2023年6月22日，西班牙Miguel Hernandez University of Elche (UMH)教授Juan Aparicio应邀在线做题为“The use of machine learning techniques to estimate technical efficiency（用机器学习方法测算技术效率）”的学术报告。报告会由王科教授主持，中心和学院的师生30余人参加。

Juan Aparicio教授在报告中讨论了Free Disposal Hull（FDH）方法和Data Envelopment Analysis（DEA）方法存在的过拟合问题，并提出了一种基于分类与回归树（Classification and Regression Tree，CART）的解决方案。这种方案被命名为Efficiency Analysis Trees（EAT）。Juan Aparicio教授也通过与FDH、DEA等方法在均方误差（Mean-Square Error, MSE）、绝对偏差（Absolute Bias）等指标的对比，展示了EAT方法相对于现有模型的优越性。此外Juan Aparicio教授也提出了可以通过剪枝、随机丛林等方法对EAT模型进行优化。报告后，中心和学院的师生就EAT模型的改进方案、实证应用等问题与Juan Aparicio教授进行了深入交流和探讨。

Juan Aparicio是西班牙Miguel Hernandez University of Elche (UMH)统计、数学和信息技术系的教授，也是运筹学中心的负责人。他曾担任桑坦德银行效率和生产力主席的联合主席（与Knox Lovell教授）。他的研究兴趣包括与机器学习和数据科学相结合的效率与生产力分析。他与Springer出版社合作，独立或共同编辑了几本书，主要集中于使用数据包络分析进行绩效评估和基准测试；并在不同的国际期刊上发表了约150篇科学文章。这些期刊包括European Journal of Operational Research，OMEGA，Annals of Operations Research，International Journal of Production Economics，Journal of Optimization Theory and Applications，Journal of Productivity Analysis，Operational Research，Socio-Economic Planning Sciences，以及Computers and Operations Research and Computers and Industrial Engineering。特别是，他最近发表了几篇不同机器学习技术的改进文章，从方法论的角度估计生产函数和技术效率。此外，他还将新方法应用于教育、银行等不同部门的真实数据库。他曾在DEA International Conference in 2020等多个会议上担任主旨发言人。他目前是Omega-The International Journal of Management Science和Journal of Productivity Analysis的副主编。