这是一读EDU推送的第99篇文章

全文3712字，预计阅读5分钟

在佐治亚州立大学护理学院，老师们曾以为，在《基础护理学概论》课程中取得较低分数的学生可能难以毕业。但通过分析过去10年的学生成绩记录，他们惊讶地发现，真正与护理学学生能否按时毕业相关的课程是《数学概要》。

学校副教务长Timothy M. Renick表示：“无论在第一门护理学课程中获得A或C，你都可能在学业上取得成功。但是，如果数学课程的成绩不好，高年级时你的学业成绩会更差。”

分析数据表明，数学课程成绩为C的学生，顺利毕业的比例为10%，而获得B+以上的学生，顺利毕业的比例高达80%。看起来，代数和统计学为高年级的生物、微生物学、生理学和药理学课程打下了重要的基础。

美国部分大学应用大数据分析预测学生能否毕业（来源：纽约时报网）

在美国，只有接近一半的本科生能在4年内顺利毕业；即便再给学生宽限两年时间以敲定工作，本科生的毕业率也只能上升到60%。

对于有额外学费或学生债务负担的家庭来说，这不是一个小问题。根据美国大学理事会（College Board）2016年的一份报告，大学毕业生平均负担28,000美元的债务，辍学的学生负债情况更加严重。这些现状导致父母和政客对大学提出更高的要求。

大数据分析是大学采取的改进措施之一。多年来，医疗保健公司和体育团队一直在使用预测分析，而这一技术刚刚运用到校园中。

过去几年，多家公司应运而生，与200余所大学开展了合作。他们通过数据分析趋势，创建计算机程序，监控学生的学业进度，并在学生偏离学业轨道时提醒学校的校园顾问介入干预。

“大数据不需要知道某个学生为何取得低分，成千上万的学生可能出现这种情况，我们要寻找的是一种共同的模式。”佐治亚州立大学副教务长Renick博士说。

在不同的大学里，有不同的课程被证明可以预测学生学业的成败，其中，为高级别课程做准备的专业基础课程是数据预测的关键课程。

数据分析师Civitas Learning发现，如果学生在主修专业中的某项基础课程中（比如商学的管理课程或者教育学的基础教育课程）获得低于B的分数，无法顺利毕业的几率就会显著增加。

因此，亚利桑那大学如今已经意识到需要在写作课程上投入更多的资源，特别是对那些获得C的学生。

负责学生发展的中田纳西州立大学副教务长（vice provost for student success）Richard D. Sluder说，“历史课有很重的阅读量，需要很好的阅读理解能力。”由此可见，比起分数，通识课程更重要的意义在于代表学生的核心学习能力。

在预测分析技术兴起之前，很多科目的“D”都被忽视了。Sluder博士认为，这是由于校园顾问主要监测学生成绩的平均分，而不是特定课程的成绩。

这种新的理念会对大学的学生督导工作产生重大影响。

在此理念下，不少大学建立了校园顾问共享网络系统。就像医生在医院系统中分享病例一样，校园顾问的笔记和学生会谈记录也可以供其他同事使用，。

当学生偏离了教育技术公司数据分析得出的学业成功路径时——比如在预测的关键课程中取得低分，或者不按顺序选课，校园顾问会得到警报，提示他们去接触这个学生，并为纠正学生的错误提供建议。

以前，学生选课错误是一个常年困扰大学的问题。学生们认为他们正在选择一门化学专业的特别实验课，但实际上，这门课程是给非化学专业学生开设的。在过去，校方可能直到学生开始上课、甚至完成课程后才能发现这个问题。

但Renick博士表示，利用教育技术公司提供的大数据分析预测技术，他们现在会得到警报，帮助学生选择正确的课程，“去年我们纠正了2000名学生的不当选课。”

不过，多数大学应用大数据的时间还不够长，不足以用来证明是否可以提高学生的4年或6年毕业率，但有证据显示大数据确实已经产生了积极影响。

一些意识到大数据威力的学校利用大数据分析结果，在其他项目上进行了巨大投资。

“这确实是一个不小的负担。但在过去，我校每个校园顾问需要对应多达750名学生。”Renick博士说。

与此同时，佐治亚州立大学2016年的4年毕业率增长了5个百分点，达到了27％ ；6年毕业率上升了6个百分点，达到54％。

佐治亚州立大学正在联合其他10所大学，共享一项名为“大学创新联盟”的新技术，这项新技术承诺在未来8年内促进额外68,000名学生毕业。

“所有要素都很重要，但技术至关重要。”Sluder博士说，“若没有技术，你就不会得到这样的结果。”中田纳西州立大学的新生完成大一学业的比率，在短短2年内上升了5个百分点，达到76％。

