文献

J-GLOBAL ID：202202253141623655   整理番号：22A0157224

包括的評価において高密度結果はいかに区別できるか?ハイブリッド情報フィルタリングモデル【JST・京大機械翻訳】

How can dense results be differentiated in comprehensive evaluations? A hybrid information filtering model

著者 (5件)： Zhao Lu-Tao (School of Mathematics and Physics, University of Science and Technology Beijing, Beijing, China) ,  Zhao Lu-Tao (School of Management and Economics, Beijing Institute of Technology, Beijing, China) ,  Zhao Lu-Tao (Center for Energy and Environmental Policy Research, Beijing Institute of Technology, Beijing, China) ,  Wang Wen-Jing (School of Mathematics and Physics, University of Science and Technology Beijing, Beijing, China) ,  Li Da-Kuan (Department of Academic Affairs, University of Science and Technology Beijing, Beijing, China)
資料名： Knowledge-Based Systems  (Knowledge-Based Systems)
巻： 235  ページ： Null  発行年： 2022年 
JST資料番号： T0426A  ISSN： 0950-7051  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルチインデックス総合評価(MICE)は科学的および民主的意思決定の基礎である。その基本的機能の1つは,評価対象を最大程度に区別することである。しかし,評価者の行動バイアスは,評価の有効性に影響する密な評価結果をもたらす。特徴工学を統合して,評価者距離ベースの情報フィルタリングモデル(IFED)を,高密度評価結果の分化を増加させるために提案する。IFEDモデルは,最初に特徴距離を計算することによって評価者の有効性を定量的に測定する。次に,閾値距離に従って,評価者の全体の集合を有効かつ無効なカテゴリーに分割することによって,評価者をフィルタする。最後に,生成した有効なデータセットを従来のMICEモデルに入力した。モデルの性能を検証するために大学の教育評価データセットについて経験的解析を行った。IFEDモデルは無効評価者の22.44%を同定し,評価結果の分化の43.44%の増加につながった。IFEDモデルに基づく修正エントロピー重みづけ法は,27.08%の教育の学生評価の安定性を増加させた。最後に,エントロピー重みづけ法を3つの他のMICE法に置き換えることにより,IFEDモデルのロバスト性を確認した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *エントロピー ,  教育 ,  フィルタ ,  意思決定 ,  分化 ,  バイアス ,  重みづけ ,  有効性 ,  ロバスト性
準シソーラス用語： *情報フィルタリング ,  教育評価 ,  高密度 ,  学生評価 ,  MICE都市 , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチインデックス総合評価 ,  情報フィルタリング ,  教育の学生評価 ,  分化 ,  エントロピー

分類 (2件)： 人工知能  (JE08000Z) ,  システム・制御理論一般  (IA02010H)

タイトルに関連する用語 (3件)： 評価 ,  情報フィルタリング ,  モデル