Академическая аналитика определяется как процесс оценки и анализа организационных данных, полученных из университетских систем, для целей отчетности и принятия решений (Campbell, & Oblinger, 2007)[1]. Академическая аналитика поможет студентам и преподавателям отслеживать свою карьеру и профессиональный путь. По данным Campbell & Oblinger (2007), аккредитационные агентства, правительства , родители и учащиеся призывают к принятию новых современных и эффективных способов улучшения и мониторинга успехов учащихся. Это привело систему высшего образования к эпохе, характеризующейся повышенным вниманием со стороны различных заинтересованных сторон . Например, в обзоре Брэдли признается, что мероприятия по сравнительному анализу , такие как вовлеченность студентов, служат индикаторами оценки качества учебного заведения ( Правительство Австралийского Союза , 2008).
Возросшая конкуренция, аккредитация , оценка и регулирование являются основными факторами, способствующими внедрению аналитики в высшем образовании . Хотя высшие учебные заведения собирают много важных данных, которые могут существенно помочь в решении таких проблем, как отток и удержание кадров, собранные данные не анализируются должным образом и, следовательно, не преобразуются в полезные данные (Goldstein, 2005).
Впоследствии руководство высшего образования вынуждено принимать критические и жизненно важные решения на основе недостаточной информации, чего можно было бы достичь, правильно используя и анализируя доступные данные (Норрис, Леонард и стратегические инициативы Inc., 2008). Это порождает стратегические проблемы. Эта неудача проявляется и на тактическом уровне . Обучение и преподавание в высших учебных заведениях часто представляют собой разнообразный и сложный опыт. Каждый учитель, студент или курс совершенно разные.
Однако LMS поручено позаботиться обо всех них. LMS находится в центре академической аналитики. Он записывает информацию о каждом студенте и сотруднике и приводит к щелчку мыши в системе. Когда эта важная информация добавляется, сравнивается и сопоставляется с различными информационными системами предприятия, организация получает огромный массив полезной информации, которую можно собрать для получения конкурентного преимущества (Dawson & McWilliam, 2008; Goldstein, 2005; Heathcoate & Dawson, 2005). ).
Чтобы получить значимую информацию из источников учреждения, например LMS, информацию необходимо правильно интерпретировать с учетом эффективности образования, и это действие требует анализа со стороны людей с навыками обучения и преподавания. Таким образом, требуется совместный подход как со стороны людей, охраняющих данные, так и со стороны тех, кто будет их интерпретировать, иначе данные останутся пустой тратой (Baepler & Murdoch, 2010). [1] Принятие решений на самом базовом уровне основано на предположении или интуиции (человек может делать выводы и решения на основе опыта без необходимости проводить анализ данных) (Siemens & Long, 2011). Однако многие решения, принимаемые в высших учебных заведениях, слишком важны, чтобы основываться на анекдотах , предположениях или интуиции, поскольку важные решения должны быть подкреплены данными и фактами.
Аналитика , которую часто называют «бизнес-аналитикой», представляет собой новое программное и аппаратное обеспечение , которое позволяет предприятиям собирать и анализировать большие объемы информации или данных. Процесс аналитики состоит из сбора, анализа, обработки данных и использования результатов для ответа на важные вопросы, например «почему». Впервые аналитика была применена в приемных комиссиях высших учебных заведений. Вузы обычно использовали некоторые формулы для отбора студентов из большого количества абитуриентов. Эти формулы черпали информацию из табелей средней школы и результатов стандартизированных тестов.
В современном мире аналитика обычно используется в административных подразделениях, таких как сбор средств и прием. Использование и применение академической аналитики будет расти из-за постоянно растущей обеспокоенности по поводу успехов студентов и их ответственности. Академическая аналитика в первую очередь объединяет сложные и обширные данные с прогнозным моделированием и статистическими методами для более эффективного принятия решений. Текущие инициативы академической аналитики направлены на использование данных для прогнозирования учащихся, испытывающих трудности (Арнольд и Пистилли, 2012, апрель). [2] Это позволяет консультантам и преподавателям вмешиваться, адаптируя процедуры, которые будут отвечать потребностям обучения студента (Арнольд, 2010). [3] Таким образом, академическая аналитика обладает способностью улучшать обучение, успехи учащихся и преподавание. Аналитика стала ценным инструментом для учреждений благодаря ее способности прогнозировать, моделировать и совершенствовать процесс принятия решений.
Анализ состоит из пяти основных этапов: сбор данных, составление отчета, прогнозирование, действие и уточнение.
Сбор : все аналитические усилия сосредоточены на данных. Следовательно, академическая аналитика может основываться на данных из различных источников, таких как CMS и финансовые системы (Campbell, Finnegan & Collins, 2006). Кроме того, данные поступают в различных форматах, например в электронных таблицах . Также данные можно получить из внешней среды учреждения. Для сбора данных академической аналитике необходимо определить тип доступных данных, методы их использования и форматы, в которых они находятся.
Отчет : после того, как данные были собраны и сохранены в центральном месте, аналитики изучают данные, выполняют запросы , выявляют закономерности, тенденции и исключения, отраженные в данных. В основном генерируются стандартное отклонение и среднее значение ( описательная статистика ).
Прогноз : после анализа хранимых данных с использованием статистики разрабатывается прогнозная модель . Эти модели различаются в зависимости от характера вопроса и типа данных. Для определения вероятности в этих моделях используются концепции и методы статистической регрессии . Прогнозы делаются после использования статистических алгоритмов .
Действие : Основная цель и задача аналитики — дать возможность организации предпринимать действия на основе сделанных вероятностей и прогнозов . Эти действия могут варьироваться от изобретения к информации. Вмешательства для решения проблем могут осуществляться в форме личного электронного письма, телефонного звонка или автоматического контакта от консультантов факультета по поводу учебных ресурсов и навыков, таких как часы работы или сеансы помощи. Несомненно, учреждениям необходимо разработать соответствующие механизмы измерения воздействия; например, действительно ли студенты ответили или посетили сеансы помощи, когда их пригласили.
Уточним : Академическая аналитика также должна представлять собой процесс, направленный на самосовершенствование . Статистические процессы должны постоянно обновляться, поскольку измерение воздействия проекта — это не единовременное статическое усилие, а, скорее, постоянное усилие. Например, аналитика поступления должна обновляться или пересматриваться ежегодно.
Аналитика влияет на руководителей , студентов, преподавателей, ИТ-персонала и сотрудников по работе со студентами. В то время как студентам будет интересно узнать, что академическая аналитика повлияет на их оценки, преподавателям будет интересно узнать, как информация и данные могут быть использованы для других целей (Pistilli, Arnold & Bethune, 2012). Более того, сотрудники вуза будут сосредоточены на том, как анализ позволит им эффективно выполнять свою работу, а президент вуза будет сосредоточен на удержании первокурсников и увеличении количества выпускников.
Аналитику критиковали по разным причинам, например, за профилирование . Их основное назначение – разделить студентов на успешные и неуспешные категории. Однако некоторые люди утверждают, что профилирование студентов имеет тенденцию искажать поведение и ожидания людей (Ferguson, 2012). Кроме того, не существует четких указаний о том, какие вопросы профилирования следует запрещать или разрешать в высших учебных заведениях.