPT-3.5とGPT-4が適切な回答を得られるかどうかを評価する。
GPT-4は65.8%の質問を正解し、85.1%の質問に対して少なくとも1つの手順で正しい答えを出すことができる。
この結果から,AIの進歩を踏まえて,高等教育におけるプログラムレベルの評価設計の見直しが求められた。
論文 参考訳(メタデータ) (2024-08-07T12:11:49Z) - A Survey on Data Selection for Language Models [148.300726396877]
データ選択方法は、トレーニングデータセットに含まれるデータポイントを決定することを目的としている。
ディープラーニングは、主に実証的な証拠によって駆動され、大規模なデータに対する実験は高価である。
広範なデータ選択研究のリソースを持つ組織はほとんどない。
論文 参考訳(メタデータ) (2024-02-26T18:54:35Z) - Learning Fair Ranking Policies via Differentiable Optimization of
Ordered Weighted Averages [55.04219793298687]
本稿では,学習からランクへの学習ループに,効率よく解ける公正ランキングモデルを組み込む方法について述べる。
特に,本論文は,OWA目標の制約された最適化を通じてバックプロパゲーションを行う方法を示す最初のものである。
論文 参考訳(メタデータ) (2024-02-07T20:53:53Z) - Intelligent System for Assessing University Student Personality
Development and Career Readiness [0.0]
本研究は,大学生が変化と移行への準備に様々な要因が与える影響について考察する。
KBTUの学生調査から収集したデータは、機械学習モデルによって処理された。
これらのモデルとファジィセットを使用してインテリジェントシステムを構築した。
論文 参考訳(メタデータ) (2023-08-29T20:32:58Z) - Evaluating a Learned Admission-Prediction Model as a Replacement for
Standardized Tests in College Admissions [21.70450099249114]
大学入学事務所は歴史的に、審査のために大規模な応募者プールを実行可能なサブセットに編成するために標準化されたテストスコアに依存してきた。
サブセット生成における標準化テストの役割を置き換えるための機械学習ベースのアプローチを検討する。
過去の入試データに基づいてトレーニングされた予測モデルはSATモデルよりも優れており、最終入試クラスの人口構成と一致していることがわかった。
論文 参考訳(メタデータ) (2023-02-07T17:14:26Z) - Process-BERT: A Framework for Representation Learning on Educational
Process Data [68.8204255655161]
本稿では,教育プロセスデータの表現を学習するためのフレームワークを提案する。
我々のフレームワークは、BERT型の目的を用いて、シーケンシャルなプロセスデータから表現を学習する事前学習ステップで構成されています。
当社のフレームワークは,2019年国のレポートカードデータマイニングコンペティションデータセットに適用しています。
論文 参考訳(メタデータ) (2022-04-28T16:07:28Z) - 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) - A Machine Learning Based DSS in Predicting Undergraduate Freshmen
Enrolment in a Philippine University [0.0]
フィリピン教育の急激な変化は、K to 12プログラムの実施を含む、高等教育機関が新入生の応募者を惹きつけるのに苦戦している。
本研究はフィリピンの大学に入学する新入生の諸特性について概説した。
ロジスティック回帰(Logistic Regression)を用いることで、入学した学生が施設に入学する可能性を決定する予測モデルが開発された。
論文 参考訳(メタデータ) (2021-07-29T03:54:28Z) - 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) - Prophet: Proactive Candidate-Selection for Federated Learning by
Predicting the Qualities of Training and Reporting Phases [66.01459702625064]
5Gネットワークでは、トレーニングレイテンシは依然としてフェデレートラーニング(FL)が広く採用されるのを防ぐ障害である。
大きなレイテンシをもたらす最も基本的な問題の1つは、FLの悪い候補選択である。
本稿では,FLの有効候補選択について検討する。
論文 参考訳(メタデータ) (2020-02-03T06:40:04Z)
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。