Wie sieht Ihre Strategie für die Analyse von Bildungsdaten aus?

Der Erfolg von Studierenden in der Hochschulbildung hat in den letzten 10 Jahren stark an Bedeutung gewonnen. Das Wachstum spezieller "Zentren" für den Studienerfolg an vielen Universitäten (vor allem in den USA) ist ein Beleg dafür, ebenso wie die verstärkte Konzentration staatlicher Organisationen auf nationaler und regionaler Ebene auf das "Preis-Leistungs-Verhältnis" der Hochschulbildung und die "Ergebnisse" der Studierenden. Vorbei sind die Zeiten, in denen der Erfolg der Studierenden einfach als eine Funktion des einzelnen Studierenden betrachtet wurde, wobei die Hochschuleinrichtungen die Ressourcen, die Infrastruktur und die Lehre bereitstellten und alles andere den Studierenden überließen.

Eine wichtige Triebkraft für diesen Einstellungswandel war die besorgniserregende Zunahme der Verschuldung von Studenten. Auf politischer Ebene hat die Verschuldung von Studenten tiefgreifende Auswirkungen. Ein führender britischer Politiker (stellvertretender Premierminister) verlor dadurch seinen Sitz im Parlament bei den Parlamentswahlen 2016. In den USA wetteifern demokratische Politiker mit Blick auf das Weiße Haus darum, wer das attraktivste Angebot zur Verringerung (oder gar Abschaffung) der Studentenschulden machen kann.

Ich kann zwar nicht auf die derzeitige Verschuldung der Studierenden eingehen, aber ich kann aufzeigen, wie der Studienerfolg (d. h. die erfolgreichen Ergebnisse der Studierenden) radikal verbessert werden kann. Dies wiederum wird die Wahrscheinlichkeit der Verschuldung von Studierenden als Folge von Studienabbrüchen oder Studienzeitverlängerungen verringern. Der Schlüssel dazu ist verblüffend einfach, und wir haben ihn schon seit langem in der Hand: wichtige studentenbezogene Daten. Die Herausforderung, vor der wir stehen, besteht darin, zu wissen, was wir damit machen und wie wir sie effektiv nutzen können. Aus diesem Grund brauchen die Einrichtungen eine Strategie zur Analyse von Bildungsdaten.

Prädiktive Analysen im Hochschulbereich gibt es mindestens seit Ende des 20. Jahrhunderts. Jahrhunderts. Ende der 1980er Jahre habe ich sie ganz allgemein eingesetzt, und Mitte der 2000er Jahre habe ich sie ernsthaft genutzt, um die Merkmale von Studierenden zu ermitteln, die in ihrem Studium scheiterten oder sich schwer taten. Die Daten und Analysen waren äußerst aussagekräftig, da sie aufzeigten, welche Gruppen von Studierenden am ehesten erfolgreich waren und welche umgekehrt eher ihr Studium abbrachen oder keinen Abschluss erreichten.

Auf der Grundlage dieser Informationen wurden Empfehlungen zu allgemeinen und programmspezifischen Einstellungsmaßnahmen erarbeitet. Von entscheidender Bedeutung waren die Empfehlungen für die Entwicklung spezifischer Maßnahmen, die klar definierten Gruppen von Studierenden (d. h. denjenigen, die am ehesten Schwierigkeiten haben) helfen sollten, bessere Ergebnisse zu erzielen. Dies war die Bildungsdatenanalyse der damaligen Zeit; äußerst wertvoll für die Beeinflussung der Art und Weise, wie künftige Studentenkohorten während ihres Studiums unterstützt werden sollten. Der strategische Wert dieser Informationen für die Einrichtung lag auf der Hand.

Ein großer Nachteil war jedoch, dass der Bericht sich zwar auf die Unterstützung künftiger Studentenkohorten konzentrierte, aber absolut nichts für diejenigen Studenten tat, die in Schwierigkeiten waren und die während des untersuchten akademischen Jahres gescheitert waren und/oder ihr Studium abgebrochen hatten. Einfach ausgedrückt, fehlte dem Bericht die kritische Zeit, um für die derzeitigen Studierenden von Nutzen zu sein. Hierfür gibt es zwei Hauptgründe:

Die gute Nachricht ist, dass das damals war. Heute kann die Bildungsdatenanalytik diese großen Hindernisse relativ leicht überwinden. Die Anwendung von SEAtS-Spitzentechnologien bedeutet, dass Datenextraktion und Datenverarbeitung praktisch in Echtzeit erfolgen können. Noch besser ist die Kombination mit einer Reihe anderer Echtzeitdaten, wie z. B. Indikatoren für das Engagement der Studierenden (einschließlich der Teilnahme an Vorlesungen/Übungen/Laboratorien, Zugang zur virtuellen Lernumgebung und deren Nutzung). Mit der SEAtS Student Success Solutions-Plattform können die entscheidenden Gespräche und Interaktionen mit den Studierenden in einem Zeitrahmen stattfinden, der sicherstellt, dass die Studierenden die Hilfe erhalten, die sie am dringendsten brauchen: jetzt!

Die Anwendung der SEAtS-Bildungsdatenanalyse ist ein weiterer großer Schritt nach vorn in der Anwendung dieser Analyseverfahren. Anhand historischer Schülerergebnisse und -leistungen sowie aktueller Leistungsergebnisse und statistischer Daten über das Engagement in Echtzeit kann maschinelles Lernen Aktivitätsmuster aufdecken, die zum Erfolg und umgekehrt zu Misserfolg oder Abbruch beitragen. Die gewonnenen Erkenntnisse können dann dazu genutzt werden, um Routineanalysen für einzelne Schüler auf der Grundlage ihrer Aufzeichnungen und Aktivitätsprofile in Echtzeit zu erstellen. Dies unterstützt die entscheidenden frühzeitigen Interventionen, die sicherstellen, dass den Schülern die richtige Hilfe, Beratung und Anleitung geboten wird, wenn sie sie brauchen.

SEAtS Student Success Solutions bieten einen echten Mehrwert für Institutionen durch Cloud-basierte Lösungen, die die Auswirkungen auf bestehende IT-Infrastrukturen minimieren. SEAtS kann nahtlos auf mehrere Datenquellen zugreifen und so organisatorische Probleme und Datensilos überwinden. Vor allem aber liefert die SEAtS-Echtzeitverarbeitung die entscheidenden Echtzeit-Interventionen, die auf die spezifischen, institutionellen und studentischen Anforderungen für den Erfolg zugeschnitten sind.

Kurz gesagt, die SEAtS-Bildungsdatenanalyse wird Ihnen helfen, einen echten Gewinn für alle Beteiligten zu erzielen.