研究人员开发了一种多层次机器学习模型，利用巴西基础教育评估系统（SAEB）的微数据来分析学生表现。该研究整合了学生社会经济地位、教师概况、学校指标和校长管理方面的数据。随机森林模型达到了90.2%的准确率和96.7%的AUC，优于其他集成算法。可解释人工智能（XAI）技术显示，学校的平均社会经济水平是学生表现最重要的预测因素，凸显了学业成就的系统性本质。 AI
影响 为政策制定者提供了一个可解释的工具，通过识别影响学生表现的系统性因素来解决教育不平等问题。
排序理由 关于使用机器学习方法分析学生表现数据的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- Brazil
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- random forest
- Rodrigo Tertulino
- Saeb
- ScienceCast
- scite Smart Citations
- Shap
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →