大学利用学习管理系统数据预测学生成功

现在，由于很多大学课程都在学习管理系统上以数字化的方式完成，许多大学正试图分析来自这些平台的学生数据，以预测哪些学生需要帮助。但这种做法还很新，目前还不清楚这种方法的效果如何。

来自学习管理系统（LMS）的大数据能预测课堂上的成功吗？

这是本周发表的一篇研究论文探讨的问题。而混合的结果让研究人员感到惊讶。

研究人员重点研究了来自弗吉尼亚州社区大学自2000年以来的数据。他们建立了两个预测系统来猜测学生是否会完成课程：一个仅基于大学持有的“行政数据”，如高中GPA和学生的大学成绩单；另一个基于学生在LMS上进行课程活动时产生的所谓的“点击流”数据。

“在预测学生表现和产生更好的学生结果之间，还有很多工作要做。”——弗吉尼亚大学教育学助理教授凯利·伯德

他们发现，对于大学新生来说，LMS数据确实有助于预测学生的成功，而且预测效果明显优于仅使用行政数据进行的预测。但对于以前在大学就读过的学生来说，LMS数据在行政数据的基础上增加的价值很小。

“我们认为预测学生表现最有价值的地方在于这些学生，他们是第一次进入大学学习，”弗吉尼亚大学教育学助理教授兼该研究的主要作者凯利·伯德说。这可能是因为社区大学是开放的，因此大学在学生入学时对他们知之甚少。

与此同时，收集和处理LMS数据需要大量的时间和精力。伯德说，来自UVa项目的经验丰富的程序员在这上面花费了数百小时，因为这些系统会生成大量数据。“学生只要登录学习平台，就会有一个数据点，”她补充道。“来自LMS的原始数据非常庞大，很难存储，使用起来计算密集，所以我们想看看LMS数据对预测能增加多少好处。”

伯德承认，一旦大学建立了一个使用LMS数据的系统，在未来几年里处理这些数据所需的时间将会减少。研究人员还在网上免费分享了他们的代码，链接在他们的论文中，以帮助那些希望在他们所学的基础上进行构建的人。

如何推动

伯德是UVa一个实验室的研究主任，该实验室致力于研究使用学生数据来预测成功并开发相关的干预措施。它被称为Nudge4解决方案实验室。

“我们能预测学生的表现吗？我们知道我们做得很好，这很棒，”伯德说。“但在预测学生表现和产生更好的学生结果之间，还有很多工作要做。”

大学使用此类预测分析的一种常用方法是向系统识别出的学生发送短信或电子邮件，建议他们，例如，寻求辅导或更努力地学习。但一些人对这些努力提出了质疑，因为如果做得粗略，可能会极大地打击学生的积极性，导致他们退学，并且可能不成比例地劝退第一代大学生或在大学环境中感觉不受欢迎的学生。

伯德说，她的实验室正在研究不同的方法，例如将预测系统的结果交给顾问或教授，让他们决定是否以及如何进行干预。他们还在考虑研究是否向学生提供经济激励，鼓励他们参加辅导或其他学习帮助资源，这是否有助于提高完成率。

中佛罗里达大学数字学习影响评估主任帕齐·D·莫斯卡尔表示，她的团队也在努力学习如何从LMS数据的分析中受益。他们没有使用预测系统，但他们正在努力为教授们构建仪表板，帮助他们发现模式或更好地注意到可能正在挣扎的学生。

“这正在进行中，”她在电子邮件采访中告诉EdSurge。“毫不奇怪，在线或混合课程比那些完全面对面的课程更频繁地使用LMS。此外，只有少数评分作业的课程，在学期开始几周之前，几乎没有数据可以用来进行预测，这使得早期干预变得困难。”

她补充说，构建仪表板并教导教授们使用它们也需要时间和精力：“这仍然是一个需要大量研究的领域，我们希望我们学到的一些经验教训不仅能帮助我们的咨询/指导，还能提供一些有助于优质课程设计的信息。”