[論文レビュー] Using Descriptive Analytics for the Improvement of National University Entrance Exam: A case study in the Context of Kankor in Afghanistan

Abdul Rahman Sherzad|arXiv (Cornell University)|Dec 2, 2016

Advanced Data Processing Techniques参考文献 2被引用数 3

ひとこと要約

本研究は、アフガニスタンの国立大学入学試験であるKankor試験の150万件の記録（2003–2015年）および補足データを用いて記述的分析を実施し、成績の傾向、人種的・文化的背景による格差、学業予測要因を特定した。研究では、制度的な不平等が明らかになり、政策立案者や教育機関が試験の公正性と教育成果を向上させるためのデータ駆動型の提言がなされた。

ABSTRACT

In Afghanistan, High school graduates, to continue higher education, need to pass the National University Entrance Exam (Kankor). Kankor is very important and requires further research as it is used as the only means to identify the participant's competence and skills which leads to a qualified higher education and manpower, employment opportunities, allocation of human capital in appropriate fields of study, and leading to a more specialized labor force in the long run. Having a better picture of Kankor in Afghanistan is essential before employing educational data mining techniques and other social and pedagogical approaches to support the students and the educational institutions. Hence, the author carried out a research on Kankor, in which he assessed and analyzed Kankor from different angles. This research paper provides positive contribution to the Ministry of Higher Education (MoHE), particularly, the Kankor committee, and other educational institutions - introducing the importance of data as an asset and a proper structure of recording and producing data effective for research studies, paving the way for in-depth descriptive and predictive analytics which improves the situation within the context of the existing structural models in Afghanistan. The author's research target is to study Kankor using descriptive analytics supported by Kankor Results Data (KRD) of 1.5 million records from 2003-2015, Detailed Kankor Results Data which is a subset of KRD from 2004-2006 of 120,000 records, High school performance and grades data from 2011-2013 of 6,000 records, data collected through conducting more than 2500 questionnaires among academicians as well as the author's personal observations, findings, and analyses as a student and faculty member at the University in the field of computer science.

研究の動機と目的

• 記述的分析を用いて、アフガニスタンの諸州および人種的・文化的背景ごとのKankor試験成績の全国的傾向を分析すること。
• 2011–2013年の縦断的学生データを用いて、高校の学業成績がKankor試験の結果に与える影響を評価すること。
• 150万件の記録を統計的に分析することで、機関および地域間のKankor成績の格差を評価すること。
• 教育政策および構造的改善のため、高等教育部およびKankor委員会に実行可能なデータインサイトを提供すること。
• 構造的で研究用に適したデータ収集の価値を示すことで、将来の予測的分析の基盤を築くこと。

提案手法

• 2003年から2015年までの150万件のKankor結果データ（KRD）に対して記述的分析を実施した。
• 詳細な成績傾向分析のため、2004–2006年の12万件のKankor記録のサブセットを用いた。
• 2011–2013年の6,000名の学生の高校成績および成績データを分析し、過去の学業成績とKankor試験結果との相関を特定した。
• 教育専門家から試験構造および学生の成績要因に関する知見を得るため、2,500件以上のアンケートを実施した。
• 著者のコンピュータサイエンス教育分野における個人的経験と専門的経験が、データパターンの文脈的解釈を支援した。
• 地域的、性別的、科目別成績格差を時間経過とともに可視化するため、データ可視化技術が用いられた。

実験結果

リサーチクエスチョン

• RQ1 2003年から2015年までの間に、Kankor国立大学入学試験における地域的および性別による成績格差は何か？
• RQ2 2011–2013年の被験者集団において、高校の学業成績とKankor試験結果との相関は何か？
• RQ3 アフガニスタンの諸州において、どの科目または学習分野で最も顕著な成績格差が見られるか？
• RQ4 現在のKankor制度において、効果的な教育分析を妨げる構造的データ問題は何か？
• RQ5 記述的分析は、将来的な試験の公正性、公平性、および機関計画の改善にどのように寄与できるか？

主な発見

• 2003年から2015年までの間、都市部は常に農村部を上回る成績を示す、顕著な地域格差が確認された。
• 女性受験生は、大多数の科目および州で男性受験生より平均得点が低く、継続的な性別格差が確認された。
• 高校成績が高かった学生は、著しく高いKankor成績を示し、強い予測的関係が裏付けられた。
• データは、不一致なデータ記録方法と標準化されたメタデータの欠如を明らかにし、分析の可能性を制限していた。
• 特定の州において、特に理系および数学分野で高い不合格率が観察され、地域的な教育的課題が示唆された。
• 本研究は、構造的なデータ収集が実行可能な知見を可能にし、将来の改革に向けた予測的分析への道筋を示した。