論文の概要: Assessment and Decision-Making in Universities: Analytics of the
Administration-Staff Compromises
- arxiv url: http://arxiv.org/abs/2105.10560v1
- Date: Fri, 21 May 2021 20:32:36 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-30 05:06:04.968635
- Title: Assessment and Decision-Making in Universities: Analytics of the
Administration-Staff Compromises
- Title（参考訳）: 大学における評価と意思決定--行政スタッフ妥協の分析
- Authors: Valerii Semenets, Vagan Terziyan, Svitlana Gryshko, Mariia Golovianko
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Various processes in academic organizations include the decision points where
selecting people through their assessment and ranking is performed, and the
impact of wrong or right choices can be very high. How do we simultaneously
ensure that these selection decisions are well balanced, fair, and unbiased by
satisfying the key stakeholders' wishes? How much and what kinds of evidence
must be used to make them? How can both the evidence and the procedures be made
transparent and unambitious for everyone? In this paper, we suggest a set of
so-called deep evidence-based analytics, which is applied on top of the
collective awareness platform (portal for managing higher education processes).
The deep evidence, in addition to the facts about the individual academic
achievements of personnel, includes the evidence about individual rewards.
However, what is more important is that such evidence also includes explicit
individual value systems (formalized personal preferences in the
self-assessment of both achievements and the rewards). We provide formalized
procedures that can be used to drive the academic assessment and selection
processes within universities based on advanced (deep) evidence and with
different balances of decision power between administrations and personnel. We
also show how this analytics enables computational evidence for some abstract
properties of an academic organization related to its organizational culture,
such as organizational democracy, justice, and work passion. We present the
analytics together with examples of its actual use within Ukrainian higher
education at the Trust portal.
- Abstract（参考訳）: 学術組織における様々なプロセスには、評価とランク付けによって人を選定する決定ポイントが含まれており、間違った選択や正しい選択の影響は非常に高い。
主要な利害関係者の要求を満たすことによって、これらの選択決定がバランスよく、公平で、偏りがないことをどうやって同時に保証しますか?
どのくらいの量と証拠を使わなければならないのか?
証拠と手続きの両方を、誰にでも透明かつ曖昧にするにはどうすればよいのか?
本稿では,集合意識プラットフォーム(高等教育プロセスを管理するためのポータル)上で,いわゆる深層証拠に基づく分析手法を提案する。
深い証拠は、個人の学術的業績に関する事実に加えて、個人の報酬に関する証拠を含んでいる。
しかし、より重要なのは、これらの証拠には明示的な個人価値システム(成果と報酬の自己評価における個人的好み)も含まれていることである。
高度(深層)のエビデンスに基づく大学内の学術的評価と選択過程を、行政と人事の異なる決定力のバランスで推進するために使用できる形式化された手続きを提供する。
また, この分析によって, 組織的民主主義, 正義, 労働情熱など, 組織文化に関連する学術組織の抽象的特性の計算的証拠が得られることを示す。
