大学利用新的统计工具提高了毕业率（下）

大学利用新的统计工具提高了毕业率（上）

例如，该项目可以将该学生与之前参加过该课程、具有类似学术兴趣、课程历史和成绩的其他人进行比较。行为数据也被整合，比如学生使用校园资源的频率，比如辅导中心和图书馆。

这些信息从何而来?这取决于学校。对于UMUC来说，Civitas Learning利用的数据来自两个已建立的大学数据库:学生信息系统(student information system)，它可以获取每个学生的详细信息，比如课程历史或平均绩点;此外，学习管理系统还收集数据，如学生访问课堂材料的频率、与教授联系的频率或参与在线论坛的频率等。

教员和学生支持专家可以通过诸如Inspire这样的应用程序访问数据，从而实时查看是否出现了影响学生成功的警告信号，并进行相应的干预。

Civitas的联合创始人兼首席学习官马克·米利伦说，该项目在80%到90%的时间里准确地识别出挑战的“早期信号”。他说，一旦考虑到学生的某些行为，比如为了考试而死记硬背，他们就会变得更加准确。例如，这是通过学生开始使用在线资源的距离考试有多近来衡量的。

这些模型不仅能帮助教师识别出那些可能不及格的学生，还能识别出那些可能需要额外帮助的学生，比如从B跳到a。

同样，亚利桑那州立大学坦佩分校(Arizona State University-Tempe)也使用了一个名为eAdvisor的内部项目来追踪本科生的麻烦迹象。该校负责本科教育的副教务长弗雷德•科里(Fred Corey)表示，如果一个主修物理的学生在微积分课程上遇到困难，而下一学期的物理课又不及格，比如说，eAdvisor会安排他去见一个导师。

谈话很可能会让学生进入另一个专业，比如环境化学，这反映了他对科学的热爱，但更适合他或她的技能。如果数学仍然是一个问题，那么辅导是安排的。

这些危险信号并不总是与学术有关。在乔治亚州立大学(Georgia State)，没有按时支付学费的高年级学长会被该校的GPS系统标记出来。如果他们无法支付他们最后的一点学费，他们可以得到一笔高达1500美元的黑豹奖学金。