論文の概要: The Impact of Competition on Outcomes of Score-Based College Admissions
- arxiv url: http://arxiv.org/abs/2605.25990v1
- Date: Mon, 25 May 2026 16:09:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-26 19:50:20.45865
- Title: The Impact of Competition on Outcomes of Score-Based College Admissions
- Title（参考訳）: 大学受験生の成績に及ぼす競争の影響
- Authors: George Bentley, Diptangshu Sen, Juba Ziani,
- Abstract要約: 入学政策の設計が大学に入学する学生の能力にどのように影響するかを検討する。
我々のモデルでは、応募者は「タイプ」と「ソフトスキル」を組み合わせた多次元能力を持つ。
- 参考スコア（独自算出の注目度）: 3.6649607582905794
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We study how the design of admissions policies affects the ability of students admitted to universities. In our model, applicants have a multi-dimensional ability, which is a combination of a "type" and a "soft skill." Universities may differ in how they evaluate quality and have differing preferences on type and soft skills. Then, university admissions rely on a single noisy aggregate signal, such as a test score, that may not fully align with the university's preferences, and a university evaluates applicants through the posterior expectations of their preference metric given the observed signal. Our main results highlight that the design of good admission policies can be counter-intuitive. Under a single university, when holding the number of qualified applicants constant, increasing the usefulness of the signal (by aligning it more closely with the university preferences) leads to a worse type and soft skill for admitted students. Further, a university cannot affect the composition of students that are strong on type versus soft skills by changing their preferences. The picture becomes even more complicated under competition between as few as two universities: self-selection effects among students admitted to both universities can lead to part of the applicant pool switching which university they prefer, even under small changes in the design of the noisy signal. This can, in particular, lead to sudden and non-monotonic loss in the quality of admitted students when changing the alignment between signal and university preferences. Further, a university can get more students by increasing their selectivity. Finally, when admissions rely on separate noisy scores for type and for soft skills, we show that universities that put more emphasis on type (respectively soft skills) end up, counter-intuitively, admitting students with higher soft skills (respectively type).
- Abstract（参考訳）: 入学政策の設計が大学に入学する学生の能力にどのように影響するかを検討する。
我々のモデルでは、応募者は「タイプ」と「ソフトスキル」を組み合わせた多次元能力を持つ。
大学は、品質を評価する方法や、タイプとソフトスキルの好みが異なる場合があります。
そして、大学入学は、試験スコアのような、大学の選好と完全に一致しない単一のノイズ集約信号に頼り、大学は、観測された信号からそれぞれの選好指標の後方からの期待を通じて、応募者を評価する。
我々の主な成果は、良質な受入ポリシーの設計は直感に反する可能性があることである。
1つの大学では、資格のある応募者の数を一定に保ちながら、信号の有用性を(大学の選好とより緊密に整合させることによって)増すと、受験生にとってより悪いタイプと柔らかいスキルをもたらす。
また、大学は好みを変えることで、タイプ対ソフトスキルに強い学生の構成に影響を与えない。
両大学に入学した学生の自己選択効果は、ノイズ信号の設計が微妙に変化しても、どの大学を好むかの切り替えに繋がる可能性がある。
これは特に、信号と大学の好みの整合性を変える際に、学生の質が突然、非単調に低下する可能性がある。
さらに、大学は選択性を高めてより多くの学生を獲得することができる。
