論文の概要: A Hybrid Machine Learning Approach for Graduate Admission Prediction and Combined University-Program Recommendation

• arxiv url: http://arxiv.org/abs/2603.29881v1
• Date: Mon, 09 Feb 2026 17:25:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:13.166377
• Title: A Hybrid Machine Learning Approach for Graduate Admission Prediction and Combined University-Program Recommendation
• Title（参考訳）: ハイブリット・機械学習による卒業予測と大学-課程勧告の併用
• Authors: Melina Heidari Far, Elham Tabrizi,
• Abstract要約: 本研究は,大学入学予測のためのハイブリッド機械学習フレームワークの必要性を強調し,高品質な類似の応募者と推薦システムに焦点を当てた。 データセットには、2021年から2025年までの13,000の自己レポートされたGradCafeアプリケーションが含まれている。 XGBoostと残留精製k-アネレスト隣接モジュールを組み合わせたハイブリッドモデルが開発され,テストセットの精度が87%向上した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Graduate admissions have become increasingly competitive. This study highlights the need for a hybrid machine learning framework for graduate admission prediction, focusing on high-quality similar applicants and a recommendation system. The dataset, collected and enriched by the authors, includes 13,000 self-reported GradCafe application records from 2021 to 2025, enriched with features from the OpenAlex API, QS World University Rankings by Subject, and Wikidata SPARQL queries. A hybrid model was developed by combining XGBoost with a residual refinement k-nearest neighbors module, achieving 87\% accuracy on the test set. A recommendation module, then built on the model for rejected applicants, provided targeted university and program alternatives, resulting in actionable guidance and improving expected acceptance probability by 70\%. The results indicate that university quality metrics strongly influence admission decisions in competitive applicant pools. The features used in the study include applicant quality metrics, university quality metrics, program-level metrics, and interaction features.
• Abstract（参考訳）: 卒業式はますます競争力が高まっている。 本研究は,大学入学予測のためのハイブリッド機械学習フレームワークの必要性を強調し,高品質な類似の応募者と推薦システムに焦点を当てた。 著者らによって収集され、強化されたデータセットには、2021年から2025年までの13,000の自己報告のGradCafeアプリケーションレコードが含まれており、OpenAlex API、QS World University Rankings by Subject、Wikidata SPARQLクエリなどの機能に富んでいる。 XGBoostと残留精製k-アネレスト隣接モジュールを組み合わせたハイブリッドモデルを開発し,テストセットの精度を87.5%向上した。 推薦モジュールは、拒否された応募者のためのモデルに基づいて構築され、対象とする大学やプログラムの代替手段を提供し、実行可能なガイダンスと予測される受理確率を70%向上させた。 その結果,大学品質指標が競技プールの入場決定に強く影響していることが示唆された。 この研究で使用される機能は、応募者の品質指標、大学品質指標、プログラムレベルメトリクス、インタラクション機能などである。

関連論文リスト

• VeriSciQA: An Auto-Verified Dataset for Scientific Visual Question Answering [53.662676566188175]
  重要なボトルネックは、パブリックで大規模で高品質なビジュアル質問回答(SVQA)データセットの欠如にある。 本稿では、まず、図形関連テクストコンテキストとQAペアを生成する検証中心のGenerate-then-Verifyフレームワークを提案する。 このフレームワークをインスタンス化し、20の科学的ドメインと12のフィギュアタイプからなる20,351のQAペアのデータセットであるVeriSciQAをキュレートします。
  論文  参考訳（メタデータ） (2025-11-25T04:14:52Z)
• Quantifying Holistic Review: A Multi-Modal Approach to College Admissions Prediction [1.9594639581421427]
  Comprehensive Applicant Profile Score (CAPS) は、総合的な大学入学評価を定量的にモデル化し解釈するための新しいフレームワークである。 CAPSは応募者のプロフィールを3つの解釈可能な要素に分解する。
  論文  参考訳（メタデータ） (2025-07-12T16:58:03Z)
• Discriminative Policy Optimization for Token-Level Reward Models [55.98642069903191]
  プロセス報酬モデル(PRM)は、結果報酬モデル(ORM)と比較して、よりきめ細かい監督を提供する。 Q-RMは、微粒なアノテーションに頼ることなく、優先データからトークンレベルのQ関数を明示的に学習する。 Q-RMによる強化学習は、トレーニング効率を大幅に向上させ、GSM8KでのORMの12倍、MATHでのステップレベルPRMの11倍の収束を実現した。
  論文  参考訳（メタデータ） (2025-05-29T11:40:34Z)
• A Large-Scale Study of Relevance Assessments with Large Language Models: An Initial Look [52.114284476700874]
  本稿では,4つの異なる関連性評価手法が展開された大規模評価(TREC 2024 RAG Track)の結果について報告する。 自動生成UMBRELA判定は、完全に手動による判断を置き換えて、実行レベルの有効性を正確に捉えることができる。 意外なことに、LLMアシストは完全な手作業による評価と相関を増さないようで、人間のループプロセスに関連するコストは明らかな有意義な利益をもたらすものではないことを示唆している。
  論文  参考訳（メタデータ） (2024-11-13T01:12:35Z)
• Query Performance Prediction using Relevance Judgments Generated by Large Language Models [53.97064615557883]
  自動生成関連判定(QPP-GenRE)を用いた新しいクエリ性能予測(QPP)フレームワークを提案する。 QPP-GenREは、QPPを独立したサブタスクに分解し、ランクリスト内の各項目の関連性を所定のクエリに予測する。 我々は,オープンソースの大規模言語モデル (LLM) を用いて,科学的妥当性を確保することにより,項目の関連性を予測する。
  論文  参考訳（メタデータ） (2024-04-01T09:33:05Z)
• Helping university students to choose elective courses by using a hybrid multi-criteria recommendation system with genetic optimization [0.0]
  本稿では、協調フィルタリング(CF)とコンテンツベースフィルタリング(CBF)を組み合わせたハイブリッドRSを提案する。 遺伝的アルゴリズム(GA)は最適なRS構成を自動的に発見するために開発された。 実験結果から, コース推薦における最も関連性の高い基準について検討した。
  論文  参考訳（メタデータ） (2024-02-13T11:02:12Z)
• Augmenting Math Word Problems via Iterative Question Composing [7.493665644128088]
  本稿では,処理されたWebデータと合成質問応答ペアを組み合わせたMMIQCデータセットを提案する。 Qwen-72B-MMIQC は45.0%の精度を達成し、2023年にリリースされた最初のバージョン GPT-4 を8.2%上回った。
  論文  参考訳（メタデータ） (2024-01-17T06:48:16Z)
• Implementation of Course Recommender System for Virtual University of Pakistan [0.0]
  仮想大学で提供されるコースに特化して設計されたWebベースのコースレコメンデーションシステムを開発した。 システムは、現在利用可能な470のコースに対してテストされ、2600人の学生のデータをシミュレートする。 期待されているマークは、既に研究されているコースにおける生徒の平均マークと、ターゲットコースにおける類似した学生の平均マークに何らかの依存がある。
  論文  参考訳（メタデータ） (2020-08-18T11:31:54Z)

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。