Analityka danych w szkolnictwie wyższym: problemy i wyzwania

Spis treści:

• Jakie dane mogą gromadzić uniwersytety
• Jakie problemy pojawiają się podczas gromadzenia i analizowania danych

Podejmowanie decyzji w oparciu o dane (DDDM) to skuteczne podejście w szkolnictwie wyższym. Eksperci twierdzą, że analiza dużych zbiorów danych oferuje możliwości opracowywania trafnych programów edukacyjnych, wybierania zmotywowanych kandydatów, monitorowania frekwencji studentów i przewidywania wskaźników rezygnacji ze studiów. Wykorzystanie DDDM pozwala instytucjom edukacyjnym optymalizować procesy, podnosić jakość kształcenia i zwiększać satysfakcję studentów. Wykorzystanie danych do podejmowania świadomych decyzji staje się kluczowym czynnikiem sukcesu instytucji szkolnictwa wyższego na dzisiejszym rynku. W praktyce, już na etapie gromadzenia danych, pojawiają się liczne trudności. Uczelnie wyższe borykają się z licznymi wyzwaniami związanymi z pracą z dużymi zbiorami danych. Kwestie te zostały omówione przez ekspertów podczas okrągłego stołu „Dane w analityce sukcesu studentów: braki, ograniczenia i możliwości” w ramach forum „Transforming Education”. Forum, zorganizowane przez Instytut Edukacji Uniwersytetu Państwowego w Tomsku, odbyło się w dniach 17-19 listopada. Niniejszy materiał przedstawia główne punkty wystąpień prelegentów dotyczące problemu gromadzenia i analizy danych w celu poprawy efektywności procesu edukacyjnego.

Jakie dane mogą gromadzić uniwersytety?

Ivan Karlov, kierownik Laboratorium Cyfrowej Transformacji Edukacji Uniwersytetu Stanowego w Tomsku, przedstawił wyniki badania przeprowadzonego wspólnie z kolegami. Przeanalizowano ponad 500 publikacji naukowych poświęconych wykorzystaniu analityki danych na uniwersytetach. Badanie zidentyfikowało główne rodzaje danych najczęściej wykorzystywanych w szkolnictwie wyższym. Dane te odgrywają kluczową rolę w optymalizacji procesów edukacyjnych i podnoszeniu jakości kształcenia na uniwersytetach.

• Dane z wewnętrznych systemów informatycznych uczelni. Obejmują one dane demograficzne dotyczące studentów, ich wyników w nauce, ślad cyfrowy pozostawiony na platformie LMS i w innych systemach uczelni. Innymi słowy, wszystkie informacje, które uczelnia otrzymuje bezpośrednio w momencie rozpoczęcia studiów przez studenta.
• Dane ze źródeł otwartych. Ta kategoria obejmuje przede wszystkim informacje z prywatnych profili studentów w mediach społecznościowych.
• Dane z zewnętrznych systemów informatycznych. Ta kategoria obejmuje informacje o wynikach w nauce, a także informacje z serwisów społecznościowych. Według Iwana Karlowa dane z systemów zewnętrznych są aktywnie wykorzystywane, szczególnie na uniwersytetach amerykańskich i chińskich, ale w kontekście rosyjskim są one niedostępne dla uczelni.
• Dane ze specjalistycznych urządzeń. Dotyczy to gadżetów noszonych przez użytkowników, takich jak smartwatche i trackery fitness, a także interfejsów neuronowych. Niektóre zagraniczne uniwersytety wykorzystują dane z takich urządzeń do opracowywania modeli predykcyjnych i rekomendacyjnych.
• Dane z badań socjologicznych i pomiarów kompetencji. Zarządzanie oparte na danych zazwyczaj opiera się na informacjach gromadzonych masowo i w sposób ciągły – znanych jako big data. Czasami jednak informacje te są niewystarczające, dlatego uniwersytety prowadzą badania na wybranych próbach – na przykład w celu analizy kompetencji studentów lub ich zadowolenia z nauki. Uzyskane dane można wykorzystać do opracowania modelu: „W takich a takich warunkach osiągnięto takie a takie wyniki edukacyjne”. Model ten może następnie stać się narzędziem do ciągłego monitorowania określonych parametrów.

Jakie problemy pojawiają się w gromadzeniu i analizie danych

Katerina Guba, dyrektor Centrum Badań Instytucjonalnych w Nauce i Edukacji na Uniwersytecie Europejskim w Sankt Petersburgu, zauważyła, że ​​wraz ze wzrostem liczby badań opartych na big data pojawiają się różne problemy związane zarówno z ich akumulacją, jak i procesem analizy. Ta sytuacja podkreśla potrzebę opracowania skutecznych metod pracy z dużymi zbiorami danych, aby zmaksymalizować korzyści z nich płynące dla nauki i edukacji.

Katerina wspomniała o kilku problemach, ale jej zdaniem listę tę można by znacznie rozszerzyć.

Naukowcy nie są źródłem dużych zbiorów danych; są one generowane w wyniku działań różnych wydziałów i organizacji. Na przykład uniwersytety gromadzą dane osobowe studentów, w tym informacje o rekrutacji, wynikach w nauce i innych aspektach procesu edukacyjnego. Dane te dostarczają cennych surowców do analiz i badań, umożliwiając nam identyfikację trendów i doskonalenie praktyk edukacyjnych.

Organizacje edukacyjne wykorzystują te dane głównie do podejmowania decyzji w zakresie praktycznych zadań administracyjnych. Jeśli jednak badacze próbują uzyskać niezbędne informacje, mogą napotkać trudności w dostępie do nich i ich analizie.

