Kausales maschinelles Lernen für die Kompetenzentwicklung in Schottland

Analyse der Beschäftigungs- und Bildungsergebnisse mithilfe von maschinellem Lernen und Kausalitätsmodellen

Skills Development Scotland (SDS) ist die nationale Einrichtung in Schottland, die Menschen bei der Entwicklung und Anwendung ihrer Fähigkeiten unterstützt. Es handelt sich um eine nicht abteilungsbezogene öffentliche Einrichtung der schottischen Regierung.

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

SDS verfügt über eine Karriereberatungs-Website und ein Kundensupportsystem, das Einzelpersonen bei der Planung ihrer Ausbildung und Karriere unterstützt. 90 % der Schüler in Schottland haben ein Konto bei SDS, allerdings ist der Versicherungsschutz für über 18-Jährige geringer. SDS zeichnet den Fortschritt einer Person durch Bildung, Ausbildung und Beschäftigung bis zum Alter von 24 Jahren auf und bietet gezielte Interventionen wie Karriere-Coaching an.

SDS wollte gemeinsame Wege durch Bildung und Beschäftigung verstehen und herausfinden, in welchen Bereichen oder aufgrund der Bevölkerungsstruktur Interventionen einen Unterschied machen und wie sie gezielter eingesetzt werden könnten. Die schottische Regierung verfügt über eine Standardmetrik für das Ausmaß der Benachteiligung 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 im ganzen Land finden Sie unter simd.scot .

Fast Data Science untersuchte die Korrelationen zwischen Interventionen und Ergebnissen und versuchte, die verwirrende Wirkung von Deprivation zu kontrollieren. Die zentrale Frage war besonders heikel, da der Grad der Benachteiligung einer Nachbarschaft selbst stark mit dem Ergebnis einer Person und den Interventionen, die dieser Person gegeben werden, korreliert. Wir haben mit einer Reihe statistischer Modelle sowie einigen prädiktiven und kausalen Modellen des maschinellen Lernens experimentiert. Wir haben die Daten auch in das kausale KI-Paket DoWhy von Microsoft eingegeben und Bayes’sche Netzwerke ausprobiert, bevor wir uns Techniken wie instrumentelle Variablen angesehen haben.

Wir stellten fest, dass die Interventionen zielgerichtet zu sein schienen, und identifizierten einige Strategien für weitere Fortschritte bei der Datenerhebung, sodass Skills Development Scotland mit der Erstellung eines Kausalmodells beginnen konnte, wobei Methoden entweder des maschinellen Lernens oder der Ökonometrie (Schätzung instrumenteller Variablen) zum Einsatz kamen ).