在校园内使用学生数据的最佳实践

[Aklima@444]

数据无处不在。从您醒来查看手机的那一刻到您询问 Alexa 或 Siri。仅在美国，家庭每月平均消耗268.7 GB的数据量。据eSchool News报道，在上课期间，78% 的学生使用科技设备。

大学可以以新的、独特的方式利用这些数据。他们可以帮助校园开发能力和系统，为学生提供个性化的信息和支持。此外，通过预测分析，它还可以帮助考虑可能增加学生成功机会的因素。

然而，有了所有这些数据，校园需要知道如何以促进有效和高效实践的方式使用它，同时仍然以满足学生对体验和安全的需求作为起点。在本文中，我们将回顾可以帮助大学培养学生成功并服务多元化人群的最佳实践。

预测分析
许多高等教育机构看到了分析学生数据以提高其提供的服务质量的价值。分析过去的学生数据来预测当前和未来的学生可能会做什么，使高等教育机构能够更好地确定招生和利用机构援助的目标。关于 高等教育中的分析：建立一种共同语言，霍金斯和沃森警告说，“分析不是一种放之四海而皆准的努力，人们必须考虑到分析是一种以目标为导向的实践。

理想情况下，预测分析提供商可以促进整个学生生命周期中数据的道德使用。供应商可以帮助确保数据完整且正确集成，以降低学生错误识别的风险。他们可以对其算法保持透明，并对其进行测试以确定其对学生群体的影响。他们可以灵活地分配权限并使用合理的安全协议来帮助维护学生的隐私和安全。他们可以培训员工如何正确解释数据以及隐性偏见的危险。

谨防算法中的隐性偏差
许多算法和人工智能都存在隐性偏见，这已不是什么秘密。根据麻省理工学院最近的一篇论文，“偏见可能会在深度学习过程的许多阶段蔓延，而标准的计算机科学实践并不是为了检测它而设计的。”

例如，一些预测算法使用学生无法控制的因素，例如 中国电报电话号码 邮政编码、种族/民族和高中。如果大学将这些因素用于招生或其他学生支持服务，服务不足的学生可能会发现自己由于这些数据点的结构不平等而进一步被排除在外。

对于大学官员来说，为了减少存在的偏见，对这些算法保持高度敏感非常重要。这可以通过拥有内部分析团队或技术提供商来实现，他们不断完善算法以确保所有学生的平等待遇和机会。

培训工作人员
有效利用数据可以帮助校园从机构思维转变为学生服务思维。大学教职员工应该接受培训，以便对数据有更深入的理解，并根据数据洞察与学生进行对话。可以从这些数据中讨论的一些对话主题包括经济援助、生活状况和大学问题。

例如，如果学生因成绩低而被标记为面临退学风险，辅导员应该提出问题并帮助学生寻求辅导帮助。

给学生一个选择
由于数据泄露事件每天都在发生，让学生选择是否向大学提供数据非常重要。让学生了解校园如何使用他们的数据也很重要。有些学生可能不想分享有关心理健康或位置跟踪的信息。

例如，萨克拉门托州立大学有一个试点计划，该计划收集选择参与的学生的数据并跟踪新生使用的服务。收集的数据将用于改善第一年的体验，无需任何个人身份信息。