在过去的几年里，普渡大学一直在试验一种数据算法，以帮助它弄清楚校园里哪些学生有辍学的风险，或者哪些课程需要更多教师。学校管理人员称该系统为“学生成功算法”，其正式名称为CourseSignals——如果它有效，它可能会改变现代大学的运作方式。通过数据挖掘和分析工具，CourseSignals不仅可以推断学生在课程中的表现，还可以提前发现哪些学生在学业上有困难，以便学校在危机爆发前提供帮助。到目前为止，CourseSignals运行良好。根据普渡大学上个月发布的一份报告，在两门或更多课程中使用Signals的学生的毕业率（六年制课程）比未使用该系统的学生高21.48%。目前，有近24,000名学生参与该项目，超过145名普渡大学教授或教师在他们的课程中使用该算法。本学期，Signals涵盖了100多门课程，并计划在明年春季推出更多课程。问题是：学生如何看待预测他们大学生涯的系统？如果未来学生导师变成一套计算机算法会怎样？数据驱动的霍桑效应与传统的学生评价方式不同，普渡大学的算法可以更全面地考虑学生的学习：从最基本的考试成绩、排名，到学业经历，甚至监控到学生与学校的互动电子学习系统BlackboardVista。从本质上讲，CourseSignals是一个基于社会科学而非计算机科学的系统。所谓“霍桑效应”，是指当人们知道自己正在被研究或监视时，行为的增强。扩展到学习领域，如果学生收到更多关于他们当前状态的反馈，他们的分数就会更高。当然，理论归理论。普渡大学学术技术部的研究科学家马修·皮斯蒂利(MatthewPistilli)表示，让学生接受该理论取决于两件事：它易于理解且易于访问。为了做到前者，Pistillit打算使用类似红绿灯的系统来帮助将学生的目标整合到他们的学习轨迹中。该算法根据学生的当前状态将学生分为红色、黄色和绿色组。绿色表示如果学生继续保持目前的学习状态，他们很可能实现他们的目标。黄色表示学生在课程中可能处于危险之中。红色表示学生即将死亡。一旦学生被分配到一个小组，系统会自动生成并通过电子邮件发送一条包含学生和讲师姓名的消息（带有一些特定的引号以使电子邮件不那么机械）。这些信息不仅包括系统对学生课程成绩的预测，还会给出一些建议，让学生继续保持现状或做出相应的改进。改变我们的教学方式CourseSignals的原型建立于2007年，基于JohnCampbell的研究理论（JohnCampbell现任西弗吉尼亚大学副教务长兼首席信息官）。Campbell论文中提出的加权算法为CourseSignals奠定了基础。最初，该算法的实现依赖于工作人员手动将数据输入到Excel中——现在是一个自动运行的复杂系统。“该算法往往具有包容性——有时，我宁愿让‘错误’信息对实际上表现不佳的学生说‘你需要注意’，”Pistilli说。我想鼓励我的学生。”Signals的好处不仅仅在于学生，数据反馈也将帮助教师调整教学实践。“我们希望教师更准确地了解他们的教学方式，”Pistilli说。“如果老师在CourseSignals里做一个调查，系统80%的反应是红灯——老师认为学生们的表现会更好——这个时候老师有机会回去看看问题出在哪里。他们不明白的地方会和学生仔细沟通。”这也意味着教授下次可以使用这节课。考虑这些想法并进行改进。这是用数据来改进教学。奇怪的是，学生们喜欢这个系统。“很多学生告诉我们，他们希望每节课都有课程信号，”Pistilli说。他们渴望得到反馈，喜欢别人评价他们的行为，并从更广阔的角度为他们提供指导。区别在于：如果你问一个不使用CourseSignals的学生他在课堂上的表现如何，他们通常会回答你上次考试的成绩是A还是B，而很少深入。CourseSignals是将学习过程量化，让学生更好地了解自己的现状。这可以帮助他们变得更好。》来源：fastcolabs.com,itap.purdue.edu翻译链接：http://www.36kr.com/p/206973.html
