高等教育机构年度排名（HEIS）是一种全球性现象，对高等教育景观产生重大影响。大多数赫斯密切关注排名结果，并期待提高他们的行列。但是，保持良好的等级和在排名中的上升是一项艰巨的任务，因为它需要相当大的资源，努力和性能改进计划。在这项工作中，首先，我们展示了利用相关性热手套的探索性数据分析（EDA），盒子图可以帮助理解排名数据的广泛趋势。随后，我们介绍了使用基于决策树（DT）的算法对排名数据进行分类的新颖思想，并使用数据可视化技术检索级别改进的决策路径。使用LAPLACE校正到概率估计，我们量化了从可解释的DT模型获得的不同决策路径附带的确定性。拟议的方法可以援助大学和希斯定量评估改进的范围，拟定了一个细粒度的长期行动计划，并准备了合适的路线图。
translated by 谷歌翻译