文件名称：在线教育中的信息不平等-研究论文
文件大小：1.28MB
文件格式：PDF
更新时间：2024-06-30 05:32:14
论文研究
在本文中，我们研究了通过减少教育中历来代表性不足的群体（例如寻求提高技能的女性和工人）的信息不平等来提高在线高等教育客户参与度的平台解决方案。 使用伊朗最大的在线教育平台的新颖搜索和注册数据，我们估计了付费课程的课程搜索和注册结构模型，使我们能够恢复学习者对课程的信念，以及他们对在线特征空间的真实偏好课程。 我们使用机器学习方法来恢复课程的潜在特征空间，通过数据驱动的方法确定哪些课程是替代课程。 由于偏见的信念，我们记录了性别和工作状态不同的学习者如何看待课程价值相对于真实价值的显着异质性。 反事实政策练习表明，该平台可以增加收入，改善消费者剩余，并减少定量课程中的性别差距。 最后，我们还从信息设计的角度提出了平台面临的问题，并表征了平台可以发送给具有异构先验的学习者的最佳信号，以最大化任意目标函数。