اگه تا حالا برات سوال بوده که چطوری دانشگاه‌ها تصمیم می‌گیرن کی قبول شه و کی نشه، باید بگم معمولاً می‌گن بررسی‌شون «holistic» یا همون همه‌جانبه‌ست. یعنی فقط به نمره و معدل نگاه نمی‌کنن، بلکه انشاءها (یا همون essay)، فعالیت‌های جانبی، دستاوردها و کلی چیز دیگه هم مهمه. اما خب این روش همیشه شفاف نبوده و خیلی وقتا باعث گیجی یا استرس داوطلب‌ها هم میشه. راستش رو بخوای، اصلاً معلوم نیست دقیقاً چی مهم‌تره!
حالا یه گروه از محقق‌ها اومدن یه روش جدید و جالب به اسم CAPS ساختن. تقریباً انگار می‌خوان این روند پذیرش رو به چیزی قابل سنجش و منطقی تبدیل کنن که هم آدم‌ها بفهمن چی به چیه، هم هوش مصنوعی‌ها بتونن تحلیل کنن!
CAPS در واقع مخفف Comprehensive Applicant Profile Score ـه، یعنی «امتیاز جامع پروفایل داوطلب». قشنگ برامون پروسه‌‌ی پذیرش رو به سه بخش قابل فهم و مجزا تقسیم می‌کنه:
- عملکرد تحصیلی (SAS): این همون Standardized Academic Score ـه و خلاصه‌ای از معدل، نمره آزمون‌ها و وضعیت درسی هر کسی رو میگه.
- کیفیت انشاء (Essay Quality Index یا همون EQI): یعنی اینکه چقدر خوب و واضح می‌تونی خودتو معرفی کنی، تفکرت چیه و چقدر می‌تونی داستانتو برای دانشگاه جذاب تعریف کنی.
- تاثیر فعالیت‌های فوق‌برنامه یا همون Extracurricular Impact Score (EIS): این بخش هم مربوط به ورزش، کار داوطلبانه، باشگاه‌ها و کلاً هر فعالیت خارج از درس میشه.
حالا چیز جذاب این سیستم جدیده اینه که فقط ایده نیست! حسابی با ابزارهای پیشرفته مثل هوش مصنوعی و یادگیری ماشینی کار می‌کنه. مثلاً:
- transformer-based semantic embeddings یعنی یه روش خاص برای درک عمیق‌تر متن و معنا، که این روزها کلی تو هوش مصنوعی‌هایی مثل ChatGPT کاربرد داره.
- LLM scoring یعنی هوش مصنوعی‌ای مثل مدل‌های زبانی بزرگ (Large Language Model) میاد متن انشاءها رو بررسی می‌کنه و نمره میده.
- XGBoost regression هم یه الگوریتم خیلی معروف یادگیری ماشینی برای پیش‌بینی و طبقه‌بندی هست.
اینا همه با هم کار می‌کنن تا برای هر داوطلب یه امتیاز دقیق و شفاف بدن.
تو آزمایش‌هایی که این محقق‌ها انجام دادن، CAPS تونسته برای بخش کیفیت انشاء (EQI) دقت عالی نشون بده، مثلاً امتیاز R^2 شون به 0.80 رسیده (R^2 یعنی هرچی نزدیک‌تر به ۱ باشه یعنی پیش‌بینی قوی‌تره). همینطور تو دسته‌بندی قبولی – رد شدن داوطلب‌ها، بیش از ۷۵٪ دقت داشته. نمره F1ش رو هم گفتن که (دو مدل مختلفش)، عددش 0.69 و 0.74 بوده که برای این کار حسابی خوبه.
نکته مهم این مدل اینه که سه تا مشکل اصلی روش‌های سنتی بررسی پرونده داوطلب‌ها رو هدف گرفته: مبهم بودن (Opaque)، نبود ثبات و انصاف (Inconsistency)، و استرس و نگرانی داوطلب‌ها (Applicant Anxiety). یعنی CAPS می‌خواد یه سیستم شفاف‌تر و منصفانه‌تر بسازه که هم داوطلب‌ها بدونن وضعشون چجوریه، هم تصمیم‌گیری‌ها بر اساس داده و نه سلیقه باشه!
جمع‌بندی: اگر باور داری پذیرش دانشگاه باید عادلانه‌تر و قابل پیش‌بینی‌تر بشه، این مدل CAPS می‌تونه هم اطلاعات خوبی به داوطلب‌ها بده، هم باعث شه تصمیمات دانشگاه‌ها با داده و عقل بیشتر گرفته شه. به قول خود محقق‌ها، این می‌تونه راه رو برای یک سیستم پذیرش داده‌محور و برابرتر باز کنه. راستی فقط فعلاً این مدل رو روی داده‌های مصنوعی و شبیه‌سازی‌شده امتحان کردن (یعنی داده‌هایی که خودشون با فرض واقع‌گرایانه ساختن)، اما نتایج امیدبخش بوده. آینده‌اش حسابی هیجان‌انگیزه!
منبع: +
