論文の概要: An Agent-Based Simulation of Regularity-Driven Student Attrition: How Institutional Time-to-Live Constraints Create a Dropout Trap in Higher Education

• arxiv url: http://arxiv.org/abs/2511.16243v1
• Date: Thu, 20 Nov 2025 11:21:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.587566
• Title: An Agent-Based Simulation of Regularity-Driven Student Attrition: How Institutional Time-to-Live Constraints Create a Dropout Trap in Higher Education
• Title（参考訳）: エージェントによる正規性による学生の誘惑のシミュレーション--高等教育における制度的時間と生活の制約がドロップアウトトラップをいかに生み出すか
• Authors: H. R. Paz,
• Abstract要約: 『正規性トラップ』は、厳格な評価タイムラインが認定から学習を分離する現象である。 CAPIREフレームワークを校正されたエージェントベースモデル(ABM)に運用し、42コースの土木工学カリキュラムで1,343人の学生の軌跡をシミュレートする。 その結果、観察されたドロップアウトの86.4%は、純粋に学術的な失敗ではなく、規範的なメカニズム(経験的なカスケード)によって駆動されていることが明らかとなった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High dropout rates in engineering programmes are conventionally attributed to student deficits: lack of academic preparation or motivation. However, this view neglects the causal role of "normative friction": the complex system of administrative rules, exam validity windows, and prerequisite chains that constrain student progression. This paper introduces "The Regularity Trap," a phenomenon where rigid assessment timelines decouple learning from accreditation. We operationalize the CAPIRE framework into a calibrated Agent-Based Model (ABM) simulating 1,343 student trajectories across a 42-course Civil Engineering curriculum. The model integrates empirical course parameters and thirteen psycho-academic archetypes derived from a 15-year longitudinal dataset. By formalizing the "Regularity Regime" as a decaying validity function, we isolate the effect of administrative time limits on attrition. Results reveal that 86.4% of observed dropouts are driven by normative mechanisms (expiry cascades) rather than purely academic failure (5.3%). While the overall dropout rate stabilized at 32.4%, vulnerability was highly heterogeneous: archetypes with myopic planning horizons faced attrition rates up to 49.0%, compared to 13.2% for strategic agents, despite comparable academic ability. These findings challenge the neutrality of administrative structures, suggesting that rigid validity windows act as an invisible filter that disproportionately penalizes students with lower self-regulatory capital.
• Abstract（参考訳）: エンジニアリングプログラムにおける高いドロップアウト率は、伝統的に学生の不足、すなわち学業準備やモチベーションの欠如に起因している。 しかし、この見解は「規範的摩擦」の因果的役割を無視している:管理規則の複雑な体系、試験検証窓、学生の進行を制限する必須鎖である。 本稿では,厳密な評価タイムラインが学習を認定から切り離す現象である「正規性トラップ」を紹介する。 CAPIREフレームワークを校正されたエージェントベースモデル(ABM)に運用し、42コースの土木工学カリキュラムで1,343人の学生の軌跡をシミュレートする。 このモデルは、15年間の時系列データセットから得られた経験的コースパラメータと13の精神学術的アーキタイプを統合する。 正規性規則」を崩壊する妥当性関数として定式化することにより,行政時間制限の影響を分離する。 その結果、観察されたドロップアウトの86.4%は、純粋に学術的な失敗(5.3%)ではなく、規範的なメカニズム(経験的なカスケード)によって駆動されていることが明らかになった。 全体的なドロップアウト率は32.4%と安定していたが、脆弱性は非常に異質であった。 これらの知見は,厳格な正当性窓が,自己規制資本の低い学生を不当に罰する,目に見えないフィルターとして機能することを示唆している。

