論文の概要: Choose qualified instructor for university based on rule-based weighted expert system

• arxiv url: http://arxiv.org/abs/2208.04657v1
• Date: Tue, 9 Aug 2022 10:44:40 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-10 12:10:28.818107
• Title: Choose qualified instructor for university based on rule-based weighted expert system
• Title（参考訳）: 規則に基づく重み付けエキスパートシステムに基づく大学資格インストラクターの選択
• Authors: Sana Karimian
• Abstract要約: 提案システムの品質はイランの大学の実データを用いて評価する。 提案方式は, 関連する効率的な処理に比べて計算量が少なく, 計算量も少ない。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Near the entire university faculty directors must select some qualified professors for respected courses in each academic semester. In this sense, factors such as teaching experience, academic training, competition, etc. are considered. This work is usually done by experts, such as faculty directors, which is time consuming. Up to now, several semi-automatic systems have been proposed to assist heads. In this article, a fully automatic rule-based expert system is developed. The proposed expert system consists of three main stages. First, the knowledge of human experts is entered and designed as a decision tree. In the second step, an expert system is designed based on the provided rules of the generated decision tree. In the third step, an algorithm is proposed to weight the results of the tree based on the quality of the experts. To improve the performance of the expert system, a majority voting algorithm is developed as a post-process step to select the qualified trainer who satisfies the most expert decision tree for each course. The quality of the proposed expert system is evaluated using real data from Iranian universities. The calculated accuracy rate is 85.55, demonstrating the robustness and accuracy of the proposed system. The proposed system has little computational complexity compared to related efficient works. Also, simple implementation and transparent box are other features of the proposed system.
• Abstract（参考訳）: 学部長のほぼ全員が、各学期ごとに、尊敬されるコースの資格のある教授を選ばなければならない。 この意味では、教育経験、アカデミックトレーニング、コンペティションなどといった要素が考慮される。 この作業は通常、時間を要する学部長のような専門家によって行われる。 これまで、頭部補助のためにいくつかの半自動システムが提案されてきた。 本稿では,完全自動ルールベースエキスパートシステムを開発した。 提案するエキスパートシステムは3つの主要段階から構成される。 まず、人間の専門家の知識を入力し、決定木として設計する。 第2のステップでは、生成された決定木の与えられたルールに基づいてエキスパートシステムが設計される。 第3のステップでは、専門家の品質に基づいて、木の結果を重み付けするアルゴリズムが提案されている。 エキスパートシステムの性能向上のために,各コースに最も熟練した決定木を満たす有能なトレーナーを選択するためのポストプロセスステップとして,多数決アルゴリズムを開発した。 提案する専門家システムの品質は,イラン大学の実データを用いて評価される。 計算された精度は85.55であり、提案方式の堅牢性と精度を示す。 提案方式は, 関連する効率的な処理に比べて計算量が少ない。 また、簡単な実装と透明なボックスが提案システムの特徴である。