最後に, 受験者は, タイプとソフトスキルの別々のノイズスコアに頼っている場合, タイプに重点を置いている大学は, 高いソフトスキルの学生(リフレクション・タイプ)を受け入れることで, 対意的に, 結果が得られた。
関連論文リスト
- Capacity Constraints Make Admissions Processes Less Predictable [11.377217972457936]
受験決定がキャパシティに制限されているかを示し、受験者が応募する他の応募者に依存しているかどうかを示す。
この依存が予測性能にどのように影響するかは、そうでなければ理想的な設定でも示します。
我々の研究は、個々の受入確率を予測する信頼性に関する疑問を提起する。
論文 参考訳（メタデータ） (2026-01-16T18:48:46Z) - An External Fairness Evaluation of LinkedIn Talent Search [55.18656975953939]
LinkedInのTalent Searchランキングシステムのバイアスに対する、独立したサードパーティによる監査を行います。
我々は、性別と人種の2つの属性にまたがる潜在的なランキングバイアスに焦点を当てている。
我々の分析は、初期階級の少数派を過小評価していることを示している。
論文 参考訳（メタデータ） (2025-11-13T19:10:49Z) - Unbiased Learning to Rank with Query-Level Click Propensity Estimation: Beyond Pointwise Observation and Relevance [74.43264459255121]
現実のシナリオでは、ユーザーは複数の関連するオプションを調べた後、1つまたは2つの結果だけをクリックします。
本稿では,ユーザが異なる検索結果リストをクリックする確率を捉えるために,クエリレベルのクリック確率モデルを提案する。
本手法では,2次元逆重み付け機構を導入し,相対飽和度と位置偏差に対処する。
論文 参考訳（メタデータ） (2025-02-17T03:55:51Z) - Algorithms for College Admissions Decision Support: Impacts of Policy Change and Inherent Variability [18.289154814012996]
先進的な応募者ランキングアルゴリズムからレースデータを除去することで、そのプールの学力を高めることなく、トップランクのプールの多様性を低減できることを示す。
個人に対する政策変更の影響を、政策変更に起因する応募者の仲裁と無作為性に起因する仲裁とを比較して測定する。
論文 参考訳（メタデータ） (2024-06-24T14:59:30Z) - Using 3D printed badges to improve student performance and reduce
dropout rates in STEM higher education [59.58137104470497]
この貢献は、物理的なバッジと仮想的なバッジの使用によって、学生のパフォーマンスが向上し、ドロップアウト率が低下する、という仮説を立てている。
その結果,バッジの使用は生徒のパフォーマンスを向上し,ドロップアウト率を低下させることがわかった。
論文 参考訳（メタデータ） (2023-03-15T21:09:57Z) - Fair and skill-diverse student group formation via constrained k-way
graph partitioning [65.29889537564455]
本研究は、公正かつ多様な学生グループ形成のための教師なしアルゴリズムを導入する。
学生のスキルセットは、ラプラシア固有写像を用いて、コースマークデータの教師なし次元削減を用いて決定される。
この問題は制約付きグラフ分割問題として定式化され、各グループのスキルセットの多様性が最大化される。
論文 参考訳（メタデータ） (2023-01-12T14:02:49Z) - Increasing Students' Engagement to Reminder Emails Through Multi-Armed
Bandits [60.4933541247257]
本稿では,学生が週毎のメールリマインダーとどのように関わり,時間管理の習慣を構築するかについて,実世界の適応実験を行った。
適応実験にマルチアーマド・バンド(MAB)アルゴリズムを用いると、より良い結果が得られる可能性が高まる。
我々は、これらの適応アルゴリズムの問題点を強調します。例えば、大きな違いがない場合の腕の活用などです。
論文 参考訳（メタデータ） (2022-08-10T00:30:52Z) - Prediction of Students performance with Artificial Neural Network using
Demographic Traits [2.7636476571082373]
本研究は, ニュートラルネットワークを用いた学生の成績予測システムを開発することを目的とする。
モデルは入力として選択された変数に基づいて開発された。
精度は92.3%を超え、ニューラルネットワークの有効性を示した。
論文 参考訳（メタデータ） (2021-08-08T11:46:41Z) - Using a Binary Classification Model to Predict the Likelihood of
Enrolment to the Undergraduate Program of a Philippine University [0.0]
本研究はフィリピンの大学における入所資格に影響する新入生応募者の諸特性について分析した。
受験生が施設への入学を追求する確率を評価するために,ロジスティック回帰を用いた予測モデルを開発した。
論文 参考訳（メタデータ） (2020-10-26T06:58:03Z) - Intersectional Affirmative Action Policies for Top-k Candidates
Selection [3.4961413413444817]
本研究では,トップk候補を応募者のプールから選抜する問題について検討する。
我々は,一部の候補者が歴史的かつ現在の不利を経験している状況を考える。
そこで本研究では,OECD国における学力評価と学士号取得のデータセットを用いて,この問題を解き,解析し,評価する2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-07-29T12:27:18Z)
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。