Как наши алгоритмы выявляют учащихся из группы риска, обеспечивая автоматическое вмешательство и вмешательство человека

С начала 2016 года Coursera быстро расширяется в сфере онлайн-обучения, чтобы дать работающим профессионалам возможность получить дипломы ведущих университетов мира. Эти программы позволяют группе занятых и географически рассредоточенных студентов работать над получением ценных степеней с гораздо большей гибкостью и по более доступной цене.

Одна из задач выполнения этой амбициозной миссии - необходимость поддерживать высокий уровень поддержки для всех учащихся программы. Это включает в себя содействие администраторам университетов в поддержке гораздо большей когорты студентов, чем та, которая встречается в традиционных условиях на территории кампуса, без обычного преимущества возможности общаться с этими студентами лицом к лицу каждый день. Чтобы добиться успеха, администраторы должны знать, какие учащиеся больше всего нуждаются в их поддержке и как их наилучшим образом поддержать.

Чтобы решить эту проблему, Coursera использует одно из основных преимуществ онлайн-обучения по сравнению с традиционным классом - богатые поведенческие и учебные данные. Мы отслеживаем каждого активного студента по многим направлениям его деятельности во время и вне курса и используем методы машинного обучения, чтобы понять взаимосвязь между этими функциями и уровнем риска студента. Это позволяет администраторам университетов быстро и точно определять, какие студенты больше всего нуждаются в поддержке, обеспечивая уровень эффективности, недоступный в других контекстах.

Прогнозирование отсева не является чем-то новым в онлайн-обучении, но контекст степеней требует другого оттенка прогноза для успеха. Мы следуем этим шагам как для прогнозирования потребностей в предотвращении отсева, так и для того, чтобы помочь студентам получить ученую степень:

  1. Разработка функций. Мы отслеживаем соответствующие особенности при поступлении на каждую степень. Эти функции могут быть уровня регистрации (шаблоны действий, завершенные задания, оценки и т. Д.), уровня пользователя (время в программе, предыдущая успеваемость) или на уровне курса (историческая сложность).
  2. Модель обучения. Используя условия завершенных программ на получение степени, мы обучаем модель, которая прогнозирует вероятность своевременного завершения зачисления на каждый курс в зависимости от функций, которые мы рассчитать на предыдущем шаге. Мы используем модель с переменными коэффициентами для создания максимально точных прогнозов в любой момент срока. Например, средняя историческая сложность курса является важной характеристикой в ​​начале семестра, но становится менее важной по мере того, как студенты продвигаются по курсу, и их деятельность дает относительно более сильный сигнал об их вероятности завершения.
  3. Прогнозы результатов. Для каждого активного в данный момент зачисления мы используем модель, прошедшую обучение последним, чтобы спрогнозировать вероятность завершения курса. Каждый день функции и прогнозы обновляются в зависимости от действий, предпринятых учеником. Эти прогнозы затем могут быть использованы людьми и автоматизированными продуктами, чтобы понять, какие учащиеся получат наибольшую пользу от вмешательства и какой тип вмешательства им нужен.

Для эффективного использования этих прогнозов требуется не только идентификация учащихся из группы риска, но и вывод причин, стоящих за трудностями учащегося, чтобы наилучшим образом вмешаться направить их в нужное русло. То есть, знание того, что ученик подвергается риску само по себе, не сразу же информирует администратора о том, как именно они могут помочь этому ученику: проблема в том, что ученик отсутствовал в течение последней недели и может иметь жизненные обстоятельства, мешающие этому? их образование? Или это то, что студент испытывает трудности с заданиями по программированию и может нуждаться в большем внимании со стороны ТА? Эти две ситуации рассматриваются по-разному - в данном случае даже разными людьми в наших партнерских учреждениях - и важно, чтобы наши прогнозы о рисках учитывали этот нюанс.

Наше решение - использовать модели, легко интерпретируемые человеческим глазом. Помимо прогнозов вероятности завершения, мы также выводим относительную важность каждой функции (или набора функций) в управлении прогнозом. Это, в свою очередь, дает информацию о различных наборах вмешательств в зависимости от того, какие факторы наиболее важны для статуса учащегося в группе риска.

Для студентов, которые находятся в минимальной группе риска, мы запускаем автоматическое электронное письмо, в котором рекомендуются шаги, которые они могут предпринять, чтобы вернуться в нормальное русло в зависимости от прогресса их курса. Студентам, которым требуется немного больше помощи, результаты модели и характеристики, подверженные риску, передаются командам успешных студентов в наших университетах-партнерах, что дает им возможность предпринимать максимально информированные действия со студентами, за которых они несут ответственность, уделяя особое внимание тем, кто в них нуждается. большинство и адаптировать свое вмешательство к основанным на данных резюме того, почему именно этому учащемуся нужна помощь.

Наша модель студента из группы риска все еще находится на начальной стадии. По мере того, как мы масштабируем наши программы и продолжаем получать больше обучающих данных и опыта, наша модель будет продолжать улучшаться как с точки зрения точности, так и с точки зрения интерпретируемости. Кроме того, мы продолжаем учиться у экспертов по поддержке студентов в наших партнерских учреждениях и, в свою очередь, расширяем набор автоматических вмешательств - петлю обратной связи с участием экспертов!

Непрерывная автоматизация поддержки студентов будет иметь первостепенное значение, поскольку позволит нам выполнить наше обещание расширить доступ к трансформирующему обучению при низких затратах и ​​в больших масштабах. Мы рады, что у нас есть как обширные данные, так и одни из лучших экспертов в этой области, ускоряющие эти улучшения для учащихся Coursera.

Заинтересованы в применении науки о данных в образовании? Coursera нанимает!