Analityka w szkolnictwie wyższym - Analytics in higher education

Analitykę akademicką definiuje się jako proces oceny i analizy danych organizacyjnych otrzymanych z systemów uniwersyteckich w celu raportowania i podejmowania decyzji (Campbell i Oblinger, 2007) [1] . Według Campbella i Oblingera (2007) agencje akredytujące, rządy , rodzice i uczniowie wzywają do przyjęcia nowych, nowoczesnych i skutecznych sposobów poprawy i monitorowania sukcesów uczniów. To wprowadziło system szkolnictwa wyższego w erę charakteryzującą się zwiększoną kontrolą ze strony różnych zainteresowanych stron . Na przykład przegląd Bradley przyznaje, że działania benchmarkingowe , takie jak zaangażowanie studentów, służą jako wskaźniki oceny jakości instytucji (Commonwealth Government of Australia , 2008).

Zwiększona konkurencja, akredytacja , ocena i regulacje są głównymi czynnikami zachęcającymi do stosowania analityki w szkolnictwie wyższym . Chociaż instytucje szkolnictwa wyższego gromadzą wiele ważnych danych, które mogą znacznie pomóc w rozwiązywaniu problemów, takich jak wyczerpywanie się i zatrzymywanie, zebrane dane nie są odpowiednio analizowane, a tym samym przekształcane w przydatne dane (Goldstein, 2005.)

Następnie kierownictwo szkolnictwa wyższego jest zmuszone do podejmowania krytycznych i ważnych decyzji na podstawie nieadekwatnych informacji, które można by osiągnąć poprzez właściwe wykorzystanie i analizę dostępnych danych (Norris, Leonard i strategiczne Initiatives Inc., 2008). To rodzi problemy strategiczne. Ta porażka przejawia się również na poziomie taktycznym . Uczenie się i nauczanie w instytucjach szkolnictwa wyższego to często zróżnicowane i złożone doświadczenie. Każdy nauczyciel, uczeń lub kurs jest zupełnie inny.

Jednak LMS ma za zadanie zająć się nimi wszystkimi. LMS jest w centrum analityki akademickiej. Rejestruje informacje o każdym uczniu i kadrze i powoduje kliknięcie w systemie. Dodanie tych kluczowych informacji, porównanie ich z różnymi systemami informatycznymi przedsiębiorstwa i ich zestawienie zapewnia instytucji szeroki wachlarz użytecznych informacji, które można zebrać w celu uzyskania przewagi konkurencyjnej (Dawson i McWilliam, 2008; Goldstein, 2005; Heathcoate i Dawson, 2005 ).

Aby uzyskać znaczące informacje ze źródeł instytucji, tj. LMS, należy je poprawnie zinterpretować na podstawie efektywności edukacyjnej, a działanie to wymaga analizy ze strony osób posiadających umiejętności uczenia się i nauczania. Dlatego wymagane jest podejście oparte na współpracy zarówno od osób strzegących danych, jak i od tych, którzy będą je interpretować, w przeciwnym razie dane pozostaną całkowitym marnotrawstwem (Baepler i Murdoch, 2010). Podejmowanie decyzji na najbardziej podstawowym poziomie opiera się na domniemaniu lub intuicji (człowiek może wyciągać wnioski i decyzje na podstawie doświadczenia bez konieczności analizy danych) (Siemens i Long, 2011). Jednak wiele decyzji podejmowanych w instytucjach szkolnictwa wyższego jest zbyt ważnych, aby opierać się na anegdocie , domniemaniu lub intuicji, ponieważ istotne decyzje muszą być poparte danymi i faktami.

Analityka , często nazywana „ analizą biznesową”, pojawiła się jako nowe oprogramowanie i sprzęt, które umożliwiają firmom gromadzenie i analizowanie dużych ilości informacji lub danych. Proces analityczny obejmuje gromadzenie, analizowanie, manipulowanie danymi i wykorzystywanie wyników do odpowiedzi na krytyczne pytania, takie jak „dlaczego”. Analityka została po raz pierwszy zastosowana na wydziałach przyjęć na uczelniach wyższych. Instytucje zwykle stosowały pewne formuły do ​​wybierania studentów z dużej puli kandydatów. Te formuły czerpały informacje z transkrypcji ze szkół średnich i standardowych wyników testów.

