論文の概要: Regularity as Structural Amplifier, Not Trap: A Causal and Archetype-Based Analysis of Dropout in a Constrained Engineering Curriculum

• arxiv url: http://arxiv.org/abs/2511.18979v1
• Date: Mon, 24 Nov 2025 10:53:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:25.164384
• Title: Regularity as Structural Amplifier, Not Trap: A Causal and Archetype-Based Analysis of Dropout in a Constrained Engineering Curriculum
• Title（参考訳）: 構造増幅器としての正則性 -制約工学カリキュラムにおける因果解析とアーチタイプ解析-
• Authors: H. R. Paz,
• Abstract要約: 工学プログラム、特にラテンアメリカでは、厳格なカリキュラムと厳格な規則によって管理されることが多い。 本研究はCAPIREフレームワークを用いて因果仮説を検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Engineering programmes, particularly in Latin America, are often governed by rigid curricula and strict regularity rules that are claimed to create a Regularity Trap for capable students. This study tests that causal hypothesis using the CAPIRE framework, a leakage-aware pipeline that integrates curriculum topology and causal estimation. Using longitudinal data from 1,343 civil engineering students in Argentina, we formalize academic lag (accumulated friction) as a treatment and academic velocity as an ability proxy. A manual LinearDML estimator is employed to assess the average (ATE) and conditional (CATE) causal effects of lag on subsequent dropout, controlling for macro shocks (strikes, inflation). Results confirm that academic lag significantly increases dropout risk overall (ATE = 0.0167, p < 0.0001). However, the effect decreases sharply for high-velocity (high-ability) students, contradicting the universal Trap hypothesis. Archetype analysis (UMAP/DBSCAN) shows that friction disproportionately harms trajectories already characterized by high initial friction and unstable progression. 8 We conclude that regularity rules function as a Structural Amplifier of pre-existing vulnerability rather than a universal trap. This has direct implications for engineering curriculum design, demanding targeted slack allocation and intervention policies to reduce friction at core basic-cycle courses
• Abstract（参考訳）: 工学プログラム、特にラテンアメリカでは、しばしば厳格なカリキュラムと厳格な規則によって統治される。 本研究では,カリキュラムトポロジと因果推定を統合した漏洩認識パイプラインであるCAPIREフレームワークを用いて因果仮説を検証した。 アルゼンチンの1,343人の土木工学生の縦断的データを用いて,学術的ラグ(蓄積摩擦)を治療として,学術的速度を能力プロキシとして定式化する。 手動のLinearDML推定器を用いて、遅延の平均(ATE)および条件(CATE)因果効果を評価し、マクロショック(ストライク、インフレーション)を制御する。 その結果,学術的な遅れは全体の降雨リスクを著しく増加させる(ATE = 0.0167, p < 0.0001)。 しかし、この効果は高速度(高能力)の学生にとって急速に減少し、普遍的なトラップ仮説とは矛盾する。 アーチタイプ解析(UMAP/DBSCAN)は、摩擦が既に高い初期摩擦と不安定な進行によって特徴付けられる軌道を不均等に損なうことを示した。 8) 規則規則は, 万能トラップではなく, 既設脆弱性の構造増幅器として機能する。 これはエンジニアリングカリキュラム設計に直接的な意味を持ち、中核的な基本サイクルコースにおける摩擦を減らすために、目標のスラックアロケーションと介入ポリシーを要求する。

関連論文リスト

• An Agent-Based Simulation of Regularity-Driven Student Attrition: How Institutional Time-to-Live Constraints Create a Dropout Trap in Higher Education [0.0]
  『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。
  論文  参考訳（メタデータ） (2025-11-20T11:21:39Z)
• The Coverage Principle: How Pre-Training Enables Post-Training [70.25788947586297]
  予備学習が最終モデルの成功をどう形作るかを検討する。 下流の性能予測におけるカバレッジのパワーを説明するメカニズムを明らかにする。
  論文  参考訳（メタデータ） (2025-10-16T17:53:50Z)
• BULL-ODE: Bullwhip Learning with Neural ODEs and Universal Differential Equations under Stochastic Demand [4.285464959472458]
  本研究では,需要条件下での継続的な在庫動態の学習と,ブルウィップ効果の予測に構造が役立ったり損なわれたりした場合の定量化について検討する。 BULL-ODEは、右側全体をモデル化する完全に学習されたニューラル・オードと、物理インフォームドな普遍微分方程式(UDE)を比較する。 以上の結果から,ノイズが軽微な場合や時間的に相関する場合には構造を強制する,極端な事象が支配する場合には構造を緩和する,という具体的なガイダンスが得られた。
  論文  参考訳（メタデータ） (2025-09-09T10:02:41Z)
• Efficient local linearity regularization to overcome catastrophic overfitting [59.463867084204566]
  単段階逆行訓練におけるカタストロフィックオーバーフィッティング(CO)は、逆行性テスト精度(最大0%まで)の急激な低下をもたらす。 我々は,従来のAT評価においてCOを効果的かつ効率的に緩和するために,ELLEと呼ばれる正規化項を導入する。
  論文  参考訳（メタデータ） (2024-01-21T22:55:26Z)
• Spike No More: Stabilizing the Pre-training of Large Language Models [38.34737204307412]
  ロススパイクは、大きな言語モデルの事前訓練中に発生することが多い。 サブ層に対するヤコビ行列のスペクトルノルムの解析を通して勾配ノルムを小さくする因子を探索する。 予備訓練プロセスの安定化には, 小さいサブレイヤと大きなショートカットの2つの条件が必要であることが示唆された。
  論文  参考訳（メタデータ） (2023-12-28T08:53:27Z)
• Forecasting Particle Accelerator Interruptions Using Logistic LASSO Regression [62.997667081978825]
  インターロックと呼ばれる予期せぬ粒子加速器の割り込みは、必要な安全対策にもかかわらず、突然の運用変更を引き起こす。 このような中断を予測することを目的とした,単純かつ強力なバイナリ分類モデルを提案する。 このモデルは、少なくとも絶対収縮と選択演算子によって罰せられるロジスティック回帰として定式化される。
  論文  参考訳（メタデータ） (2023-03-15T23:11:30Z)
• Causal Expectation-Maximisation [70.45873402967297]
  ポリツリーグラフを特徴とするモデルにおいても因果推論はNPハードであることを示す。 我々は因果EMアルゴリズムを導入し、分類的表現変数のデータから潜伏変数の不確かさを再構築する。 我々は、反事実境界が構造方程式の知識なしにしばしば計算できるというトレンドのアイデアには、目立たずの制限があるように思える。
  論文  参考訳（メタデータ） (2020-11-04T10:25:13Z)
• In Search of Robust Measures of Generalization [79.75709926309703]
  我々は、一般化誤差、最適化誤差、過大なリスクのバウンダリを開発する。 経験的に評価すると、これらの境界の大部分は数値的に空白である。 我々は、分散ロバストネスの枠組みの中で、一般化対策を評価するべきであると論じる。
  論文  参考訳（メタデータ） (2020-10-22T17:54:25Z)

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。