高考估分太头疼?大数据算法或成预测成绩新方式(图)

　　“我们以前通常，或者其他大学的情况是，对得成绩C的学生放任自流，等到想要帮助他们的时候为时已晚。” 乔治亚州立大学招生办负责人Timothy Renick说，“现在，一旦我们得到学生在第一门专业课上得C的警报,我们就会立即采取行动。”

　　我们会邀请那个得C的学生与学业顾问面谈，并向他建议其他可以选择的专业，以免他花费过多时间和精力在将要面临的不及格的处境里。

　　乔治亚州立大学还利用预测算法来引导那些拥有“更高风险因素”的大一新生。根据往届毕业生数据，针对那些来自于大学预备水平较差的特定高中的学生，学校会要求他们参加一个为期7周的暑期学校。这些学生中90%成功完成了第一个学年的课程，学业完成率高于那些未被这些风险因素标示出来而进入大学的他们的高中同级生。

　　数据分析不仅仅局限在大一新生。去年，大约2000个乔治亚大学高年级学生被挑选出来并且和学业顾问一对一面谈。因为他们都选上了一门无法满足他们专业要求的课，数据显示他们极有可能最终“偏离轨道”。然后他们又据此重新选择了能够满足专业要求的课程。

　　“大多数的学生，当他们上一些和专业无关的课程时，并不是因为他们一直都想上希腊哲学课，” Renick说，“那是因为他们不懂得乔治亚州立大学这样一个庞大机构制定的迷宫一样的选课法则。一旦他们选错了课，那就是关系能否毕业的问题了。”

　　乔治亚州立大学还运用了12年往届毕业学生的数据来微调在学学生的专业方向，使那些专业可以更契合学生的学术专长，因而提高学生的毕业机会。

　　“这真的是一个很简单的进程，” Renick说，“但是也是高等教育机构还没有开始执行的进程“。

　　虽然已获得初步成功，但大多数高等院校仍对预测性数据持观望态度。据协助佐治亚州立大学及其它院校进行成绩预测项目的美国教育咨询委员会统计，在超过4000多有资格颁发学位的高等教育机构中，仅有125所正在这样使用数据。

　　专家指出更多的大学会推行成绩预测项目，因为这个项目不仅可以为学生提供支持，还提高教育的底线。Renick 指出，在学生数据跟踪系统里，学生就读率每提高1个百分点，佐治亚州立大学就可以挽回300万美元的学费损失。到目前为止，自从2年前大学开始分析利用此数据，学生就读率已提高5个百分点。亦即这部分相关的学费收入远高于总支出、包括年均10万美元的系统运行费和每年为帮助可能掉进学业的漏缝里的学生而额外聘请的42名学业顾问的170万美元开销。

　　“这不再仅是道义上的，还是财务上的势在必行” 美国教育咨询委员会资深主管Ed Venit说道，“对于校园中已经在学的学生，学校要尽量保持他们在校，直至他们毕业。”

　　仍然，据美国学生资料库统计，自2008年起美国大学毕业率只降无升。因为学生转专业，挣扎于必修课程或选修在毕业时本不需要的课程等各种原因，仅有55%的学生能在6年的学习中获得两年制或四年制大学学位。

　　对Veint 来说，对那些学校已收集信息进行分析倒是可以避免这些错误。“数据的准确性致使我们在一英里之外就可以预见这些问题”他说道，“高等教育在数据分析方面落后于其它产业”。

　　这种情况已开始有所转变。因为学生、家长，政策制定者们都在敦促学校提供更好的教育投资回报，大学本身，尤其是那些资金紧张的公立大学，已被迫变得更富成效。

　　在佐治亚州立大学，80%的学生是来自社会少数族裔、低收入、家庭中第一代上大学的、或者是其他经常大学毕业有困难的群体。在大学开始研究这些数据之前，六年内毕业率仅只有32%，而目前已升至53%。

　　“试把上大学当作驾驶的过程，而大学毕业为行车目的地”，第一代获得统计学博士学位的佐治亚州立大学校长Mark Becker说道，“当你的驾驶开始偏离路线时，我们想要纠正你，保证你向前行驶。”

　　当前越来越多的与佐治亚州立大学学生情况相似， 类似于不太富裕、非白人、或者经常是家庭里第一个上大学的学生进入校园时，这些对学生的辅助就变得日益重要起来。

　　“许多学生只是勉强付得起学费，” Renick说道，“修错些课程、拿几个不及格、失去奖学金、浪费学时等因素都有可能导致这些学生无法获得学位。”

　　目前，大学正在利用数据研究如何预测由于财政问题导致的学生辍学以及提供在特定条件下的细分补助金来保持这些学生在学。去年，获得补助金的大一学生中，十人里有九人都继续留校完成学业。

　　普渡大学卡鲁梅，一个仅有31%的学生在6年内毕业的大学，今年秋季有74%的学生返校学习--相较去年上升5%。在学生的增加给学校带来50万美元的学费收入，也让学校为招收学生节省了开支。这笔钱是学校花在学生成绩数据分析的开支的五倍左右。

　　根据曾在去年学校启动学生成绩预测系统的时候担任教务长的John Nicklow指出，南伊利诺伊大学的返校率则增长了8.3%，至68%。学校年收为此增涨200万美元。学校的这些收益是源于学校使用数据识别出了比预想中更大比例的需要帮助对象。此项目耗资约10万美元，部分资金由比尔—美琳达盖茨基金资助。

　　“我无法相信我们用了那么长时间去挖掘这些数据。“ 一个在培训的工程师Nicklow说道。“我们需要更多人来做这件事。”

　　南方卫理公会大学的Stephanie Dupaul 坐在她的30个魔法8球之间，宣称预测性数据“是正在兴起的潮流，不过很多学校尚未赶上这股浪潮。“ 不过她也提醒，即便是最优秀的数据算法，有时其预测精确性也可能只和她桌上排列的玩具一样。

　　她说：“即便当迹象指向肯定的时候，我们也要铭记仅靠数据本身总是不能预测一个人的命运的。”

责编：邱天人