Med en examensgrad på drygt 50 procent har Purdue University i Indiana en utmaning. Det gäller att få fler studenter genom systemet. Nu kan hjälpen komma i form av ett verktyg för dataanalys. Nyligen har 7 300 förstaårsstudenter fått veta att det finns en webbtjänst som ska hjälpa dem tillrätta i studielivet på campus.

Forecast, som mjukvaran heter, är framtagen för att förutsäga vilka studenter som riskerar att prestera dåligt genom analys av tiden de tillbringar på föreläsningar, på campus, och med skolarbete online – och sedan hjälpa dem att bli bättre.

– Vi tittar helt enkelt på hur studenternas engagemang påverkar deras framgångar, säger Brent Drake, Purdues cdo, chief data officer, som är ansvarig för satsningen.

Purdue är på intet sätt unikt. Den genomsnittliga examensgraden i USA är just 50 procent, enligt siffror från National Student Clearinghouse Research Center (mycket lägre än i Sverige där den är 75 procent). Det varierar kraftigt mellan högskolorna, från nära 30 procent till över 70. Med 51,5 procent ligger Purdue i mitten. Att ta hjälp av dataanalys för att få upp examensgraden och hålla kvar studenterna är man inte heller ensamma om. Ett dussintal lärosäten i USA utvärderar den typen av lösningar nu.

– Det är reella problem som vi ser att verktyg för dataanalys kan lösa, säger Glenda Morgan, analytiker på Gartner som forskar på dataanalys och it i utbildningväsendet.

Det Forecast ytterst gör är att uppmana studenterna att vidta åtgärder innan de hamnar på efterkälken. Med hjälp av aggregerade och anonymiserade data från tidigare årskullar kan mjukvaran exempelvis få fram diagram som visar på farorna med att registrera sig för sent till kurser och fördelarna med att komma i gång i tid med diverse aktiviteter.

Purdue har bland annat sett att studenter som registrerar sig på en kurs innan den har börjat har ett medelbetyg (amerikanskt GPA) på 2.95. Det är stor skillnad mot dem som registrerar sig första kursveckan (2.65) och dem som kommer in senare (2.52).

Läs också: Svaren finns i dataanalysen – tricket är att ställa bra frågor

– Efter två veckor sjunker medelbetyget som en sten. De ligger efter med allt, säger Brent Drake.

Nå, det kanske inte behövs någon avancerad mjukvara för att fatta det uppenbara sambandet mellan att studenter som kommer igång sent har mycket att ta igen och riskerar att hamna efter. Men Forecast får också fram mindre självklara insikter. Till exempel har det uppdagats att de som går samma kurser som sina kamrater, eller blir bra kompis med folk på kurserna, också får bättre betyg.

– Det vi försöker visa studenterna är olika data och hur de hänger ihop med deras framgångar, som ett beslutsunderlag, säger Brent Drake.

Forecast
Den här sortens grafer visar Forecast för studenterna. Källa: www.academicforecast.org

Under terminens gång tolkar mjukvaran de kopiösa datamängderna som studenterna genererar, inte bara när de registrerar sig till kurser, tenterar och använder läromedel på internet. Den tittar också på hur de använder Wi-Fi på campus och hur de rör sig i lokalerna med sina passerkort. Den analyserar huruvida de tillbringar tid ihop med lärare och andra studenter, och drar slutsatser om hur det mest troligt ska gå för dem.

Det här presenteras sedan för studenterna i grafisk form.

– Vi pushar data tillbaka till studenterna i grafisk form för att visa hur deras beteende hänger ihop med resultat, fortsätter Brent Drake.

När allt vägs ihop målar datapunkterna upp en bild av studentens engagemang, som indikerar hur det kan tänkas gå akademiskt, menar han.

