考虑偏置的毕业生就业预测
机器学习
2019-12-30 v1 计算机与社会
机器学习
摘要
大学生求职失败可能导致酗酒、自杀等严重社会后果。除学业表现外，无意识偏置可能成为毕业生求职的关键障碍之一。因此，有必要理解这些无意识偏置，以便我们在早期通过更个性化的干预来帮助这些学生。本文提出一个框架，即 MAYA（Multi-mAjor emploYment stAtus），在考虑偏置的情况下预测学生的就业状态。该框架由四个主要部分组成。首先，我们通过将学业表现嵌入统一空间来解决学生课程异质性的问题。然后，我们应用生成对抗网络（GAN）来克服类不平衡问题。第三，我们采用带有新颖 dropout 机制的长短期记忆网络（LSTM）来全面捕捉学期之间的序列信息。最后，我们设计了一种基于偏置的正则化项以捕捉就业市场偏置。我们在大规模教育数据集上进行了充分实验，结果证明了我们预测框架的有效性。
引用
@article{arxiv.1912.12012,
title = {Graduate Employment Prediction with Bias},
author = {Teng Guo and Feng Xia and Shihao Zhen and Xiaomei Bai and Dongyu Zhang and Zitao Liu and Jiliang Tang},
journal= {arXiv preprint arXiv:1912.12012},
year = {2019}
}