有些大学没有和校外企业合作，而是选择自行开发项目。

去年9月，斯坦福大学的学生们开始使用一项基于15年数据分析的数据化工具进行选课。在5000门本科生课程中选择课程，对学生来说是一项非常艰巨的任务。主持这个项目的教育学副教授Mitchell L. Stevens表示，无论多么聪明、多么警觉的教育顾问也做不到这一点。

密歇根大学的新生从去年秋季开始使用一个系统工具——将他们的个人数据和学业数据，与包含学长学姐表现、建议和教授的学习指导的数据相结合。当学生通过完成一个调查表达了自己对课程成功的期望度之后，程序将挖掘数据，运算学生的期望是否符合实际情况。

当学生再次登录系统时，系统会以人性化的对话引导和鼓励学生。

在亚利桑那大学，商业智能和分析中心Insite的总监Sudha Ram，一直在实验跟踪新生——最有可能辍学的学生群体——刷校园卡去图书馆或健身房，在自助餐厅用餐或在书店购买运动衫的数据。

“我们正在考察他们的社交互动，”Ram博士说，“有多少学生喜欢出去玩，参加不同的活动？他们是否每周翘课去参加活动，并且次数越来越多？在这方面，我们有很多相关的理论研究。”

这些调查结果被纳入算法，用来预测哪些学生有风险不会继续大二的学习。

Ram博士在过去3年中追踪了近3万名学生。她的预测结果与实际辍学情况相符，准确率约为85％。但她的项目仍处于测试阶段，学生的身份全部保密。

这是人们对大数据分析的一个主要担忧：学生信息可能被公开。但这不是唯一的问题。教育研究机构Ithaka S + R的项目主任Martin Kurzweil还担心，获得警告的学生可能因挫败感而失去学习热情。

另一个担忧是：学校会以此淘汰存在辍学风险的学生以提高院校排名。这样的事情会发生吗？Kurzweil先生引用了马里兰州圣玛丽山大学校长的著名言论——“淹死”那些挣扎的“兔子”。

Kurzweil先生说：“的确存在这样的风险，但我认为开展预测分析的人大多还是好人，他们淘汰那些存在辍学风险的学生，也是因为他们相信自己在帮助学生。”

尽管如此，他将预测分析领域描述为美国老西部：“他们推进得很快，却没有建立起降低风险的标准和治理方式。”

2016年6月，Ithaka S + R和斯坦福大学的一个团队，汇集了大学、分析公司、基金会和教育部的73位专家，以大学校园中大数据应用标准和道德准则为主题，进行了为期3天的讨论。他们在Monterey Peninsula的Asilomar会议中心举行会议，41年前，科学家正是在这里开始制定第一份基因研究方向的指南。

一些大学仍在观望，毕竟，超过50万美元甚至更多的财务投入不是一笔小数目。Kurzweil先生说，有些人还对这个新概念感到不安，或不相信预测分析真的有用。

俄亥俄州两年制学院Sinclair College的校长Laura Mercer讲述了一个足以反驳他们的故事。该校的大数据研究表明，在一般心理学或《基础商学》中取得C的学生无法完成学业。于是，她决定查看几个选修了心理学课程学生的学业记录。

其中一个计划主修心理学专业的大一新生，在2014年秋季学期选择了心理学和其他3门课程，获得了3个A和1个C。

“这是一个相当不错的开始，”Mercer女士说，“但你猜怎样？ 她在《心理学1100》中得到的成绩是C。在2015年春天学期，这个学生注册了5门课程，退出了1门。下一学期她注册了5门课程，退出了3门。今年秋天，她注册了4门课程，然后全部退出了。

Reference：

• https://www.nytimes.com/2017/02/02/education/edlife/will-you-graduate-ask-big-data.html?rref=collection%2Fissuecollection%2Feducation-life-20170205&_r=0

本期作者

美国佛罗里达研究分站 李颜

一读EDU编辑部

扫描文末二维码，关注一读EDU公众号，第一时间接收最新专题！