本稿では,ウクライナの高等教育機関であるトラスト・ポータルにおいて,実際の利用事例とともに分析を行った。
関連論文リスト
- Identifying Reasons for Bias: An Argumentation-Based Approach [2.9465623430708905]
そこで本研究では, 類似した個人と比較して, 個人が別々に分類される理由を決定するための, モデルに依存しない議論に基づく新しい手法を提案する。
フェアネス文献でよく用いられる2つのデータセットを用いて本手法の評価を行い,バイアスの同定に有効であることを示す。
論文 参考訳（メタデータ） (2023-10-25T09:47:15Z) - Evaluating the Fairness of Discriminative Foundation Models in Computer
Vision [51.176061115977774]
本稿では,CLIP (Contrastive Language-Pretraining) などの差別基盤モデルのバイアス評価のための新しい分類法を提案する。
そして、これらのモデルにおけるバイアスを緩和するための既存の手法を分類学に関して体系的に評価する。
具体的には,ゼロショット分類,画像検索,画像キャプションなど,OpenAIのCLIPとOpenCLIPモデルをキーアプリケーションとして評価する。
論文 参考訳（メタデータ） (2023-10-18T10:32:39Z) - Value Kaleidoscope: Engaging AI with Pluralistic Human Values, Rights, and Duties [68.66719970507273]
価値多元性とは、複数の正しい値が互いに緊張して保持されるという考え方である。
統計的学習者として、AIシステムはデフォルトで平均に適合する。
ValuePrismは、218kの値、権利、義務の大規模なデータセットで、31kの人間が記述した状況に関連付けられています。
論文 参考訳（メタデータ） (2023-09-02T01:24:59Z) - Incentive-Theoretic Bayesian Inference for Collaborative Science [59.15962177829337]
未知のパラメータについて、プライベートな先行エージェントが存在する場合の仮説テストについて検討する。
エージェントの戦略行動によって明らかにされる情報を活用する統計的推論を行う方法を示す。
論文 参考訳（メタデータ） (2023-07-07T17:59:01Z) - Allocation Schemes in Analytic Evaluation: Applicant-Centric Holistic or
Attribute-Centric Segmented? [30.17763246746458]
採用や大学入学など、応募者の評価や選定など、多くの応用がある。
これらのアプリケーションでは、応募者数は多く、分散方式でタスクを複数の評価者に割り当てるのが一般的である。
我々は、各評価官により多くの応募者を割り当てるが、申請者当たりの属性が少ないことを検討し、分割割当と呼ぶ。
論文 参考訳（メタデータ） (2022-09-18T22:02:46Z) - Federated Selective Aggregation for Knowledge Amalgamation [66.94340185846686]
FedSAの目標は、何人かの分散教師の助けを借りて、新しいタスクのための学生モデルをトレーニングすることである。
このような問題を調査する動機は、最近のモデル共有のジレンマに端を発する。
提案されたFedSAは、このジレンマに対する解決策を提供し、さらに一歩進める。
論文 参考訳（メタデータ） (2022-07-27T05:36:50Z) - Inverse Online Learning: Understanding Non-Stationary and Reactionary
Policies [79.60322329952453]
エージェントが意思決定を行う方法の解釈可能な表現を開発する方法を示す。
一連の軌跡に基づく意思決定プロセスを理解することにより,このオンライン学習問題に対して,政策推論問題を逆問題とみなした。
本稿では、エージェントがそれらを更新するプロセスと並行して、その影響を遡及的に推定する実用的なアルゴリズムを提案する。
UNOSの臓器提供受諾決定の分析に応用することで、我々のアプローチは意思決定プロセスを管理する要因や時間とともにどのように変化するかに、貴重な洞察をもたらすことができることを実証する。
論文 参考訳（メタデータ） (2022-03-14T17:40:42Z) - What is Legitimate Decision Support? [0.0]
2つの概念は、この意思決定支援の側面、すなわち妥当性と正当性を分析するための文献を構造化している。
その重要性にも拘わらず、この概念は決定支援の文献にふさわしい関心を受けていない。
本稿では,意思決定支援の文脈に適応した汎用的正当性理論を提案する。
論文 参考訳（メタデータ） (2022-01-28T12:20:18Z) - The Values Encoded in Machine Learning Research [6.11644847221881]
初回会議、ICML、NeurIPSで発表された100の高度に引用された機械学習論文を分析した。
機械学習の研究で上げられた67の値を特定します。
高度に引用された論文とハイテク企業、エリート大学の間には、ますます密接な関係がある。
論文 参考訳（メタデータ） (2021-06-29T17:24:14Z) - Indecision Modeling [50.00689136829134]
AIシステムは人間の価値観に合わせて行動することが重要である。
人々はしばしば決定的ではなく、特に彼らの決定が道徳的な意味を持つときです。
論文 参考訳（メタデータ） (2020-12-15T18:32:37Z)
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。