論文の概要: Dual Stressors in Engineering Education: Lagged Causal Effects of Academic Staff Strikes and Inflation on Dropout within the CAPIRE Framework
- arxiv url: http://arxiv.org/abs/2511.20130v1
- Date: Tue, 25 Nov 2025 09:51:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 17:37:04.392166
- Title: Dual Stressors in Engineering Education: Lagged Causal Effects of Academic Staff Strikes and Inflation on Dropout within the CAPIRE Framework
- Title（参考訳）: 工学教育における二重ストレス要因:CAPIREフレームワークにおけるアカデミックスタッフストライクとインフレーションの因果関係
- Authors: H. R. Paz,
- Abstract要約: 本研究は,アルゼンチンの長サイクルエンジニアリングプログラムにおいて,二重ストレス仮説の因果検証を行う。
本研究は,ストライク露光によるラタグ因果効果と導入時のインフレーションとの相互作用を推定する。
- 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 provides a causal validation of the dual-stressor hypothesis in a long-cycle engineering programme in Argentina, testing whether academic staff strikes (proximal shocks) and inflation (distal shocks) jointly shape student dropout. Using a leak-aware longitudinal panel of 1,343 students and a manually implemented LinearDML estimator, we estimate lagged causal effects of strike exposure and its interaction with inflation at entry. The temporal profile is clear: only strikes occurring two semesters earlier have a significant impact on next-semester dropout in simple lagged logit models (ATE = 0.0323, p = 0.0173), while other lags are negligible. When we move to double machine learning and control flexibly for academic progression, curriculum friction and calendar effects, the main effect of strikes at lag 2 becomes small and statistically non-significant, but the interaction between strikes and inflation at entry remains positive and robust (estimate = 0.0625, p = 0.0033). A placebo model with a synthetic strike variable yields null effects, and a robustness audit (seed sensitivity, model comparisons, SHAP inspection) confirms the stability of the interaction across specifications. SHAP analysis also reveals that Strikes_Lag2 and Inflation_at_Entry jointly contribute strongly to predicted dropout risk. These findings align with the CAPIRE-MACRO agent-based simulations and support the view that macro shocks act as coupled stressors mediated by curriculum friction and financial resilience rather than isolated events.
- Abstract（参考訳）: 本研究は、アルゼンチンの長サイクルエンジニアリングプログラムにおいて、学生の退学を共同で形作る学術スタッフのストライキ(近位衝撃)とインフレーション(遠位衝撃)の因果検証を行う。
我々は,1,343名の学生と手動で実施したLinearDML推定器を用いて,ストライク露光の因果効果と入力時のインフレーションとの相互作用を推定した。
時間プロファイルは明確であり、2つのセムターが先に発生したストライクのみが単純なラグロジットモデル(ATE = 0.0323, p = 0.0173)において次のセムスターのドロップアウトに重大な影響を与える一方、他のラグは無視できる。
学術的な進歩、カリキュラムの摩擦、カレンダー効果に対して柔軟に2重機械学習に移行すると、ラグ2でのストライクの主な効果は小さく統計的に重要ではないが、入場時のストライクとインフレーションの相互作用は肯定的かつ堅牢である(推定 = 0.0625, p = 0.0033)。
合成ストライク変数を持つプラセボモデルではヌル効果が得られ、ロバストネス監査(シード感度、モデル比較、SHAP検査)は仕様間の相互作用の安定性を確認する。
SHAP分析により,Strikes_Lag2とInflation_at_Entryが共同で降雨リスクの予測に強く寄与することが明らかとなった。
これらの結果はCAPIRE-MACROエージェントをベースとしたシミュレーションと一致し、マクロショックは独立したイベントではなく、カリキュラムの摩擦と財政的レジリエンスを介する複合ストレス因子として機能する、という見解を支持した。
関連論文リスト
- Regularity as Structural Amplifier, Not Trap: A Causal and Archetype-Based Analysis of Dropout in a Constrained Engineering Curriculum [0.0]
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。
論文 参考訳（メタデータ） (2025-11-24T10:53:41Z) - CAPIRE: Modelling the Impact of Teacher Strikes and Inflation on Student Trajectories in Engineering Education [0.0]
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。
論文 参考訳（メタデータ） (2025-11-18T15:16:26Z) - Do-PFN: In-Context Learning for Causal Effect Estimation [75.62771416172109]
予備データ適合ネットワーク(PFN)は, 合成データに基づいて事前学習を行い, 結果を予測する。
提案手法により,基礎となる因果グラフの知識を必要とせず,因果効果の正確な推定が可能となる。
論文 参考訳（メタデータ） (2025-06-06T12:43:57Z) - Data Fusion for Partial Identification of Causal Effects [62.56890808004615]
本稿では,研究者が重要な疑問に答えられるような,新しい部分的識別フレームワークを提案する。
因果効果は肯定的か否定的か?
本研究の枠組みをSTARプロジェクトに適用し,第3級の標準試験性能に対する教室規模の影響について検討する。
論文 参考訳（メタデータ） (2025-05-30T07:13:01Z) - Impact, Causation and Prediction of Socio-Academic and Economic Factors in Exam-centric Student Evaluation Measures using Machine Learning and Causal Analysis [1.124958340749622]
効果的な教育介入には,社会学・経済的な要因が学生のパフォーマンスに影響を与えることが不可欠である。
本研究では,これらの要因が学業成績に与える影響を予測・解明するために,いくつかの機械学習手法と因果解析を用いる。
論文 参考訳（メタデータ） (2025-05-22T17:41:05Z) - Enforcing Fundamental Relations via Adversarial Attacks on Input Parameter Correlations [76.2226569692207]
入力パラメータ間の相関は、多くの科学的分類タスクにおいて重要な役割を果たす。
我々はRandom Distribution Shuffle Attack (RDSA)と呼ばれる新たな敵攻撃アルゴリズムを提案する。
6つの分類課題においてRDSAの有効性を示す。
論文 参考訳（メタデータ） (2025-01-09T21:45:09Z) - Bayesian Causal Forests for Longitudinal Data: Assessing the Impact of Part-Time Work on Growth in High School Mathematics Achievement [0.0]
ベイジアンカウサル林の長手延長について紹介する。
このモデルは、数学的能力における個々の成長と、パートタイム作業への参加の影響の両方を柔軟に識別することができる。
その結果、ほとんどの学生にとってパートタイムワークの負の影響が明らかとなったが、当初は学校所有感が低い学生にとって潜在的利益が示唆された。
論文 参考訳（メタデータ） (2024-07-16T17:18:33Z) - 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) - 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) - Blessings and Curses of Covariate Shifts: Adversarial Learning Dynamics, Directional Convergence, and Equilibria [6.738946307589742]
共変量分布シフトと対向摂動は,従来の統計学習フレームワークに課題を呈する。
本稿では,無限次元環境下での回帰と分類の両面から,外挿領域を正確に特徴づける。
論文 参考訳（メタデータ） (2022-12-05T18:00:31Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳（メタデータ） (2020-10-15T16:39:26Z)
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。