Qual é a sua estratégia de análise de dados educativos?

O sucesso dos estudantes no ensino superior ganhou destaque nos últimos 10 anos. O crescimento de "centros" dedicados ao sucesso dos estudantes em muitas universidades (principalmente nos EUA) é prova disso, bem como a crescente atenção dada pelas organizações governamentais a nível nacional e regional à "relação custo-benefício" do ensino superior e aos "resultados" dos estudantes. Longe vão os tempos em que o sucesso dos estudantes podia ser visto simplesmente como uma função do estudante individual, em que as instituições de ensino superior forneciam os recursos, as infra-estruturas e o ensino, deixando tudo o resto a cargo dos estudantes.

Um dos principais factores desta mudança de atitude foi o aumento preocupante do endividamento dos estudantes. O impacto da dívida dos estudantes tem sido profundo a nível político. Custou a um importante político britânico (vice-primeiro-ministro) o seu lugar no Parlamento nas eleições gerais de 2016. Nos EUA, os políticos democratas com os olhos postos na Casa Branca estão a disputar posições para ver quem consegue oferecer o acordo mais apelativo para reduzir (ou mesmo eliminar) a dívida dos estudantes.

Embora não possa abordar o atual nível de endividamento dos estudantes, o que posso fazer é mostrar como o sucesso dos estudantes (ou seja, os resultados bem sucedidos dos estudantes) pode ser radicalmente melhorado. Isto, por sua vez, reduzirá a probabilidade de acumulação de dívidas estudantis como consequência do abandono escolar ou do prolongamento dos períodos de estudo. A chave para isto é extremamente simples e há muito tempo que a temos na ponta dos dedos: dados vitais relacionados com os estudantes. O desafio que enfrentamos é saber o que fazer com eles e como os tratar eficazmente. É por isso que as instituições precisam de uma estratégia de análise de dados educativos.

A análise preditiva no ensino superior existe desde, pelo menos, o final do século XX. Já a utilizava de forma muito genérica no final da década de 1980 e, em meados da década de 2000, estava a utilizá-la a sério para identificar as características dos estudantes que estavam a ter insucesso ou dificuldades nos estudos. Os dados e as análises eram extremamente poderosos, pois permitiam identificar os grupos de estudantes com maior probabilidade de sucesso e, inversamente, os grupos com maior probabilidade de abandono, de não progredirem ou de não se formarem.

Esta informação foi utilizada para produzir recomendações sobre políticas de recrutamento gerais e específicas dos programas. De forma crítica, incluía recomendações fundamentais sobre o desenvolvimento de intervenções específicas para ajudar grupos de estudantes claramente identificados (ou seja, os que tinham mais probabilidades de ter dificuldades) a obter melhores resultados. Esta era a análise de dados educativos do seu tempo; extremamente valiosa para influenciar as formas como os futuros grupos de estudantes seriam apoiados ao longo dos seus estudos. O valor estratégico desta informação para a instituição era óbvio.

No entanto, uma grande desvantagem era que, embora concentrasse os esforços no apoio a futuros grupos de estudantes, não fazia absolutamente nada pelos estudantes que tinham tido dificuldades e pelos que tinham reprovado e/ou abandonado o curso durante o ano letivo em análise. Em termos simples, o relatório não tinha o tempo crítico necessário para beneficiar os actuais alunos. Este facto explica-se por duas razões principais:

A boa notícia é que isso acontecia nessa altura. Hoje, a análise de dados educacionais pode superar esses grandes obstáculos com relativa facilidade. A aplicação das tecnologias de ponta da SEAtS significa que a extração e o processamento de dados podem ser realizados praticamente em tempo real. Melhor ainda, quando combinados com uma série de outros dados em tempo real, tais como indicadores do envolvimento dos alunos (incluindo a participação em aulas teóricas/tutoriais/laboratórios, acesso e utilização do Ambiente Virtual de Aprendizagem), há uma verdadeira mudança radical na nossa capacidade de ajudar os alunos. Com a plataforma SEAtS Student Success Solutions implementada, as conversas e interacções críticas com os alunos podem ter lugar dentro de um prazo que garante que os alunos recebem a ajuda de que necessitam quando mais precisam: agora!

A aplicação da análise de dados educacionais SEAtS proporciona outro grande avanço na aplicação dessas análises. Utilizando o histórico de resultados e realizações dos alunos, bem como os resultados actuais e os dados estatísticos sobre o envolvimento em tempo real, a aprendizagem automática pode revelar padrões de atividade que contribuem para o sucesso e, inversamente, para o insucesso ou a desistência. As lições aprendidas podem então ser aplicadas para fornecer análises de rotina sobre cada aluno com base nos seus registos e perfis de atividade em tempo real. Este processo está na base das intervenções precoces cruciais que garantem que os alunos recebem a ajuda, o aconselhamento e a orientação adequados quando precisam.

As Soluções SEAtS para o Sucesso dos Estudantes proporcionam um verdadeiro valor acrescentado às instituições através de soluções baseadas na nuvem que minimizam o impacto nas infra-estruturas de TI existentes. A SEAtS pode aceder a múltiplas fontes de dados sem problemas, ultrapassando os problemas organizacionais e de silo de dados. Mais importante ainda, o processamento em tempo real do SEAtS proporciona intervenções críticas em tempo real, personalizadas para satisfazer os requisitos específicos, institucionais e dos estudantes para o sucesso.

Em suma, a análise de dados educacionais SEAtS irá ajudá-lo a alcançar um verdadeiro sucesso estudantil vantajoso para todos.