論文の概要: Quantised Academic Mobility: Network and Cluster Analysis of Degree Switching, Plan Changes, and Re-entries in an Engineering Faculty (1980-2019)

• arxiv url: http://arxiv.org/abs/2512.04652v1
• Date: Thu, 04 Dec 2025 10:26:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:46.114514
• Title: Quantised Academic Mobility: Network and Cluster Analysis of Degree Switching, Plan Changes, and Re-entries in an Engineering Faculty (1980-2019)
• Title（参考訳）: 量子アカデミックモビリティ:工学部(1980-2019)におけるDegree Switching, Plan Changes, Re-entriesのネットワークとクラスタ解析
• Authors: H. R. Paz,
• Abstract要約: 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。
• 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 challenges the traditional binary view of student progression (retention versus dropout) by conceptualising academic trajectories as complex, quantised pathways. Utilising a 40-year longitudinal dataset from an Argentine engineering faculty (N = 24,016), we introduce CAPIRE, an analytical framework that differentiates between degree major switches, curriculum plan changes, and same-plan re-entries. While 73.3 per cent of students follow linear trajectories (Estables), a significant 26.7 per cent exhibit complex mobility patterns. By applying Principal Component Analysis (PCA) and DBSCAN clustering, we reveal that these trajectories are not continuous but structurally quantised, occupying discrete bands of complexity. The analysis identifies six distinct student archetypes, including 'Switchers' (10.7 per cent) who reorient vocationally, and 'Stable Re-entrants' (6.9 per cent) who exhibit stop-out behaviours without changing discipline. Furthermore, network analysis highlights specific 'hub majors' - such as electronics and computing - that act as systemic attractors. These findings suggest that student flux is an organised ecosystemic feature rather than random noise, offering institutions a new lens for curriculum analytics and predictive modelling.
• Abstract（参考訳）: 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)の伝統的な二元観に挑戦する。 アルゼンチンの工学部(N=24,016)の40年間のデータセットを用いて、CAPIREを導入する。 73.3%の学生が線形軌跡 (Estables) に従っているのに対し、26.7%の学生は複雑な移動パターンを持っている。 主成分分析(PCA)とDBSCANクラスタリングを適用することにより、これらの軌道は連続ではなく、構造的に定量化されており、離散的な複雑性のバンドを占有していることが明らかになった。 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。 さらに、ネットワーク分析では、電子工学やコンピューティングなどの特定の「ハブメジャー」がシステム的アトラクションとして機能している点を強調している。 これらの結果から,学生のフラックスはランダムノイズではなく,生態系的な特徴である可能性が示唆され,カリキュラム分析と予測モデルのための新たなレンズが提供される。

関連論文リスト

• CAPIRE Intervention Lab: An Agent-Based Policy Simulation Environment for Curriculum-Constrained Engineering Programmes [0.0]
  ラテンアメリカのエンジニアリングプログラムは、より正確な早期警戒モデルにもかかわらず、頑丈に高い水準を維持しているドロップアウト率を生み出している。 予測学習分析は、リスクのある生徒を識別できるが、具体的な政策の組み合わせを実装するためのガイダンスは限られている。 本稿では,予測モデルを補完するエージェントベースのシミュレーション環境であるCAPIREインターベンションラボを提案する。
  論文  参考訳（メタデータ） (2025-11-22T18:14:15Z)
• 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)
• Beyond classical and contemporary models: a transformative AI framework for student dropout prediction in distance learning using RAG, Prompt engineering, and Cross-modal fusion [0.4369550829556578]
  本稿では、ドロップアウト予測を再定義する変換型AIフレームワークを提案する。 フレームワークの精度は89%、F1スコアは0.88で、従来のモデルよりも7%、偽陰性は21%向上している。
  論文  参考訳（メタデータ） (2025-07-04T21:41:43Z)
• Why Neural Network Can Discover Symbolic Structures with Gradient-based Training: An Algebraic and Geometric Foundation for Neurosymbolic Reasoning [73.18052192964349]
  我々は、連続的なニューラルネットワークトレーニングのダイナミックスから、離散的なシンボル構造が自然に現れるかを説明する理論的枠組みを開発する。 ニューラルパラメータを測度空間に上げ、ワッサーシュタイン勾配流としてモデル化することにより、幾何的制約の下では、パラメータ測度 $mu_t$ が2つの同時現象となることを示す。
  論文  参考訳（メタデータ） (2025-06-26T22:40:30Z)
• A Waddington landscape for prototype learning in generalized Hopfield networks [0.0]
  一般化ホップフィールドネットワークの学習力学について検討する。 細胞が分化するにつれて、運河や低次元のダイナミックスと強い類似性が観察される。
  論文  参考訳（メタデータ） (2023-12-04T21:28:14Z)
• Critical Learning Periods for Multisensory Integration in Deep Networks [112.40005682521638]
  ニューラルネットワークが様々な情報源からの情報を統合する能力は、トレーニングの初期段階において、適切な相関した信号に晒されることに批判的になることを示す。 臨界周期は、訓練されたシステムとその学習された表現の最終性能を決定づける、複雑で不安定な初期過渡的ダイナミクスから生じることを示す。
  論文  参考訳（メタデータ） (2022-10-06T23:50:38Z)
• An Analysis of Distributed Systems Syllabi With a Focus on Performance-Related Topics [65.86247008403002]
  我々は、トップコンピュータサイエンスプログラムから51の現在(2019-2020)の分散システムシラビのデータセットを分析した。 本研究では,DSコースで言及されているインフラの規模を,小規模なクライアントサーバシステムからクラウドスケール,ピアツーピア,グローバルスケールシステムまで検討する。
  論文  参考訳（メタデータ） (2021-03-02T16:49:09Z)
• Ada-Segment: Automated Multi-loss Adaptation for Panoptic Segmentation [95.31590177308482]
  我々は,トレーニング期間中に複数のトレーニング損失を柔軟に調整する自動マルチロス適応(ada-segment)を提案する。 エンドツーエンドアーキテクチャにより、ada-segmentはハイパーパラメータを再チューニングすることなく、異なるデータセットに一般化する。 Ada-Segmentは、バニラベースラインからCOCOval分割に2.7%のパノラマ品質(PQ)改善をもたらし、COCOテストデブ分割に最新の48.5%PQ、ADE20Kデータセットに32.9%PQを達成しました。
  論文  参考訳（メタデータ） (2020-12-07T11:43:10Z)
• Tensor Graph Convolutional Networks for Multi-relational and Robust Learning [74.05478502080658]
  本稿では,テンソルで表されるグラフの集合に関連するデータから,スケーラブルな半教師付き学習(SSL)を実現するためのテンソルグラフ畳み込みネットワーク(TGCN)を提案する。 提案アーキテクチャは、標準的なGCNと比較して大幅に性能が向上し、最先端の敵攻撃に対処し、タンパク質間相互作用ネットワーク上でのSSL性能が著しく向上する。
  論文  参考訳（メタデータ） (2020-03-15T02:33:21Z)

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。