O ensino superior está repleto de montanhas de dados sobre finanças estudantis, custos de programas, matrículas e recrutamento, comportamento dos alunos, retenção, taxas de graduação e muito mais. Mas as instituições não sabem o que fazer com isso. As lacunas de competências, os silos de dados e os orçamentos limitados para investir em sistemas modernos são barreiras de longa data às faculdades que utilizam os seus dados de forma eficaz. A explosão da IA em plataformas em todo o campus e as novas demandas por dados de força de trabalho por parte de agências federais e estaduais significam que é necessária uma solução urgente.
Na ASU+GSV, um grande encontro de educadores, investidores e empreendedores de tecnologia educacional este mês, todas as conversas que tive foram dominadas pela IA. Possui enormes possibilidades para melhorar o avanço da instituição, a experiência do aluno e o apoio ao aluno. E a maioria dos sistemas de informação estudantil, plataformas de gestão de relacionamento com clientes e fluxos de trabalho de sistemas de gestão de aprendizagem já estão infundidos com agentes e sistemas alimentados por IA.
No entanto, a promessa dessas ferramentas é tão boa quanto a limpeza e a precisão dos dados que nelas fluem – e as competências dos seres humanos para analisar os resultados. Entrada de dados ruins + saída de dados ruins = decisões erradas por toda parte. Muitas instituições estão nesta situação. Apenas 1 por cento dos membros da comunidade Educause pesquisado disseram que os sistemas de dados das suas instituições estão totalmente modernizados, e cerca de dois terços (68 por cento) disseram que alguns sistemas foram modernizados, enquanto outro terço disse que estavam nas primeiras discussões sobre a modernização de dados (24 por cento) ou não abordaram o assunto (7 por cento). Em suma, a maioria das faculdades está soterrada por dados que não pode utilizar plenamente.
É o que Mark Milliron, presidente da Universidade Nacional, chama de “encanamento ruim”. A equipa da National passou um ano a estabelecer uma governação de dados inclusiva e a construir um armazém de dados abrangente, incluindo o mapeamento dos seus dados e a sua limpeza (por exemplo, certificando-se de que as entradas são consistentes e no formato correto) antes de os integrarem nos seus sistemas de software. “Não acho que poderíamos ter escalado algumas das estratégias que fizemos, a menos que fizéssemos o trabalho de encanamento antecipadamente”, disse ele em um comunicado. painel em nosso evento Student Success há alguns meses.
O exemplo da National poderia trazer lições para outras instituições. Consertar o encanamento de dados parecerá diferente para cada faculdade, mas colocar seus dados – em áreas como desempenho dos alunos, matrículas e custos do programa – em ordem é essencial para as instituições antes de assinarem acordos de software com preços exorbitantes. Os administradores com conhecimento de dados saberão quão eficaz é uma plataforma quando ela não está se comunicando com outros sistemas de tecnologia e poderão transmitir boas habilidades em dados para novos funcionários. Essa fundação poderia até colocar as instituições no caminho de uma maior autonomia tecnológica.
Agora que a National melhorou as habilidades de dados entre as equipes, Milliron disse que eles estão migrando para o design thinking e “expertise de domínio” – uma compreensão profunda dos estudantes não tradicionais, trabalhadores e militares da National – para criar sistemas personalizados para seu campus. Cada faculdade em todo o país tem esse conhecimento especializado quando se trata de seus próprios alunos. Com sistemas de dados limpos e maior alfabetização em dados, as faculdades poderiam criar suas próprias plataformas baseadas em IA com mais facilidade do que nunca.
Estes problemas de gestão de dados não afectam apenas as instituições. Eles se estendem, deixando os governos federal e estadual no escuro. O sector não dispõe de dados correctos sobre titulares de diplomas e empregos na indústria nos locais certos para reagir às exigências do mercado de trabalho ou para acompanhar o retorno do investimento em programas individuais.
Em uma sessão na ASU + GSV, Chris Mullen, diretor de estratégia de dados e medição da Fundação Lumina, deu uma prévia de um novo projeto para reunir os principais grupos de dados federais – coletados sob a Lei de Inovação e Oportunidades da Força de Trabalho e a Lei Perkins de Carreira e Educação Técnica, bem como o Sistema de Banco de Dados de Informações de Parceiros de Aprendizagem Registrados e o Sistema Integrado de Dados de Educação Pós-secundária – juntos para fornecer aos estados e ao governo federal informações em tempo real sobre canais de talentos e demanda da indústria.
As apostas estão prestes a aumentar. A ligação dos dados sobre educação e trabalho tornar-se-á fundamental para o financiamento do Título IV no âmbito das novas medidas de responsabilização a nível do programa que serão implementadas em 1 de julho. Como eles estãoas regulamentações “não causar danos” exigem o compartilhamento de dados entre instituições, estados e o governo federal para entender se os programas de graduação estão produzindo graduados que ganham mais do que um adulto trabalhador local com apenas o ensino médio. Os programas de pós-graduação serão julgados em relação aos rendimentos dos titulares do diploma de bacharelado. A elegibilidade da força de trabalho Pell exigirá um acompanhamento semelhante por parte dos fornecedores e líderes estaduais antes que o financiamento comece a fluir.
O esforço para vincular dados entre agências pode parecer hercúleo, mas não é inédito. Na sessão ASU + GSV, Kristin Hultquist, CEO e sócia fundadora da HCM Strategies, apontou que os dados do IRS que alimentam os pedidos federais de auxílio estudantil tornaram o processo FAFSA mais acessível a mais estudantes. A proposta de Lumina iria “reimaginar a parceria de dados federal-estadual”, disse ela, e revelar quais dados estão faltando e onde deveriam ser eliminados. Arkansas, acrescentou ela, é um exemplo de estado que já combina bem os dados. Sua iniciativa LAUNCH conecta dados de candidatos a emprego e empregadores em uma plataforma gratuita e alimentada por IA para atender às necessidades de força de trabalho do estado.
Os dados no ensino superior existem. As ferramentas para usá-lo na tomada de decisões reais e baseadas em evidências estão aqui. O que falta é o encanamento para conectar os sistemas e o investimento no trabalho pouco glamoroso de limpar os dados que fluem através deles. É difícil, mas é urgente: não é possível construir um futuro impulsionado pela IA com dados sujos e canos quebrados.
Source link
