تعزيز معدل تسجيل الطلاب من خلال اتخاذ قرارات مستندة إلى البيانات
تُستخدم التحليلات التنبؤية في مجموعة متنوعة من الصناعات، بما في ذلك المالية والرعاية الصحية والتصنيع. ومع ذلك، تلعب أيضًا دورًا رئيسيًا في التعليم العالي. يمكن للكليات والجامعات استخدام التحليلات التنبؤية لأغراض متعددة، بما في ذلك التعلم التكيفي واتخاذ القرارات المستندة إلى البيانات. ومن بين التطبيقات الأكثر تأثيرًا هو تعزيز تسجيل الطلاب. ستستعرض هذه المقالة دور التحليلات التنبؤية في التعليم العالي، وكيف يمكن للإداريين الاستفادة منها لزيادة تسجيل الطلاب، وما هي العوامل التي قد تعيق التنفيذ الناجح للتحليلات التنبؤية.
ما هي التحليلات التنبؤية في التعليم العالي؟
تستخدم التحليلات التنبؤية البيانات التاريخية والخوارزميات الإحصائية وتعلم الآلة للتوقع بما قد يحدث أو ما قد يفعله الطالب في المستقبل. على سبيل المثال، يمكن أن تساعد التحليلات التنبؤية المؤسسات التعليمية العليا على اتخاذ قرارات بشأن المساعدات المالية. قد تستخدم المؤسسات نماذج تعلم الآلة لتحليل البيانات السابقة حول حزم المساعدات المالية لتحديد احتمال تسجيل الطالب عند تقديم مبلغ معين من المساعدة.
يمكن أن تمكن استخدامات التحليلات التنبوعية المؤسسات من استخلاص رؤى قابلة للتنفيذ من كمية هائلة من البيانات. يساعد هذا الكليات والجامعات على اتخاذ قرارات أكثر استنارة بشأن تجنيد الطلاب وتسجيلهم واحتفاظهم بهم.
ما الفرق بين التحليلات التنبؤية والتحليل الوصفي؟
تُستخدم كل من التحليلات التنبئية والوصفية لدعم صنع القرار المؤسسي وتحسين القبول وزيادة التسجيل. ومع ذلك، هناك اختلافات رئيسية بين الاثنين. بينما تتوقع التحليلات التنبوئية ما قد يحدث في المستقبل، توصي الذكاء الاصطناعي الوصفي أو “يوصي” بالإجراءات التي يمكن للمؤسسة اتخاذها لتحقيق نتيجة مرغوبة.
على سبيل المثال، قد تفحص نموذج تنبؤي اتجاهات التسجيل ومتطلبات التخريج لتوقع زيادة الطلب على دورة معينة. بينما يأخذ النموذج الوصفي خطوة إضافية عن طريق اقتراح أن تقدم المؤسسات أقسام دراسية إضافية لضمان قدرة الطلاب على أخذ الدروس اللازمة للتخرج في الوقت المحدد.
كيف يمكن للتحليل التنبوئي تعزيز تسجيل الطلاب؟
إليك أربعة أمثلة حول كيفية زيادة التسجيل باستخدام تحاليل تنبؤيه:
1. تحسين استراتيجيات التجنيد
يمكن للمؤسسات جمع بيانات عن الطلاب أثناء بحثهم عن الكلية ، بما في ذلك موقعهم الجغرافي ونوع المدرسة الثانوية واهتماماتهم الأكاديمية ودرجات الاختبارات الموحدة وسجل الأداء الأكاديمي . يمكن لموظفي التسجيل استخدام هذه المعلومات لتخصيص جهود التجنيد الخاصة بهم وإجراء اتصالات أكثر فعالية واستهدافًا.
على سبيل المثال ، إذا وجدت نماذج المؤسسة أن المخاوف المالية تمثل عائقًا أمام زيارة الحرم الجامعي للمتقدمين خارج الولاية ، فإن مديري التسجيل يستطيعون معالجة هذا العائق عبر تقديم منح سفر لهؤلاء المتقدمين المحتملين .
