Як аналітика великих даних допомагає втримати студентів у вишах
16.06.2021
Прогностична аналітика на основі великих даних може мати вирішальне значення для того, щоб утримувати молодих людей у коледжі, показує досвід фахівців у США.
Застосування аналітики великих даних має чимало застосувань: від допомоги у визначенні потреб в запасах у рітейлі до прогнозування потреб пацієнтів у лікарнях. Ще одне важливе питання для прогностичної аналітики – дедалі вищий рівень віідсіву в коледжах США. Нині близько третини студентів кидають навчання до отримання диплому, пише ресурс InsideBigData.
Автори зазначають, що вищі навчальні заклади усе частіше зустрічаються з тиском та викликами: вони змушені забезпечувати кількість зарахованих, утримувати нинішніх студентів, а також прагнути, щоб ці студенти дійшли до диплома. Крім того, усе це – за обмеженим бюджетом. “Успішно справлятися з переліком цих проблем – непросто, але прогнозована аналітика може полегшити частину цього тягаря”, – зазначається у статті.
В американській вищій освіти навіть з’явився термін “літнє танення”: він описує чинних студентів, які йдуть на літні канікули і не повертаються на уроки восени. Коледжі США повідомляють про втрату 10-20% своїх студентів від цього явища. Однак, використовуючи аналітику даних, щоб отримати глибокі уявлення для студентів, коледжі змогли зробити розумніший вибір щодо зарахування та зменшення загрози “літнього танення”.
Прогностична аналітика, на думку авторів матеріала, – невикористаний ресурс для багатьох коледжів та університетів, котрі стоять перед завданням утримати студентів. Завдяки поєднанню даних, аналітики big data та автоматизації заклади отримують ціліснішу картину, яка може призвести до чітко зважених рішень про зарахування та здатності аналізувати траєкторію успіху кожного студента заздалегідь та втручатися, поки не буде пізно. Ця технологія може призвести до збільшення конверсії та більш обізнаних проактивних заходів – основних компонентів, необхідних для ефективного вирішення зростаючого рівня відсіву.
Чому і як прогностична аналітика може покращити зусилля щодо утримання студентів?
Збільшення конверсії
Для вищих навчальних закладів прогностична аналітика може допомогти досягти цілей щодо зарахування. Наприклад, коледжі та університети, які мають на меті підвищити коефіцієнт конверсії в процесі зарахування, можуть використовувати великі дані та прогностичну аналітику, для того щоб студенти мали вищі шанси залишитися в навчальному закладі та закінчити освіту.
Які дані потрібні для формування прогнозу щодо успіху студента? Технологія аналізує комбінацію точок даних, які включають такі показники, як академічні інтереси, залученість, результати вступного тестування та середній бал. Потім компіляція цих індивідуальних наборів даних здійснюється за допомогою систем даних, де прогностична аналітика включається для автоматичного, керованого даними рішення щодо того, яка інформація має найбільшу силу прогнозування.
Завдяки приймальним комісіям, які переглядають тисячі заявок, прогностична аналітика та автоматизація можуть допомогти визначити тих студентів, які мають найбільшу ймовірність закінчити освіту у виші. Оскільки коледжі та університети орієнтуються на обмеження бюджету, обмежений персонал та зростаючий перелік додаткових обов’язків, кожне рішення про зарахування має бути стратегічним, продуманим та добре інформованим. Прогностична аналітика робить це можливим, ідеться у матеріалі.
Краще поінформована активна робота з громадськістю
Прогностична аналітика корисна не тільки для зарахування нових студентів, але й для збереження поточних. Наявність прогнозного рішення, яке повідомляє професіоналів та окремих студентів про їхні зміни в ефективності, може дозволити закладам втрутитися, поки не буде пізно. Важливість раннього втручання та прозорості у закритому циклі є надзвичайно важливими, оскільки дослідження показують, що студенти, які кидають навчання, швидше за все, ніколи не повернуться.
Зокрема, у місцевих коледжів США особисте життя студентів може різко відрізнятися – у когось із можуть бути діти, сім’ї, робота на повний робочий день – що підвищує ризик їхнього відставання та пріоритизації інших аспектів життя перед їх освітою. За допомогою прогнозної аналітики показники ефективності та дані про студентів витягуються із систем планування корпоративних ресурсів (ERP), систем управління навчанням (LMS) та додаткових точок, що містять інформацію, яка може слугувати прогнозам щодо ризику “вигорання”, наприклад взаємодія студентів із персоналом.
Прогнозована аналітика дає співробітникам коледжів та університетів можливість читати “між рядками” даних щодо кожного студента, допомагаючи зарахувати тих, які зможуть завершити освіту, та повідомити, коли студенту потрібна допомог. Використання прогностичної аналітики великих даних може допомогти не тільки надати студентам вирішальну підтримку, але й сприяти довгостроковому успіху вишів.
