EDUCAUSE2017年度十大IT议题之二：学生成就和学业完成

编者按：

十大议题  ②

学生成就和学业完成

有效应用数据和预测性分析来改善学生成就和学业完成的情况。

Darcy A. Janzen, Deborah Keyek-Franssen, Patricia Patria, and Eric Sakai

“

“保持一名学生比招收一名学生要容易，尤其是在当前的人口形势下。校长和他/她的决策圈最需要关心的是对学生成就的预测性分析，因为坦率地说，如果他们不这样的话，什么都不会发生。”

——Eric Sakai，佛蒙特社区学院（Community College of Vermont）教学技术主任

最近几年间，数据驱动的决策和学生成就成为了大多数高校的关键事务。如今的学院和大学在微观和宏观层面上采集到了巨量的数据。通过将存储于学生保持管理、学习管理、学生信息系统的数据组合起来进行联合分析，高校能够更好地理解学生是如何与信息系统互动，以及学生是如何在课程项目和专业中流入流出和与之互动的。

投资充足和数据众多的情况下，高校可以构建出每个学生的整体图景。拥有这种类型和规模的数据，尤其是在国家层面上有校际合作时，高等教育行业就有能力开始从描述性分析走向预测性分析，并有能力利用预测性分析来对提供给学生的服务实施变革。

预测性分析让我们可以跟踪趋势，发现缺口和低效之处，并替代那些基于隐式建构（implicitly developed）的学生描述形成的“最佳猜想”场景。分析工具可以让辅导不再依靠猜想，并将课程的即时反馈和学生个体级别的成就指标提供给教师。

然而，预测性分析的结果通常需要识别可能存在风险的学生，并导致涉及到“侵入式辅导”的改变。预测性分析也引发了重大的关切：关于隐私的关切，关于学校变成了代理父母的关切，以及关于“学业完成目标应该多大程度上胜过培养学生意志力和从失败中学习成长的目标”的关切。

？

谁应当是在IT部门之外最关心这个议题的？

领导层（校长、首席行政官、决策层），要设定议程和战略并提供资源

学生支持部门、注册管理部门、辅导员和教师，要确保分析有用且确实得到应用

误解

数据越多越好。（人们还需要知道哪些数据有用以及如何使用。）

辅导员和其他人会误用、误读和滥用课程和学生表现数据。

预测性数据不是什么新东西。（传统的描述性数据展示了学生当前表现如何或者正在做什么，然而预测性数据需要全新的分析水平来促进行动和利用。）

风险

未配置适当的资源，因而延缓进度或推迟项目。

未充分注意学生隐私或其他合规性考虑。

假设每个教师都能轻易地以相同方式提供同样具体的数据。如果假设未能实现，数据就会是部分的、不完整的、不充分的，导致可信度损害并陷入进度困境。

未意识到预测建模是一项艺术也是一门科学。错误的模型可能会指向错误的人，而真正需要帮助的学生却得不到。

无法形成一致的认识，在学校对学生个体预测数据的承诺和义务方面，以及相应地，在哪些行动是学校必须采取的、可以采取的和可以不采取的方面。

赋予厂商太多责任，并假设他们知道数据所测量的是否是正确的事物。为了确保厂商的模型和学校实际情况相符，透彻地定义和讨论数据和算法是必须的。

机遇

表现优秀高校的学业完成率、毕业率、坚持率会明显更高，选课情况也有优化。学生体验会更好，因为辅导员、教师、学生支持人员将为了学生的利益而在多个领域共享信息并协同工作，为学生提供一个整体的支持结构。

建议

起步：

使用EDUCAUSE的iPASS项目资源来获取信息和深入认识。

确保获得学校领导层在内的全校支持，并形成IT部门、学生服务部门和教师之间的合作。

数据越多越好。（人们还需要知道哪些数据有用以及如何使用。）

与全部各方相关者讨论学生成就项目的目的和实质，尤其是教师、学生和本科生家长。

设置目标，决定数据需求和可用性，并建立团队来制订和执行计划。

确保计划中的未来系统可以集成入现有环境，以及需求中的每个特性都用得上。

明白要获得各方参与，沟通是决定性的。对于教师这一点尤为贴切，因为教师们必须要持续不断地提供有关学生表现的信息，分析才能应用起来。

推进：

持续地遵照上述建议。

启动持续改进循环。审视和评估目标：是否获得了预定的产出？变革是否有效果？为了进一步推动，要调整哪些事情、停止哪些事情和启动哪些事情？

优化：

扩大现有努力到更大范围，覆盖更多的项目、部门和/或学生。

面向全国分享成功经验，帮助其他高校起步和取得成功。

重新评估产出和目标，并且设立新的、更深入的或更高的目标。

如果当前的项目面向的是辅导员和其他职员的，那么就给学生提供直接的即时警告和建议功能。

本文译自EDUCAUSE

翻译：陈强 清华大学信息化工作办公室

---