2. زيادة معدلات تحويل الطلبات
من خلال تحديد أكثر استراتيجيات التجنيد فعالية لأنواع مختلفة من الطلاب ، تستطيع النماذج التنبوئية زيادة معدل التسجيل . كان هذا هو الحال بالنسبة لجامعة خاصة متوسطة الحجم استعانت بشركة ذكاء اصطناعي لمساعدتها على زيادة عدد طلابها الملتحقين . استخدمت الشركة الذكاء الاصطناعي التنبوئي والوصفي لاستهداف مجموعة فرعية من المتقدمين الذين يُحتمل أن يستجيبوا لمكالمات هاتفية من أعضاء هيئة التدريس ثم نصحت الجامعة بإجراء مكالمات شخصية . أظهرت النتائج الأولية زيادة بنسبة 15% في معدل تسجيل الجامعة .
3. تعزيز معدلات الاحتفاظ
يمكن للنماذج التنبوئية تحليل بيانات مثل الأداء الأكاديمي وسجل الحضور لتحديد الطلاب المعرضين لخطر التسرب . بعد ذلك ، تستطيع الكليات والجامعات الاستجابة عبر تقديم خدمات الدعم للحفاظ على هؤلاء الطلاب وضمان نجاحهم .
4. مواجهة تحديات التسجيل
يمكن لعوامل متعددة التأثير على انتقال الطالب إلى الكلية ، بما فيها الخلفيات الاجتماعية الاقتصادية وحالة الجيل الأول والدراسة خارج الولاية أو البلد . سيساعد استخدام تحاليل تنبؤيه الكليات والجامعات تحديد طلاب جدد قد يواجهون صعوبةً بالتكيف مع الحياة الجامعية .
مع هذه المعلومات ، ستعرف فرق القبول الاستثمار وتوفير موارد فعالة مثل برامج الانتقال الصيفي والمستشارين المتخصصين للطلاب مما سيقلل الانخفاض الصيفي ويعزز الاحتفاظ ويوجه هؤلاء الطلبة نحو النجاح الدراسي .
ثلاث عقبات أمام التنفيذ الناجح للتحليل التنبوئي
على الرغم مما تقدمه تحاليل تنبؤيه العديد من الفوائد إلا أنه توجد عقبات واضحة تمنع تنفيذ الذكاء الاصطناعي بشكل فعال داخل مؤسسات التعليم العالي :
1- فجوات المعرفة
وفقاً لاستطلاع أجراه Liaison, بالرغم مما تقدمه تقنيات الذكاء الاصطناعي (التوصيف والتنبيء) لتحسين القبول والتسجيل إلا أنه فقط حوالي %40 من الإداريين يستخدمون الذكاء الاصطناعي لأغراض تلك الأهداف , وفقط %20 يستخدمون الذكاء الإصطناعى الوصفي لنفس المهام .
تشير نتائج هذا الاستبيان إلى وجود فجوة معرفية لدى قادة التعليم العالي, أحد الحلول الممكنة لسد هذه الفجوة هو حضور الإداريون وأصحاب المصلحة الآخرين تدريبات وجلسات تطوير مهني لمعرفة المزيد عن فوائد تحليل البيانات.
2- انحياز الخوارزميات
أظهرت الدراسات أدلة تشير إلى وجود انحياز خوارزمي ضمن نظم تعليم الذكاء الإصطناعى وغيرها التكنولوجيا التعليمية, كما وجدت دراسة عام 2024 أن نماذج تعلم الآلة أقل دقةً عند توقع النجاح للطلاب ذوي الأصول العرقية الأقل تمثيلًا.
