教育数据科学中面向公平感知学习的聚类模型综述
机器学习
2023-05-22 v1 计算机与社会
摘要
确保公平性对每个教育系统都至关重要。机器学习正日益支撑教育系统与教育数据科学（EDS）领域，从决策支持到教育活动与学习分析。然而，基于机器学习的决策可能存在偏差，因为算法可能基于学生的受保护属性（如种族或性别）生成结果。聚类是一种重要的机器学习技术，用于探索学生数据以支持决策者以及支持分组分配等教育活动。因此，确保高质量的聚类模型并满足公平性约束是重要需求。本章全面综述 EDS 中的聚类模型及其公平性。我们特别聚焦于考察应用于教育活动中的公平聚类模型。这些模型被认为是分析学生数据并保障 EDS 中公平性的实用工具。
引用
@article{arxiv.2301.03421,
title = {A review of clustering models in educational data science towards fairness-aware learning},
author = {Tai Le Quy and Gunnar Friege and Eirini Ntoutsi},
journal= {arXiv preprint arXiv:2301.03421},
year = {2023}
}
备注
This is a preprint of the following chapter: Tai Le Quy, Gunnar Friege, Eirini Ntoutsi, A review of clustering models in educational data science towards fair-ness-aware learning, published in Educational Data Science: Essentials, Ap-proaches, and Tendencies, edited by Alejandro Pe\~na-Ayala , 2023, Springer. https://link.springer.com/book/9789819900251