Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Digital Observatory of Social Appropriation of Knowledge of a Territory Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Evaluation of the Bias of Student Performance Data with Assistance of Expert Teacher

verfasst von : Cinthia Vegega, Pablo Pytel, Luciano Straccia, María Florencia Pollo-Cattaneo

Erschienen in: Applied Informatics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Machine Learning algorithms have many advantages and a great potential for solving complex problems in different domains. However, it is not “magical”. One of its main difficulties lies in recollecting representative data of the domain in order to train the system, otherwise, its efficacy will be seriously compromised. Therefore, a method has been proposed to evaluate the collected data with the assistance of the available domain experts and determine whether it can be used. In this work, the method is applied to evaluate two versions of data gathered on the students’ performance in an undergraduate program course. As a result, it is determined whether they can be used in the training of an Intelligent System that will foretell such performance.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Digital Observatory of Social Appropriation of Knowledge of a Territory
Nächstes Kapitel Social Media Competitive Intelligence: Measurement and Visualization from a Higher Education Organization
Literatur
1.
Obama White House. Preparing for the Future of Artificial Intelligence. Executive Office of the President, National Science and Technology Council (NSTC) & Office of Science and Technology Policy (OSTP). Obama White House Archives (2016)
2.
Shah, J., Tambe, M., Teller, A.: Artificial intelligence and life in 2030. One Hundred Year Study on Artificial Intelligence: Report of the 2015–2016 Study Panel. Stanford University (2016)
3.
Alpaydin, E.: Machine Learning: The New AI. MIT Press, Cambridge (2016)
4.
Domingos, P.: A few useful things to know about machine learning. Commun. ACM 55(10), 78–87 (2012)CrossRef
5.
Domingos, P.: The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. Basic Books, New York (2015)
6.
Cohen, P.R., Feigenbaum, E.A.: The Handbook of Artificial Intelligence, vol. 3. Butterworth-Heinemann, Los Altos (2014)
7.
Trujillano, J., March, J., Sorribas, A.: Aproximación metodológica al uso de redes neuronales artificiales para la predicción de resultados en medicina. Med. Clin. (Barc.) 122(s1), 59–67 (2004)CrossRef
8.
Walczak, S.: An empirical analysis of data requirements for financial forecasting with neural networks. J. Manage. Inf. Syst. 17(4), 203–222 (2001)CrossRef
9.
Hyndman, R.J., Kostenko, A.V.: Minimum sample size requirements for seasonal forecasting models. Foresight 6(Spring), 12–15 (2007)
10.
Raudys, S.J., Jain, A.K.: Small sample size effects in statistical pattern recognition: recommendations for practitioners. IEEE Trans. Pattern Anal. Mach. Intell. 13(3), 252–264 (1991)CrossRef
11.
Stockwell, D.R., Peterson, A.T.: Effects of sample size on accuracy of species distribution models. Ecol. Model. 148(1), 1–13 (2002)CrossRef
12.
Collins, N.: Artificial intelligence will be as biased and prejudiced as its human creators. Pacific Standard, 1 Septiembre 2016
13.
Crawford, K.: Artificial Intelligence’s White Guy Problem. The New York Times (2016)
14.
Datta, A., Sen, S., Zick, Y.: Algorithmic transparency via quantitative input influence: theory and experiments with learning systems. In: Proceedings of 37th IEEE Symposium on Security and Privacy (2016)
15.
Dujmovic, J.: Opinion: what’s holding back artificial intelligence? Americans don’t trust it. MarketWatch, 30 Marzo 2017
16.
Vegega, C., Pytel, P., Pollo-Cattaneo, M.F.: Repertory grid based method to assess the data to train machine learning algorithms. Actas de Ingeniería, vol. 3, pp. 377–397. Revista Oficial de la Conferencia Internacional de Ingeniería INGENIO (2017). ISSN: 2463-0128
17.
Universidad Tecnológica Nacional – Facultad Regional Buenos Aires. Perfil Profesional del Ingeniero en Sistemas de Información. DISI (2008)
18.
Universidad Tecnológica Nacional – Facultad Regional Buenos Aires. Programa la carrera Ingeniería en Sistemas de Información (Plan 2008). DISI (2008)
19.
Universidad Tecnológica Nacional – Facultad Regional Buenos Aires. Programa de la asignatura ‘Sistemas y Organizaciones’. DISI (2008)
20.
21.
Vegega, C., Bazet, A., Pytel, P., Pollo-Cattaneo, M.F.: Resultados de la aplicación sobre los datos de alumnos de Sistemas y Organizaciones del año 2016. Reporte Técnico GEMIS-TD-2017-02-TR-2017-06A (2017). https://​goo.​gl/​EbdbDC
22.
Vegega, C., Bazet, A., Pytel, P., Pollo-Cattaneo, M.F.: Resultados de la aplicación sobre los datos extendidos de alumnos de Sistemas y Organizaciones del año 2016. Reporte Técnico GEMIS-TD-2017-02-TR-2017-06B (2017). https://​goo.​gl/​N3Khrb
23.
Rakotomalala, R.T.: data mining software for academic and research purposes. In: Actes de EGC 2005, RNTI-E-3, vol. 2, pp. 697–702 (2005)
24.
Black, P.E.: Manhattan distance. In: Dictionary of Algorithms and Data Structures, National Institute of Standards and Technology (NIST), U.S. Department of Commerce (2006)
Metadaten
Titel
Evaluation of the Bias of Student Performance Data with Assistance of Expert Teacher
verfasst von
Cinthia Vegega
Pablo Pytel
Luciano Straccia
María Florencia Pollo-Cattaneo
Copyright-Jahr
2018
Buch
Applied Informatics

Print ISBN: 978-3-030-01534-3

Electronic ISBN: 978-3-030-01535-0

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-01535-0_2

Premium Partner

    Bildnachweise