論文の概要: Qualified Educational Capacity Planning under Heterogeneous Student Support Needs: A Synthetic Benchmark and Decision-Support Framework
- arxiv url: http://arxiv.org/abs/2606.30650v1
- Date: Mon, 15 Jun 2026 20:28:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-05 17:01:29.606994
- Title: Qualified Educational Capacity Planning under Heterogeneous Student Support Needs: A Synthetic Benchmark and Decision-Support Framework
- Title（参考訳）: 不均質な学生支援が必要条件下での資格教育能力プランニング--総合ベンチマークと意思決定支援フレームワーク
- Abstract要約: 我々は、資格のある教育能力計画のための総合的なベンチマークと意思決定支援フレームワークを導入する。
このモデルは、多種多様なサポートオンデマンドカテゴリを備えた、スタイリングされたシングルインスティテュートサービスシステムである。
サービス専用、リアクティブ、静的保険、給水、ローリングホライゾン混合整数コントローラを比較します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Educational support services often face a qualified-capacity problem: staff time is scarce, qualifications decay, new support needs can appear before anyone is prepared for them, and training consumes the same hours needed by current students. We introduce a synthetic benchmark and decision-support framework for qualified educational capacity planning. The model is a stylized single-institution service system with heterogeneous support-demand categories, backlog-only dynamics, continuous preparation states with hard threshold qualification and decay, and capacity-consuming training. The benchmark includes seed-controlled scenarios for announced and surprise new support categories, staff absences, and demand surges; exact feasibility discipline; declared per-policy information sets; requalification and greenfield-qualification counters; access-dispersion metrics; replay checksums; and paired statistics. We compare service-only, reactive, static-insurance, water-filling, and rolling-horizon mixed-integer controllers, with an attribution chain separating service planning, qualification maintenance, and acquisition, plus a perfect-foresight reference. The central result is a regime map governed by whether a newly required qualification can be acquired within the controller's reaction reach. When it can, the closed-loop controller wins across the core and adversarial suites, with value concentrated in just-in-time qualification acquisition. When the training lag exceeds the horizon, lean static insurance wins structurally, and a reactive trainer that starts after onset can be worse than no training. Backlog perishability shifts this boundary without erasing either regime. EduCapacity Studio reproduces exported scenarios bit-for-bit. All evidence is stylized and synthetic; the framework makes no claims about real student outcomes, compliance, or individual placements.
- Abstract（参考訳）: 教育支援サービスは、従業員時間が少ないこと、資格が低下すること、新しい支援の必要性が誰にでも準備される前に現れること、現在の学生が必要とする時間と同じ時間を消費することなど、適格な能力の問題に直面することが多い。
我々は、資格のある教育能力計画のための総合的なベンチマークと意思決定支援フレームワークを導入する。
このモデルは、不均一なサポート要求カテゴリ、バックログのみのダイナミクス、ハードしきい値の資格と崩壊を伴う継続的な準備状態、キャパシティを消費するトレーニングを備えた、スタイリングされたシングルインスティテュートサービスシステムである。
このベンチマークには、発表と驚きの新しいサポートカテゴリ、スタッフの欠席、需要の急増、正確な実現可能性の規律、政治ごとの情報セット、失格化とグリーンフィールド資格化カウンタ、アクセス分散メトリクス、チェックサムの再生、そしてペア化された統計に関するシード管理されたシナリオが含まれている。
サービスのみ、リアクティブ、静的保険、給水、ローリングホライゾン混合整数コントローラ、およびアトリビューションチェーンによるサービス計画の分離、資格維持、取得、そして完全な監視基準を比較した。
中心的な結果は、新しく要求された資格がコントローラの反応範囲内で取得できるかどうかによって支配されるレギュラーマップである。
可能であれば、クローズドループコントローラは、コアと敵スイートをまたいで勝利し、ジャスト・イン・タイムの資格取得に集中する。
トレーニングラグが地平線を超えると、リーン静的保険が構造的に勝利し、オンセット後に開始されるリアクティブトレーナーは、トレーニング無しよりも悪くなる可能性がある。
バックログのパーシビリティは、どちらのルールも消去することなく、この境界をシフトします。
