Kausales maschinelles Lernen für die Kompetenzentwicklung in Schottland

Analyse von Beschäftigungs- und Bildungsergebnissen mithilfe von maschinellem Lernen und Kausalitätsmodellen

Skills Development Scotland (SDS) ist die nationale Organisation in Schottland, die Menschen dabei unterstützt, ihre Fähigkeiten zu entwickeln und anzuwenden. Es handelt sich um eine nicht ministeriumsgebundene öffentliche Einrichtung der schottischen Regierung.

Oben: In Schottland gibt es große regionale Unterschiede in Bezug auf Einkommensniveau und Benachteiligung. Datenquelle: Experimentelle Statistiken der schottischen Regierung zu Haushaltseinkommensschätzungen auf lokaler Ebene 2014

SDS verfügt über eine Website mit Berufsberatung und ein Kundensupportsystem, mit dem Einzelpersonen bei der Planung ihrer Ausbildung und Karriere unterstützt werden. 90 % der Schüler in Schottland haben ein Konto bei SDS, wobei der Versicherungsschutz für über 18-Jährige eingeschränkt ist. SDS zeichnet den Bildungs-, Ausbildungs- und Berufsverlauf einer Person bis zum Alter von 24 Jahren auf und bietet gezielte Interventionen wie Karrierecoaching an.

SDS wollte die gemeinsamen Wege durch Bildung und Beschäftigung verstehen und herausfinden, in welchen Bereichen oder bei welchen demografischen Faktoren Interventionen einen Unterschied machen und wie sie gezielter eingesetzt werden können. Die schottische Regierung verfügt über eine Standardmetrik für das Benachteiligungsniveau in jedem Gebiet des Landes, den Scottish Index of Multiple Deprivation 2020 oder SIMD2020, der sehr stark mit den Bildungsergebnissen korreliert. Eine interaktive Karte des SIMD2020 für das ganze Land finden Sie unter simd.scot .

Fast Data Science untersuchte die Zusammenhänge zwischen Interventionen und Ergebnissen und versuchte, den Störeffekt von Benachteiligung zu kontrollieren. Die zentrale Frage war besonders knifflig, da der Grad der Benachteiligung in einem Viertel selbst stark sowohl mit dem Ergebnis einer Einzelperson als auch mit den Interventionen, die dieser Einzelperson zuteil werden, korreliert. Wir experimentierten mit einer Reihe statistischer Modelle sowie einigen prädiktiven und kausalen Modellen des maschinellen Lernens. Wir gaben die Daten auch in Microsofts kausales KI-Paket DoWhy ein und probierten Bayessche Netze aus, bevor wir uns Techniken wie Instrumentvariablen ansahen.

Wir kamen zu dem Schluss, dass die Interventionen gut zielgerichtet zu sein schienen, und konnten einige Strategien für die weitere Datenerfassung identifizieren, sodass Skills Development Scotland mit dem Aufbau eines Kausalmodells beginnen konnte, wobei entweder Methoden des maschinellen Lernens oder der Ökonometrie (Schätzung von Instrumentvariablen) zum Einsatz kamen.