تترك مثل هذه النتائج أعضاء هيئة التدريس والعاملون بمخاوف مشروعة بشأن العدالة والشمول والنزاهة مما يمنعهم عن استغلال قوة تحليل البيانات , لذلك يجب أن تعمل المؤسسات مع شركاء موثوق بهم لتقليل الانحياز الخوارزمي وغيرها الأخطاء الموجودة بأنظمة الذكاء الإصطناعى.
3- مخاوف الخصوصية وأمان المعلومات
وجد استطلاع Ellucian لعام 2024 عن “الذكاء الإصطناعى فى التعليم العالى” أنّ %59 ممن شملتهم الدراسة يشعرون بالقلق إزاء أمان المعلومات وخصوصيتها .
كما يشعر الطلبة بنفس القدر بالقلق حيث كشف تقرير منتدى مستقبل الخصوصية لعام 2021عن تفضيلات وسلوكيات الخصوصية لدى الطلبة أنهم يهتمّوا كثيراً بحماية معلوماتهم الأكاديمية والمهنية والشخصية .
ومواجهة الاعتراض المحتمل الذي يأتي منهم وزملائهم, فقد يختار قادة مؤسسات التعليم العالي تجنيب تطبيق تحاليل تنبؤيه بدلاً مـِن تفويت الفرصة الهامة لتحسين عملية القبول ولكن ينبغي عليهم احترام مخاوف أصحاب المصالح عبر إعطاء الأولوية لخصوصيتهم عند اختيار حلول البرمجيات الخاصة بتحليل البيانات.
ست نصائح للاستفادة القصوى مـِن تحليل بيانات تحسين عملية القبول
بعد فهم العقبات التي تواجه التنفيذ والحلول الممكنه لها نستطيع الآن الانتقال للاستفادة القصوى مـِن تحليل بيانات داخل مؤسسات التعليم العالي إليكم ست نصائح تساعد الإداريّـــِين فــِي القيام بذلك:
1- ابدأ بأهداف واضحة
وجود أهداف محددة بوضوح سيساعد المؤسسات علي وضع استراتيجية لاستخدام تحاليــل بيانية بشكل فعال ومقصود , علي سبيل المثال , ربما ترغب كليه أو جامعه معرفة الأنماط السلوكية للطلبه او تحسين معدلا ت الاحتفاظ لديهم , وفي كلتا الحالتان ستمكن الأهداف الواضحة المؤسسة للعمل نحو نتيجة محددة وستكون قادرة أيضاً علي اختيار الطرق المناسبة والشركـــــــاءِ وبرامج البرمجيات لتحقيق تلك الأهداف.
####2 – ضمان جاهزية البيانا ت
جاهزية البيانا ت تعني حالة تكون فيها بيانات المؤسسة دقيقة وفي الوقت المناسب وكاملة ومناسبة لصنع القرار وللعمليات المختلفة وعندما تمتلك مؤسسة تعليم عالي بيانات عالية الجودة ومعدة جيداً سيكون بإمكان القيادات استخلاص الرؤى اللازمة واتخاذ إجراءات بناءً عليها بفاعلية .
توفر إحدى شركات التكنولوجيا التعليمية قائمة مرجع لقادة مؤسسات التعلم لضمان جاهزية البيانا ت ومن ضمن النصائح المقدمة:
تخصيص أدوار ومسؤوليات الفريق لإدارة المهام المختلفة عبر مراحل المشروع المختلفة
ضمان توفر مصادر غنية للبيانات تشمل معلومات ديموغرافيا تاريخ أكاديمي وسلوك ومستويات المشاركة
الحصول علي سنتان علي الأقل مِن تاريخ سابق للسماح للخوارزميات بتقديم توقعاتها بدقة أكبر
وضع خطة عمل بعد الإطلاق لضمان استمرار تحقق صحة البيانا ت وتنفيذ الرؤى المُكتشفة فِي صنع القرار
####3 – ضمان خصوصيته وأمنه
يتعين علي المؤسساّت تجنيب المساس ببيانات الطلاّب وهيئة التدريس والعاملِين وذلك بوضع سياسات تتعلق بملكيتها والوصول إليها مثلاً: السياسات تُحدد بأن مديري القبول يستخدموا فقط تحاليــل بيانية لأغراض التجنيد أو إن أعضاء هيئة التدريس لا يستطيعوا الوصول إلا إلي الحد الأدنى اللازم مِن معلومات الطلاّب لإجراء تدخل سريع عندما يتطلب الأمر .
