Los algoritmos juegan un papel central en determinar quién recibe qué y por qué, en una amplia gama de problemas de asignación. En el contexto educativo, los algoritmos de asignación escolar afectan las oportunidades y resultados de millones de estudiantes en todo el mundo. A medida que la capacidad administrativa para recopilar datos a gran escala y centralizar decisiones ha crecido, también ha aumentado el potencial para diseñar sistemas mejores, más justos y más eficientes. En esta conferencia, exploraremos la elección escolar como un estudio de caso para ilustrar cómo la teoría económica, los experimentos conductuales, los conjuntos de datos ricos y las herramientas computacionales se unen para informar el diseño de algoritmos de emparejamiento del mundo real. Discutiremos cómo diferentes diseños pueden conducir a resultados muy distintos, cómo la evidencia puede descubrir consecuencias no intencionadas y cómo los procesos iterativos que combinan teoría y trabajo empírico pueden ayudar a crear sistemas más transparentes, equitativos y efectivos.
Building similarity graph...
Analyzing shared references across papers
Loading...
Caterina Calsamiglia
Building similarity graph...
Analyzing shared references across papers
Loading...
Caterina Calsamiglia (Mon,) estudió esta cuestión.