論文の概要: When Administrative Networks Fail: Curriculum Structure, Early Performance, and the Limits of Co-enrolment Social Synchrony for Dropout Prediction in Engineering Education

• arxiv url: http://arxiv.org/abs/2511.17736v1
• Date: Fri, 21 Nov 2025 19:38:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.389309
• Title: When Administrative Networks Fail: Curriculum Structure, Early Performance, and the Limits of Co-enrolment Social Synchrony for Dropout Prediction in Engineering Education
• Title（参考訳）: 経営ネットワークが機能しないとき--工学教育におけるドロップアウト予測のための教育構造,早期業績,共同教育の限界-
• Authors: H. R. Paz,
• Abstract要約: ソーシャル統合理論は、支援的なピアネットワークに埋め込まれた学生が退学する可能性が低いことを示唆している。 学習分析において、これは社会的ネットワーク分析(SNA)を組織的共役データから活用し、誘惑を予測する動機となった。 本研究は,これらの管理ネットワークが,カリキュラムグラフインフォームドモデルを超えて,予測価値を付加するかどうかを検証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social integration theories suggest that students embedded in supportive peer networks are less likely to drop out. In learning analytics, this has motivated the use of social network analysis (SNA) from institutional co-enrolment data to predict attrition. This study tests whether such administrative network features add predictive value beyond a leakage-aware, curriculum-graph-informed model in a long-cycle Civil Engineering programme at a public university in Argentina. Using a three-semester observation window and a 16-fold leave-cohort-out design on 1,343 students across 15 cohorts, we compare four configurations: a baseline model (M0), baseline plus network features (M1), baseline plus curriculum-graph features (M2), and a full model (M3). After a leakage audit removed two post-outcome variables that had produced implausibly perfect performance, retrained models show that M0 and M2 achieve F1 = 0.9411 and ROC-AUC = 0.9776, while adding network features systematically degrades performance (M1 and M3: F1 = 0.9367; ROC-AUC = 0.9768). We conclude that in curriculum-constrained programmes, administrative co-enrolment SNA does not provide additional risk information beyond curriculum topology and early academic performance.
• Abstract（参考訳）: ソーシャル統合理論は、支援的なピアネットワークに埋め込まれた学生が退学する可能性が低いことを示唆している。 学習分析において、これは社会的ネットワーク分析(SNA)を組織的共役データから活用し、誘惑を予測する動機となった。 本研究は,アルゼンチンの公立大学における長周期シビルエンジニアリングプログラムにおいて,これらの管理ネットワークが,漏洩認識,カリキュラムインフォームドモデルを超えた予測的価値をもたらすか否かを検証した。 15のコホートにまたがる1,343人の学生を対象に,3学期制の観察窓と16年制のコースアウトデザインを用いて,ベースラインモデル(M0),ベースラインモデル(M0),ベースラインプラスネットワーク機能(M1),ベースラインプラスカリキュラムグラフ機能(M2),フルモデル(M3)の4つの構成を比較した。 リーク監査の後、2つのポストアウトカム変数が取り除かれた結果、M0 と M2 は F1 = 0.9411 と ROC-AUC = 0.9776 を達成し、ネットワーク機能の追加は性能を体系的に劣化させた(M1 と M3: F1 = 0.9367; ROC-AUC = 0.9768)。 カリキュラムに制約のあるプログラムでは、管理協力型SNAはカリキュラムトポロジや初期の学業成績以外のリスク情報を提供していないと結論付けている。

関連論文リスト

• Explainable Deep Learning for Brain Tumor Classification: Comprehensive Benchmarking with Dual Interpretability and Lightweight Deployment [4.259927630334864]
  この研究は、MRI画像から脳腫瘍を自動分類するための完全なディープラーニングシステムを提供する。 Inception-ResNet V2は最先端のパフォーマンスに達し、99.53%の精度を達成した。 このエンドツーエンドソリューションは、信頼できるAIの正確性、解釈可能性、デプロイ性を考慮している。
  論文  参考訳（メタデータ） (2025-11-20T17:21:40Z)
• Agentic World Modeling for 6G: Near-Real-Time Generative State-Space Reasoning [70.56067503630486]
  第6世代(6G)インテリジェンスは、流動的なトークン予測ではなく、想像と選択の能力を校正している、と我々は主張する。 We showed that WM-MS3M cuts mean absolute error (MAE) by 1.69% vs MS3M with 32% less parameters and similar latency, and achieve a 35-80% lower root mean squared error (RMSE) than attention/hybrid baselines with 2.3-4.1x faster inference。
  論文  参考訳（メタデータ） (2025-11-04T17:22:22Z)
• Teaching Language Models to Reason with Tools [73.21700643314917]
  emphHint-Engineeringは、推論経路内の最適点に様々なヒントを戦略的に注入する新しいデータ合成戦略である。 CoRTは効率を大幅に向上させ、32Bモデルのトークン使用量を約30%削減し、1.5Bモデルのトークン使用量を50%削減した。
  論文  参考訳（メタデータ） (2025-10-23T08:41:44Z)
• Detect Anything via Next Point Prediction [51.55967987350882]
  Rex-Omniは最先端の物体認識性能を実現する3BスケールのMLLMである。 COCOやLVISのようなベンチマークでは、Rex-Omniは回帰ベースのモデルに匹敵するパフォーマンスを得る。
  論文  参考訳（メタデータ） (2025-10-14T17:59:54Z)
• Beyond Scaling: Measuring and Predicting the Upper Bound of Knowledge Retention in Language Model Pre-Training [68.94373533768501]
  我々は、知識保持をモデル化し、そのコーパスから事実情報を記憶するための事前学習言語モデルの能力を示し、学習前にそれを推定する原則的手法を導入する。 本稿では,知識周波数,知識特異度,モデルサイズを統合し,クローズドブック質問応答(QA)の精度を予測する情報理論予測器である,サイズ依存型相互情報(SMI)を提案する。
  論文  参考訳（メタデータ） (2025-02-06T13:23:53Z)
• Network Gradient Descent Algorithm for Decentralized Federated Learning [0.2867517731896504]
  本稿では,コミュニケーションベースネットワーク上で実行される新しい勾配勾配アルゴリズムである,完全に分散化されたフェデレーション学習アルゴリズムについて検討する。 NGD法では、統計(パラメータ推定など)のみを通信し、プライバシーのリスクを最小限に抑える必要がある。 学習速度とネットワーク構造の両方が,NGD推定器の統計的効率を決定する上で重要な役割を担っていることがわかった。
  論文  参考訳（メタデータ） (2022-05-06T02:53:31Z)

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。