[[221446]]

從學費個性化到成績管理，高校運營日益受到數據的驅動。

“你可以說它大膽、瘋狂，甚至傲慢自大。但我覺得：如果喬治亞州立大學要做一件大事，就應當以此為目標——一旦實現，就將改變世界。”

喬治亞州立大學校長馬克·貝克(Mark Becker)回想起2009年剛上任時做出的決定：在有關該校宗旨的表述中，修改有關學生留存率和畢業率的措辭，并將其放在更優先的位置上。

這個目標是：“證明各種背景的學生都能以很高的比例，實現學業與職業上的成功，使喬治亞州立大學成為本科教育在全美的典范。”至于如何實現該目標，當時的他毫無頭緒。然而，不到三年，該校的黑人、西班牙裔、低收入以及家中第一代上大學的學生畢業率就與全體學生持平了，這在美國高等教育領域尚屬首次。

貝克實現這一重大里程碑，全仗數據分析，即人們常說的大數據。這需要收集大型數據集并加以分析，揭示模式與趨勢。各大學越來越多地利用這種方法對學生和教職員工進行高效的支持和管理，并制定戰略管理決策。

美國的高等教育領域一直面臨學生留存率的問題，關鍵原因是課程收費高，以及學生準備度低。根據美國國家教育數據中心的數字，就四年制學位教育而言，三分之一的學生未能在六年內畢業。

但一些群體的這一比例更慘，比如非白人學生、家中第一代大學生，以及來自低收入家庭的學生。舉個例子，每十名黑人學生中，只有約四人可以在六年內畢業。因此，美國院校的畢業率在很大程度上與招收的學生有關，表現最好的院校，其招收的富家子弟的比例通常較高。

喬治亞州立大學是一所大型研究型大學，但學生構成卻不同于相似院校——它有半數以上的學生來自低收入家庭。“在美國，這些學生的畢業率數據令人愕然，于是，我們就開始行動，想證明這是可以改變的，”貝克說。

在副教務長蒂莫西·雷尼克(Timothy Renick)的帶領下，貝克的團隊展開了一番調查，他們發現，在喬治亞州立大學，很多學生都在努力攢學分，卻始終夠不上畢業線。之前沒有人注意到的是，學生們經常錯選跟專業不符的課程，或是早選了高階課程，于是不得不補課以追趕進度，或是掛科重修，浪費時間與精力。

該團隊總結認為，其原因在于沒有提供合適的指導機制——而對貝克而言，在提升畢業率的征程中，這個問題算是比較好解決的。“當時我們就決定，要投身大數據，要設立全校園范圍的學生顧問組織，”他說。

在他意識到這一點的同時，教育領域數據分析的新技術也開始涌現。2011年，喬治亞州立大學率先引入軟件供應商Education Advisory Board。該公司在校園里用幾周時間構建出一個系統，專門追蹤學生們每天做出的成千上萬個決定，并以此為據，預測他們的學業成績。

該公司使用每個學生前十年的數據，加上他們在喬治亞理工大學的分數與課程，開發出一個模型，并加以校準。該模型于2012啟動運行。每天晚上，系統都會檢查該校3萬名本科生的800多個相關變量，標記出模型認為會遇到困難的學生。

這些數據包括所選課程、出勤記錄和成績。但每個變量與不同學生的相關度各有不同：很大程度上要看選課情況與行為表現。舉個例子，對英語專業的學生來說，數學課得B-也許問題不大，但對化學專業學生來說，這可能就是麻煩的征兆。在這種情況下，系統會給學生及其指導教師(advisor)發出電子郵件或短信，請他們碰頭討論這一問題。啟動后的頭一年里，該系統發出了5萬條這樣的消息。

效果立竿見影。“第一年，輟學率就下來了，畢業率就上去了，”貝克說。喬治亞州立大學的平均畢業時間縮短了半個學期。相對于2012年畢業的學生，2016年畢業的學生少花了1500萬美元的學費。而學生留存率每上升1個百分點，校方的投資回報就增加300萬美元。

貝克說，沒有數據分析，這一切都不會實現。對他而言，數據分析妙就妙在：有了它，大學能以一種可負擔的方式，針對數萬名學生實現教育體驗的個性化。“我們的系統現在所做的，就是小型院校的教授所做的，也就是看好學生們。看到什么就設法干預。”

除了喬治亞州立大學，大學創新聯盟(University Innovation Alliance)另外10家院校也使用大數據提振學生成功率。該聯盟成立于2014年，由美國公立研究型院校組成，專門解決接受過大學教育的美國勞動人群的需求。在2014年的一場白宮活動上，該聯盟的成員宣稱，未來十年，他們的畢業生人數將額外增加6.8萬人，該計劃的核心就是預測型分析。按照現在的進度，他們將超越上述目標，實現9.4萬人的增長。

在聯盟成立時，包括喬治亞州立大學在內的三個成員院校就已經在使用數據分析。這些“導師”院校計劃通過實踐，檢驗不同的大數據戰略，并將成功的戰略加以推廣，輔助聯盟內各院校的管理決策與學業規劃。在喬治亞州立大學，另一個正在使用大數據的方面就是招生。接受了入學邀請但尚未注冊的學生可以通過短信提出疑問，而聊天機器人會搜索常見問題數據庫，給出相應的答案。這些學生“跟非人類展開短信對話，他們自己可能都不知道，”貝克說。

