AI Case Studies
ระบบเตือนล่วงหน้านักศึกษาที่มีความเสี่ยงตกออก
มหาวิทยาลัยแห่งหนึ่งต้องการลดอัตราการตกออกของนักศึกษาที่มีความเสี่ยงด้านผลการเรียน ซึ่งเป็นปัญหาที่ส่งผลกระทบทั้งต่อนักศึกษาเองและต่อภาพรวมของมหาวิทยาลัย โดยในหลายกรณีสัญญาณความเสี่ยงถูกพบเมื่อสายเกินไปที่จะช่วยเหลือได้ทันภาคการศึกษานั้น
ทีมของเราวิเคราะห์ข้อมูลผลการเรียน การเข้าเรียน การส่งงาน และการมีส่วนร่วมในกิจกรรมของนักศึกษาย้อนหลังหลายรุ่น เพื่อทำความเข้าใจรูปแบบพฤติกรรมที่มักปรากฏก่อนที่นักศึกษาจะประสบปัญหาด้านผลการเรียนอย่างรุนแรง
จากข้อมูลดังกล่าว ทีมพัฒนาแบบจำลองที่ระบุนักศึกษากลุ่มเสี่ยงได้ตั้งแต่ระยะเริ่มต้นของภาคการศึกษา แทนที่จะรอจนถึงการประกาศผลกลางภาคหรือปลายภาคซึ่งอาจสายเกินไปที่จะปรับปรุงผลการเรียนได้ทัน
ระบบถูกออกแบบให้ส่งข้อมูลไปยังอาจารย์ที่ปรึกษาเพื่อให้เข้าไปดูแลนักศึกษาที่มีความเสี่ยงอย่างเหมาะสมและเป็นความลับ ไม่ใช่การตัดสินหรือจัดประเภทนักศึกษาโดยอัตโนมัติหรือเปิดเผยข้อมูลนี้ในลักษณะที่กระทบต่อความรู้สึกของนักศึกษา เพื่อรักษาความเป็นธรรมและโอกาสของนักศึกษาทุกคนอย่างเท่าเทียม
ผลลัพธ์และบทเรียนที่ได้รับ
มหาวิทยาลัยสามารถเข้าถึงและให้ความช่วยเหลือนักศึกษากลุ่มเสี่ยงได้เร็วขึ้น ส่งผลให้อัตราการตกออกของนักศึกษาลดลงอย่างมีนัยสำคัญเมื่อเทียบกับภาคการศึกษาก่อนหน้าที่ยังไม่มีระบบนี้ อาจารย์ที่ปรึกษารายงานว่าสามารถวางแผนการให้ความช่วยเหลือได้ตรงจุดมากขึ้น
มหาวิทยาลัยยังพบว่านักศึกษาที่ได้รับความช่วยเหลือตั้งแต่ระยะเริ่มต้นมีแนวโน้มที่จะกลับมามีผลการเรียนที่ดีขึ้นในภาคการศึกษาต่อไป มากกว่ากลุ่มที่ได้รับความช่วยเหลือหลังจากผลการเรียนตกต่ำไปมากแล้ว
บทเรียนสำคัญคือการนำแบบจำลองไปใช้ต้องมาพร้อมกับกระบวนการดูแลนักศึกษาที่เป็นรูปธรรมจากอาจารย์ที่ปรึกษา หากขาดกระบวนการดูแลที่ต่อเนื่อง ข้อมูลจากแบบจำลองเพียงอย่างเดียวจะไม่สามารถเปลี่ยนผลลัพธ์ของนักศึกษาได้ เนื่องจากการเปลี่ยนแปลงพฤติกรรมของนักศึกษาต้องอาศัยการสนับสนุนจากมนุษย์
อีกบทเรียนหนึ่งคือความสำคัญของการรักษาความเป็นธรรมในการใช้ข้อมูล มหาวิทยาลัยต้องมั่นใจว่าการระบุนักศึกษากลุ่มเสี่ยงไม่ได้สร้างผลกระทบเชิงลบ เช่น การตีตราหรือการลดโอกาสของนักศึกษากลุ่มนั้นในด้านอื่น ซึ่งเป็นประเด็นที่ต้องพิจารณาอย่างรอบคอบตลอดการใช้งานระบบ
