探索教育公平：机器学习方法揭示佐治亚州学业成就差异
计算机与社会
2024-02-08 v1 机器学习
应用统计
摘要
COVID-19疫情显著加剧了佐治亚州K-12系统中已有的教育差异，特别是在种族和民族成就差距方面。本研究利用机器学习方法，对不同人口统计群体、地区和科目的学生学业成就率进行了全面分析。研究结果突显了疫情期间英语和数学熟练度的显著下降，分数分布明显收缩，对经济弱势学生和黑人学生的影响更大。社会经济地位——以直接认证百分比（有资格享受免费午餐的学生比例）为代表——成为最关键的因素，此外还从教师资源（如教师工资和教学支出）中获得了额外见解。研究还发现了城乡地区之间以及各县之间的成就率差异，强调了地理和社会经济因素的影响。数据表明，有针对性的干预和资源分配，特别是在经济弱势学生比例较高的学校，对于减轻教育差异至关重要。
引用
@article{arxiv.2402.01710,
title = {Exploring Educational Equity: A Machine Learning Approach to Unravel Achievement Disparities in Georgia},
author = {Yichen Ma and Dima Nazzal},
journal= {arXiv preprint arXiv:2402.01710},
year = {2024}
}