摘要算法偏见是教育环境中机器学习模型中的主要问题。但是,它尚未在亚洲学习环境中进行彻底研究,并且只有有限的工作才考虑了基于区域(亚国家)背景的算法偏见。作为解决这一差距的一步,本文研究了菲律宾一所大型大学的5,986名学生的人口,并根据学生的区域背景调查了算法偏见。大学在广泛领域的在线课程中使用了画布学习管理系统(LMS)。在三个学期的典范上,我们收集了4870万个学生在画布中活动的日志记录。我们使用这些日志来训练从LMS活动中预测学生成绩的二进制分类模型。表现最佳的模型达到0.75,加权F1得分为0.79。随后,我们根据学生区域检查了偏见的数据。使用三个指标进行评估:AUC,加权F1得分和MADD在所有人口组中均显示出一致的结果。因此,在年级预测中对特定学生群体没有观察到不公平。
人口统计学和社会特征表本研究使用的问卷由 28 个问题和 2 个量表组成。询问研究社会人口统计学特征的问题可以简要定义如下:年龄、性别、身高、体重、婚姻状况、子女数量、教育水平、吸烟情况、慢性病(糖尿病、高血压、哮喘、慢性阻塞性肺病、心血管疾病)、需要药物治疗的心理疾病(焦虑、压力、抑郁)、医院工作单位(病房、重症监护、手术室、综合诊所)、疫情期间在 COVID-19 诊所的工作状态、感染 COVID-19 疾病、使用抗病毒药物、因 COVID-19 住院(服务、重症监护、插管)、COVID-19 疫苗接种状况等变量
根据研究生医学教育委员会(UGMEB),经过修订的基于能力的医学教育指南(CBME)课程2024。所有有关利益相关者都被要求注意相同的。
Professionalism 6-Jan 11-Jan 15 Study break 15 Study break 13-Jan 18-Jan 16 Study break 16 Study break 20-Jan 25-Jan 17 EOS/ICA S-4 17 EOS/ICA S-1 27-Jan 1-Feb 18 Chinese New Year Break Chinese New Year * 3-Feb 8-Feb 19 Vacation/Resit 18 Vacation/Resit 10-Feb 15-Feb S5 1 S2 1 17-Feb 22-Feb 2 2 24-Feb 1-Mar 3 3 3-Mar 8-Mar 4 4 10-Mar 15-Mar 5 5 17-Mar 22-Mar 6 6 24-Mar 29-Mar 7 7 31-Mar 5-Apr Hari Raya Break Hari Raya * 7-Apr 12-Apr 8 Study break 8 Study break 14-Apr 19-Apr 9 EOS/ICA S-5 9 EOS/ICA S-2 21-Apr 26-Apr 10 Vacation 10 Vacation 28-Apr 3-May 11 Vacation 11 Vacation 5-May 10-May 12 Vacation/Resit 12 Vacation/Resit 12-May 17-May S6 1 S3 1 19-May 24-May 2 2 26-May 31-May 3 3 2-Jun 7-Jun 4 4 9-Jun 14-Jun 5 5 16-Jun 21-Jun 6 6 23-Jun 28-Jun 7 7 30-Jun 5-Jul 8 8 7-Jul 12-Jul 9 9 14-Jul 19-Jul 10 10 21-Jul 26-Jul 11 11 28-Jul 2-Aug 12 12 4-Aug 9-Aug 13 13 11-Aug 16-Aug 14 14 18-Aug 23-Aug 15 Study break 15 Study break 25-Aug 30-Aug 16 Study break 16 Study break 1-Sep 6-Sep 17 EOS/ICA S-6 17 EOS/ICA S-3 8-Sep 13-Sep 18 Vacation 18 Vacation 15-Sep 20-Sep 19 Vacation/Resit 19 Vacation/Resit
