[论文解读] Automated Matchmaking to Improve Accuracy of Applicant Selection for University Education System

Oludayo O. Olugbara, Manish Joshi+2 more|arXiv (Cornell University)|Jul 9, 2015

Scheduling and Timetabling Solutions被引用 4

一句话总结

本文提出了一种自动化匹配系统，将申请人的技能档案与大学课程要求相匹配，以提高选拔准确性。通过在不进行同伴比较的情况下将个人能力与课程标准对齐，该方法减少了错配和学生挫败感，在使用基于规范的非竞争性匹配框架的实证测试中，其表现优于传统选拔方法。

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.

研究动机与目标

• 解决大学申请者选拔中的不准确问题，此类问题会导致学生挫败感和资源错配。
• 开发一种基于申请人与课程要求匹配度而非同伴比较的评估系统。
• 通过技术手段缩小学生期望、技能集合与课程先决条件之间的差距。
• 提供一种公平的、基于规范的选拔机制，无需依赖其他申请人的数据。
• 利用人工智能驱动的匹配技术，提高大学招生的整体准确性和效率。

提出的方法

• 系统为每位申请人构建技能档案，为每项学术课程构建要求档案。
• 采用一种匹配算法，评估申请人技能与课程所需能力之间的契合度。
• 该方法依赖于预先定义的规范来界定可录取标准，避免申请人之间的比较。
• 该方法为非竞争性，聚焦于个体适合度而非排名或基于排名的选拔。
• 通过真实世界数据，将该匹配方法与两种传统选拔技术进行实证对比验证。
• 该系统设计为可在不同学术领域和机构间扩展和适应。

实验结果

研究问题

• RQ1 与传统方法相比，自动化匹配能否提高大学招生中申请人选拔的准确性？
• RQ2 基于规范的匹配系统如何在不依赖同伴比较的情况下减少申请人与课程的错配？
• RQ3 该方法在多大程度上可减少因课程选择不匹配而引发的学生挫败感？
• RQ4 在实证测试中，该匹配系统相对于传统选拔技术的性能如何？
• RQ5 该系统能否有效将学生的期望和技能集合与特定课程要求对齐？

主要发现

• 与两种传统选拔方法相比，自动化匹配方法在申请人选拔中表现出更高的准确性。
• 该系统通过聚焦于个人技能与要求的匹配，成功减少了申请人与课程之间的错配。
• 结果表明，该方法无需其他申请人的数据，可实现保护隐私且可扩展的部署。
• 该方法通过确保学生能力与课程期望更好地匹配，有效减轻了学生的挫败感。
• 实证对比证实，该匹配框架作为现有选拔机制的公平且准确的替代方案具有可行性。
• 该方法为录取决策提供了规范性依据，强调机构标准而非竞争性排名。