論文の概要: A machine learning approach to predict university enrolment choices through students' high school background in Italy
- arxiv url: http://arxiv.org/abs/2403.13819v1
- Date: Thu, 29 Feb 2024 10:05:37 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-25 07:17:26.057329
- Title: A machine learning approach to predict university enrolment choices through students' high school background in Italy
- Title（参考訳）: イタリアにおける高校生の背景から大学入学選択を予測する機械学習手法
- Authors: Andrea Priulla, Alessandro Albano, Nicoletta D'Angelo, Massimo Attanasio,
- Abstract要約: 本稿では,イタリアの高校生の数学とイタリア語の習熟度が大学入学選択に及ぼす影響を考察する。
従来と同様の教育的選択や達成に対する性別差について検討した。
研究成果は、大学教育に関する学生の選択を形作る際に、学力、性別、高校の背景の複雑な相互作用を浮き彫りにした。
- 参考スコア（独自算出の注目度）: 42.57210316104905
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: This paper explores the influence of Italian high school students' proficiency in mathematics and the Italian language on their university enrolment choices, specifically focusing on STEM (Science, Technology, Engineering, and Mathematics) courses. We distinguish between students from scientific and humanistic backgrounds in high school, providing valuable insights into their enrolment preferences. Furthermore, we investigate potential gender differences in response to similar previous educational choices and achievements. The study employs gradient boosting methodology, known for its high predicting performance and ability to capture non-linear relationships within data, and adjusts for variables related to the socio-demographic characteristics of the students and their previous educational achievements. Our analysis reveals significant differences in the enrolment choices based on previous high school achievements. The findings shed light on the complex interplay of academic proficiency, gender, and high school background in shaping students' choices regarding university education, with implications for educational policy and future research endeavours.
- Abstract（参考訳）: 本稿では,STEM(Science, Technology, Engineering, and Mathematics)科目を中心に,イタリアの高校生の数学とイタリア語の習熟度が大学入学選択に及ぼす影響について検討する。
我々は、高校生の科学的背景と人文主義的背景を区別し、エンローメントの好みに関する貴重な洞察を提供する。
さらに,従来と類似した教育的選択や達成度に反応する性別差について検討した。
この研究は、データ内の非線形関係を捕捉する高い予測性能と能力で知られ、学生の社会デミノグラフィー特性と過去の教育的成果に関連する変数を調整している。
分析の結果,過去の高校成績に基くエンロメント選択に有意な差異が認められた。
この結果は,大学教育に関する学生の選択を形作り,教育政策や今後の研究課題に影響を及ぼすという,学術的熟練度,性別,高校の背景の複雑な相互作用を浮き彫りにした。
関連論文リスト
- Explainable Few-shot Knowledge Tracing [48.877979333221326]
本稿では,学生の記録から学生の知識をトラッキングし,自然言語による説明を提供する認知誘導フレームワークを提案する。
3つの広く使われているデータセットによる実験結果から、LLMは競合する深層知識追跡手法に匹敵する、あるいは優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2024-05-23T10:07:21Z) - Temporal and Between-Group Variability in College Dropout Prediction [0.0]
本研究では,機械学習モデルの寄与要因と予測性能を体系的に評価する。
最終年度末の降雨予測は,ランダムフォレストモデルによる入園時よりも20%高い値を示した。
学生集団間の多様性に関して、大学GPAは、伝統的に不利な背景を持つ学生にとって、仲間よりも予測的価値が高い。
論文 参考訳（メタデータ） (2024-01-12T10:43:55Z) - Students Success Modeling: Most Important Factors [0.47829670123819784]
モデルは、卒業する確率の高い生徒、転校する確率の高い生徒、退学して高等教育を終了させる確率の高い生徒を識別する。
実験の結果,初等期において,大学生とリスクの高い学生の区別が合理的に達成できることが示唆された。
このモデルは、学校に3年間滞在する学生の運命を著しく予測している。
論文 参考訳（メタデータ） (2023-09-06T19:23:10Z) - 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) - UKP-SQuARE: An Interactive Tool for Teaching Question Answering [61.93372227117229]
質問応答の指数的増加(QA)は、あらゆる自然言語処理(NLP)コースにおいて必須のトピックとなっている。
本稿では、QA教育のプラットフォームとしてUKP-SQuAREを紹介する。
学生は様々な視点から様々なQAモデルを実行、比較、分析することができる。
論文 参考訳（メタデータ） (2023-05-31T11:29:04Z) - ETHNO-DAANN: Ethnographic Engagement Classification by Deep Adversarial Transfer Learning [0.0]
学生のモチベーションは、ポストコロニアル教育改革と青少年雇用市場適応の必要性から、重要な研究課題である。
本稿では,エスノグラフィーエンゲージメント予測のための逆適応を用いたディープニューラルネットワークを用いたトランスファー学習アルゴリズムETHNO-DAANNを提案する。
論文 参考訳（メタデータ） (2023-01-21T22:07:26Z) - Disadvantaged students increase their academic performance through
collective intelligence exposure in emergency remote learning due to COVID 19 [105.54048699217668]
新型コロナウイルス(COVID-19)危機の間、世界中の教育機関が対面指導から緊急遠隔教育(ERT)へと移行した。
我々は,7,528人の大学生のデータを分析したところ,議論フォーラムにおける学生間の協調的・合意的ダイナミクスが最終GPAに肯定的な影響を及ぼすことがわかった。
自然言語処理を用いて,高校生の学習成績が低かった1年生が,議論フォーラムでよりコンテンツ集約的な投稿に晒されていることを示す。
論文 参考訳（メタデータ） (2022-03-10T20:23:38Z) - Text Mining Undergraduate Engineering Programs' Applications: the Role
of Gender, Nationality, and Socio-economic Status [2.1399409016552347]
本研究では,工学系プログラムを選択する上で,応募者のモチベーション要因を分析するための新しいテキストマイニング手法を提案し,開発する。
提案手法を43,645個のデータセットに適用し,カナダ大の工学部に適用した。
テクノロジーへの関心と社会的影響の追求が、応募者にとって最も強力なモチベーションであることがわかった。
論文 参考訳（メタデータ） (2021-07-20T15:47:18Z) - 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) - Social Engagement versus Learning Engagement -- An Exploratory Study of
FutureLearn Learners [61.58283466715385]
大規模なオープンオンラインコース (MOOCs) は増加傾向にあるが、エンロリーのごく一部しかMOOCsを完了していない。
この研究は、MOOCにおける研究の進展とともに、学習者がピアとどのように相互作用するかに特に関係している。
この研究は、社会的構成主義的アプローチを採用し、協調学習を促進するFutureLearnプラットフォーム上で行われた。
論文 参考訳（メタデータ） (2020-08-11T16:09:10Z)
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。