NeurIPS 竞赛说明与指南：教育中学习路径的因果洞察
计算机与社会
2022-09-02 v2 人工智能
机器学习
摘要
在本竞赛中，参与者将利用时间序列数据，解决教育背景下机器学习的两个基本因果挑战。其一是识别不同构念之间的因果关系，其中构念被定义为学习的最小元素。第二大挑战是预测学习某一构念对其他构念答题能力的影响。应对这些挑战将优化学生的知识获取，并可部署于影响数百万学生的真实教育科技解决方案中。参与者将在一个使用合成数据的理想化环境，以及一个从一系列 A/B 测试收集评估数据的真实场景中进行这些任务。
引用
@article{arxiv.2208.12610,
title = {NeurIPS Competition Instructions and Guide: Causal Insights for Learning Paths in Education},
author = {Wenbo Gong and Digory Smith and Zichao Wang and Craig Barton and Simon Woodhead and Nick Pawlowski and Joel Jennings and Cheng Zhang},
journal= {arXiv preprint arXiv:2208.12610},
year = {2022}
}
备注
19 pages, NeurIPS 2022 Competition Track