論文の概要: Differential Filtering in a Common Basic Cycle: Multi-Major Trajectories and Structural Bottlenecks in Exact Sciences and Engineering Degrees

• arxiv url: http://arxiv.org/abs/2512.04285v1
• Date: Wed, 03 Dec 2025 21:56:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:45.898524
• Title: Differential Filtering in a Common Basic Cycle: Multi-Major Trajectories and Structural Bottlenecks in Exact Sciences and Engineering Degrees
• Title（参考訳）: 共通基本サイクルにおける微分フィルタ--科学と工学の専門分野における多主軌道と構造ボトルネック
• Authors: H. R. Paz,
• Abstract要約: 大学はしばしばCBC(Common Basic Cycle)を、数度のプログラムで共有される中立的なレベルリング段階として提示する。 本研究は,CBCが一様ゲートウェイとして動作するか,あるいはメジャー間の差分フィルタとして動作するかを検証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Universities often present the Common Basic Cycle (CBC) as a neutral levelling stage shared by several degree programmes. Using twenty years of longitudinal administrative records from a Faculty of Engineering and Exact Sciences, this study tests whether the CBC actually operates as a uniform gateway or as a differential filter across majors. We reconstruct student trajectories for 24,017 entrants, identifying CBC subjects (year level <= 1), destination major, time to exit from the CBC, and final outcome (progression to upper cycle, drop-out, or right-censoring). The analysis combines transition matrices, Kaplan-Meier survival curves, stratified Cox models and subject-level logistic models of drop-out after failure, extended with multi-major enrolment data and a pre/post 2006 curriculum reform comparison. Results show that the CBC functions as a strongly differential filter. Post-reform, the probability of progressing to the upper cycle in the same major ranges from about 0.20 to 0.70 across programmes, while overall drop-out in the CBC exceeds 60%. Early Mathematics modules (introductory calculus and algebra) emerge as structural bottlenecks, combining low pass rates with a two- to three-fold increase in the hazard of leaving the system after failure, with markedly different severity by destination major. Multi-major enrolment, often treated administratively as indecision, is instead associated with lower drop-out, suggesting an adaptive exploration of feasible trajectories. The findings portray the CBC not as a neutral academic foyer, but as a structured sorting device whose impact depends sharply on the targeted degree and on the opportunity to explore alternative majors.
• Abstract（参考訳）: 大学はしばしばCBC(Common Basic Cycle)を、数度のプログラムで共有される中立的なレベルリング段階として提示する。 本研究は,工学・専門学部の20年間にわたる行政記録を用いて,CBCが実際に一様ゲートウェイとして機能するか,あるいはメジャー間での差分フィルタとして機能するかを検証した。 対象者24,017名を対象に,CBC対象者 (年次<= 1), 目的地主要者, CBCから退学する時間, 最終結果(上位サイクル, ドロップアウト, 右検閲) を同定し, 学生軌道を再構築した。 この分析は、遷移行列、Kaplan-Meier生存曲線、成層Coxモデル、失敗後のドロップアウトの主観レベルロジスティックモデルを組み合わせる。 その結果,CBCは強い微分フィルタとして機能することがわかった。 ポスト・リフォームでは、同じ主要範囲の上位サイクルに進む確率は、プログラム全体で約0.20から0.70であり、CBC全体のドロップアウトは60%を超える。 初期の数学の加群(入門計算と代数学)は構造的ボトルネックとして現れ、低通過率と2倍から3倍に増加し、故障後にシステムを離れる危険性が増大する。 マルチメイジャー・エンロメントは、しばしば行政的に不確定として扱われるが、代わりに低いドロップアウトと関連付けられ、実現可能な軌道の適応的な探索が示唆される。 この結果は、CBCを中立的な学術的ファーイヤーではなく、ターゲットの度合いと代替メジャーを探索する機会に大きく依存する構造的な分類装置として描いている。

