سیگنال ها: استفاده از تجزیه و تحلیل آکادمیک برای ارتقای موفقیت دانش آموزان

مانند سایر مؤسسات در سراسر کشور، دانشگاه پردو حجم عظیمی از داده ها را در مورد دانشجویان جمع آوری می کند و آن ها را در برخی از انبارها ذخیره می کند، که احتمالاً دیگر هرگز قابل لمس نخواهد بود. همچنین مانند سایر دانشگاه ها، پوردو دوره های «دروازه» زیادی ارائه می دهد دوره های بزرگ معمولاً سطح ابتدایی که در آن ها دانش آموزان باید سطح مهارت (نمره C یا بهتر) را برای رفتن به دوره های سطح بالا یا دوره های بعدی نشان دهند. دانش آموزان در این دوره های با ثبت نام زیاد به ندرت می دانند که در کجا ایستاده اند یا برای موفقیت در دوره باید چه کاری انجام دهند.

پس سؤال ما این بود که چگونه از داده های جمع آوری شده در مورد دانش آموزان، همراه با داده های نمره فعلی شان، به گونه ای استفاده کنیم که به آنها اطلاع رسانی زودهنگام و مکرر درباره عملکردشان در کلاس بدهد. با انجام این کار، می توانیم آنها را به منابع مختلف دانشگاه راهنمایی کنیم که می تواند به آنها در تکمیل موفقیت آمیز یک دوره کمک کند.

ساخت بر اساس تاریخچه موفقیت

پوردو یکی از 30 دانشگاه برتر دولتی در ایالات متحده است که به بیش از 72000 دانشجو خدمات ارائه می دهد. ثبت نام در پردیس اصلی آن در لافایت غربی تقریباً 40000 نفر است که شامل دانشجویان بیش از 120 کشور و از 50 ایالت می شود. پوردو که توسط انجمن دانشگاه های آمریکا به عنوان یکی از مؤسسات تحقیقاتی پیشرو کشور شناخته می شود، همچنان بر تلاش های خود برای افزایش موفقیت و تعالی دانش آموزان در آموزش ارائه می کند. این انگیزه برای دستیابی به اهداف در هر دو زمینه باعث توسعه سیگنال ها شد.

سیستم سیگنال های دوره

در برنامه ریزی سیستم خود، هم قدرت پیش بینی داده ها و هم ارتباط بین موفقیت دانش آموز و تلاش و مشارکت را در نظر گرفتیم. سپس، تحت هدایت جان کمپبل، سیگنال ها را توسعه دادیم، سیستمی که داده های سیستم مدیریت دوره (CMS؛ در مورد ما، تخته سیاه) را برای پیش بینی موفقیت یک دانش آموز در یک دوره خاص در نظر می گیرد.

سیگنال های دوره یک سیستم موفقیت دانشجویی است که بر روی یک مدل تحلیلی پیش بینی شده است (شکل 1 را ببینید) که حاوی عناصری از فناوری های دانشگاهی و سیستم اطلاعات دانشجویی است (شکل 2 را ببینید). این مدل (1:52 دقیقه) مبتنی بر رفتاری است و عملکرد ، تلاش و ویژگی های دانش آموزان را در نظر می گیرد. این الگوریتم بر روی داده های زمان واقعی اجرا می شود و برای هر دانش آموز نشانگر خطر است (شکل 3 را ببینید). با استفاده از این نشانگر خطر (یک سیگنال ترافیک قرمز ، زرد یا سبز) به عنوان یک راهنمای سازنده ، اعضای هیئت علمی می توانند در دوره های خود به دانشجویان بازخورد معنادار بدهند و رفتارهایی را نشان می دهند که دانش آموزان ممکن است بخواهند برای بهبود شانس موفقیت خود تغییر کنند ، بنابراین تأکید می کنندکاملاً در عمل.

شکل 1. مدل تحلیلی

شکل 2. عناصر مؤثر بر ریسک

شکل 3. نشانگر خطر چراغ توقف آشنا

اعضای هیئت علمی لری دبوئر ، کشاورزی ؛فرانک دولی ، اقتصاد کشاورزی ؛و جنا سوبولد ، مطالعات عمومی ، توضیح می دهند که آنها مداخلات سیگنال را انجام می دهند (2:34 دقیقه):

اعضای هیئت علمی جنا سوبولد ، مطالعات عمومی ؛فرانک دولی ، اقتصاد کشاورزی ؛و لری دبوئر ، کشاورزی ، توضیح دهید که برای مداخله چقدر طول می کشد (0:58 دقیقه):

دستیابی به داده - و پشتیبانی دانشکده

در ابتدا ، بزرگترین مشکل ما دستیابی به داده ها بود. به عنوان یک دانشگاه ساکت ، داده های مختلف متعلق به مباشرین مختلف بود ، و گردآوری تمام داده های مورد نیاز برای الگوریتم موفقیت دانشجویی ، یک نبرد سربالایی بود که بیش از یک سال به خوبی طول کشید. با این حال ، اکنون که ما به این امر دست یافته ایم ، مهمترین نگرانی ما اجرای سیگنال های دوره است.

در طول ترم ها ، ما بهترین شیوه های مشتق از داده ها و راه حل های پیام رسانی مؤثر را توسعه داده ایم. تحقیق سالم است و شیوه ها ساده است. با این حال ، گرفتن همه اعضای هیئت علمی با این شیوه ها یک چالش است. به عنوان مثال ، ما دریافتیم که یکی از مؤثرترین کاربردهای سیگنال های البته مداخله زود هنگام و مکرر است. میانگین تعداد مداخلات ارسال شده در دوره های موفق بسته به ترم از 4. 8 تا 6. 2 متغیر است. با این حال ، دانشکده ها در حال حاضر بار کاری شدید را حمل می کنند ، و مداخله بیش از دو بار به همان اندازه که دوست داریم رایج نیست (میانگین کلی 2. 3 است).

یک چالش نهایی که ما با آن روبرو شدیم ، یافتن راهی برای توضیح برای دانش آموزان چگونگی محاسبه نشانگر خطر آنها بود. برای این کار ، ما یک فیلم کوتاه ایجاد کردیم که جزئیات الگوریتم موفقیت دانش آموز را شرح می دهد.

ویدئو توضیحات الگوریتم موفقیت مؤلفه های موفقیت (2:16 دقیقه):

تأثیر بر نمرات و رفتار کمک کننده

سیگنال های دوره نتایج مثبت بی شماری را به همراه داشته است. به عنوان مثال ، هنگامی که نتایج درجه از دوره ها با استفاده از سیگنال های دوره با یک ترم قبلی مقایسه شد (همان دوره ، همان اصطلاح ، همان استاد) ، تفاوت های قابل توجهی مشاهده شد. همانطور که در جدول 1 نشان داده شده است ، در مجموع ، دانش آموزان تعداد بیشتری از A و B و کمتر D و F کسب کرده اند.