亞利桑那州立大學是聯盟內另一家導師院校。負責學生學業的副教務長阿爾特·布萊克莫爾(Art Blakemore)表示，大數據滲透到了該校的方方面面。比如最近，該校將大數據引入課堂，將目標對準了學生學習道路上最大的攔路虎之一：數學。“很多學生進入亞利桑那州立大學時，對大學數學都沒有做好充分的準備，” 布萊克莫爾說。他表示，這個問題在美國各地的高校都存在。

為克服這一難題，該校廢除了一視同仁的數學課程，取而代之以“數學商場”，學生們自行安排時間，在輔導員的幫助下，坐在電腦前學習課程內容。

“這與課堂學習剛好相反，”亞利桑那州立大學負責本科教育的副教務長弗雷德·科瑞(Fred Corey)說。在開始學習前，軟件依照課程學習目標，對他們的能力作出評估，將他們置于合適的起步點，避免重復學習。在學習過程中，軟件將持續對學生進行評估。“課程軟件一旦檢測到學生的不足之處，就會立刻提供針對性的補習……它是完全個性化、靈活調整的，”布拉克莫爾說。結果，該課程的通過率從65%提升到了85%。

采用此種做法的還有其他一些面向大一新生的大課，比如代數、生物、化學、歷史和心理學，經濟學也將納入其中。“我們將焦點放在低年級課程上，以便給學生一個合適的起始點，”布拉克莫爾說。

下一階段是讓不同課程的軟件互動起來，打個比方，若一名工程學學生沒弄懂微積分的一個知識點，導致物理學習步履維艱，系統就可以在微積分課程中，找到學生需復習的那部分。

“教授可能要跟學生談上半個小時才能弄清楚，學生的問題不在物理，而是微積分。系統卻瞬間就能搞定，”布拉克莫爾說。

亞利桑那州立大學還計劃在更多方面使用大數據，包括將學生與大學期間經歷過類似困境的學生輔導員配對，并通過系統，將學生的經濟條件數據與預測型分析工具相結合。自2006年至今，該校的四年畢業率已經上升了19個百分點。

使用大數據的并非只有公立研究型院校。塔夫茨大學是波士頓地區的一家私立高校，校長安東尼·摩納哥(Antony Monaco)表示，數據分析使一家院校更能實現其使命。

塔夫茨大學經常通過其“院校研究與評估辦公室”協調的調查，收集有關學生與教職員工的大量數據。它用這些數據衡量績效，并與全美及全球其他院校相比較。“要做一件事，你得知道成效如何，”摩納哥說。“有了數據，你才能衡量你的成績。”

但包括美國的私立和公立高校在內，使用大數據主要還是為了提升學生留存率和通過率，尤其是針對大一新生。戴爾EMC的大數據實踐首席技術官比爾·施馬佐(Bill Schmarzo)說，歸根結底，這都是考慮到財務問題。他也是舊金山大學管理學院研究員，在該校教授大數據方向的MBA課程。

“大學花很多錢把學生招進來，但要到學生升入更高年級，才能實現財務回報，”他說。

不同于大學創新聯盟，跟施馬佐打交道的很多院校都對這方面的做法守口如瓶，說是要保護“商業機密”。不過，他和這些院校一起做過的項目包括：用大數據找出畢業可能性較高的學生，更好地理解校友捐贈情況，以提振捐款額。

他說，一些高校的終極絕招就是針對畢業后很有可能慷慨回饋母校的人，度身定制錄取通知乃至科目和課程。“要是這樣做，學生留存率問題就更不可小覷了，因為一旦學生輟學，潛在捐款額也就保不住了。”

當然，這樣使用大數據也不無爭議。學生的背景數據影響到其是否被錄取，這種做法會讓很多人難以接受。

到目前為止，最具爭議性的是用大數據管理學業成績。舉個例子，引用量、期刊影響因子，這些數字日益成為衡量研究成果的指標，用來反映研究人員在院校排名和全國性研究評估中，對本校作出的貢獻。然而，這些手段仍然極具爭議，對于引用量能在多大程度上反映研究的質量與重要性，很多學者都提出了質疑，并敦促管理人員謹慎對待這些指標。對此，拉夫堡大學和巴斯大學等多家院校都作出過回應，聲明會負責任地雇傭、提拔與評估員工。

更令批評人士質疑的，是正在崛起的“另類指標”。比如一篇論文在Twitter上的轉推數，或在Facebook上的贊數。有人倡議，另類指標或可以作為學術影響力的早期指標，并反映出研究人員在更大范圍內的互動度或沖擊力。然而，此類說法依然具有高度的爭議性。

爭議較小的是英國高等教育技術機構Jisc正在開發的一個系統。參與開發的還有另外17所高校。該系統可以自動追蹤一篇研究發表時，研究人員所出的版面費。Jisc高等教育與學生體驗負責人莎拉·戴維斯(Sarah Davies)說，這種全國性的大數據協作在英國頗為典型，在各個領域內都很常見。

與此同時，Jisc也在致力于一個全英國范圍的學習分析系統，各院校可以將自己的系統接入其中。戴維斯說，除了提振畢業率，各院校收集的數以十億計的數據點有望成為難能可貴的資源，為未來的教育研究作貢獻。

“這可能會革新教育領域，就像大數據革新其他各個學科一樣。”她說。

你如何看待用大數據管理高校的利弊?