Daten sind überall präsent. Von dem Moment an, in dem Sie aufwachen und Ihr Telefon überprüfen, bis zu dem, was Sie Alexa oder Siri fragen. Allein in den USA verbrauchten die Haushalte durchschnittlich 268,7 Gigabyte (GB) an Daten pro Monat. Während des Schultages nutzen 78 Prozent der Schüler technologische Geräte, wie die eSchool Nachrichten.
Die Universitäten können diese Daten auf neue und einzigartige Weise nutzen. Sie können den Hochschulen dabei helfen, Fähigkeiten und Systeme zu entwickeln, um die Studierenden mit personalisierten Nachrichten und Unterstützung zu bedienen. Darüber hinaus kann die prädiktive Analytik dazu führen, dass Faktoren angegangen werden, die die Erfolgsaussichten der Studierenden erhöhen.
Doch bei all diesen Daten müssen die Hochschulen wissen, wie sie diese Daten so nutzen können, dass sie effektive und effiziente Verfahren fördern und gleichzeitig die Erfahrungen und die Sicherheit der Studierenden als Ausgangspunkt berücksichtigen. In diesem Artikel gehen wir auf bewährte Verfahren ein, die Hochschulen dabei helfen können, den Erfolg ihrer Studierenden zu fördern und eine vielfältige Bevölkerung zu bedienen.
Prädiktive Analytik
Viele Hochschulen erkennen den Nutzen der Analyse von Studentendaten, um die Qualität der angebotenen Dienstleistungen zu verbessern. Die Analyse früherer Studierendendaten zur Vorhersage des Verhaltens aktueller und potenzieller Studierender ermöglicht den Hochschulen eine gezieltere Rekrutierung und Nutzung institutioneller Beihilfen. Unter Analytik in der Hochschulbildung: Establishing a Common Language, geben Hawkins und Watson zu bedenken, dass "Analytik keine Einheitsgröße ist und dass man berücksichtigen muss, dass Analytik eine zielgerichtete Praxis ist".
Im Idealfall können Anbieter von prädiktiven Analysen die ethische Nutzung von Daten während des gesamten Lebenszyklus der Studierenden erleichtern. Die Anbieter können sicherstellen, dass die Daten vollständig sind und korrekt integriert werden, um die Gefahr einer falschen Identifizierung von Studenten zu verringern. Sie können ihre Algorithmen transparent machen und sie auf ungleiche Auswirkungen auf die Schülerpopulationen testen. Sie können bei der Vergabe von Berechtigungen flexibel sein und angemessene Sicherheitsprotokolle verwenden, um den Datenschutz und die Sicherheit der Schüler zu gewährleisten. Sie können ihr Personal in der korrekten Interpretation von Daten und in den Gefahren impliziter Voreingenommenheit schulen.
Vorsicht vor impliziten Vorurteilen in Algorithmen
Es ist kein Geheimnis, dass viele Algorithmen und KI implizite Vorurteile enthalten. In einem kürzlich erschienenen MIT-Artikel heißt es: "Voreingenommenheit kann sich in vielen Phasen des Deep-Learning-Prozesses einschleichen, und die Standardverfahren der Informatik sind nicht darauf ausgelegt, sie zu erkennen.
Zum Beispiel, Einige Vorhersagealgorithmen verwenden Faktoren, die sich der Kontrolle der Studierenden entziehen, wie Postleitzahlen, Rasse/ethnische Zugehörigkeit und ihre High School. Wenn eine Universität diese Faktoren für die Zulassung oder andere Unterstützungsleistungen für Studenten verwendet, kann ein unterversorgter Student aufgrund der strukturellen Ungleichheiten in diesen Datenpunkten weiter ausgeschlossen werden.
Es ist wichtig, dass die Universitätsbeamten diesen Algorithmen gegenüber überempfindlich sind, um die Voreingenommenheit zu verringern. Dies kann durch ein internes Analyseteam oder durch Technologieanbieter geschehen, die die Algorithmen ständig verfeinern, um die Gleichbehandlung und den Zugang für alle Studierenden zu gewährleisten.
