論文の概要: CAPIRE: Modelling the Impact of Teacher Strikes and Inflation on Student Trajectories in Engineering Education

• arxiv url: http://arxiv.org/abs/2511.14573v1
• Date: Tue, 18 Nov 2025 15:16:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-19 16:23:53.176334
• Title: CAPIRE: Modelling the Impact of Teacher Strikes and Inflation on Student Trajectories in Engineering Education
• Title（参考訳）: CAPIRE:工学教育における教師の知識とインフレーションが学生の軌道に及ぼす影響をモデル化する
• Authors: H. R Paz,
• Abstract要約: 本研究では,CAPIREフレームワークをマクロショックモジュールで拡張し,教員のストライキやインフレーションが工学教育における学生の軌道に与える影響を分析する。 我々は,全国的なインフレーション指標,教師ストライクへのラッジ露出,マクロショックとカリキュラム摩擦の相互作用を組み込んだ,リーク対応多レベル機能セットを構築した。 教師のストライキやインフレーションは、独立したイベントではなく、カリキュラム設計や財政的レジリエンスを通じて、構造的に媒介される教育破壊者として機能すると主張する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study extends the CAPIRE framework with a macro-shock module to analyse the impact of teacher strikes and inflation on student trajectories in engineering education. Using data from 1,343 students across 15 cohorts (2004-2019) in a public engineering faculty in Argentina, we construct a leak-aware, multilevel feature set that incorporates national inflation indicators, lagged exposure to teacher strikes, and interaction terms between macro shocks and curriculum friction. Random Forest models with cohort-based validation demonstrate that macro features provide stable, non-trivial gains in early-semester dropout prediction (improvement in Macro F1 from 0.73 to 0.78), with inflation volatility at entry and a strike-weighted basic-cycle friction index amongst the most influential variables. Lag analysis reveals that strike exposure exerts its strongest association with dropout two to three semesters after the disruption (OR = 2.34), and that effects are concentrated in early, high-friction semesters. We then embed these empirical patterns into an agent-based model, defining scenarios for inflation-only, strikes-only, and combined crisis. Simulations reproduce three stylised facts: delayed strike effects, basic-cycle vulnerability, and non-linear amplification when inflation and strikes co-occur, with combined shocks generating dropout levels 18-23% higher than the sum of individual effects. We argue that teacher strikes and inflation operate as structurally mediated educational disruptors, acting through curriculum design and financial resilience rather than as isolated events. The framework contributes to multilevel dropout theory by demonstrating how macro-level shocks propagate through institutional structures to shape individual trajectories and provides empirically grounded tools for scenario planning in macroeconomically unstable contexts.
• Abstract（参考訳）: 本研究では,CAPIREフレームワークをマクロショックモジュールで拡張し,教員のストライキやインフレーションが工学教育における学生の軌道に与える影響を分析する。 アルゼンチンの公立工学部で15のコホート(2004-2019)にまたがる1,343人の学生のデータを用いて,全国的なインフレーション指標,教師ストライクへの曝露,マクロショックとカリキュラムの摩擦の相互作用を組み込んだ,リーク対応のマルチレベル特徴セットを構築した。 コホートに基づく検証を含むランダムフォレストモデルでは、マクロ特徴が早期のドロップアウト予測(マクロF1では0.73から0.78までの改善)において安定かつ非自明な利得をもたらし、導入時のインフレーションのボラティリティとストライク重み付きベーシックサイクル摩擦指数が最も影響力のある変数であることを示した。 ラグ分析により、ストライク露光は破壊後の2～3セムター(OR = 2.34)と最も強い関係を示し、その影響は早期の高圧セムターに集中していることが明らかになった。 次に、これらの経験的パターンをエージェントベースのモデルに組み込んで、インフレーションのみ、ストライクのみ、複合危機のシナリオを定義します。 シミュレーションは、遅延ストライク効果、基本サイクルの脆弱性、インフレーションと共起時の非線形増幅の3つのスタイル化された事実を再現する。 教師のストライキやインフレーションは、独立したイベントではなく、カリキュラム設計や財政的レジリエンスを通じて、構造的に媒介される教育破壊者として機能すると主張する。 このフレームワークは、マクロレベルの衝撃が個々の軌道を形作るための制度構造を通してどのように伝播するかを示し、マクロ経済的に不安定な状況下でシナリオ計画のための経験的な基礎的なツールを提供することで、マルチレベルドロップアウト理論に寄与する。