関連論文リスト

• The Stagnant Persistence Paradox: Survival Analysis and Temporal Efficiency in Exact Sciences and Engineering Education [0.0]
  本研究は2つの主要な結果 – 決定的なドロップアウトと第1のメジャースイッチ – に、二重出力サバイバル分析フレームワークを適用した。 その結果、決定的な降雨の4.33年前の世界中央値の生存時間という、重要なシステム的非効率性が明らかになった。 我々は、厳格な工学カリキュラムにおける学術的な失敗は突然の結果ではなく、高い機会コストを生み出す長いプロセスであると主張している。
  論文  参考訳（メタデータ） (2025-12-04T14:11:28Z)
• Quantised Academic Mobility: Network and Cluster Analysis of Degree Switching, Plan Changes, and Re-entries in an Engineering Faculty (1980-2019) [0.0]
  本研究は、学術的軌跡を複雑で定量化された経路として概念化することにより、学生の進歩(留意と退学)の従来の二元観に挑戦する。 CAPIREは、主要なスイッチの次数、カリキュラム計画の変更、および同じ計画の再試行を区別する分析フレームワークである。 この分析では、職業的に順応する「交替者」(10.7%)や、規律を変えずに停止行動を示す「安定再参加者」(6.9%)の6つの異なる学生アーチタイプが特定されている。
  論文  参考訳（メタデータ） (2025-12-04T10:26:33Z)
• The CAPIRE Curriculum Graph: Structural Feature Engineering for Curriculum-Constrained Student Modelling in Higher Education [0.0]
  本稿では,CAPIREフレームワーク内に埋め込まれた構造的特徴工学層であるCAPIRE Curriculum Graphを紹介し,学生の誘惑予測を行う。 学生・学期レベルの9つの構造的特徴を抽出し、学生が時間とともに必要なネットワークをナビゲートする方法を捉える。 これらの特徴には、バックボーン完了率、ボトルネック承認率、不完全な前提条件によるクレジットのブロック、卒業までのグラフ距離が含まれる。
  論文  参考訳（メタデータ） (2025-11-19T15:33:00Z)
• PRISM: Diversifying Dataset Distillation by Decoupling Architectural Priors [8.66115045973379]
  PRISM (PRIors from various Source Models) は、合成中にアーキテクチャの先行を混乱させるフレームワークである。 ImageNet-1Kでは、PRISMは一貫して、再現的にシングルテラーメソッドより優れています。
  論文  参考訳（メタデータ） (2025-11-13T03:06:14Z)
• SOFTS: Efficient Multivariate Time Series Forecasting with Series-Core Fusion [59.96233305733875]
  時系列予測は、金融、交通管理、エネルギー、医療など様々な分野で重要な役割を果たしている。 いくつかの方法は、注意やミキサーのようなメカニズムを利用して、チャネル相関をキャプチャすることでこの問題に対処する。 本稿では,効率的なモデルであるSOFTS(Series-cOre Fused Time Series forecaster)を提案する。
  論文  参考訳（メタデータ） (2024-04-22T14:06:35Z)
• Causality is all you need [63.10680366545293]
  因果グラフルーティング(Causal Graph Routing, CGR)は、データに隠された原因影響力を明らかにするための介入機構を完全に依存した統合因果スキームである。 CGRは、Visual Question AnswerとLong Document Classificationタスクの両方において、最先端のメソッドを超越することができる。
  論文  参考訳（メタデータ） (2023-11-21T02:53:40Z)
• Causal Temporal Regime Structure Learning [49.77103348208835]
  本稿では,DAG(Directed Acyclic Graph)を並列に学習する新しい手法であるCASTORを提案する。 我々は我々の枠組みの中で体制とDAGの識別可能性を確立する。 実験により、CASTORは既存の因果発見モデルより一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2023-11-02T17:26:49Z)
• The Capacity and Robustness Trade-off: Revisiting the Channel Independent Strategy for Multivariate Time Series Forecasting [50.48888534815361]
  本稿では、Channel Dependent(CD)戦略でトレーニングされたモデルが、Channel Dependent(CD)戦略でトレーニングされたモデルよりも優れていることを示す。 以上の結果から,CD手法は高いキャパシティを持つが,分散ドリフト時系列を正確に予測する堅牢性に欠けることがわかった。 本稿では,CI戦略を超越した正規化(PRReg)による予測残差法(Predict Residuals with Regularization, PRReg)を提案する。
  論文  参考訳（メタデータ） (2023-04-11T13:15:33Z)
• Bayesian Complementary Kernelized Learning for Multidimensional Spatiotemporal Data [11.763229353978321]
  補足型並列学習(BCKL)のための新しい統計フレームワークを提案する。 BCKLは、正確な後部平均値と高品質の不確実性推定を提供することで優れた性能を提供する。
  論文  参考訳（メタデータ） (2022-08-21T22:38:54Z)
• Relieving Long-tailed Instance Segmentation via Pairwise Class Balance [85.53585498649252]
  長い尾のインスタンスセグメンテーションは、クラス間のトレーニングサンプルの極端な不均衡のために難しいタスクである。 尾のついたものに対して、(大多数のサンプルを含む)ヘッドクラスの深刻なバイアスを引き起こす。 そこで本研究では,学習中の予測嗜好を蓄積するために,学習中に更新される混乱行列上に構築された新しいPairwise Class Balance(PCB)手法を提案する。
  論文  参考訳（メタデータ） (2022-01-08T07:48:36Z)
• Generalizing electrocardiogram delineation: training convolutional neural networks with synthetic data augmentation [63.51064808536065]
  ECGのデライン化のための既存のデータベースは小さく、サイズやそれらが表す病態の配列に不足している。 まず、原データベースから抽出した基本セグメントのプールを与えられたECGトレースを確率的に合成し、その整合性のある合成トレースに配置するための一連のルールを考案した。 第二に、2つの新しいセグメンテーションに基づく損失関数が開発され、これは、正確な数の独立構造の予測を強制し、サンプル数の削減に焦点をあてて、より密接なセグメンテーション境界を創出することを目的としている。
  論文  参考訳（メタデータ） (2021-11-25T10:11:41Z)

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。