Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Evaluating the Performance of Nigerian Lecturers using Multilayer Perceptron

Created by
  • Haebom

저자

I. E. Ezeibe, S. O. Okide, D. C. Asogwa

개요

본 논문은 강사 평가 시스템의 부재로 인해 포괄적이지 못한 기존 평가 방식을 개선하기 위해, 웹 기반 플랫폼을 이용한 새로운 강사 성과 평가 시스템을 제안한다. 학생 평가 점수, 연구 실적, 경력, 행정 업무 등 다양한 성과 지표를 수집하고, 이를 다층 퍼셉트론(MLP) 알고리즘을 활용하여 강사 성과를 예측한다. 학생 참여도 등 기존 지표를 넘어선 다양한 지표를 통합하고, 객체 지향 분석 및 설계(OOAD) 방법론을 사용하여 시스템을 개발하였다. MLP 모델은 약 91%의 정확도로 강사 성과를 평가하며, 평균 제곱 오차(MSE) 256.99와 평균 절대 오차(MAE) 13.76을 달성하여 높은 예측 정확도를 보였다. 결론적으로, 본 연구는 MLP 모델을 통해 강사 성과 평가의 정확성, 공정성 및 효율성을 향상시켰다.

시사점, 한계점

시사점:
기존의 부족한 강사 평가 시스템을 개선하여 더욱 포괄적이고 객관적인 평가를 가능하게 함.
다양한 성과 지표를 통합하여 강사의 전반적인 역량을 평가할 수 있도록 함.
MLP 알고리즘을 활용하여 정확한 예측과 데이터 기반 의사결정을 지원함.
평가의 공정성과 효율성을 향상시킴.
한계점:
사용된 데이터셋의 크기와 다양성에 대한 정보 부족.
모델의 일반화 성능에 대한 추가적인 검증 필요.
MSE와 MAE 값만으로는 모델의 성능을 완벽하게 평가하기 어려움. 다른 평가 지표를 추가적으로 사용할 필요가 있음.
91%와 96%의 상이한 정확도 수치에 대한 명확한 설명 부재. 두 수치의 차이와 각각의 의미에 대한 추가적인 논의가 필요함.
👍