Аналитика данных для студенческой успеваемости — исследование мировых экспертов Educause (перевод)

🏛️За последнее десятилетие высшие учебные заведения сосредоточили свою
миссию, видение и стратегическое планирование на результатах обучения студентов и высокоэффективных практиках, способствующих успеваемости студентов. 🧩Наличие инструментов, которые измеряют, собирают, анализируют и сообщают данные об успеваемости студентов, привело к появлению области учебной аналитики для достижения успеха студентов. 🔝Основополагающие данные, используемые
для анализа обучения, включают данные уровня курса, такие как оценочные баллы, полученные из системы управления обучением (LMS), и данные институционального уровня — в студенческих информационных системах, регистрационных записях, финансовых системах и институциональных исследовательских подразделениях. Степень использования кросс-функциональных данных зависит от комплекса факторов, характерных для отдельных кампусов, таких как наличие технических средств, финансовых возможностей, наличие данных, поддержка руководства и готовность кампуса содействовать обсуждению и планированию.
📊Инструменты, используемые для поддержки аналитики, также варьируются от наборов инструментов на основе поставщиков до создания индивидуальных приложений кампуса. Учебная аналитика становится все более важной для стратегического планирования в учреждениях по всему миру, появляется целый ряд практик, которые провоцируют как философские, так и политические дискуссии вокруг конфиденциальности данных, справедливости и этических соображений.
📋Обзор
Повышение уровня успеваемости студентов в качестве одного из приоритетов высшего образования в сочетании с использованием LMS и инструментов, позволяющих осуществлять межфункциональную интеграцию данных, привело к появлению все более разнообразной аналитики.
📉В течение последнего десятилетия учреждения использовали аналитику для функциональной поддержки управления зачислением и отслеживания успеваемости студентов и реже для оценки результатов обучения студентов и индивидуальных успехов студентов. В настоящее время ситуация меняется, поскольку административно ориентированное измерение институционального успеха теперь дополняется детальным
анализом вовлеченности студентов и данных об эффективности работы. Использование аналитики для повышения успеваемости студентов также начинает появляться за пределами США и Европы. Этот сдвиг породил новые технологии, различные подходы к оказанию помощи студентам в достижении их целей, а также множество этических и политических соображений. В приведенных ниже примерах можно выделить несколько попыток учреждений напрямую работать со своими данными и разрабатывать аналитические приложения, поддерживающие успеваемость учащихся.
📈В связи с возросшим давлением на консультирование персонала по вопросам оценки результатов обучения студентов использование аналитики в качестве инструмента раннего оповещения и активного охвата становится необходимым.
🏛️Проект онлайн-консультирования Berkeley ( https://rtl.berkeley.edu/berkeley-online-advising-boa-cohort-based-student-success-learning-analytics-platform ) в Калифорнийском университете в Беркли
и проект COMPASS ( https://compass.uci.edu/ ) в Калифорнийском университете в Ирвине являются примерами инструментов учебной аналитики, предназначенных для академических исследователей. Эти инструменты обеспечивают исследователей информацией, которая позволяет проводить активную разъяснительную работу и вмешательство, когда учащиеся еще не дошли до критического предела и ситуацию можно исправить.
Оба инструмента представляют собой решения, созданные внутри кампуса, которые способны поддерживать целостность данных и позволяют учреждениям принимать решения в ответ на уникальные потребности студентов.
Эти приложения не только хранят меняющиеся ресурсы, доступные исследователям, но также отражают потребность в решениях, основанных на уникальных кросс-функциональных данных, которые делают аналитику сложнее.
📱Приложения, предоставляющие студентам доступ к аналитике обучения, также становятся все более популярными. Предоставление студентам возможности получать доступ к своим индивидуальным данным и отслеживать их с помощью интуитивно понятных визуализаций обеспечивает студентам большую свободу действий в их собственной успеваемости. В качестве примера можно привести университет штата Айова, который развернул ориентированную на студентов аналитическую панель «элементы успеха» ( https://teach.uiowa.edu/student-success-using-learning-analytics ).
Возможность доступа к сводным данным и кураторским визуализациям позволяет студентам лучше оценивать свой прогресс и мотивирует их принимать меры, когда критические показатели еще не достигнуты.
