| Texto completo | |
| Autor(es): |
Silva, Priscylla
;
Silva, Claudio
;
Nonato, Luis Gustavo
Número total de Autores: 3
|
| Tipo de documento: | Artigo Científico |
| Fonte: | NEURIPS WORKSHOPS, 2020; v. 257, p. 10-pg., 2024-01-01. |
| Resumo | |
Machine learning and deep learning models are pivotal in educational contexts, particularly in predicting student success. Despite their widespread application, a significant gap persists in comprehending the factors influencing these models' predictions, especially in explainability within education. This work addresses this gap by employing nine distinct explanation methods and conducting a comprehensive analysis to explore the correlation between the agreement among these methods in generating explanations and the predictive model's performance. Applying Spearman's correlation, our findings reveal a very strong correlation between the model's performance and the agreement level observed among the explanation methods. (AU) | |
| Processo FAPESP: | 23/05783-5 - Investigando o problema de desacordo em métodos de explicação locais |
| Beneficiário: | Priscylla Maria da Silva Sousa |
| Modalidade de apoio: | Bolsas no Exterior - Estágio de Pesquisa - Doutorado |
| Processo FAPESP: | 22/09091-8 - Criminalidade, insegurança e legitimidade: uma abordagem transdisciplinar |
| Beneficiário: | Luis Gustavo Nonato |
| Modalidade de apoio: | Auxílio à Pesquisa - Programa eScience e Data Science - Temático |
| Processo FAPESP: | 22/03941-0 - Um modelo de predição de crimes interpretável usando Redes Neurais para Grafos |
| Beneficiário: | Priscylla Maria da Silva Sousa |
| Modalidade de apoio: | Bolsas no Brasil - Doutorado |