論文の概要: Impact, Causation and Prediction of Socio-Academic and Economic Factors in Exam-centric Student Evaluation Measures using Machine Learning and Causal Analysis

• arxiv url: http://arxiv.org/abs/2506.12030v1
• Date: Thu, 22 May 2025 17:41:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-22 23:32:14.589396
• Title: Impact, Causation and Prediction of Socio-Academic and Economic Factors in Exam-centric Student Evaluation Measures using Machine Learning and Causal Analysis
• Title（参考訳）: 機械学習と因果分析を用いたエクストリーム中心の学生評価尺度における社会・学術・経済要因の影響, 因果関係, 予測
• Authors: Md. Biplob Hosen, Sabbir Ahmed, Bushra Akter, Mehrin Anannya,
• Abstract要約: 効果的な教育介入には,社会学・経済的な要因が学生のパフォーマンスに影響を与えることが不可欠である。 本研究では,これらの要因が学業成績に与える影響を予測・解明するために,いくつかの機械学習手法と因果解析を用いる。
• 参考スコア（独自算出の注目度）: 1.124958340749622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Understanding socio-academic and economic factors influencing students' performance is crucial for effective educational interventions. This study employs several machine learning techniques and causal analysis to predict and elucidate the impacts of these factors on academic performance. We constructed a hypothetical causal graph and collected data from 1,050 student profiles. Following meticulous data cleaning and visualization, we analyze linear relationships through correlation and variable plots, and perform causal analysis on the hypothetical graph. Regression and classification models are applied for prediction, and unsupervised causality analysis using PC, GES, ICA-LiNGAM, and GRASP algorithms is conducted. Our regression analysis shows that Ridge Regression achieve a Mean Absolute Error (MAE) of 0.12 and a Mean Squared Error (MSE) of 0.024, indicating robustness, while classification models like Random Forest achieve nearly perfect F1-scores. The causal analysis shows significant direct and indirect effects of factors such as class attendance, study hours, and group study on CGPA. These insights are validated through unsupervised causality analysis. By integrating the best regression model into a web application, we are developing a practical tool for students and educators to enhance academic outcomes based on empirical evidence.
• Abstract（参考訳）: 効果的な教育介入には,社会的・経済的要因の理解が不可欠である。 本研究では,これらの要因が学業成績に与える影響を予測・解明するために,いくつかの機械学習手法と因果解析を用いる。 仮説因果グラフを構築し,1,050人の学生プロフィールからデータを収集した。 微妙なデータのクリーニングと可視化に続いて,相関関係と変動プロットを用いて線形関係を解析し,仮説グラフの因果解析を行う。 回帰モデルと分類モデルを適用し,PC, GES, ICA-LiNGAM, GRASPアルゴリズムを用いた教師なし因果解析を行った。 我々の回帰分析によると、リッジ回帰は平均絶対誤差0.12、平均正方誤差0.024を達成し、一方ランダムフォレストのような分類モデルはほぼ完璧なF1スコアを達成している。 因果分析は、クラス出席、学習時間、CGPAに関するグループ研究などの要因の顕著な直接的および間接的な影響を示す。 これらの知見は、教師なし因果分析によって検証される。 ベストレグレッションモデルをWebアプリケーションに統合することにより、経験的証拠に基づく学術的成果を高めるための実践的なツールを学生や教育者向けに開発している。

関連論文リスト

• Do-PFN: In-Context Learning for Causal Effect Estimation [75.62771416172109]
  予備データ適合ネットワーク(PFN)は, 合成データに基づいて事前学習を行い, 結果を予測する。 提案手法により,基礎となる因果グラフの知識を必要とせず,因果効果の正確な推定が可能となる。
  論文  参考訳（メタデータ） (2025-06-06T12:43:57Z)
• Interpretable Credit Default Prediction with Ensemble Learning and SHAP [3.948008559977866]
  本研究では、信用デフォルト予測の問題に焦点をあて、機械学習に基づくモデリングフレームワークを構築し、様々な主流分類アルゴリズムの比較実験を行う。 その結果、アンサンブル学習法は、特に特徴とデータ不均衡問題の間の複雑な非線形関係を扱う際に、予測性能に明らかな利点があることが示唆された。 外部クレジットスコア変数はモデル決定において主要な役割を担い、モデルの解釈可能性と実用的な応用価値を改善するのに役立ちます。
  論文  参考訳（メタデータ） (2025-05-27T07:23:22Z)
• Machine learning algorithms to predict stroke in China based on causal inference of time series analysis [1.7646715816998508]
  本研究では,動的因果推論と機械学習モデルを組み合わせた脳卒中リスク予測手法を提案する。 その結果,脳卒中リスクの予測には動的因果推論の特徴が重要であることが示唆された。
  論文  参考訳（メタデータ） (2025-03-10T14:45:43Z)
• Class-Dependent Perturbation Effects in Evaluating Time Series Attributions [5.136283512042341]
  以前見過ごされたクラス依存効果を特徴属性の指標で示す。 解析の結果,摂動に基づく評価は,本質的な属性品質よりも,特定のモデル行動を反映する可能性が示唆された。 本稿では,これらの効果の評価と評価を支援するために,クラス認識型ペナルティ用語を用いた評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-24T10:22:03Z)
• Analyzing Domestic Violence through Exploratory Data Analysis and Explainable Ensemble Learning Insights [0.5825410941577593]
  本研究は、男性家庭内暴力(MDV)を初めて探求し、その影響する要因を明らかにする。 バングラデシュの9大都市から収集したデータを探索データ分析(EDA)を用いて解析した。 EDAは, 言語虐待の頻度, 金銭的依存の影響, MDVにおける家族的・社会経済的要因の役割などのパターンを明らかにした。
  論文  参考訳（メタデータ） (2024-03-22T19:53:21Z)
• Ecosystem-level Analysis of Deployed Machine Learning Reveals Homogeneous Outcomes [72.13373216644021]
  本研究では,機械学習の社会的影響を,特定の文脈に展開されるモデルの集合を考慮し検討する。 デプロイされた機械学習はシステム障害を起こしやすいため、利用可能なすべてのモデルに排他的に誤分類されているユーザもいます。 これらの例は、エコシステムレベルの分析が、機械学習の社会的影響を特徴づける独自の強みを持っていることを示している。
  論文  参考訳（メタデータ） (2023-07-12T01:11:52Z)
• Measuring Causal Effects of Data Statistics on Language Model's `Factual' Predictions [59.284907093349425]
  大量のトレーニングデータが、最先端のNLPモデルの高性能化の大きな理由の1つである。 トレーニングデータがどのように予測に影響を及ぼすかを記述するための言語を,因果的フレームワークを通じて提供する。 我々のフレームワークは、高価なモデルの再訓練の必要性を回避し、観測データのみに基づいて因果効果を推定することができる。
  論文  参考訳（メタデータ） (2022-07-28T17:36:24Z)
• Auditing Fairness and Imputation Impact in Predictive Analytics for Higher Education [0.0]
  高等教育における予測分析の導入には2つの大きな障壁がある。 デプロイにおける民主化の欠如と、不平等を悪化させる可能性を挙げる。
  論文  参考訳（メタデータ） (2021-09-13T05:08:40Z)
• Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
  そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。 我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。 このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
  論文  参考訳（メタデータ） (2020-10-15T16:39:26Z)

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。