関連論文リスト

• History Rhymes: Macro-Contextual Retrieval for Robust Financial Forecasting [1.8911049192403768]
  我々は、歴史的に類似したマクロ経済体制において、各予測を基礎づける検索強化予測フレームワークであるマクロコンテキスト検索を導入する。 AAPL (2024) と XOM (2024) の17年間のS&P 500データ(2007-2023) をトレーニングし, CV と OOD のパフォーマンスギャップを一貫して狭めている。 金融史は繰り返しではなく、しばしば韻律である」という原則を運用することにより、マクロ認識検索が分布変化の下で頑健で説明可能な予測をもたらすことを示す。
  論文  参考訳（メタデータ） (2025-11-12T21:34:23Z)
• Methodological Insights into Structural Causal Modelling and Uncertainty-Aware Forecasting for Economic Indicators [4.9930207509018425]
  我々は、GDP、経済成長、インフレ、失業の4つの主要なマクロ経済指標に焦点を当てている。 以上の結果から、経済成長とGDPとの強い一方向因果関係が明らかとなった。 我々は、失業に関するゼロショット予測を行うために、時系列のために訓練された大きな言語モデルを使用する。
  論文  参考訳（メタデータ） (2025-09-08T04:52:12Z)
• Beyond classical and contemporary models: a transformative AI framework for student dropout prediction in distance learning using RAG, Prompt engineering, and Cross-modal fusion [0.4369550829556578]
  本稿では、ドロップアウト予測を再定義する変換型AIフレームワークを提案する。 フレームワークの精度は89%、F1スコアは0.88で、従来のモデルよりも7%、偽陰性は21%向上している。
  論文  参考訳（メタデータ） (2025-07-04T21:41:43Z)
• Bias Amplification: Large Language Models as Increasingly Biased Media [12.376194654498383]
  大規模言語モデル(LLM)における政治的偏見の増幅を測定するためのベンチマークを導入する。 GPT-2を用いた実証研究により,反復的合成訓練サイクルに対する政治的偏りの持続的および実質的な増大が明らかとなった。 我々は,3つの緩和戦略,オーバーフィッティング,保存,蓄積を評価し,バイアス増幅がモデル崩壊から独立して持続することを示す。
  論文  参考訳（メタデータ） (2024-10-19T22:53:27Z)
• Can Active Sampling Reduce Causal Confusion in Offline Reinforcement Learning? [58.942118128503104]
  因果的混乱(英: Causal confusion)とは、エージェントがデータ中の不完全な急激な相関を反映するポリシーを学ぶ現象である。 この現象は特にロボット工学などの領域で顕著である。 本稿では,オフライン強化学習における因果的混乱について検討する。
  論文  参考訳（メタデータ） (2023-12-28T17:54:56Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• A Causal Framework for Decomposing Spurious Variations [68.12191782657437]
  我々はマルコフモデルとセミマルコフモデルの急激な変分を分解するツールを開発する。 突発効果の非パラメトリック分解を可能にする最初の結果を証明する。 説明可能なAIや公平なAIから、疫学や医学における疑問まで、いくつかの応用がある。
  論文  参考訳（メタデータ） (2023-06-08T09:40:28Z)
• An Intermediate-level Attack Framework on The Basis of Linear Regression [89.85593878754571]
  本論文はECCVにおいて,いくつかのベースライン対向例の転送性を改善するため,中間レベルアタック(中間レベルアタック)を提案し,本研究を実質的に拡張するものである。 我々は,中間レベルの相違点(対角的特徴と良性的特徴)から,対角的例の分類的損失への直接的な線形写像の確立を提唱する。 1) 様々な線形回帰モデルがマッピングを確立するために考慮可能であること,2) 最終的に得られた中間レベル差の大きさが逆転率と線形に相関していること,3) ベースラインアタックを複数回実行することで,さらなる性能向上が達成できること,などが示される。
  論文  参考訳（メタデータ） (2022-03-21T03:54:53Z)
• Structural Knowledge Distillation: Tractably Distilling Information for Structured Predictor [70.71045044998043]
  知識蒸留の目的的機能は、典型的には教師と学生の出力分布の相互エントロピーである。 構造化予測問題の場合、出力空間は指数関数的である。 本稿では, 構造的知識の蒸留における, シーケンスラベリングと依存性解析モデル間のトラクタビリティと実証的有効性を示す。
  論文  参考訳（メタデータ） (2020-10-10T14:19:25Z)
• Topological Effects on Attacks Against Vertex Classification [61.62383779296796]
  本稿では,グラフの2つのトポロジ的特徴を考察し,これらの特徴がグラフを乱さなければならない量に与える影響について考察する。 トレーニングセットに特定の頂点が組み込まれている場合、敵の要求する摂動予算を実質的に満たすことが可能であることを示す。 特に簡単なターゲット(たった1つか2つの摂動の後に誤って分類されるもの)であっても、パフォーマンスの劣化ははるかに遅く、誤ったクラスにずっと低い確率を割り当てる。
  論文  参考訳（メタデータ） (2020-03-12T14:37:57Z)

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。