Аналитика в высшем образовании

Академическая аналитика определяется как процесс оценки и анализа организационных данных, полученных из университетских систем, для целей отчетности и принятия решений (Campbell, & Oblinger, 2007) [1] . Академическая аналитика поможет студентам и преподавателям отслеживать свою карьеру и профессиональный путь. По данным Campbell & Oblinger (2007), аккредитационные агентства, правительства , родители и учащиеся призывают к принятию новых современных и эффективных способов улучшения и мониторинга успехов учащихся. Это привело систему высшего образования к эпохе, характеризующейся повышенным вниманием со стороны различных заинтересованных сторон . Например, в обзоре Брэдли признается, что мероприятия по сравнительному анализу, такие как вовлеченность студентов, служат индикаторами для оценки качества учебного заведения ( Правительство Австралийского Союза , 2008).

Возросшая конкуренция, аккредитация , оценка и регулирование являются основными факторами, способствующими внедрению аналитики в высшем образовании . Хотя высшие учебные заведения собирают много важных данных, которые могут существенно помочь в решении таких проблем, как отток и удержание кадров, собранные данные не анализируются должным образом и, следовательно, не преобразуются в полезные данные (Goldstein, 2005).

Впоследствии руководство высшего образования вынуждено принимать критические и жизненно важные решения на основе недостаточной информации, чего можно было бы достичь, правильно используя и анализируя доступные данные (Норрис, Леонард и стратегические инициативы Inc., 2008). Это порождает стратегические проблемы. Эта неудача проявляется и на тактическом уровне . Обучение и преподавание в высших учебных заведениях часто представляют собой разнообразный и сложный опыт. Каждый учитель, студент или курс совершенно разные.

Однако LMS поручено позаботиться обо всех них. LMS находится в центре академической аналитики. Он записывает информацию о каждом студенте и сотруднике и приводит к щелчку мыши в системе. Когда эта важная информация добавляется, сравнивается и сопоставляется с различными информационными системами предприятия, организация получает огромный массив полезной информации, которую можно собрать для получения конкурентного преимущества (Dawson & McWilliam, 2008; Goldstein, 2005; Heathcoate & Dawson, 2005). ).

Чтобы получить значимую информацию из источников учреждения, например LMS, информацию необходимо правильно интерпретировать с учетом эффективности образования, и это действие требует анализа со стороны людей с навыками обучения и преподавания. Таким образом, требуется совместный подход как со стороны людей, охраняющих данные, так и со стороны тех, кто будет их интерпретировать, иначе данные останутся пустой тратой (Baepler & Murdoch, 2010). Принятие решений на самом базовом уровне основано на предположении или интуиции (человек может делать выводы и решения на основе опыта без необходимости проводить анализ данных) (Siemens & Long, 2011). Однако многие решения, принимаемые в высших учебных заведениях, слишком важны, чтобы основываться на анекдотах , предположениях или интуиции, поскольку важные решения должны быть подкреплены данными и фактами.

Фон

Аналитика , которую часто называют «бизнес-аналитикой», представляет собой новое программное и аппаратное обеспечение , которое позволяет предприятиям собирать и анализировать большие объемы информации или данных. Процесс аналитики состоит из сбора, анализа, обработки данных и использования результатов для ответа на важные вопросы, например «почему». Впервые аналитика была применена в приемных комиссиях высших учебных заведений. Вузы обычно использовали некоторые формулы для отбора студентов из большого количества абитуриентов. Эти формулы черпали информацию из табелей средней школы и результатов стандартизированных тестов.

В современном мире аналитика обычно используется в административных подразделениях, таких как сбор средств и прием. Использование и применение академической аналитики будет расти из-за постоянно растущей обеспокоенности по поводу успехов студентов и их ответственности. Академическая аналитика в первую очередь объединяет сложные и обширные данные с прогнозным моделированием и статистическими методами для более эффективного принятия решений. Текущие инициативы академической аналитики направлены на использование данных для прогнозирования учащихся, испытывающих трудности (Арнольд и Пистилли, 2012, апрель). Это позволяет консультантам и преподавателям вмешиваться, адаптируя процедуры, которые будут отвечать потребностям обучения студента (Арнольд, 2010). Таким образом, академическая аналитика обладает способностью улучшать обучение, успехи учащихся и преподавание. Аналитика стала ценным инструментом для учреждений благодаря ее способности прогнозировать, моделировать и совершенствовать процесс принятия решений.

Аналитические шаги

Анализ состоит из пяти основных этапов: сбор данных, составление отчета, прогнозирование, действие и уточнение.

Сбор : все аналитические усилия сосредоточены на данных. Следовательно, академическая аналитика может основываться на данных из различных источников, таких как CMS и финансовые системы (Campbell, Finnegan & Collins, 2006). Кроме того, данные поступают в различных форматах, например в электронных таблицах . Также данные можно получить из внешней среды учреждения. Для сбора данных академической аналитике необходимо определить тип доступных данных, методы их использования и форматы, в которых они находятся.