كما ينبغي للكليات والجامعات إبلاغ الطلاّب وهيئة التدريس والعاملِين بكيف يتم جمع واستخدام وتخزين معلوماتهِم – ولماذا لفترة زمنيه مُحدده وإذا كانت المؤسسه تخطط لاستخدام معلومات حساسة كالسجل الصحي يجب الحصول أولاً علي موافقة هؤلاء الأشخاص.
####4 – تقليل الانحياز
قد تؤدي نماذج تعلم الآلة إلي عدم الإنصاف ضد طلبه مجموعاتهم المحرومة مما يؤثر سلبياً عَلَى جهود تحقيق التنوع بالمؤسسة بالإضافة إلي عوامل شائعة الاستخدام مثل الاهتمام المُظهر الذي يُمكن أن يقوض فرص قبول هؤلاء الطلاّب .
فمثلاً: ربما لا يستطيع الطلاّب ذوي الدخل المنخفض تحمل تكاليف زيارة حرم جامعة معينة فتقوم الأنظمة بتفسير الأمر وكأن هؤلاء غير مهتميين رغم أنه ليس كذلك وبذلك يتجاهل مدراء القبول هؤلاء المرشحين المحتملِينَ .
لتقليل خطر الانحياز وتأثيراته السلبية عَلَى عملية القبــــول يجب عَلى المؤسساّت استخدام مصادر متنوعة مِن البَيَانات كما ينبغي عليهم اختيار الشركاءِ الذين يعيرُون أهمية كبيرة لتصميم خوارزمِي شامل وعادل.
####5 – العمل مع شركاءِ موثوقِين
يتعين عَلَى الجامعات والكُلياّت التعاون مع الشركات التي تدرك كيفية الاستفادة مِن ذكاءات اصطناعِي لتعزيز عمليات القبــــول وتحقيق أهداف أخرى للموسسات كما ينبغي النظر فِي سجِل الشركاءِ المحتَمَلِينَ لضمان قدرتِهِم علَى تحقيق تلك الأهداف أيضاً.
بالإضافة لذلك يجب التأكد مِن تركيز الشركاءِ علَى شفافية الخوارزمِيّة وأمن البَيَانات ورصدها وهذا سوف يقلّل الانحياز ويعزز جودة البَيَانات وبالتالي سيتمكن قادة مؤسسات التعلم العالية مِن اتخاذ القرارات الداعمة لعملية القبــــول بنسب مرتفعة جداً
####6 – رصد النتائج والسعي نحو تحسين مستمر
لتحديد وتحسين فعالية الاستخدام الخاص بتحاليــل بيانيّة يتوجب عَلَى الإداريِّيين مراجعة النتائج بشكل دوري وخاصة التركيز علَى مدى حدوث أي تحسين فِي المقاييس الرئيسية مثل إجمالي عدد المسجلِينَ ونسب تحويل الطلبات ومعدَّل الاحتفاظ بالطلبه
ومن هنا سيتمكن قيادات مؤسسات التعلم العالية إجراء تعديلات سواء كان إعادة تعريف للأهداف أو اختيار حل برمجياتي مختلف ولكن التطورات المتعلقة بالذكاءات الصناعية ستكون مستمرة وبسرعة لذا يجب متابعة تلك التطورات وكيف تؤثر عَلَى جهود المؤسسة لتحسين عمليات القبــــول