関連論文リスト

• Fuzzy Intelligent System for Student Software Project Evaluation [0.0]
  本稿では,学術ソフトウェアプロジェクトの評価を目的としたファジィインテリジェントシステムを提案する。 システムは入力基準を処理し、プロジェクト成功の定量化尺度を作成する。 提案手法は,プロジェクト評価を標準化し,手動グレーディングにおける主観的バイアスを低減するのに役立つ。
  論文  参考訳（メタデータ） (2024-05-01T11:12:22Z)
• Identifying Student Profiles Within Online Judge Systems Using Explainable Artificial Intelligence [6.638206014723678]
  オンライン審査員(OJ)システムは通常、学生によって開発されたコードの高速かつ客観的な評価を得られるため、プログラミング関連のコースの中で考慮される。 本研究の目的は,OJが収集した情報のさらなる活用を考慮し,学生とインストラクターの両方のフィードバックを自動的に推測することで,この制限に対処することである。
  論文  参考訳（メタデータ） (2024-01-29T12:11:30Z)
• Inverse Reinforcement Learning with Sub-optimal Experts [56.553106680769474]
  与えられた専門家の集合と互換性のある報酬関数のクラスの理論的性質について検討する。 以上の結果から,複数の準最適専門家の存在が,相反する報酬の集合を著しく減少させる可能性が示唆された。 我々は,最適なエージェントの1つに十分近い準最適専門家のパフォーマンスレベルが最適である場合に,最小限の最適化を行う一様サンプリングアルゴリズムを解析する。
  論文  参考訳（メタデータ） (2024-01-08T12:39:25Z)
• Rational Decision-Making Agent with Internalized Utility Judgment [91.80700126895927]
  大規模言語モデル(LLM)は目覚ましい進歩を示し、従来のNLPアプリケーションを超えて複雑な多段階決定タスクを実行できるエージェントにLLMを開発するための重要な努力を惹きつけている。 本稿では,RadAgentを提案する。このRadAgentは,経験探索とユーティリティ学習を含む反復的なフレームワークを通じて,合理性の発展を促進する。 ToolBenchデータセットの実験結果は、RadAgentがベースラインよりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-08-24T03:11:45Z)
• Doubting AI Predictions: Influence-Driven Second Opinion Recommendation [92.30805227803688]
  我々は,補完的な意見を提供する可能性のある専門家を識別する,共通の組織的実践に基づいて,人間とAIのコラボレーションを強化する方法を提案する。 提案手法は、一部の専門家がアルゴリズムによる評価に異を唱えるかどうかを特定することによって、生産的な不一致を活用することを目的としている。
  論文  参考訳（メタデータ） (2022-04-29T20:35:07Z)
• Human-Algorithm Collaboration: Achieving Complementarity and Avoiding Unfairness [92.26039686430204]
  慎重に設計されたシステムであっても、補完的な性能はあり得ないことを示す。 まず,簡単な人間アルゴリズムをモデル化するための理論的枠組みを提案する。 次に、このモデルを用いて相補性が不可能な条件を証明する。
  論文  参考訳（メタデータ） (2022-02-17T18:44:41Z)
• Improving Expert Predictions with Conformal Prediction [14.850555720410677]
  既存のシステムは通常、専門家に、いつ機関をシステムに割譲するか、いつ独自の機関を行使するかを理解する必要がある。 我々は、専門家がより正確な予測を行うことができ、予測者が依存する精度に頑健な自動意思決定支援システムを開発する。
  論文  参考訳（メタデータ） (2022-01-28T09:35:37Z)
• Determining Sentencing Recommendations and Patentability Using a Machine Learning Trained Expert System [0.0]
  本稿では機械学習エキスパートシステム(MLES)を用いた2つの研究について述べる。 ある研究では、一貫した連邦刑事判決についてアメリカ合衆国連邦判事に助言するシステムに焦点を当てている。 もう一つの研究は、米国特許商標庁が特許性評価プロセスの自動化を支援するシステムを開発することを目的としている。
  論文  参考訳（メタデータ） (2021-08-05T16:21:29Z)
• Discovering the Rationale of Decisions: Experiments on Aligning Learning and Reasoning [0.0]
  専用テストケースを用いたモデル非依存な合理的評価のための知識駆動手法を提案する。 本手法は,ブラックボックス機械学習システムの理論的根拠を解析できることを示す。
  論文  参考訳（メタデータ） (2021-05-14T10:37:03Z)
• Decision Rule Elicitation for Domain Adaptation [93.02675868486932]
  ヒトインザループ機械学習は、専門家からラベルを引き出すために人工知能(AI)で広く使用されています。 この作業では、専門家が意思決定を説明する決定ルールを作成できるようにします。 決定規則の適用はアルゴリズムのドメイン適応を改善し、専門家の知識をAIモデルに広めるのに役立つことを示す。
  論文  参考訳（メタデータ） (2021-02-23T08:07:22Z)
• Leveraging Expert Consistency to Improve Algorithmic Decision Support [62.61153549123407]
  建設のギャップを狭めるために観測結果と組み合わせることができる情報源として,歴史専門家による意思決定の利用について検討する。 本研究では,データ内の各ケースが1人の専門家によって評価された場合に,専門家の一貫性を間接的に推定する影響関数に基づく手法を提案する。 本研究は, 児童福祉領域における臨床現場でのシミュレーションと実世界データを用いて, 提案手法が構成ギャップを狭めることに成功していることを示す。
  論文  参考訳（メタデータ） (2021-01-24T05:40:29Z)

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。