哈利法克斯圣心学校符合并超越了省教育部的所有要求和标准。我们知道教育本质上是一种关系,因此我们投资于小班教学,聘请敬业的教师和情感积极、学术上积极向上的同龄人。在 10-12 年级,通过学术和大学先修课程 (AP),我们的学生可以加强批判性思维技能、建立自信并为上大学做好准备。我们还有一位经验丰富的大学预科辅导员,帮助指导我们的学生进入他们选择的大学。为了完善学术体验,我们提供丰富的课外活动计划,包括教育旅行、体育、艺术发展、学生领导力、机器人技术、技术、辩论、社会行动和体验式学习,所有这些都旨在让每个学生为他们的人生旅程做好准备。
我将在第二部分中简要介绍衡量不平等的概念和经验问题,从而对过去三十年全球经济不平等趋势进行描述。我们将看到,这些趋势和模式错综复杂,而且不平等加剧并没有普遍的模式。然而,潜在的力量是朝着经济不平等加剧的方向发展的——这些变化反映了政策选择。然后,本节定义了学术不平等,并强调了它与经济不平等之间的双向因果关系。第三部分区分了消极自由和积极自由,并强调积极自由是本文的重点。然后,它评估了经济资源和经济不平等是积极自由(包括积极学术自由)的关键决定因素。如果经济不平等削弱了积极自由,学术不平等又削弱了积极的学术自由。第四部分讨论了在加强积极学术自由的目标下,专门针对学术不平等与更普遍的经济不平等之间的政策平衡问题。第五部分结束。
- 参与者应该能够理解人工智能 (AI) 的局限性。- 参与者应该能够充分提出 AI 问题以获得尽可能准确的答案。- 参与者应该能够使用 AI 来创建学习技巧和技巧。- 参与者应该能够回忆起使用 AI 来提高个人和学术能力的其他资源。- 参与者应该能够知道如何将 AI 用作资源而不是缺陷。
对学习成果的考察:必须参加讲座。对考试入学的要求:课堂教学中不允许缺席3个。在缺席的情况下,只能以TVSZ和Szaok的研究规则中指定的方式证明缺席。如果有3个以上的缺席,则不允许学生参加考试!mTO:在学期期间将写两个MTO。1。MTO:2025。3月28日。在讲座期间(强制性)2。MTO:2025。5月21日。18:00,不是强制性的; WalterKárolyRoom(Pedriatic Health Center。 korányifasor 14-15。) 如果两个MTO的平均结果达到80%,则在学期结束时提供了座谈会的等级。 如果达到80%,则表示提供的4级(良好),如果两个MTO的平均结果达到90%,则提供的等级为5(非常出色)。 如果您在MTO中没有达到80%,则不会产生负面后果。 不可能重新获得MTO。 考试:将写第一和第二考。 您需要达到60%才能通过考试。 确定等级如下:0-59%失败(1)60-69%PASS(2)70-79%满意度(3)80-89%良好(4)90-100%出色(5)第二重复 - 您的第三次 - 您的第三次检查 - 任何进一步的考试都是口头考试。 考试的潜在改进将是口头的(如果某人想要比提供的成绩更好的成绩,例如5而不是4)。 可以根据考试法规在考试期间校正不令人满意的学期标记。18:00,不是强制性的; WalterKárolyRoom(Pedriatic Health Center。korányifasor 14-15。)如果两个MTO的平均结果达到80%,则在学期结束时提供了座谈会的等级。如果达到80%,则表示提供的4级(良好),如果两个MTO的平均结果达到90%,则提供的等级为5(非常出色)。如果您在MTO中没有达到80%,则不会产生负面后果。不可能重新获得MTO。考试:将写第一和第二考。您需要达到60%才能通过考试。确定等级如下:0-59%失败(1)60-69%PASS(2)70-79%满意度(3)80-89%良好(4)90-100%出色(5)第二重复 - 您的第三次 - 您的第三次检查 - 任何进一步的考试都是口头考试。考试的潜在改进将是口头的(如果某人想要比提供的成绩更好的成绩,例如5而不是4)。可以根据考试法规在考试期间校正不令人满意的学期标记。考试的基础知识:讲座中处理的教材。