W dzisiejszym świecie analityka jest powszechnie stosowana w jednostkach administracyjnych, takich jak pozyskiwanie funduszy i rekrutacja. Wykorzystanie i zastosowanie analityki akademickiej ma wzrosnąć ze względu na stale rosnące obawy o sukces uczniów i odpowiedzialność. Analityka akademicka łączy przede wszystkim złożone i rozległe dane z modelowaniem predykcyjnym i technikami statystycznymi w celu lepszego podejmowania decyzji. Obecne inicjatywy w zakresie analityki akademickiej są skłonne wykorzystywać dane do przewidywania uczniów doświadczających trudności (Arnold i Pistilli, 2012, kwiecień). Pozwala to doradcom i członkom wydziału na interwencję poprzez dostosowanie procedur, które będą odpowiadały potrzebom edukacyjnym studenta (Arnold, 2010). W związku z tym analityka akademicka ma możliwość poprawy uczenia się, sukcesów uczniów i nauczania. Analityka stała się cennym narzędziem dla instytucji ze względu na jej zdolność do przewidywania, modelowania i ulepszania procesu podejmowania decyzji.

Kroki analityczne

Analiza składa się z pięciu podstawowych kroków: wychwytywania, raportowania, przewidywania, działania i udoskonalania.

Przechwytywanie : wszystkie działania analityczne koncentrują się na danych. W konsekwencji analityka akademicka może być zakorzeniona w danych z różnych źródeł, takich jak CMS i systemy finansowe (Campbell, Finnegan i Collins, 2006). Ponadto dane są dostępne w różnych formatach, na przykład w arkuszach kalkulacyjnych . Dane można także pobrać z otoczenia zewnętrznego instytucji. Aby uchwycić dane, analityka akademicka musi określić rodzaj dostępnych danych, metody ich wykorzystania i formaty, w jakich się znajdują.

Raport : Po przechwyceniu danych i zapisaniu ich w centralnej lokalizacji, analitycy przeanalizują dane, wykonają zapytania , zidentyfikują wzorce, trendy i wyjątki przedstawione w danych. Zwykle generowane jest odchylenie standardowe i średnia ( statystyki opisowe ).

Predykcja : Po przeanalizowaniu zgromadzonych danych za pomocą statystyk opracowywany jest model predykcyjny . Modele te różnią się w zależności od charakteru pytania i rodzaju danych. Aby opracować prawdopodobieństwo , modele te wykorzystują koncepcje i techniki regresji statystycznej . Prognozy są dokonywane po zastosowaniu algorytmów statystycznych .

Działanie : Głównym celem i celem analityki jest umożliwienie instytucji podjęcia działań na podstawie prawdopodobieństw i dokonanych prognoz . Działania te mogą różnić się w zależności od wynalazku lub informacji. Interwencje mające na celu rozwiązanie problemów mogą mieć formę osobistego e-maila, rozmowy telefonicznej lub automatycznego kontaktu ze strony doradców wydziałowych w sprawie zasobów i umiejętności związanych z nauką, takich jak godziny pracy lub sesje pomocy. Niewątpliwie instytucje muszą wypracować odpowiednie mechanizmy pomiaru wpływu; tak jak uczniowie faktycznie odpowiadali lub uczestniczyli w sesjach pomocy, gdy zostali zaproszeni.

Uściślij : Analizy akademickie powinny również składać się z procesu mającego na celu samodoskonalenie . Procesy statystyczne powinny być stale aktualizowane, ponieważ pomiar wpływu projektu nie jest jednorazowym wysiłkiem statycznym, ale raczej ciągłym wysiłkiem. Na przykład analityka przyjęć powinna być aktualizowana lub poprawiana co roku.

