Buchumschlag

Explainable AI for Predicting and Understanding Mathematics Achievement: A Cross-National Analysis of PISA 2018

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Liu, Liu, Dai, Rui
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Artificial Intelligence Computers and Society Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Explainable AI for Mental Health Emergency Returns: Integrating LLMs with Predictive Modeling
von: Ahmed, Abdulaziz, et al.
Veröffentlicht: (2025)

AI Fairness Beyond Complete Demographics: Current Achievements and Future Directions
von: Wang, Zichong, et al.
Veröffentlicht: (2025)

Transparent AI: The Case for Interpretability and Explainability
von: Ramachandram, Dhanesh, et al.
Veröffentlicht: (2025)

Mapping the Potential of Explainable AI for Fairness Along the AI Lifecycle
von: Deck, Luca, et al.
Veröffentlicht: (2024)

FNDEX: Fake News and Doxxing Detection with Explainable AI
von: Sallami, Dorsaf, et al.
Veröffentlicht: (2024)

Explainable AI Systems Must Be Contestable: Here's How to Make It Happen
von: Moreira, Catarina, et al.
Veröffentlicht: (2025)

Mind the Gap! Bridging Explainable Artificial Intelligence and Human Understanding with Luhmann's Functional Theory of Communication
von: Keenan, Bernard, et al.
Veröffentlicht: (2023)

BERT-Based Approach for Automating Course Articulation Matrix Construction with Explainable AI
von: Shiferaw, Natenaile Asmamaw, et al.
Veröffentlicht: (2024)

Faster Results from a Smarter Schedule: Reframing Collegiate Cross Country through Analysis of the National Running Club Database
von: Karr Jr, Jonathan A., et al.
Veröffentlicht: (2025)

TransFlower: An Explainable Transformer-Based Model with Flow-to-Flow Attention for Commuting Flow Prediction
von: Luo, Yan, et al.
Veröffentlicht: (2024)

Dissecting Submission Limit in Desk-Rejections: A Mathematical Analysis of Fairness in AI Conference Policies
von: Cao, Yuefan, et al.
Veröffentlicht: (2025)

Explainable AI: Learning from the Learners
von: Vinuesa, Ricardo, et al.
Veröffentlicht: (2026)

Adopting Explainable-AI to investigate the impact of urban morphology design on energy and environmental performance in dry-arid climates
von: Eshraghi, Pegah, et al.
Veröffentlicht: (2024)

Learning Fair Models without Sensitive Attributes: A Generative Approach
von: Zhu, Huaisheng, et al.
Veröffentlicht: (2022)

Regulating AI Adaptation: An Analysis of AI Medical Device Updates
von: Wu, Kevin, et al.
Veröffentlicht: (2024)

Towards Autonomous Mathematics Research
von: Feng, Tony, et al.
Veröffentlicht: (2026)

AI in Manufacturing: Market Analysis and Opportunities
von: Abdelaal, Mohamed
Veröffentlicht: (2024)

Nteasee: Understanding Needs in AI for Health in Africa -- A Mixed-Methods Study of Expert and General Population Perspectives
von: Asiedu, Mercy Nyamewaa, et al.
Veröffentlicht: (2024)

Towards Socially and Environmentally Responsible AI
von: Li, Pengfei, et al.
Veröffentlicht: (2024)

Addressing Polarization and Unfairness in Performative Prediction
von: Jin, Kun, et al.
Veröffentlicht: (2024)

Understanding and Mitigating Risks of Generative AI in Financial Services
von: Gehrmann, Sebastian, et al.
Veröffentlicht: (2025)

Predicting Human Mobility during Extreme Events via LLM-Enhanced Cross-City Learning
von: Tang, Yinzhou, et al.
Veröffentlicht: (2025)

Strategic Polysemy in AI Discourse: A Philosophical Analysis of Language, Hype, and Power
von: LaCroix, Travis, et al.
Veröffentlicht: (2026)

Tracing Mathematical Proficiency Through Problem-Solving Processes
von: Park, Jungyang, et al.
Veröffentlicht: (2025)

Interdisciplinary Expertise to Advance Equitable Explainable AI
von: Bennett, Chloe R., et al.
Veröffentlicht: (2024)

Exam Readiness Index (ERI): A Theoretical Framework for a Composite, Explainable Index
von: Verma, Ananda Prakash
Veröffentlicht: (2025)

On the Need and Applicability of Causality for Fairness: A Unified Framework for AI Auditing and Legal Analysis
von: Binkyte, Ruta, et al.
Veröffentlicht: (2022)

Failure Risk Prediction in a MOOC: A Multivariate Time Series Analysis Approach
von: Ayady, Anass El, et al.
Veröffentlicht: (2025)

Towards a Science of AI Agent Reliability
von: Rabanser, Stephan, et al.
Veröffentlicht: (2026)

Language Representation Favored Zero-Shot Cross-Domain Cognitive Diagnosis
von: Liu, Shuo, et al.
Veröffentlicht: (2025)

A Comparative Analysis of Student Performance Predictions in Online Courses using Heterogeneous Knowledge Graphs
von: Trask, Thomas, et al.
Veröffentlicht: (2024)

Learning-to-Explain through 20Q Gaming: An Explainable Recommender for Cybersecurity Education
von: Nusrat, Mary, et al.
Veröffentlicht: (2026)

SHAP Distance: An Explainability-Aware Metric for Evaluating the Semantic Fidelity of Synthetic Tabular Data
von: Yu, Ke, et al.
Veröffentlicht: (2025)

Inference Energy and Latency in AI-Mediated Education: A Learning-per-Watt Analysis of Edge and Cloud Models
von: Khemani, Kushal
Veröffentlicht: (2026)

Quantifying the Cross-sectoral Intersecting Discrepancies within Multiple Groups Using Latent Class Analysis Towards Fairness
von: Yuan, Yingfang, et al.
Veröffentlicht: (2024)

Frontier AI systems have surpassed the self-replicating red line
von: Pan, Xudong, et al.
Veröffentlicht: (2024)

Enhancing Manufacturing Quality Prediction Models through the Integration of Explainability Methods
von: Gross, Dennis, et al.
Veröffentlicht: (2024)

Defining AI Models and AI Systems: A Framework to Resolve the Boundary Problem
von: Sun, Yuanyuan, et al.
Veröffentlicht: (2026)

Explainable Artificial Intelligence: A Survey of Needs, Techniques, Applications, and Future Direction
von: Mersha, Melkamu, et al.
Veröffentlicht: (2024)

Semantic Sensitivities and Inconsistent Predictions: Measuring the Fragility of NLI Models
von: Arakelyan, Erik, et al.
Veröffentlicht: (2024)