使用零膨胀学习者模型实现神经多样性学生群体的公平能力评估
计算机与社会
2022-05-10 v2 机器学习
摘要
目前，教育数据挖掘社区缺乏许多确保神经多样性（ND）学习者公平能力评估所需的工具。一方面，大多数学习者模型容易低估 ND 能力，因为混杂情境无法被问责（例如考虑阅读障碍与文本密集型评估），另一方面，现有数据集很少（如果有的话）适合评估 ND 情境下的模型和数据偏差。本文中，我们尝试使用零膨胀学习者模型来建模情境（传递和响应类型）与 ND 学生表现之间的关系。该方法有助于模拟几种预期的 ND 行为特征，从生成的数据集中为所有学生群体提供公平的能力估计，提高可解释性置信度，并能显著提高 ND 学生的学习机会质量。我们的方法在实验中始终优于基线，并且也可应用于许多其他学习者建模框架。
引用
@article{arxiv.2203.10170,
title = {Equitable Ability Estimation in Neurodivergent Student Populations with Zero-Inflated Learner Models},
author = {Niall Twomey and Sarah McMullan and Anat Elhalal and Rafael Poyiadzi and Luis Vaquero},
journal= {arXiv preprint arXiv:2203.10170},
year = {2022}
}