関連論文リスト

• Beyond Mimicry: Preference Coherence in LLMs [0.19116784879310025]
  大規模言語モデルが真の嗜好構造を示すかどうかを,AI固有のトレードオフに対する応答をテストすることによって検討する。 23の組合せ(47.9%)は、シナリオ強度と選択パターンの統計的に有意な関係を示した。 5つの組み合わせ(10.4%)だけが適応的またはしきい値に基づく行動を通じて有意義な嗜好コヒーレンスを示す。 不安定な遷移(45.8%)と刺激特異的感性は、現在のAIシステムが統一された嗜好構造を欠いていることを示唆している。
  論文  参考訳（メタデータ） (2025-11-17T17:41:48Z)
• A Leakage-Aware Data Layer For Student Analytics: The Capire Framework For Multilevel Trajectory Modeling [0.0]
  本稿では,学生軌跡分析のための漏洩認識データ層を提案する。 N1(個人的・社会経済的属性)、N2(エントリーモーメントと学術的歴史)、N3(曲的摩擦と性能)、N4(制度的・マクロコンテキスト変数)の4つのレベルに予測者を編成する特徴工学設計を提案する。 長期サイクルエンジニアリングプログラム(学生1,343人、57%のドロップアウト)における実証的な応用は、VOT制限されたマルチレベル特徴が堅牢な考古学的発見をサポートすることを示している。
  論文  参考訳（メタデータ） (2025-11-14T20:52:22Z)
• Provable Benefit of Curriculum in Transformer Tree-Reasoning Post-Training [76.12556589212666]
  学習後のカリキュラムは指数関数的複雑性のボトルネックを回避していることを示す。 結果のみの報酬信号の下では、強化学習の微調整は、サンプルの複雑さを高い精度で達成する。 カリキュラムを意識したクエリにより、報奨託書の呼び出しとサンプリングコストの両方を指数関数的に削減するテストタイムスケーリングの保証を確立する。
  論文  参考訳（メタデータ） (2025-11-10T18:29:54Z)
• When Are Learning Biases Equivalent? A Unifying Framework for Fairness, Robustness, and Distribution Shift [0.0]
  機械学習システムは、保護されたグループに対する不公平さ、刺激的な相関に対する脆さ、少数民族のサブ人口に対するパフォーマンスの低下など、さまざまな障害モードを示す。 本稿では,異なるバイアス機構がモデル性能に定量的に等価な効果をもたらすことを特徴付ける統一理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-09T20:48:09Z)
• Knowledge Collapse in LLMs: When Fluency Survives but Facts Fail under Recursive Synthetic Training [2.094557609248011]
  大規模な言語モデルは、人間が書き込んだコンテンツの不足のために、合成データにますます依存している。 モデル生成出力に対する再帰的なトレーニングは、事実の信頼性を脅かす退化過程であるモデル崩壊につながる。
  論文  参考訳（メタデータ） (2025-09-05T04:29:15Z)
• On the Dynamics Under the Unhinged Loss and Beyond [104.49565602940699]
  我々は、閉形式力学を解析するための数学的機会を提供する、簡潔な損失関数であるアンヒンジド・ロスを導入する。 アンヒンジされた損失は、時間変化学習率や特徴正規化など、より実践的なテクニックを検討することができる。
  論文  参考訳（メタデータ） (2023-12-13T02:11:07Z)
• Augmenting Unsupervised Reinforcement Learning with Self-Reference [63.68018737038331]
  人間は、新しいタスクを学ぶ際に、過去の経験を明確に表現する能力を持っている。 本稿では,歴史情報を活用するためのアドオンモジュールとして,自己参照(SR)アプローチを提案する。 提案手法は,非教師付き強化学習ベンチマークにおけるIQM(Interquartile Mean)性能と最適ギャップ削減の両面から,最先端の成果を実現する。
  論文  参考訳（メタデータ） (2023-11-16T09:07:34Z)
• Efficient Reinforcement Learning with Impaired Observability: Learning to Act with Delayed and Missing State Observations [92.25604137490168]
  本稿では,制御系における効率的な強化学習に関する理論的研究を紹介する。 遅延および欠落した観測条件において,RL に対して $tildemathcalO(sqrtrm poly(H) SAK)$ という形でアルゴリズムを提示し,その上限と下限をほぼ最適に設定する。
  論文  参考訳（メタデータ） (2023-06-02T02:46:39Z)
• Stable and Efficient Adversarial Training through Local Linearization [0.5076419064097734]
  カタストロフィックオーバーフィッティングと呼ばれる現象が観察されており、これは単一段階の防御でよく見られる。 本稿では, 壊滅的過度適合を緩和する新しい方法である, 安定かつ効率的な対人訓練(SEAT)を提案する。 PGD-50攻撃によるCIFAR-10の精度は51%, PGD-50攻撃下では半径8/255$のl_infty$摂動が可能である。
  論文  参考訳（メタデータ） (2022-10-11T11:57:37Z)
• Policy Smoothing for Provably Robust Reinforcement Learning [109.90239627115336]
  入力のノルム有界対向摂動に対する強化学習の証明可能な堅牢性について検討する。 我々は、スムーズなポリシーによって得られる全報酬が、入力の摂動のノルムバウンドな逆数の下で一定の閾値以下に収まらないことを保証した証明書を生成する。
  論文  参考訳（メタデータ） (2021-06-21T21:42:08Z)

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。