論文の概要: A community-driven optimization framework for redrawing school attendance boundaries

• arxiv url: http://arxiv.org/abs/2509.17130v1
• Date: Sun, 21 Sep 2025 15:42:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 14:49:07.395448
• Title: A community-driven optimization framework for redrawing school attendance boundaries
• Title（参考訳）: 学校通学境界の再描画のためのコミュニティ主導型最適化フレームワーク
• Authors: Hongzhao Guan, Paul Riggins, Tyler Simko, Jasmine Mangat, Cassandra Moe, Urooj Haider, Frank Pantano, Effie G. McMillian, Genevieve Siegel-Hawley, Pascal Van Hentenryck, Nabeel Gillani,
• Abstract要約: 本研究では,多目的アルゴリズムによる校区化フレームワークを導入し,5万人以上の学生に影響を及ぼす大規模校区化に応用する。 このフレームワークはオープンソースのツールを使って構築され、学校区をサポートするために公開され、教育アクセスと機会を改善するための新しいポリシーを探求し、実装している。
• 参考スコア（独自算出の注目度）: 20.121868775424158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The vast majority of US public school districts use school attendance boundaries to determine which student addresses are assigned to which schools. Existing work shows how redrawing boundaries can be a powerful policy lever for increasing access and opportunity for historically disadvantaged groups, even while maintaining other priorities like minimizing driving distances and preserving existing social ties between students and families. This study introduces a multi-objective algorithmic school rezoning framework and applies it to a large-scale rezoning effort impacting over 50,000 students through an ongoing researcher-school district partnership. The framework is designed to incorporate feedback from community members and policymakers, both by deciding which goals are optimized and also by placing differential ``importance'' on goals through weights from community surveys. Empirical results reveal the framework's ability to surface school redistricting plans that simultaneously advance a number of objectives often thought to be in competition with one another, including socioeconomic integration, transportation efficiency, and stable feeder patterns (transitions) between elementary, middle, and high schools. The paper also highlights how local education policymakers navigate several practical challenges, like building political will to make change in a polarized policy climate. The framework is built using open-source tools and publicly released to support school districts in exploring and implementing new policies to improve educational access and opportunity in the coming years.
• Abstract（参考訳）: アメリカの公立教育学区の大半は、どの生徒がどの学校に割り当てられているかを判断するために、学校出席境界を使用している。 既存の研究は、運転距離の最小化や、学生と家族間の既存の社会的結びつきの維持など、他の優先順位を維持しながら、歴史的に不利なグループへのアクセスと機会を高めるための強力な政策レバーとして、境界の再描画がいかに強力な政策レバーとなるかを示している。 本研究では,多目的アルゴリズムによる校区分割フレームワークを導入し,現在進行中の学区連携を通じて,5万人以上の学生に影響を及ぼす大規模校区分割に応用する。 このフレームワークは、コミュニティメンバーと政策立案者からのフィードバックを取り入れるために設計されており、どの目標が最適化されているかを決定すると同時に、コミュニティ調査の重みを通して、目標に「重要度」を差すことによって、両方を定めている。 実証的な結果から、社会経済の統合、輸送効率、小・中・高校間の安定的な供給パターン(移行)など、多くの目的を同時に推進する学校再分権プランを提示するフレームワークの能力が明らかとなった。 この論文は、地方教育政策立案者が政治意思を築き、偏極化政策の気候に変化をもたらすなど、いくつかの実践的な課題をいかにナビゲートするかを強調している。 このフレームワークはオープンソースのツールを使って構築され、学校区をサポートするために公開されている。

