論文の概要: Building a consistent system for faculty appraisal using Data
Envelopment Analysis
- arxiv url: http://arxiv.org/abs/2105.06412v1
- Date: Sat, 24 Apr 2021 02:52:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-02 12:58:14.198033
- Title: Building a consistent system for faculty appraisal using Data
Envelopment Analysis
- Title(参考訳): Data Envelopment Analysis を用いた教員評価の一貫したシステムの構築
- Authors: Amar Oukil
- Abstract要約: Data Envelopment Analysis (DEA)は単なる測定手段ではない。
DEAモデルは、決定的な文脈内での民主的な投票のための数学的構造と見なすことができる。
分析の結果は多くのレベルで意思決定プロセスを支援するのに非常に有用であることを示す。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Data Envelopment Analysis (DEA) appears more than just an instrument of
measurement. DEA models can be seen as a mathematical structure for democratic
voicing within decisional contexts. Such an important aspect of DEA is enhanced
through the performance evaluation of a group of professors in a virtual
Business college. We show that the outcomes of the analysis can be very useful
to support decision processes at many levels. There are three categories of
professors: Assistant professors, Associate professors, and Full professors.
The evaluation process of these professors is investigated through two
different cases. The first case handles each category of professors as a
separate sample representing an independent population. The results show that
the mean efficiency scores fall between 0.85 and 0.93 for all professors no
matters their category. In spite of enabling more fairness, such an approach
suffers from its exclusive character, which is contrary to the democratic
spirit of DEA. The second case tries to cope with this deficiency through the
assessment of the faculty members as a single sample drawn from the same
population, i.e., Assistant professors, Associate professors, and Full
professors are treated equally, only on the ground of their respective inputs
and outputs, no matters their academic rank. A clear efficiency decline is
reported, basically due to the very nature of DEA as a procedure that is more
efficiency than output focused.
- Abstract(参考訳): data envelopment analysis (dea)は単なる測定手段以上のものと思われる。
deaモデルは、決定的文脈における民主的ボイシングの数学的構造と見なすことができる。
このようなDEAの重要な側面は、仮想ビジネスカレッジの教授グループのパフォーマンス評価を通じて強化される。
分析の結果は多くのレベルで意思決定プロセスを支援するのに非常に有用であることを示す。
助教授、助教授、助教授、全教授の3つのカテゴリーがある。
これらの教授の評価過程は2つの異なるケースで調査される。
第1のケースは、独立した人口を表す別個のサンプルとして、教授の各カテゴリを扱う。
その結果,全教授の平均効率得点は0.85から0.93に低下することがわかった。
公平性を高めるにもかかわらず、このようなアプローチはDEAの民主的精神に反する排他的性格に苦しむ。
第2の事例は、同じ人口から抽出された単一のサンプルとして教員の査定により、この欠陥に対処しようとする試みであり、すなわち、助教授、准教授、およびフル教授は、それぞれの入力と出力に基づいて平等に扱われるが、学術的地位は重要ではない。
基本的には、出力集中よりも効率が高い手順としてのDEAの性質が原因で、明確な効率低下が報告されている。
関連論文リスト
- 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) - Are Large Language Models Really Good Logical Reasoners? A Comprehensive
Evaluation and Beyond [32.797832207443896]
大規模言語モデル(LLM)は、自然言語処理(NLP)における注目すべき革新として登場した。
本論文では,このギャップを埋め,包括的に評価することを目的としている。
論文 参考訳(メタデータ) (2023-06-16T13:39:35Z) - On student-teacher deviations in distillation: does it pay to disobey? [65.50375609513323]
知識蒸留(KD)は、学生が訓練された「教師」ネットワークのソフトな確率を模倣するように訓練することで、学生のネットワークのテスト精度を向上させるために広く利用されている。
しかし、近年の研究では、教師の確率に合うように訓練されているにもかかわらず、学生はこれらの確率から著しく逸脱するだけでなく、教師よりも優れたパフォーマンスを発揮することが示されている。
本研究は,学生と教師の偏差の正確な性質を特徴付けることによって,この一見パラドックス的な観察を再現することを目的としている。
論文 参考訳(メタデータ) (2023-01-30T14:25:02Z) - Same or Different? Diff-Vectors for Authorship Analysis [78.83284164605473]
古典的な著作物分析において、特徴ベクトルは文書を表し、特徴の値は文書中の特徴の相対周波数(関数の増大)を表し、クラスラベルは文書の著者を表す。
筆者らの実験は共著者検証,著者検証,クローズドセットの著者帰属に取り組んでおり,DVは自然に第1の問題を解くのに向いているが,第2と第3の問題を解くための2つの新しい方法も提供している。
論文 参考訳(メタデータ) (2023-01-24T08:48:12Z) - SETSum: Summarization and Visualization of Student Evaluations of
Teaching [74.76373136325032]
学生の教育評価(SET)は、大学や大学で広く使われている。
SETSumは、インストラクターや他のレビュアーにSETの調査結果の組織化されたイラストを提供している。
論文 参考訳(メタデータ) (2022-07-08T01:40:11Z) - Integrating Rankings into Quantized Scores in Peer Review [61.27794774537103]
ピアレビューでは、レビュアーは通常、論文のスコアを提供するように求められます。
この問題を軽減するため、カンファレンスはレビュアーにレビューした論文のランキングを付加するように求め始めている。
このランキング情報を使用するための標準的な手順はなく、エリアチェアは異なる方法でそれを使用することができる。
我々は、ランキング情報をスコアに組み込むために、原則化されたアプローチを取る。
論文 参考訳(メタデータ) (2022-04-05T19:39:13Z) - Ranking Scientific Papers Using Preference Learning [48.78161994501516]
我々はこれをピアレビューテキストとレビュアースコアに基づく論文ランキング問題とみなした。
ピアレビューに基づいて最終決定を行うための,新しい多面的総合評価フレームワークを提案する。
論文 参考訳(メタデータ) (2021-09-02T19:41:47Z) - Polarity in the Classroom: A Case Study Leveraging Peer Sentiment Toward
Scalable Assessment [4.588028371034406]
大規模なまたは大規模なオープンオンラインコース(MOOC)における、正確な段階的なオープンエンドの割り当ては、簡単ではない。
本稿では、ドメイン依存のレキシコンとアスペクトインフォーム化されたレビューフォームを作成するプロセスについて詳述する。
有効性を分析し、9コースから6800以上のピアレビューのコーパスから結論を議論する。
論文 参考訳(メタデータ) (2021-08-02T15:45:11Z) - Assessment and Decision-Making in Universities: Analytics of the
Administration-Staff Compromises [0.0]
本稿では,いわゆるディープエビデンスに基づく分析手法を提案する。
我々は、学術的評価と選定プロセスの推進に使用できる形式化された手続きを提供する。
この分析によって、学術機関の抽象的性質の計算的証拠が得られることを示す。
論文 参考訳(メタデータ) (2021-05-21T20:32:36Z) - Challenging common interpretability assumptions in feature attribution
explanations [0.0]
大規模な人・物体実験により,3つの共通解釈可能性仮定の妥当性を実証的に評価した。
特徴帰属の説明は、人間の意思決定者にとって、我々のタスクに限界効用をもたらす。
論文 参考訳(メタデータ) (2020-12-04T17:57:26Z)
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。