Qual è la vostra strategia di analisi dei dati sull'istruzione?

Negli ultimi 10 anni il successo degli studenti nell'istruzione superiore ha assunto un ruolo di primo piano. La crescita di "centri" dedicati al successo degli studenti in molte università (soprattutto negli Stati Uniti) ne è la prova, così come la maggiore attenzione da parte delle organizzazioni governative a livello nazionale e regionale sul "rapporto qualità-prezzo" dell'istruzione superiore e sui "risultati" degli studenti. Sono lontani i tempi in cui il successo degli studenti poteva essere visto semplicemente come una funzione del singolo studente, in cui gli istituti di istruzione superiore fornivano le risorse, le infrastrutture e l'insegnamento, lasciando tutto il resto agli studenti.

Uno dei principali fattori di questo cambiamento di mentalità è stata la preoccupante crescita del debito studentesco. L'impatto del debito studentesco è stato profondo a livello politico. È costato il seggio in Parlamento a un importante politico britannico (vice primo ministro) nelle elezioni generali del 2016. Negli Stati Uniti, i politici democratici con gli occhi puntati sulla Casa Bianca si stanno giocando la posizione per vedere chi può offrire l'accordo più allettante per ridurre (o addirittura eliminare) il debito studentesco.

Sebbene non possa affrontare l'attuale livello di indebitamento degli studenti, posso mostrare come sia possibile migliorare radicalmente il successo degli studenti (cioè i loro risultati). Questo, a sua volta, ridurrà la probabilità di accumulare debito studentesco come conseguenza dell'abbandono degli studenti o del prolungamento dei periodi di studio. La chiave di tutto questo è incredibilmente semplice e la abbiamo a portata di mano da molto tempo: i dati vitali relativi agli studenti. La sfida che abbiamo dovuto affrontare è stata quella di sapere cosa farne e come gestirli in modo efficace. Ecco perché le istituzioni hanno bisogno di una strategia di analisi dei dati educativi.

L'analisi predittiva nell'istruzione superiore esiste almeno dalla fine del XX secolo. L'ho usata in modo molto generico alla fine degli anni '80 e a metà degli anni 2000 l'ho usata seriamente per identificare le caratteristiche degli studenti che non riuscivano o faticavano a studiare. I dati e le analisi erano estremamente potenti perché evidenziavano quali gruppi di studenti avevano maggiori probabilità di successo e, al contrario, quali avevano maggiori probabilità di abbandonare gli studi o di non riuscire a progredire o a laurearsi.

Queste informazioni sono state utilizzate per produrre raccomandazioni sulle politiche di reclutamento generali e specifiche del programma. In particolare, sono state incluse raccomandazioni chiave sullo sviluppo di interventi specifici per aiutare gruppi di studenti chiaramente identificati (cioè quelli con maggiori probabilità di difficoltà) a ottenere risultati migliori. Si trattava dell'analisi dei dati educativi dell'epoca, estremamente preziosa per influenzare i modi in cui le future coorti di studenti sarebbero state supportate durante i loro studi. Il valore strategico di queste informazioni per l'istituto era evidente.

Tuttavia, un enorme svantaggio è stato che, pur concentrando gli sforzi per sostenere le future coorti di studenti, non ha fatto assolutamente nulla per gli studenti che si sono trovati in difficoltà e per quelli che hanno fallito e/o abbandonato durante l'anno accademico in esame. In parole povere, il rapporto mancava del tempo critico necessario per essere utile agli studenti attuali. Le ragioni principali sono due:

La buona notizia è che allora era così. Oggi l'analisi dei dati educativi può superare questi ostacoli principali con relativa facilità. L'applicazione delle tecnologie all'avanguardia di SEAtS consente di estrarre ed elaborare i dati praticamente in tempo reale. Ancora meglio, se combinati con una serie di altri dati in tempo reale, come le proxy per l'impegno degli studenti (tra cui la frequenza a lezioni/tutorial/laboratori, l'accesso e l'uso dell'ambiente di apprendimento virtuale), si ha un vero e proprio cambiamento di passo nella nostra capacità di aiutare gli studenti. Con la piattaforma SEAtS Student Success Solutions, le conversazioni e le interazioni critiche con gli studenti possono avvenire in tempi tali da garantire che gli studenti ricevano l'aiuto di cui hanno bisogno quando ne hanno più bisogno: ora!

L'applicazione dell'analisi dei dati educativi SEAtS rappresenta un altro importante passo avanti nell'applicazione di queste analisi. Utilizzando i risultati e i risultati storici degli studenti, nonché i risultati attuali e i dati statistici sull'impegno in tempo reale, l'apprendimento automatico può rivelare i modelli di attività che contribuiscono al successo e, al contrario, al fallimento o al ritiro. Le lezioni apprese possono poi essere applicate per fornire analisi di routine sui singoli studenti in base ai loro profili di attività e di registrazione in tempo reale. Ciò è alla base degli interventi precoci che garantiscono l'aiuto, la consulenza e l'orientamento appropriati agli studenti quando ne hanno bisogno.

Le soluzioni SEAtS per il successo degli studenti offrono un reale valore aggiunto alle istituzioni grazie a soluzioni basate su cloud che riducono al minimo l'impatto sulle infrastrutture IT esistenti. SEAtS può accedere a più fonti di dati senza soluzione di continuità, superando i problemi organizzativi e di silo dei dati. Soprattutto, l'elaborazione in tempo reale di SEAtS fornisce interventi critici in tempo reale, personalizzati per soddisfare i requisiti specifici dell'istituzione e degli studenti per il successo.

In breve, l'analisi dei dati educativi SEAtS vi aiuterà a raggiungere un vero successo studentesco vantaggioso per tutti.