Key points are not available for this paper at this time.
Este artigo descreve o GRADE, um sistema estatístico de aprendizado de máquina desenvolvido para apoiar o trabalho do comitê de admissões de pós-graduação do Departamento de Ciência da Computação da Universidade do Texas em Austin (UTCS). Nos últimos anos, o número de inscrições para o programa de Ph.D. da UTCS se tornou muito grande para ser gerenciado com um processo de revisão tradicional. O GRADE utiliza dados históricos de admissões para prever a probabilidade de o comitê admitir cada novo candidato. Ele reporta cada previsão como uma pontuação similar àquelas usadas por revisores humanos e acompanha cada uma com uma explicação sobre quais características do candidato mais influenciaram sua previsão. O GRADE torna o processo de revisão mais eficiente, permitindo que os revisores passem a maior parte do tempo em candidatos próximos à fronteira da decisão e foquem sua atenção nas partes do arquivo de cada candidato que mais importam. Uma avaliação ao longo de duas temporadas de admissões de Ph.D. indica que o sistema leva a economias de tempo dramáticas, reduzindo o tempo total gasto em revisões em pelo menos 74 por cento.
Waters et al. (Sat,) estudaram essa questão.