ترجمه فارسی مقاله بهینه سازی تصادفی متنی برای سیاست گذاری جداسازی مدرسه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Contextual Stochastic Optimization for School Desegregation Policymaking
عنوان مقاله به فارسی بهینه سازی تصادفی متنی برای سیاست گذاری جداسازی مدرسه
نویسندگان Hongzhao Guan, Nabeel Gillani, Tyler Simko, Jasmine Mangat, Pascal Van Hentenryck
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Computers and Society,رایانه و جامعه ,
توضیحات Submitted 22 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 22 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Most US school districts draw geographic "attendance zones" to assign children to schools based on their home address, a process that can codify existing neighborhood racial/ethnic and socioeconomic status (SES) segregation in schools. Redrawing boundaries can reduce segregation, but estimating the rezoning impact is challenging as families can opt-out of their assigned schools. This paper is an attempt to address this societal problem: it develops a joint redistricting and choice modeling framework, called redistricting with choices (RWC). The RWC framework is applied to a large US public school district for estimating how redrawing elementary school boundaries in the district might realistically impact levels of socioeconomic segregation. The main methodological contribution of the RWC is a contextual stochastic optimization model that minimizes district-wide dissimilarity, and integrates the rezoning constraints and a school choice model for the students obtained through machine learning. The key finding of the study is the observation that RWC yields boundary changes that might reduce segregation by a substantial amount (23%) -- but doing so might require the re-assignment of a large number of students, likely to mitigate re-segregation that choice patterns could exacerbate. The results also reveal that predicting school choice is a challenging machine learning problem. Overall, this study offers a novel practical framework that both academics and policymakers might use to foster more diverse and integrated schools.

چکیده به فارسی (ترجمه ماشینی)

بیشتر مناطق مدارس آمریكا "مناطق حضور" جغرافیایی را برای اختصاص كودكان به مدارس بر اساس آدرس خانه خود ، فرایندی كه می تواند تفکیک نژادی/قومی و اقتصادی اقتصادی (SES) موجود در مدارس را رمزگذاری كند ، اختصاص می دهد.مرزهای مجدد می توانند تفکیک را کاهش دهند ، اما تخمین تأثیر مجدد چالش برانگیز است زیرا خانواده ها می توانند از مدارس اختصاص یافته خود امتناع کنند.این مقاله تلاشی برای رفع این مشکل اجتماعی است: این یک چارچوب مدل سازی مجدد و انتخاب مشترک را ایجاد می کند ، به نام بازگرداندن با انتخاب (RWC).چارچوب RWC برای تخمین چگونگی تغییر مجدد مرزهای مدارس ابتدایی در ولسوالی ممکن است واقع بینانه بر سطح تفکیک اقتصادی و اقتصادی تأثیر بگذارد.سهم اصلی روش شناختی RWC ، یک مدل بهینه سازی تصادفی متنی است که اختلافات در سطح منطقه را به حداقل می رساند ، و محدودیت های Rezoning و یک مدل انتخاب مدرسه را برای دانش آموزان به دست آمده از طریق یادگیری ماشین ادغام می کند.یافته اصلی این مطالعه ، مشاهده این است که RWC تغییرات مرزی را نشان می دهد که ممکن است تفکیک را با مقدار قابل توجهی کاهش دهد (23 ٪)-اما انجام این کار ممکن است نیاز به ارزیابی مجدد تعداد زیادی از دانش آموزان داشته باشد ، که احتمالاً باعث کاهش مجدد تجمع مجدد می شود.این الگوهای انتخاب می تواند تشدید شود.نتایج همچنین نشان می دهد که پیش بینی انتخاب مدرسه یک مشکل یادگیری ماشین چالش برانگیز است.به طور کلی ، این مطالعه یک چارچوب عملی جدید را ارائه می دهد که هم دانشگاهیان و هم سیاست گذاران ممکن است برای پرورش مدارس متنوع تر و یکپارچه تر از آن استفاده کنند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.