📊Развитие обучения аналитике в высшем образовании зависит от нескольких взаимосвязанных факторов. Поддержка лидерства, общее видение успеха студентов, перекрестное сотрудничество внутри учебного заведения, обеспечение соответствующей политики и координация технологий, поддерживающих кросс-функциональные данные, — все это факторы, которые должны соединиться для успешного внедрения учебной аналитики в масштабах всего вуза. 🤝Сотрудничество между различными учреждениями было движущей силой южноафриканского проекта Siyaphumelela. В этом проекте участвуют пять южноафриканских университетов, которым присужден грант в размере 2,9 млн долл. США на улучшение институционального потенциала для сбора и
анализа данных о студентах, систем информационных технологий, академического развития, планирования и организации академических подразделений в своих учреждениях, с тем чтобы повысить успеваемость студентов.
По мере того как мы все глубже понимаем взаимосвязь между учебной аналитикой и студенческой успеваемостью, наша способность обсуждать результаты через институциональные и национальные границы также будет расти.
👩‍💼Актуальность для преподавания и обучения
В то время как использование учебной аналитики может предоставить многообещающую возможность для повышения успеваемости студентов, ее использование сопровождается оговорками, связанными с важными пробелами в данных и проблемами качества, проблемами конфиденциальности данных и этическими соображениями о влиянии использования технических инструментов, которые маркируют студентов как «подверженных риску». Данные, используемые для анализа обучения, не предоставляют полного набора информации, влияющей на успеваемость учащихся. Часто не учитываются факторы, наиболее влияющие на процесс обучения, такие как семейные обстоятельства или график работы. Действительно, университеты часто используют несколько технологий в процессе обучения студентов, которые обычно представляют собой разрозненную структуру, приводящую к аналитическим искажениям. Такие стандарты, как Caliper и xAPI, предоставляют возможность устранить эту неоднородность и помогут нам продолжать развивать наше понимание обучения аналитике.
📉Данные студентов в высшей школе в значительной степени защищены. Однако использование учебной аналитики порождает вопросы, касающиеся конфиденциальности данных учащихся и этических аспектов. Учреждения должны будут рассмотреть политику, которая определяет приемлемое использование данных, поддержание правил FERPA и другие политики, связанные с конфиденциальностью студентов. Аналогичным образом по мере расширения использования учебной аналитики управление отношениями с поставщиками данных в зависимости от того, как используются данные учащихся, становится все более сложной задачей.
В ответ на растущее применение и развитие учебной аналитики Международный совет по открытому и дистанционному образованию ( https://www.icde.org/icde-news/new-report-on-ethics-in-learning-analytics ) разработал ряд руководящих принципов для этически обоснованной практики. Такие рекомендации
помогут обосновать использование учебной аналитики и должны стать ключевыми элементами планирования при развертывании подобных приложений в кампусах.
📈Прогресс в изучении аналитики, скорее всего, будет виден в инициативах, требующих
целенаправленного взаимодействия между академическими подразделениями, которые создают и используют аналитику, и другими подразделениями, которые поддерживают студентов в повседневной жизни. Эти скоординированные усилия будут иметь ключевое значение для создания дорожной карты этичного и эффективного использования учебной аналитики.
📋Образовательная платформа «Юрайт» ( https://urait.ru/ ) тоже запускает программу исследований учебных данных совместно с ВШЭ и УрФУ — недавно мы подготовили интервью с IT-директором, Иваном Чернышевым, об этой программе. Читайте интервью «По горячим следам: данные “Юрайта” — вузам и колледжам» по ссылке: https://clck.ru/RnXXt .
📊Коллеги, специально для вас мы по частям переводим доклад-обзор мирового высшего образования от Educause. Это некоммерческая организация, сообщество IT-лидеров и профессионалов, работающих с проблемами и возможностями мирового высшего образования. В нее входят люди из 2300+ организаций из 50 стран мира.
👩‍💼В марте этого года 54 эксперта высшего образования подготовили методическое пособие, где рассмотрели ключевые тенденции, новые технологии и практики, формирующие будущее преподавания и обучения, наметили ряд сценариев, основанных на перспективах и опыте глобальной группы лидеров высшего образования со всего мира.
Источник: https://library.educause.edu/-/media/files/library/2020/3/2020_horizon_report_pdf.pdf#page=7&la=en&hash=0C5E0415C9202F58BC1E5577A709A5D673AB27D8 #Зарубежная_повестка_Юрайт