Zugpersonal
Die effektive Nutzung von Daten kann den Hochschulen dabei helfen, von einer institutionellen Denkweise zu einer studierendenfreundlichen Denkweise überzugehen. Hochschullehrer und -mitarbeiter müssen geschult werden, um ein tieferes Verständnis der Daten und Gespräche mit Studierenden auf der Grundlage der Datenerkenntnisse zu erlangen. Einige Gesprächsthemen, die sich aus diesen Daten ergeben könnten, sind finanzielle Unterstützung, Lebenssituationen und akademische Fragen.
Wenn beispielsweise ein Schüler aufgrund schlechter Noten als abbruchgefährdet eingestuft wurde, muss ein Berater das Problem ansprechen und dem Schüler helfen, Nachhilfe zu bekommen.
Geben Sie den Schülern eine Option
Da es täglich zu Datenschutzverletzungen kommt, ist es wichtig, den Studierenden die Möglichkeit zu geben, sich für oder gegen die Weitergabe von Daten an Universitäten zu entscheiden. Es ist auch wichtig, die Studierenden darüber aufzuklären, wie die Hochschulen ihre Daten nutzen. Einige Studierende möchten vielleicht keine Informationen über ihre psychische Gesundheit oder die Verfolgung ihres Standorts weitergeben.
Die Sacramento State University hat zum Beispiel ein Pilotprogramm das Daten von Studenten sammelt, die sich dafür entschieden haben, und das aufzeigt, welche Dienstleistungen die Studienanfänger in Anspruch nehmen. Die gesammelten Daten werden verwendet, um die Erfahrungen der Studienanfänger zu verbessern, ohne dass dabei persönliche Daten preisgegeben werden.
Erstellen Sie einen Prozess zur Analyse der Daten
Wie bei der Datenerfassung gibt es keinen Grund, Daten zu sammeln, wenn es keinen festen Prozess gibt, um die Daten zu prüfen, Erkenntnisse zu gewinnen und umsetzbare Pläne zu erstellen. Es ist wichtig, alle Daten zusammenzuführen, um ein wirklich ganzheitliches Bild der Studierenden zu erhalten. Unabhängig davon, ob die Hochschulen Prozesse in einer Plattform zur Verwaltung von Geschäftsprozessen oder Ausschüsse einrichten, sollte etwas vorhanden sein, um gemeinsam Entscheidungen auf der Grundlage der Daten treffen zu können.
Die Universität von Südflorida (USF) hat zum Beispiel einen Ausschuss für Persistenz:
"Die USF hat ihre Initiative zum Studienerfolg auf dem Grundsatz aufgebaut, dass jeder an der Universität zugelassene Student erfolgreich sein wird, wenn er die Möglichkeit dazu erhält.... Wir mussten Wege finden, um "Live"-Daten zu nutzen, um Studenten mit Schwierigkeiten in Echtzeit zu identifizieren, damit wir ihnen die nötige Unterstützung innerhalb und außerhalb des Klassenzimmers zukommen lassen konnten. Wir konnten nicht auf die Noten der Zwischenprüfungen warten."
Mithilfe von prädiktiven Analysen und selbstentwickelten Tools konnte USF seine Kundenbindungsrate von 88 % auf 91 % steigern.
Schlussfolgerung
Zwar gibt es keine Standardrahmen oder branchenweiten Strukturen für die ordnungsgemäße Verwaltung von Studentendaten, doch können diese bewährten Verfahren den Hochschulen dabei helfen, auf dem neuesten Stand zu bleiben. Indem sie sich darauf konzentrieren, den Studierenden zu dienen, können Universitäten weiterhin Erfolge bei den Verbleibsquoten, der Beteiligung der Studierenden und mehr verzeichnen.
