Machine Learning-powered Course Allocation

要約

機械学習を利用したコース割り当てメカニズムを導入します。
具体的には、最先端のコース マッチ メカニズムを機械学習ベースの選好誘発モジュールで拡張します。
このモジュールは、反復的な非同期方式で、個々の学生に合わせたペアワイズ比較クエリを生成します。
インセンティブに関しては、当社の機械学習を利用したコース マッチ (MLCM) メカニズムは、コース マッチの大きなプロパティで魅力的な戦略耐性を保持しています。
福祉については、実世界のデータに合わせたシミュレーターを用いて計算実験を行っています。
私たちの結果は、Course Match と比較して、MLCM は平均学生効用を 4% から 9%、最小学生効用を 10% から 21% 増加させることを示しています。
最後に、MLCM の実用性と、現在 Course Match を使用している大学でのパイロットの容易さを強調します。

要約(オリジナル)

We introduce a machine learning-powered course allocation mechanism. Concretely, we extend the state-of-the-art Course Match mechanism with a machine learning-based preference elicitation module. In an iterative, asynchronous manner, this module generates pairwise comparison queries that are tailored to each individual student. Regarding incentives, our machine learning-powered course match (MLCM) mechanism retains the attractive strategyproofness in the large property of Course Match. Regarding welfare, we perform computational experiments using a simulator that was fitted to real-world data. Our results show that, compared to Course Match, MLCM increases average student utility by 4%-9% and minimum student utility by 10%-21%, even with only ten comparison queries. Finally, we highlight the practicability of MLCM and the ease of piloting it for universities currently using Course Match.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google