Według eksperta uniwersytet to złożona organizacja składająca się z różnych jednostek, takich jak instytuty, wydziały, usługi i katedry. Każda z tych jednostek ma własne metody gromadzenia i przechowywania danych. W rezultacie naukowcy napotykają trudności w uzyskaniu od uniwersytetu jednolitej bazy danych, co zmusza ich do gromadzenia informacji fragmentarycznie. To fragmentaryczne podejście komplikuje proces badawczy i wymaga znacznej ilości czasu na konsolidację niezbędnych danych.

Problem, na który wskazuje Katerina Guba, polega na niemożności przełożenia danych operacyjnych na dane badawcze bez udziału administratorów uniwersytetu. Pracownicy ci gromadzą dane, ale często są przeciążeni rutynowymi zadaniami, co utrudnia im szybką reakcję na prośby badaczy. Stwarza to przeszkody w efektywnym wykorzystaniu danych do celów naukowych i spowalnia tempo badań.

Prelegentka zauważa, że ​​naukowcy mają wątpliwości dotyczące jakości danych administracyjnych. Wynika to z faktu, że uniwersytety gromadzą dużą ilość informacji do celów sprawozdawczych, które są wykorzystywane przez agencje wyższego szczebla do oceny efektywności uniwersytetów. Uczelnie z kolei starają się przedstawiać te informacje w jak najkorzystniejszym świetle, co prowadzi do zniekształcenia danych i ich rozbieżności z obiektywną rzeczywistością.

Według Kateriny badacze często muszą „trochę poszperać”, co wiąże się w szczególności z przeprowadzaniem wywiadów. Dzięki temu lepiej zrozumiesz rzeczywisty stan wskaźników i określisz, na ile możesz im zaufać.

Na naszym blogu znajdziesz wiele interesujących i przydatnych materiałów. Regularnie aktualizujemy treści, aby dostarczać Ci aktualnych informacji na interesujące Cię tematy. Nie przegap naszych najnowszych artykułów, w których dzielimy się opiniami ekspertów, wskazówkami i poradami. Subskrybuj nasze aktualizacje, aby być na bieżąco z najnowszymi wiadomościami i trendami w Twojej dziedzinie. Sprawdź również nasze inne zasoby, które pomogą Ci poszerzyć wiedzę i doskonalić umiejętności.

The Bookshelf zaprasza do lektury książki Jerry'ego Muellera „Tyrania metryk”. W tej książce autor dogłębnie analizuje wpływ metryk ilościowych na proces decyzyjny w różnych dziedzinach, w tym w biznesie, edukacji i opiece zdrowotnej. Mueller podkreśla, jak nadmierne skupienie się na metrykach może zniekształcać rzeczywistość, prowadzić do nieskutecznych strategii, a nawet szkodzić społeczeństwu. Czytelnicy zrozumieją konsekwencje ślepego podążania za danymi liczbowymi i znaczenie zachowania równowagi między metrykami jakościowymi a ilościowymi. „Tyrania metryk” to lektura obowiązkowa dla każdego, kto interesuje się zarządzaniem, ekonomią i polityką społeczną.

Chociaż badacze potrafią pozyskiwać dane i weryfikować ich wiarygodność, a także dokładnie przetwarzać i analizować informacje, wyniki ich pracy nie zawsze prowadzą do oczekiwanych rozwiązań. Czasami nawet badania najwyższej jakości mogą nie mieć praktycznego zastosowania.

Można przygotować artykuł naukowy w oparciu o wyniki badań, ale wdrożenie tych wyników do praktyki uniwersyteckiej jest niezwykle trudne. Skuteczna integracja wymaga skoordynowanej pracy różnych wydziałów i jednostek uniwersyteckich, co komplikuje rozdrobniona struktura i wysoki poziom regulacji wszystkich procesów. Ponadto nie wszystkie instytucje edukacyjne są gotowe na przyjęcie podejścia opartego na dowodach w edukacji. Prelegent podkreśla wagę popularyzacji tego podejścia, a także demonstrowania jego wartości i praktycznych korzyści dla procesu edukacyjnego.

Czytaj również:

Aby poprawić widoczność treści w wyszukiwarkach, ważne jest, aby zwrócić uwagę na optymalizację SEO. Zoptymalizowany tekst powinien być nie tylko informacyjny, ale także łatwy w czytaniu. Należy zadbać o naturalne wplecenie słów kluczowych w tekst, aby zwiększyć jego trafność w odpowiedzi na zapytania użytkowników. Dodatkowo używaj meta tagów i opisów, aby poprawić indeksowanie stron.

Nie zapominaj o znaczeniu wysokiej jakości linków, które mogą zwiększyć autorytet Twoich treści. Urozmaicaj swój tekst, dodając przykłady, badania lub statystyki, aby uczynić informacje bardziej atrakcyjnymi. Zawsze sprawdzaj trafność danych i staraj się aktualizować treść, aby była aktualna i przydatna dla czytelników.

To podejście pomoże Ci nie tylko przyciągnąć uwagę do swoich treści, ale także utrzymać zainteresowanie użytkowników, co ostatecznie doprowadzi do wzrostu ruchu na Twojej stronie.

• Jakie badania przeprowadzić przed zaprojektowaniem kursu?
• Jak wyszukiwać i czytać badania dotyczące edukacji?
• Jak tworzyć innowacje w edukacji?
• Aleksander Asmołow: „Jeśli zamienimy liczby w idola, przegramy”