Librería Samer Atenea
Kálamo Books
Librería Elías (Asturias)
Librería Kolima (Madrid)
Librería Proteo (Málaga)
W niniejszym badaniu przedstawiono framework uczenia maszynowego służący do przydzielania studentów do odpowiednich kierunków technicznych w Politechnice Rwandyjskiej. Wykorzystując 399 rekordów dotyczących studentów oraz 128 cech powiązanych z programem nauczania, pochodzących z wyników krajowych egzaminów w Rwandzie, wytrenowano modele sztucznej sieci neuronowej, XGBoost oraz lasu losowego, a następnie porównano je w odniesieniu do 13 kierunków technicznych. Sztuczna sieć neuronowa osiągnęła 94% dokładności testowej przy minimalnej luce uogólnienia. W celu wyjaśnienia prognoz i zidentyfikowania cech mających wpływ na wyniki wykorzystano analizy SHAP, LIME, ważności permutacyjnej oraz wzajemnej informacji. W badaniu przeanalizowano również nierównowagę klas, sprawiedliwość, kierowanie decyzjami między człowiekiem a sztuczną inteligencją w oparciu o poziom pewności, wymiarowość, dobór cech, odporność oraz znaczenie cech w modelach zespołowych. Praktyczne zastosowanie ilustrują opracowane przykłady zaleceń. Zaproponowano również plan wdrożenia dostosowany do dostępnego sprzętu instytucjonalnego. Struktura ta oferuje badaczom, administratorom i decydentom przejrzyste i praktyczne podejście do odpowiedzialnego, wspomaganego przez sztuczną inteligencję procesu rekrutacji i przydzielania studentów w ramach kształcenia technicznego i zawodowego.