### دراسة حالة: جامعة فلوريدا الدولية
لفهم قيمة الاستخدام الخاص بتحاليــل بيانيّة داخل مجال التعلم العالية دعونا نأخذ مثال واقعي وفقاً لما ذكرته مجلة EdTech فإن جامعة فلوريدا الدولية (FIU) – وهي جامعة حكومية تقع بمدينة ميامي – قررت عام2014 الاستثمار فِي برنامج خاص بتحلل البَيَانات بعد قيام مجلس حكام ولاية فلوريدا بتنفيذ تغييرات جديدة لنظام التمويل الخاص بمؤسسات التعليم العليا حيث وضعت المبادئ الجديدة مزيدٍ مِن الضغوط علَى كُلٍ مَن يعمل بِهذا المجال لتعزيز نجاح الطَلَبَة
كما قالت هيسالجيس بيريز نائبة الرئيس لشؤون الإدارة والتحليل بالمعلومات إن الجامعة كانت بحاجة لجمع وتحليل حجم كبير جداً مِن بيانات الطَلَبَة حتى تتمكن الالتزام بالتوجيه الجديد لكن تب proved data was too “unwieldy and disparate to be actionable.” This meant leaders at FIU couldn’t predict which students were at risk of failing or dropping out.”
قررت الإدارة العمل بطريقة “استشراف المستقبل بدلاً مِنهَا رد فعل”، وقامت باستثمار الأموال فِي برنامج خاص بتحلل البَيَانات وإجراء تدريبات للعاملِين وقد أثمرت تلك الخطوة إذ أفادت المجلة بأن الجامعة شهدت ارتفاع بنسبة10%فِي نسب تخريجات السنوات الأربع الماضية”.
وقالت بيريز فيما يتعلق باستخدام البرنامج:” نستطيع تقسيم البيانا ت بطريقة تساعدُنَا تحديد أي تدخل مطلوب بناءً علّي عوامل المخاطر لكل مجموعة طلاب فرديّة”. وقد استفادت هي والإدارة الأخرى بـ FIUمن تلك المعالجة لاتخاذ خطوات عاجله ساعدتهم علی رفع نسبة احتفظ بالطُلَّاب وتمكينهِم للوصول إلّي هدف نجاح الدولة وحكومة المجلس الحكومي”.
خاتمة
بالنسسبة للموسسات التي تسعى لمواجهة تحدّي انخفاض نسب قبول طلبتها تعتبر التقنيات الحديثة الخاصة بالتحلیل النتبوي حلاً مبسطاً يعتمد علی المعطيَّات لدعم عمليات التجديد والاستمرار للطُلَّاب حيث تعتمد التقنيات الحديثة علی التاريخ السابق والمعايير الإحصائية وتقنيات تعلم الآله للتوقع بسلوك وطموحات الطالب المستقبليه
ويمكن لموسسات التعليم العليا استعمال المعلومات المقدمة لتنفيذ حملاتها الدعائية بصورة أفضل للوصول إلّي المرشحين الذين يحتاجُون فقط مكالمه شخصيه او دعم مالي بسيطه ليصبحُوا جزءً منها كما تُساهم التقنيات الحديثة أيضاً فی رفع نسب احتفظ بالطُلَّاب ومعالجة العقبات المرتبطَه بالتسجيل
وعلی الرغم ممّا تشمله بعض الفوائد الكبيرة إلا أنّ هناك بعض العقبات المتعلقة بفقدان المعرفة والانحياز والخاصة بالأمور الأمنية والتي تعيق التطبيق الناجع لهذه التقنية لكن بالإمكان التغلب عليها بواسطة التركيز علی التدريب والنزا ه والأمن الرقمي وبعدها سيكون بإمكان قيادات موسسات العلم الحديث اعتماد أساليب حديثه تدفع عجله العملية التعليمية للأمام ودعم نجاح طلبتها