”Högskolorna får skylla sig själva”

Den dåliga examensgraden i USA är högskolornas eget fel, anser Gartner-analytikern Glenda Morgan. I år­tionden har de fokuserat på ett helt annat mätetal, nämligen antalet studenter som skriver in sig. Det säger sig närmast självt att en sådan incitamentsstruktur slår mot resultatet.

– Det har gällt att få in så många som möjligt – sedan har det varit det den starkes överlevnad som gällde. Skolorna har varit helt med på att svagare studenter ska gallras ut. ”Titta på de som står till höger och vänster om dig. En av er är inte kvar nästa år”, kunde du få höra, berättar hon.

Den attityden funkar dock inte längre på dagens utbildningsmarknad. Studenter som hoppar av räknas som ekonomiska förluster för skolorna, och för studenterna själva är det förstås värdelöst att dra på sig studielån utan att ta examen. Särskilt allvarligt är det för lärosäten som bär upp statliga medel. Många av dem mäts åtminstone delvis på hur många studenter som hoppar av respektive tar examen, berättar Glenda Morgan.

Indiana är en av ett 30-tal delstater som ger sina högskolor bidrag baserat på hur de preseterar. Purdue University mäts på hur många som tar examen, särskilt i polulära ämnen, och i den senaste budgeten var 6,5 procent baserat på sådana mätetal.

Så om Forecast lyckas få studenterna mer engagerade kan det snart synas i form av rena pengar in för universitetet.

Dataanalys har också blivit en prioritet för mindre lärosäten, som Marist College i Poughkeepsie, New York. Här studerar bara 6 500 personer, men Marist känner samma press från staten att få fler av dem att ta examen, berättar cio:n Bill Thirsk.

Redan 2013 började han med pilotprojekt för Open Academics Analytics Initiative (OAAI) , en mjukvara som väger ihop studenternas medelbetyg (GPA), högskoleprov och demografiska data, och jämför det med tillgänglig informationom om hur bra studenter är på att lämna in skoluppgifter och hur mycket kontakt de har med sina lärare online.

Precis som Forecast på Purdue analyserar OAAI hur studenterna klickar sig fram i skolans olika mjukvarusystem. Hur snabbt klickar de upp en ny uppgift? Hur snabbt gör de färdigt den och lämnar in den? Hur mycket chattar de med sina kursare för att göra färdigt grupparbeten?

– Vi kan se på ett väldigt tidigt stadium vilka studenter som hamnar efter, säger Bill Thirsk.

Läs också: Transformation i trädgården: Han digitaliserar Husqvarna

Studenterna är helt anoymiserade i systemet, fram till dess att en lärare tycker det är dags att titta närmare på någon av dem. Då kan personalen gå in och se vem det är och besluta om det är dags att sätta in åtgärder.

Bill Thirsk säger att hans algoritmer kan förutspå med 85 procents säkerhet vilka som kommer att få betyget c eller lägre på en kurs redan de första två veckorna.

Hans mjukvara har nu gått på export till North Carolina State University, som har ungefär 40 000 studenter. Lou Harrison, chef för utbildningsteknik i North Carolina, säger att modellen spår 80 procent korrekt, även om den ger en del falska positiver.

– Vi behövde faktiskt inte trimma modellen särskilt mycket alls, den har visat sig vara ganska så prediktiv, konstaterar han.

De här satsningarna är inte unika. Det finns fler exempel på skolor som lyckats bra med analysarbete.

Redan 2001 byggde Austin Peay State University i Tennessee en automatisk motor för att visa studenterna vilka chanser de hade att klara en viss kurs baserat på tidigare prestationer, som jämfördes med data om dem som gått kursen tidigare. Och State University i Georgia fick upp examensgraden från 48 procent till 51 med hjälp av prediktiva modeller från 2012 till 2014.

I Maryland använder John Hopkins University och flera andra universitet liknande program.

Glenda Morgan på Gartner tror att 30 procent av högskolorna globlalt kommer att ha antagit någon analysstrategi om två år, 2018.