[論文レビュー] Estimating returns to special education: combining machine learning and text analysis to address confounding

Aurélien Sallin|arXiv (Cornell University)|Jan 1, 2021

Financial Literacy, Pension, Retirement Analysis参考文献 84被引用数 2

ひとこと要約

本研究では、スイスの心理的レポートの因果的機械学習および計算テキスト分析を用いて、特別支援教育（SpEd）プログラムの因果的リターンを推定する。インクルーシブなSpEdプログラムは、特に第二言語習得者および行動障害を有する生徒において、分離教育を上回る肯定的な学力的および労働市場上のリターンをもたらす。最適再配置ルールは、より低いコストでより良い結果を得るために、大多数の生徒を分離からインクルージョンに移行することを示唆する。

ABSTRACT

Leveraging unique insights into the special education placement process through written individual psychological records, I present results from the first ever study to examine short- and long-term returns to special education programs with causal machine learning and computational text analysis methods. I find that special education programs in inclusive settings have positive returns in terms of academic performance as well as labor-market integration. Moreover, I uncover a positive effect of inclusive special education programs in comparison to segregated programs. This effect is heterogenous: segregation has least negative effects for students with emotional or behavioral problems, and for nonnative students with special needs. Finally, I deliver optimal program placement rules that would maximize aggregated school performance and labor market integration for students with special needs at lower program costs. These placement rules would reallocate most students with special needs from segregation to inclusion.

研究の動機と目的

• 特別支援が必要な生徒の学力的パフォーマンスおよび労働市場における成果に対する特別支援教育（SpEd）プログラムの短期的および長期的リターンを推定すること。
• 個々の生徒記録からの詳細な心理的評価文書を活用して、観察データにおける交絡要因を是正すること。
• 異なる生徒サブグループにおけるインクルーシブ教育と分離教育の効果を比較すること。
• 予算制約のもとで集団的な生徒のパフォーマンスおよび労働市場統合を最大化し、コストを最小化する最適なプログラム配置ルールを導出すること。
• 政策的意思決定を支援するため、どの生徒がインクルージョンと分離のどちらから最も利益を得るかを特定すること。

提案手法

• 生徒のテストスコアおよび社会保障記録に関する行政データと、個々の生徒評価からの詳細な心理的評価文書を統合する。
• 自然言語処理（NLP）技術を用いて心理学者の記述的レポートから潜在的特徴を抽出し、学生のニーズおよび特徴を定量化する計算テキスト分析を実施する。
• 交絡要因を補正しながら処置効果を推定するために、因果的機械学習（例：ダブルマシンラーニングおよびアンサンブル学習）を採用する。
• 教室単位でのクラスタリングを用いた交差検証を実施し、処置効果推定の妥当性を確保するとともに、スプライルオーバー効果を推定する。
• 因果推論を用いて政策ツリーを構築し、コスト制約下で期待される成果を最大化する最適な配置ルールを導出する。
• 行動上の問題や言語的背景など、さまざまなサブグループにおける処置効果の非定型性を推定し、ターゲット型政策提言を支援する。

実験結果

リサーチクエスチョン

• RQ1 インクルーシブ教育と分離教育の処置が、学力的パフォーマンスおよび労働市場成果に与える因果的効果は何か？
• RQ2 特別支援教育のリターンは、カウンセリング、チューティング、個別療法などの異なる種類のSpEd介入によってどのように変化するか？
• RQ3 行動に問題を有する生徒の長期的成果を改善する観点から、インクルージョンは分離を上回る効果を示すか？
• RQ4 どの生徒サブグループがインクルージョンと分離のどちらから最も利益を得るか。また、主流のクラスメートに及ぼすスプライルオーバー効果は何か？
• RQ5 集団的な生徒のパフォーマンスおよび労働市場統合を最大化し、プログラムコストを削減する最適な配置ルールは何か？

主な発見

• インクルーシブな特別支援教育プログラムは、学力的パフォーマンスおよび労働市場統合の観点で肯定的なリターンをもたらす。特にカウンセリングおよび個別療法が最も強い正の効果を示す。
• インクルーシブな環境におけるチューティングは、学力的成果に顕著な効果を示さないため、この介入の投資対効果は限定的である。
• 準分離型プログラムは、感情的・行動的問題を有する生徒および特別支援が必要な第二言語習得者に対して、最小限の悪影響をもたらし、これらのサブグループに潜在的な利益をもたらす可能性がある。
• 最適な政策的再配置ルールは、大多数の生徒を分離教育からインクルーシブ教育に移行することを推奨しており、これにより平均的な学校成績および労働市場成果が向上し、コストが削減される。
• 分離教育からインクルーシブ教育に移行した生徒は、個別に大きな利益を得るが、主流のクラスメートに及ぼすわずかな負のスプライルオーバー効果（−0.03 SD）を上回る。
• 完全な分離教育は、高い離脱率と他のプログラムタイプとの重複欠如のため、学力的リターンが測定不能であり、因果的比較は実行不可能である。