学生成绩预测问题中群体公平性度量的评估
机器学习
2023-01-31 v1 计算机与社会
摘要
预测学生学业成绩是教育数据挖掘（EDM）的关键任务之一。传统上，此类模型的高预测质量被视为至关重要。近来，关于性别或种族等受保护属性的公平性与歧视问题引起了关注。尽管 EDM 中已有若干公平性感知学习方法，但这些度量的比较评估仍然缺失。本文中，我们在多个教育数据集与公平性感知学习模型上评估了学生成绩预测问题的不同群体公平性度量。我们的研究表明，公平性度量的选择十分重要，成绩阈值的选择同样如此。
引用
@article{arxiv.2208.10625,
title = {Evaluation of group fairness measures in student performance prediction problems},
author = {Tai Le Quy and Thi Huyen Nguyen and Gunnar Friege and Eirini Ntoutsi},
journal= {arXiv preprint arXiv:2208.10625},
year = {2023}
}
备注
SoGood2022 - The 7th Workshop on Data Science for Social Good - ECML PKDD 2022