Główne pojęcia
MLCMは学生の報告ミスを軽減し、効率と公平性を向上させる。
Streszczenie
コース割り当て問題における現行のメカニズムであるCourse Match(CM)の課題と、その改善策であるMachine Learning-powered Course Match(MLCM)について述べられている。
MLCMは、学生がGUIを使用して初期報告を行った後、MLモデルを使用してペアワイズ比較クエリを生成し、学生の報告ミスを修正する。
MLCMはOBISアルゴリズムを使用してCQsを生成し、学生の選好関係に関する情報量が急速に増加することが示されている。
MVNNsはMLCMのモデルアーキテクチャとして採用され、学生の選好関数をキャプチャする能力や計算速度などの要件を満たす。
Introduction
大学が学生にコーススケジュールを割り当てる際の課題と解決策に焦点が当てられている。
現行メカニズムであるCourse Match(CM)の欠点やMLCM導入によってどう改善されるかが詳細に説明されている。
Course Match Mechanism
CMはGUIレポートや価格計算など3つの段階から成り立っており、A-CEEI原理に基づいた近似的な市場クリアリング手法が使用されている。
学生はGUIレポート後、MLCMではMLモデル予測値やOBISアルゴリズムなどが活用されている。
Machine Learning Implementation
MVNNsはMVNNsアーキテクチャとして採用され、MVNNsトレーニング方法も詳細に説明されている。
MVNNsは回帰データやランキングデータ両方からトレーニング可能であり、最適化問題も迅速かつ効果的に解決できる。
Statystyki
MLCMは平均および最小学生効用を7%〜11%および17%〜29%増加させたことが実証された。
Cytaty
"Students make significant mistakes when reporting their preferences, which negatively affects welfare and fairness."
"MLCM significantly increases both average and minimum student utility by 7%–11% and 17%–29%, respectively."