经济学 > 一般经济学
[提交于 2025年1月31日
]
标题: 考察收入不平等和性别对马来西亚学业完成的影响:利用马来西亚公共部门开放数据的机器学习方法
标题: Examining the Impact of Income Inequality and Gender on School Completion in Malaysia: A Machine Learning Approach Utilizing Malaysia's Public Sector Open Data
摘要: 本研究利用机器学习技术,考察了马来西亚收入不平等、性别与学业完成率之间的关系。 所使用的数据集来自马来西亚公共部门开放数据门户,涵盖2016年至2022年的数据。 分析采用了多种机器学习技术,包括K均值聚类、ARIMA建模、随机森林回归以及Prophet用于时间序列预测。 这些模型用于识别数据中的模式、趋势和异常,并预测未来的学业完成率。 关键发现揭示了各州、性别和收入水平之间学业完成率存在显著差异。 分析还确定了具有相似完成率的州集群,表明可能影响教育成果的区域性因素。 此外,时间序列预测模型准确预测了未来的完成率,强调了持续监测和干预策略的重要性。 本研究以对政策制定者和教育工作者的建议作为结论,以解决观察到的差异并改善马来西亚的学业完成率。 这些建议包括针对特定州和人口群体的针对性干预措施、投资早期儿童教育以及应对收入不平等对教育机会的影响。 本研究的结果有助于理解影响马来西亚学业完成的因素,并为政策制定者和教育工作者提供有价值的见解,以制定有效的策略来提高教育成果。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.