[논문 리뷰] Automated Matchmaking to Improve Accuracy of Applicant Selection for University Education System

Oludayo O. Olugbara, Manish Joshi외 2명|arXiv (Cornell University)|2015. 07. 09.

Scheduling and Timetabling Solutions인용 수 4

한 줄 요약

이 논문은 대학 프로그램의 요구사항과 지원자의 역량 프로필을 자동으로 정렬함으로써 선발 정확도를 향상시키는 자동 매칭 시스템을 제안한다. 동료 간 비교 없이 개인의 역량을 프로그램의 기준과 매칭함으로써, 이 방법은 부적합한 매칭과 학생의 좌절을 줄이며, 실제 데이터를 사용한 범위 기반 비경쟁적 매칭 프레임워크에서 기존의 선발 방법보다 뛰어난 성능을 보였다.

ABSTRACT

The accurate applicant selection for university education is imperative to ensure fairness and optimal use of institutional resources. Although various approaches are operational in tertiary educational institutions for selecting applicants, a novel method of automated matchmaking is explored in the current study. The method functions by matching a prospective students skills profile to a programmes requisites profile. Empirical comparisons of the results, calculated by automated matchmaking and two other selection methods, show matchmaking to be a viable alternative for accurate selection of applicants. Matchmaking offers a unique advantage that it neither requires data from other applicants nor compares applicants with each other. Instead, it emphasises norms that define admissibility to a programme. We have proposed the use of technology to minimize the gap between students aspirations, skill sets and course requirements. It is a solution to minimize the number of students who get frustrated because of mismatched course selection.

연구 동기 및 목표

• 학생의 좌절과 자원 낭비를 유발하는 대학 지원자 선발의 정확도 저하 문제를 해결하기 위해.
• 다른 지원자 간 비교가 아닌, 지원자가 프로그램 요구사항과 얼마나 부합하는지 평가하는 시스템을 개발하기 위해.
• 기술을 통해 학생의 기대, 역량, 과목 선수강 조건 간 격차를 최소화하기 위해.
• 다른 지원자의 데이터가 필요 없는 공정하고 범위 기반의 선발 메커니즘을 제공하기 위해.
• AI 기반 매칭 기술을 활용해 대학 입학 선발의 총체적 정확도와 효율성을 향상시키기 위해.

제안 방법

• 시스템은 각 지원자에 대해 역량 프로필을 구축하고, 각 학술 프로그램에 대해 요구사항 프로필을 수립한다.
• 지원자의 역량과 프로그램이 요구하는 역량 간 일치 정도를 평가하는 매칭 알고리즘을 사용한다.
• 다른 지원자 간 비교를 피하기 위해 사전 정의된 기준(합격 기준)에 의존한다.
• 경쟁 요소가 없는 비경쟁적 접근으로, 순위 기반 선발이 아닌 개인의 적합성에 중점을 둔다.
• 실제 세계 데이터를 사용해 기존의 두 가지 전통적인 선발 기법과의 비교를 통해 실증적 검증을 수행한다.
• 다양한 학문 분야와 기관에서 적용 가능하고 확장 가능한 방식으로 설계되어 있다.

실험 결과

연구 질문

• RQ1 기존의 방법과 비교해 자동 매칭 기술이 대학 입학 선발의 정확도를 향상시킬 수 있는가?
• RQ2 범위 기반 매칭 시스템은 동료 간 비교 없이 지원자 간 부적합성을 어떻게 줄일 수 있는가?
• RQ3 이 방법은 얼마나 효과적으로 잘못 선택된 과목으로 인한 학생의 좌절을 줄일 수 있는가?
• RQ4 실증적 테스트에서 이 매칭 시스템은 기존의 선발 기법 대비 어떤 성능을 보이는가?
• RQ5 이 시스템은 학생의 기대와 역량을 특정 프로그램의 요구사항과 효과적으로 일치시킬 수 있는가?

주요 결과

• 자동 매칭 기술은 두 가지 기존의 선발 방법보다 지원자 선발 정확도가 높다는 것이 입증되었다.
• 개별 지원자의 역량과 요구사항 간 일치를 중심으로 하는 접근 덕분에, 지원자와 프로그램 간의 부적합성이 효과적으로 감소했다.
• 결과적으로 이 방법은 다른 지원자의 데이터가 필요 없음을 확인했으며, 개인정보 보호에 유리하고 확장 가능한 구현이 가능하다.
• 학생의 능력과 프로그램 기대치 간의 일치도를 높임으로써 학생의 좌절을 효과적으로 줄였다.
• 실증적 비교를 통해 이 매칭 프레임워크가 존재하는 선발 메커니즘에 비해 공정하고 정확한 대안으로서의 타당성을 확인했다.
• 이 방법은 경쟁적 순위 기반 선발이 아닌 기관의 기준을 중심으로 한 기준 기반 입학 결정 근거를 제공한다.