関連論文リスト

• BoundarEase: Fostering Constructive Community Engagement to Inform More Equitable Student Assignment Policies [21.986621310787935]
  我々は,「BoundarEase」を設計するために,約15万人の学生を対象とする米国公立教育学区とのコラボレーションについて述べる。 BoundarEaseは、コミュニティメンバーが潜在的な境界について調査し、フィードバックを提供するWebプラットフォームである。 12人のコミュニティメンバによるユーザスタディによると、BoundarEaseは、コミュニティメンバの間で、ポリシーが家族を超えてどのように影響するかについて、振り返りを促している。
  論文  参考訳（メタデータ） (2025-03-11T15:30:53Z)
• Merging public elementary schools to reduce racial/ethnic segregation [0.6437284704257459]
  学校合併」とは、学校における通学境界、あるいはキャッチメントエリアを融合させることである。 この方法でのペアリングや三つ組の学校は、人種と民族の分離を中央値の20%減少させる可能性がある。 当社の結果は、政策立案者やコミュニティメンバがさらなる調査を行うための公開ダッシュボードを通じて公開されています。
  論文  参考訳（メタデータ） (2025-02-14T14:36:28Z)
• Contextual Stochastic Optimization for School Desegregation Policymaking [13.670408636443831]
  本稿では,共同再限定・選択モデリングフレームワークを開発する。 小学校境界線の再描画が社会経済的分離のレベルに現実的にどう影響するかを推定する。 この研究は、RWCがかなりの量の分離を減少させる可能性のある境界変化をもたらすことを発見した。
  論文  参考訳（メタデータ） (2024-08-22T17:40:06Z)
• Fair and skill-diverse student group formation via constrained k-way graph partitioning [65.29889537564455]
  本研究は、公正かつ多様な学生グループ形成のための教師なしアルゴリズムを導入する。 学生のスキルセットは、ラプラシア固有写像を用いて、コースマークデータの教師なし次元削減を用いて決定される。 この問題は制約付きグラフ分割問題として定式化され、各グループのスキルセットの多様性が最大化される。
  論文  参考訳（メタデータ） (2023-01-12T14:02:49Z)
• Estimating Geographic Spillover Effects of COVID-19 Policies From Large-Scale Mobility Networks [54.90772000796717]
  郡レベルの政策は地域間の柔軟性を提供するが、地理的な流出がある場合には効果が低下する可能性がある。 我々は、数十億のタイムスタンプを持つ移動ネットワークを用いて、流出量を推定する。 郡レベルの制限は、モビリティを減らすための州全体の制限と同等に有効である。
  論文  参考訳（メタデータ） (2022-12-12T20:16:54Z)
• Constructing a Good Behavior Basis for Transfer using Generalized Policy Updates [63.58053355357644]
  そこで我々は,優れた政策集合を学習する問題を考察し,組み合わせることで,目に見えない多種多様な強化学習タスクを解くことができることを示した。 理論的には、独立したポリシーのセットと呼ぶ、特定の多様なポリシーのセットにアクセスできることによって、ハイレベルなパフォーマンスを即時に達成できることが示される。
  論文  参考訳（メタデータ） (2021-12-30T12:20:46Z)
• Direct then Diffuse: Incremental Unsupervised Skill Discovery for State Covering and Goal Reaching [98.25207998996066]
  我々は、スキル発見のための相互情報フレームワークを構築し、カバレッジ指向のトレードオフに対応するためにUPSIDEを導入します。 いくつかのナビゲーションおよび制御環境において、UPSIDEが学んだスキルが、既存のベースラインよりもスパース・リワードな下流タスクをどのように解決するかを説明する。
  論文  参考訳（メタデータ） (2021-10-27T14:22:19Z)
• GAEA: Graph Augmentation for Equitable Access via Reinforcement Learning [50.90625274621288]
  異なるサブ人口によるリソースへの別のアクセスは、社会および社会技術ネットワークにおける一般的な問題です。 予算制約下でグラフエッジを編集することにより,ネットワークシステムにおける公平性を高めるため,新たな問題クラスであるグラフ拡張・等価アクセス(GAEA)を導入する。
  論文  参考訳（メタデータ） (2020-12-07T18:29:32Z)
• Off-policy Evaluation in Infinite-Horizon Reinforcement Learning with Latent Confounders [62.54431888432302]
  無限水平エルゴードマルコフ決定過程におけるOPE問題について考察する。 我々は、状態と行動の潜在変数モデルのみを考慮すれば、政策値が政治外のデータから特定できることを示す。
  論文  参考訳（メタデータ） (2020-07-27T22:19:01Z)

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。