論文の概要: Data Driven and Visualization based Strategization for University Rank
Improvement using Decision Trees
- arxiv url: http://arxiv.org/abs/2110.09050v1
- Date: Mon, 18 Oct 2021 06:41:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-19 20:56:14.497563
- Title: Data Driven and Visualization based Strategization for University Rank
Improvement using Decision Trees
- Title（参考訳）: データ駆動・可視化に基づく意思決定木を用いた大学ランキング改善のための戦略
- Authors: Nishi Doshi and Samhitha Gundam and Bhaskar Chaudhury
- Abstract要約: 本稿では,Decision Tree (DT) に基づくアルゴリズムを用いてランキングデータを分類し,データ可視化技術を用いてランク改善のための決定経路を抽出する手法を提案する。
提案手法は,HEIが改善の範囲を定量的に評価し,詳細な長期行動計画と適切な道路マップを作成するのに役立つ。
- 参考スコア（独自算出の注目度）: 1.933681537640272
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Annual ranking of higher educational institutes (HEIs) is a global phenomena
and past research shows that they have significant impact on higher education
landscape. In spite of criticisms regarding the goals, methodologies and
outcomes of such ranking systems, previous studies reveal that most of the
universities pay close attention to ranking results and look forward to
improving their ranks. Generally, each ranking framework uses its own set of
parameters and the data for individual metrics are condensed into a single
final score for determining the rank thereby making it a complex multivariate
problem. Maintaining a good rank and ascending in the rankings is a difficult
task because it requires considerable resources, efforts and accurate planning.
In this work, we show how exploratory data analysis (EDA) using correlation
heatmaps and box plots can aid in understanding the broad trends in the ranking
data, however it is challenging to make institutional decisions for rank
improvements completely based on EDA. We present a novel idea of classifying
the rankings data using Decision Tree (DT) based algorithms and retrieve
decision paths for rank improvement using data visualization techniques. Using
Laplace correction to the probability estimate, we quantify the amount of
certainty attached with different decision paths obtained from interpretable DT
models . The proposed methodology can aid HEIs to quantitatively asses the
scope of improvement, adumbrate a fine-grained long-term action plan and
prepare a suitable road-map.
- Abstract（参考訳）: 高等教育機関の年次ランキング(HEIs)は世界的な現象であり、過去の研究では高等教育の景観に大きな影響を与えることが示されている。
このようなランキング制度の目標、方法論、成果に関する批判にもかかわらず、これまでの研究では、ほとんどの大学がランキング結果に注意を払っており、そのランク向上を楽しみにしている。
一般に、各ランキングフレームワークは独自のパラメータセットを使用し、個々のメトリクスのデータは、ランクを決定するために単一の最終スコアに凝縮され、複雑な多変量問題となる。
相当なリソースや努力、正確な計画が必要となるため、優れたランクを維持し、ランキングを上昇させることは難しい課題である。
本研究では、相関ヒートマップとボックスプロットを用いた探索データ分析(EDA)が、ランキングデータの幅広い傾向を理解するのにどのように役立つかを示すが、EDAに基づくランク改善の制度的決定は困難である。
本稿では,Decision Tree (DT) に基づくアルゴリズムを用いてランキングデータを分類し,データ可視化技術を用いてランク改善のための決定経路を求める。
確率推定にラプラス補正を用いると、解釈可能なDTモデルから得られる異なる決定経路に付随する確実性の量を定量化する。
提案手法は,HEIが改善の範囲を定量的に評価し,詳細な長期行動計画と適切な道路マップを作成するのに役立つ。
関連論文リスト
- Reward-Augmented Data Enhances Direct Preference Alignment of LLMs [56.24431208419858]
報奨条件付き大言語モデル(LLM)を導入し、データセット内の応答品質のスペクトル全体から学習する。
そこで本稿では,品質スコアに優先ペアを条件付け,報酬を加算したデータセットを構築する,効果的なデータレバーベリング手法を提案する。
論文 参考訳（メタデータ） (2024-10-10T16:01:51Z) - Rank Aggregation in Crowdsourcing for Listwise Annotations [37.0231203825557]
クラウドソーシングにおけるリストワイド・アグリゲーション手法を提案する。
本設計では,特にアノテーションの品質指標を用いて,注釈付きランクと真のランクとの差を計測する。
また,アノテータの性能に直接影響を与えるため,ランキング問題自体の難しさも考慮に入れている。
論文 参考訳（メタデータ） (2024-10-10T02:13:21Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - 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) - Rethinking Object Saliency Ranking: A Novel Whole-flow Processing
Paradigm [22.038715439842044]
本稿では、その「重要順」によって、有能な物体のランク付けに完全にフォーカスすることを目的とした、有能なランキングのための新しいパラダイムを提案する。
提案手法は、広く使われているSALICONの既存の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2023-12-06T01:51:03Z) - TRIVEA: Transparent Ranking Interpretation using Visual Explanation of
Black-Box Algorithmic Rankers [4.336037935247747]
ランク付けスキームは、どこで勉強するか、誰を雇うか、何を買うかなど、多くの現実世界の意思決定を促します。
これらの決定の核心は、データエンティティの順序を決定する不透明なランキングスキームである。
我々は、利用可能なデータから学習するアルゴリズム的なランク付けと、説明可能なAI(XAI)手法を用いて学習したランキング差について人間の推論を行うことで、ランキング解釈における透明性の実現を目指している。
論文 参考訳（メタデータ） (2023-08-28T16:58:44Z) - Learning to Rank when Grades Matter [11.981942948477236]
グレードラベルは、現実世界の学習 to ランクのアプリケーションではユビキタスである。
従来の学習からランクまでの技術は、実際の成績を予測することを無視する。
ランクとグレードの予測を協調的に最適化する多目的定式化を提案する。
論文 参考訳（メタデータ） (2023-06-14T17:30:02Z) - 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) - On the Linear Ordering Problem and the Rankability of Data [0.0]
線形度合いを使用して、データの割合が最適なランキングと一致するかを定量化します。
スポーツの文脈では、これはランキングが後から正確に予測できるゲームの数に類似している。
LOPを用いて計算した最適ランキングは、ランキングの後方精度を最大化することを示す。
論文 参考訳（メタデータ） (2021-04-12T21:05:17Z) - PiRank: Learning To Rank via Differentiable Sorting [85.28916333414145]
ランク付けのための新しい分類可能なサロゲートであるPiRankを提案する。
ピランクは所望の指標をゼロ温度の限界で正確に回収する。
論文 参考訳（メタデータ） (2020-12-12T05:07:36Z) - Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking
Fairness and Algorithm Utility [54.179859639868646]
Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。
学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。
本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-15T10:08:39Z)
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。