Zrozumienie zaangażowanych interesariuszy

Analytics ma wpływ na kadrę kierowniczą , studentów, pracowników wydziału, pracowników IT i pracowników do spraw studentów. Podczas gdy studenci będą chcieli wiedzieć, że analityka akademicka wpłynie na ich oceny, członkowie wydziału będą zainteresowani dowiedzeniem się, w jaki sposób informacje i dane można wykorzystać do innych celów (Pistilli, Arnold i Bethune, 2012). Ponadto pracownicy instytucji będą skoncentrowani na ustaleniu, w jaki sposób analiza umożliwi im skuteczne wykonywanie pracy, podczas gdy prezes uczelni będzie się skupiał na zatrzymywaniu pierwszego roku i wzroście liczby absolwentów.

Krytyka

Analityka była krytykowana z różnych powodów, takich jak profilowanie . Ich głównym zastosowaniem jest profilowanie uczniów w kategoriach odnoszących sukcesy i nieudanych. Jednak niektóre osoby argumentują, że profilowanie uczniów ma tendencję do zniekształcania zachowań i oczekiwań ludzi (Ferguson, 2012). Ponadto nie ma jasnych wytycznych, które kwestie związane z profilowaniem powinny być zabronione lub dozwolone w instytucjach szkolnictwa wyższego.

Bibliografia

  • Academic Analytics w bibliotece zasobów EDUCAUSE
  • Arnold, KE (2010). Sygnały: stosowanie analizy akademickiej. Kwartalnik Educause, 33 (1), n1. (odpowiedzialność)
  • Arnold, KE i Pistilli, MD (2012, kwiecień). Sygnały kursu w Purdue: Korzystanie z analizy uczenia się w celu zwiększenia sukcesu uczniów. W materiałach z 2nd International Conference on Learning Analytics and Knowledge (str. 267–270). ACM.
  • Baepler, P. i Murdoch, CJ (2010). Analityka akademicka i eksploracja danych w szkolnictwie wyższym. International Journal for the Scholarship of Teaching and Learning, 4 (2), 17.
  • Campbell, JP i Oblinger, DG (2007). Academic Analytics. Artykuł Educause.
  • Campbell, JP, Finnegan, C. i Collins, B. (2006). Analiza akademicka: korzystanie z CMS jako systemu wczesnego ostrzegania. Na konferencji wpływającej na WebCT.
  • Rząd Australii. (2008). Przegląd australijskiego szkolnictwa wyższego o. Numer dokumentu)
  • Dawson, S. i McWilliam, E. (2008). Badanie zastosowania danych generowanych przez IT jako wskaźnika wyników w nauce i nauczaniu: Queensland University of Technology i University of British Columbia. (AL a. T. Council o. Document Number)
  • Ferguson, R. (2012). Analiza uczenia się: czynniki napędzające, zmiany i wyzwania. International Journal of Technology Enhanced Learning, 4 (5), 304-317.
  • Goldstein, P. (2005). Analityka akademicka: zastosowania informacji zarządczej i technologii w szkolnictwie wyższym o. Numer dokumentu)
  • Heathcoate, L. i Dawson, S. (2005). Eksploracja danych w celu oceny, analizy porównawczej i refleksji w LMS. E-Learn 2005: Światowa konferencja na temat e-learningu w korporacjach, rządach, służbie zdrowia i szkolnictwie wyższym.
  • Norris, DM, Leonard, J. i Strategic Initiatives Inc. (2008). Co każdy lider kampusu musi wiedzieć o Analytics o. Numer dokumentu)
  • Pistilli, MD, Arnold, K. i Bethune, M. (2012). Sygnały: Wykorzystywanie analiz akademickich do promowania sukcesu uczniów. EDUCAUSE Review Online, 1-8.
  • Siemens, G. i Long, P. (2011). Przenikanie przez mgłę: analityka w nauce i edukacji. Educause Review, 46 (5), 30-32.

Bibliografia