Nguồn tham khảo: Künzel, S. R., Sekhon, J. S., Bickel, P. J., & Yu, B. (2019). Metalearners for estimating heterogeneous treatment effects using machine learning. Proceedings of the National Academy of Sciences, 116(10), 4156–4165. https://doi.org/10.1073/pnas.1804597116
Truy cập toàn văn: https://doi.org/10.1073/pnas.1804597116
Tóm tắt nội dung
Sören R. Künzel, Jasjeet S. Sekhon, Peter J. Bickel và Bin Yu (2019) xem xét bài toán ước lượng tác động không đồng nhất của can thiệp bằng học máy, một hướng thời sự nhưng nhiều thách thức. Đại lượng trung tâm là tác động can thiệp trung bình có điều kiện (CATE), tức tác động kỳ vọng với người có cùng đặc điểm. Đóng góp thứ nhất là khung thống nhất cho nhiều bộ ước lượng CATE theo hướng bộ học meta (metalearner), là cách ghép các thuật toán học có giám sát sẵn có thành quy trình ước lượng tác động.
Đóng góp thứ hai là bộ học X (X-learner), có khả năng thích ứng với đặc điểm cấu trúc của hàm tác động thật như độ trơn và tính thưa. Các tác giả trình bày tính chất thuận lợi của X-learner qua lý thuyết và mô phỏng, rồi áp dụng nó, với rừng ngẫu nhiên làm bộ học nền, cho hai thực nghiệm thực địa trong khoa học chính trị; phương pháp tỏ ra dễ dùng và cho kết quả dễ diễn giải. Với hệ thống hỗ trợ sinh viên có nguy cơ bỏ học, khung bộ học meta cho phép dùng các mô hình học máy nhà trường đã quen để ước lượng mỗi nhóm sinh viên được lợi bao nhiêu từ một can thiệp, qua đó kiểm tra xem nhóm rủi ro cao nhất có thực sự hưởng lợi nhiều nhất hay không.
Luận điểm liên quan trong bài viết chính
Trong bài viết chính, tài liệu này được dẫn để làm rõ nhận định sau: Künzel và cộng sự (2019) đề xuất một khung chung cho các "bộ học meta" ước lượng tác động có điều kiện, trong đó bộ X-learner thích ứng với cấu trúc của tác động thật. [Đề xuất của tác giả] Một thiết kế khả thi: trong mỗi nhóm nguồn rủi ro, phân ngẫu nhiên thời điểm hoặc hình thức hỗ trợ (ví dụ cố vấn đồng đẳng trước hay cố vấn giảng viên trước).
Xem bài viết chính: Ứng dụng học máy phát hiện sinh viên có nguy cơ bỏ học: từ bài toán lớp thiểu số đến quyết định can thiệp