Отчет : после того, как данные были собраны и сохранены в центральном месте, аналитики изучают данные, выполняют запросы , выявляют закономерности, тенденции и исключения, отраженные в данных. стандартное отклонение и среднее значение ( описательная статистика В основном генерируются ).

Прогноз : после анализа хранимых данных с использованием статистики прогнозная модель разрабатывается . Эти модели различаются в зависимости от характера вопроса и типа данных. Для определения вероятности в этих моделях используются статистической регрессии концепции и методы . Прогнозы делаются после использования статистических алгоритмов .

Действие : Основная цель и задача аналитики — дать возможность организации предпринимать действия на основе сделанных вероятностей и прогнозов . Эти действия могут варьироваться от изобретения к информации. Вмешательства для решения проблем могут осуществляться в форме личного электронного письма, телефонного звонка или автоматического контакта от консультантов факультета по поводу учебных ресурсов и навыков, таких как часы работы или сеансы помощи. Несомненно, учреждениям необходимо разработать соответствующие механизмы измерения воздействия; например, действительно ли студенты ответили или посетили сеансы помощи, когда их пригласили.

Уточним : Академическая аналитика также должна представлять собой процесс, направленный на самосовершенствование . Статистические процессы должны постоянно обновляться, поскольку измерение воздействия проекта — это не единовременное статическое усилие, а, скорее, постоянное усилие. Например, аналитика поступления должна обновляться или пересматриваться ежегодно.

Понимание вовлеченных заинтересованных сторон

Аналитика влияет на руководителей , студентов, преподавателей, ИТ-персонала и сотрудников по работе со студентами. В то время как студентам будет интересно узнать, как академическая аналитика повлияет на их оценки, преподавателям будет интересно узнать, как информация и данные могут быть использованы для других целей (Pistilli, Arnold & Bethune, 2012). Более того, сотрудники вуза будут сосредоточены на том, как анализ позволит им эффективно выполнять свою работу, а президент вуза будет сосредоточен на удержании первокурсников и увеличении количества выпускников.

Критика

Аналитику критиковали по разным причинам, например, за профилирование . Их основное назначение – разделить студентов на успешные и неуспешные категории. Однако некоторые люди утверждают, что профилирование студентов имеет тенденцию искажать поведение и ожидания людей (Ferguson, 2012). Кроме того, не существует четких указаний о том, какие вопросы профилирования следует запрещать или разрешать в высших учебных заведениях.

Ссылки

• Академическая аналитика в EDUCAUSE библиотеке ресурсов
• Арнольд, Кентукки (2010). Сигналы: применение академической аналитики. Ежеквартальный журнал Educause, 33 (1), n1. (подотчетность)
• Арнольд, К.Е., и Пистилли, доктор медицинских наук (апрель 2012 г.). Сигналы курса в Purdue: использование аналитики обучения для повышения успеваемости учащихся. В материалах 2-й Международной конференции по аналитике обучения и знаниям (стр. 267–270). АКМ.
• Бэплер П. и Мердок С.Дж. (2010). Академическая аналитика и интеллектуальный анализ данных в высшем образовании. Международный журнал стипендий преподавания и обучения, 4 (2), 17.
• Кэмпбелл, Дж. П., и Облингер, Д. Г. (2007). Академическая аналитика. Образовательная статья.
• Кэмпбелл, Дж. П., Финнеган, К., и Коллинз, Б. (2006). Академическая аналитика: использование CMS в качестве системы раннего предупреждения. На конференции WebCT Impact.
• Правительство Содружества Австралии. (2008). Обзор австралийского высшего образования o. Номер документа)
• Доусон С. и Маквильям Э. (2008). Исследование применения информационных технологий позволило получить данные в качестве показателя эффективности обучения и преподавания: Технологический университет Квинсленда и Университет Британской Колумбии. (AL a.T. Council o. Номер документа)
• Фергюсон, Р. (2012). Аналитика обучения: движущие силы, события и проблемы. Международный журнал усовершенствованного обучения технологиям, 4 (5), 304–317.
• Гольдштейн, П. (2005). Академическая аналитика: использование управленческой информации и технологий в высшем образовании o. Номер документа)
• Хиткоут Л. и Доусон С. (2005). Интеллектуальный анализ данных для оценки, сравнительного анализа и рефлексивной практики в LMS. E-Learn 2005: Всемирная конференция по электронному обучению в корпоративном, государственном секторе, здравоохранении и высшем образовании.
• Норрис, Д.М., Леонард, Дж., и Strategic Initiatives Inc. (2008). Что каждый руководитель кампуса должен знать об аналитике o. Номер документа)
• Пистилли, доктор медицинских наук, Арнольд, К., и Бетьюн, М. (2012). Сигналы: Использование академической аналитики для содействия успеху учащихся. Онлайн-обзор EDUCAUSE, 1–8.
• Сименс Г. и Лонг П. (2011). Проникая сквозь туман: Аналитика в обучении и образовании. Обзор образования, 46(5), 30-32.