2019年9月30日

扎克pardos使用机器学习,以扩大从社区学院的途径

通过数据和信息科学的皇冠体育平台师

皇冠体育平台助理教授 扎卡里pardos 和他的团队开发出一种机器学习有方法的承诺,以帮助更多的高校学生社团转让给自己定位,并在四年制学院和大学取得成功。

一路上,他们已经发现考虑到课程招生方式 - 或学生上课而在此之前,除了和专业课程后 - 可以帮助提供什么课程应“算”当学生传递更完整的画面。

高校学生社团的80%左右的目标是继续他们在四年制院校教育,但绝大多数从未作出转让。造成这个问题的复杂性特征的“衔接”,确定哪些课程或一个机构将在其他的积分数。 ESTA评估嗣继承成千上万,或者甚至可能数以百万计,对课程的相似性,一种努力是不可能的,以保持当前和手动跨所有制度,全面实现。

因此褐色,助理教授伯克利分校的教育和信息学院研究生院,先后开发了机器学习的方法,可以自动为配对这些初步评估和建议演变。另外,办法识别潜在的“unpairings”现有的匹配可以被最新的,或在其他方面错位。这些建议可然后呈现给学生或管理员,让双方来考虑一个更广泛的潜在关节比他们原本有时间和资源来检查。

使用一组批准的配对,布朗和他的团队研究了自动化过程比较不同的技术。除了使用自然语言处理课程目录进行比较说明,他们分析了数以百万计的历史扩招的过程中,以获得更全面的了解。 “目录的描述是整个过程相似机构的预期来源,”褐色说。 “有趣的是,我们发现,在其中一门课程采取了环境 - 例如,采取相同或相邻条款中的其他课程 - 几乎同样多的信息传送有关的课程。”

赵浩成和扎克 - 布朗

最终,他们发现,这是最有效的利用信息二者的来源。因为目录说明可能是短暂的,通用的,过时的,也看班学生前和过程中发出后采取可以帮助社区学院的发展更好地了解哪些课程对那些在四年制院校最好的地图。 ESTA方法打开新的可能性,当然配对可能不会否则表面,包括不同学科或机构可能先前已经不挂钩之间。

布朗希望扩大大学伯克利分校和超过使用ESTA方法。他的 描写的方式, 数据 - 辅助课程 - 课程衔接使用机器翻译,合着由匹兹堡洲洪大学访问皇冠体育平台赵浩成和博士生研究生,在2019年会议学习@规模被评为优秀论文。呈现纸后,布朗 领奖 在纽约市立大学(CUNY)系统机构两个连接19来实现数据的辅助ESTA工作。


最初发表 如使用机器学习的途径,从社区学院UC通过科学的数据和信息的部门伯克利拓宽在2019年9月30日。

最近更新时间:

二○一九年十月十六日