EduCapacity Studioはエクスポートされたシナリオをbit-for-bitで再現する。
すべての証拠は様式化され、合成され、実際の学生の成果、コンプライアンス、個人の配置に関する主張は行われない。
関連論文リスト
- Skill-Constrained Model Predictive Control for Resilient Manufacturing Supply Chains [0.0]
本研究では,生産,在庫,バックログ,トレーニングにおいて,有限水平混合整数プログラムを解く技術制約付きモデル予測制御器について検討する。
我々は,前アンテロック構成とペア統計の下で,生産限定および保守限定の緩和,静的クロストレーニング型保険計画,および強力な反応性に対して,コントローラの評価を行った。
論文 参考訳（メタデータ） (2026-06-15T20:23:12Z) - SkillChain-Gym: A Benchmark for Reskilling-Aware Production-Inventory Control under Disruptions [0.0]
本稿では,SkillChain-Gymについて紹介する。
ベンチマークには、シードコントロールされたディスラプションシナリオ、プロジェクション診断を備えた3つの実行可能性モード、決定論的リプレイ、メトリクスが含まれている。
我々は60シフト地平線上での予算変動による生産のみ, 適応性, 給水適応性, 静的保険政策の評価を行った。
論文 参考訳（メタデータ） (2026-06-15T20:16:37Z) - Not Every Subject Should Stay: Machine Unlearning for Noisy Engagement Recognition [53.005382593686356]
エンゲージメント認識データセットは典型的には主観的インデクシングであり、しばしば騒々しく主観的な監督を含んでいる。
本研究では、この設定を、エンゲージメント認識のためのポストホック衛生機構として、主観レベルマシンアンラーニングを通して研究する。
論文 参考訳（メタデータ） (2026-05-06T10:03:06Z) - Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
マルチモーダル学習は、しばしば低品質データの課題に悩まされる。
コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。
私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
論文 参考訳（メタデータ） (2026-05-05T14:48:52Z) - Cycle-Consistent Search: Question Reconstructability as a Proxy Reward for Search Agent Training [80.20022221643414]
Cycle-Consistent Searchは、検索エージェントを訓練するための金色のスーパービジョンのないフレームワークである。
CCSは教師付きベースラインに匹敵する性能を示す。
これらの結果から,CCSは金の監督が不可能な環境で検索エージェントを訓練するためのスケーラブルな訓練パラダイムを提供する可能性が示唆された。
論文 参考訳（メタデータ） (2026-04-14T17:00:18Z) - Evaluating Prompt Injection Defenses for Educational LLM Tutors: Security-Usability-Latency Trade-offs [51.56484100374058]
ガードレールの設計には、敵の堅牢性、良質なタスクのユーザビリティ、応答レイテンシの明確なトレードオフが伴う。
決定論的パターンフィルタ,構造検証,コンテキストサンドボックス,セッションレベルの動作チェックを組み合わせた,ドメイン固有のマルチレイヤセーフガードパイプラインの評価を行った。
NeMoは16.22パーセントのFPRと1.5パーセントのレイテンシで0パーセントのバイパスに達し、Prompt Guardは38.48パーセントのFPRと3.60パーセントのバイパスを実現している。
論文 参考訳（メタデータ） (2026-03-29T18:52:01Z) - The Promotion Wall: Efficiency-Equity Trade-offs of Direct Promotion Regimes in Engineering Education [0.0]
記事は、調整されたエージェントベースモデルを使用して、代替の進歩体制が、ドロップアウト、タイム・ツー・ディグリー、エクイティ、学生の心理的体験をどのように再構成するかを調べる。
論文 参考訳（メタデータ） (2025-11-21T12:04:31Z) - Making Evidence Actionable in Adaptive Learning [0.0]
本研究では,インストラクターによるフィードバックループを支持するエビデンスを示し,概念レベルの評価エビデンスを精査されたマイクロインターベンションに変換する。
適応学習アルゴリズムは、ギャップ閉鎖のハードな保証としての妥当性、時間と冗長性の予算制約としての注意、単一リソースへの過度な適合に対する保護としての多様性の3つのセーフガードを含む。
論文 参考訳（メタデータ） (2025-11-18T02:06:08Z) - A Mathematical Framework for AI Singularity: Conditions, Bounds, and Control of Recursive Improvement [1.932555230783329]
我々は、自己改善のための分析フレームワークを開発し、能力向上とリソースのビルトアウトとデプロイメントポリシを結びつける。
我々は、可観測級数から脱走と非特異な振る舞いの証明をYes/Noにマッピングする決定ルールを導出する。
このフレームワークは、現在のレベルに対して、高速な改善がいかに加速するかに基づいて、偽造可能なテストを生成する。
論文 参考訳（メタデータ） (2025-11-08T21:25:38Z) - Hierarchical Decomposition of Prompt-Based Continual Learning:
Rethinking Obscured Sub-optimality [55.88910947643436]
大量のラベルのないデータを実際に扱うためには、自己教師付き事前トレーニングが不可欠である。
HiDe-Promptは、タスク固有のプロンプトと統計のアンサンブルで階層的なコンポーネントを明示的に最適化する革新的なアプローチである。
実験では,HiDe-Promptの優れた性能と,継続学習における事前学習パラダイムへの頑健さを実証した。
論文 参考訳（メタデータ） (2023-10-11T06:51:46Z) - Center Prediction Loss for Re-identification [65.58923413172886]
我々は, 中心予測率に基づく新たな損失, すなわち, 試料が特徴空間の位置に位置しなければならず, そこから同一クラス標本の中心の位置を大まかに予測できることを示す。
今回の新たな損失により,クラス間サンプルの分離性が向上しつつ,クラス内分散制約がより柔軟になることを示す。
論文 参考訳（メタデータ） (2021-04-30T03:57:31Z)
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。