Publikationer från Malmö universitet
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Vala – Ett optimeringsverktyg för resursfördelning inom grundskolan i Lunds kommun
Malmö högskola, Fakulteten för teknik och samhälle (TS).
Malmö högskola, Fakulteten för teknik och samhälle (TS).
2017 (svensk)Independent thesis Basic level (degree of Bachelor), 10 poäng / 15 hpOppgave
Abstract [sv]

Idag sker resursfördelning inom grundskolan i Lunds kommun av kommunfullmäktige i en skolpeng. Skolpengen består av en grundresurs, som är lika för alla skolor, samt en tilläggsresurs som baseras på olika socioekonomiska aspekter och är individuell för varje enskild skola. För att räkna fram tilläggsresursen använder Lunds kommun en resursfördelningsmodell. Kommunpolitikerna menar att de inte kan fastställa ifall modellen gör någon verklig skillnad utifrån de resultat som redovisas. Vi tillämpar åtta inlärningsalgoritmer på data från Lunds kommun och Skolverket för att ta reda på om resursfördelningen kan optimeras med hjälp av maskininlärning. Vi använder feature selection och standardisering för att förbehandla datan, och k-delad korsvalidering för att utvärdera prediktionerna. I våra experiment uppnår vi en lägsta felmarginal på 4,6 procentenheter. Algoritmen Ordinary Least Squares visar sig ha bäst prestanda initialt. När övriga algoritmers parametrar optimeras och datan förbehandlas uppnår sex av åtta algoritmer samma resultat på 4,6 procentenheter.

Abstract [en]

Today, resource allocation for elementary schools in Lund municipality is done by the town council. The money each school receives is divided into a base resource, which is the same for every school, and an additional resource, that is based on socio-economic aspects and is unique for each school. Lund municipality is using a resource allocation model to calculate the additional resource. The politicians claims that it’s hard to determine if the model is making any real difference from the results that have been presented. We apply eight different learning algorithms on data from Lund municipality and Skolverket to find out if the resource allocation can be optimized with machine learning. We use feature selection and standardization to preprocess the data, and k-fold cross validation to evaluate the predictions. In our experiments, we reach a margin of error percentage of 4.6. The Ordinary Least Squares algorithm has the best performance initially. When the parameters of the other algorithms are optimized and when the data is preprocessed, six out of eight algorithms reach the same result of 4.6.

sted, utgiver, år, opplag, sider
Malmö högskola/Teknik och samhälle , 2017.
Emneord [sv]
maskininlärning, regression, resursfördelning, skolpeng
HSV kategori
Identifikatorer
URN: urn:nbn:se:mau:diva-20190Lokal ID: 23213OAI: oai:DiVA.org:mau-20190DiVA, id: diva2:1480059
Utdanningsprogram
TS Systemutvecklare
Tilgjengelig fra: 2020-10-27 Laget: 2020-10-27 Sist oppdatert: 2022-06-27bibliografisk kontrollert

Open Access i DiVA

fulltekst(2587 kB)94 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 2587 kBChecksum SHA-512
8a443633c3acfb8add683e2d5db9f98e65adf1ad0e8a0b0928eeb1239619737d2e70a1e252d2f9e95e0a4f069b3736552fa3e2be93cbd0667ee1d9762ba7830b
Type fulltextMimetype application/pdf

Av organisasjonen

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 94 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

urn-nbn

Altmetric

urn-nbn
Totalt: 59 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf