Hoe universiteiten hoge cijfers halen door het gebruik van big data

Op sommige vlakken is het academische lesgeven bijna niet verandert sinds het moment dat Plato en Aristoteles het hadden over filosofie en wiskunde in de academy in het oude Griekenland. Studenten luisteren nog steeds naar een leraar in kleine groepen en veel scholieren leren nog steeds uit boeken in bibliotheken. Echter in deze blog ontdekken we een grote recente verandering die scholing verandert: big data analyses.

AI technologisch onderzoek

Het toepassen van big data analyses heeft nieuwe en innovatieve samenwerkingen tussen scholen en bedrijven op het gebied van onderzoek mogelijk gemaakt. Bedrijven hebben toegang tot heel veel data over hun klanten, en scholen hebben data experts die de beschikbare data weer kunnen analyseren en interpreteren. Het resultaat is voor beiden een voordeel – bedrijven krijgen betere inzichten over hun klanten en producten, en scholen krijgen nieuwe input voor onderzoeken en de nodige financiering van partners. Een voorbeeld hiervan was eerder dit jaar, waarbij het farmaceutische bedrijf Novartis een samenwerking aankondigde met het Big Data Institute van de Universiteit van Oxford. De experts van Oxford maken gebruik van machine learning om data uit de clinical trials van Novartis te analyseren om daarin patronen te identificeren in hoe patiënten reageren op verschillende medicijnen.

Docenten in alle academische disciplines zijn aan het onderzoeken hoe AI en big data analyses hun manier van onderzoek doen kan veranderen. Een studie in de Journal Nature ontdekte dat ‘big data’ en AI de nummer drie en vier meest gezochte termen in academische databases was in 2018. LexisNexis bezocht eerder dit jaar het Dubai’s Global Education and Skills Forum en zag meerdere onderwijsinstellingen die AI gebruiken om onderzoeken te doen die voorheen onmogelijk waren. Milo Comerford, een senior analyst in het Tony Blair Institute for Global Change, zei dat AI en machine learning het spel van het academische onderzoek compleet heeft verandert. Hij gaf als voorbeeld zijn eigen onderzoek dat AI gebruikte om door duizenden extremistische propaganda documenten te gaan om tot nieuwe inzichten te komen. “Ik was niet in staat om dit handmatig en volledig zelf te doen” zei hij.

Gepersonaliseerd lesgeven

De kerndoelen van scholen, om te onderzoeken en les te geven, en big data analyses veranderen continu. Leraren op scholen maken gebruik van big data om data te genereren voor hun studenten en om vervolgens zelf gepersonaliseerde lessen op te stellen. Docenten hoeven zich niet meer af te vragen of studenten hun lessen wel helemaal goed mee krijgen, nu zij gebruik kunnen maken van e-learning software data, om erachter te komen met welke onderdelen van de lessen bepaalde studenten moeite hebben. Op deze manier kunnen zij hen specifiek daarbij extra ondersteuning te geven. In een artikel uit 2015, van Procedia Economics and Finance, zeiden Logica en Magdelena dat big data leraren “een kans om het educatieve proces te verfijnen” geeft . “Als leraren relevante inzichten willen in de efficiëntie en de progressie van hun studenten moeten zij gebruik maken van dit soort oplossingen,” schreven zij. In de vier jaar na publicatie van dit artikel hebben steeds meer leraren dit advies opgevolgd..

De volgende stap zou kunnen zijn om sommige lessen te vervangen door AI, in werkelijkheid zijn een aantal scholen al bezig met het implementeren van AI in hun manier van lesgeven. In 2016 stelden de studenten van de online master in computer science aan de Georgia Tech University hun vragen op het online forum van de opleiding. Vaak kregen zij antwoord van Jill Watson, een assistent leraar op de school. Pas na het einde van de master werd er bekend gemaakt dat Jill een AI robot was op het Watson platform van IBM. De meeste studenten hadden het niet eens door. AI en big data geven universiteiten de mogelijkheid om geld te besparen op leraren en de mogelijkheid om meer studenten te bereiken.

Automatische toelating

Ook gebruiken universiteiten big data om hen te helpen bij het wel of niet toelaten van studenten. Traditioneel hadden scholen een groot team in dienst van toelatings adviseurs die nagingen wie er toegelaten mochten worden, maar big data analyses maken het mogelijk automatisch kandidaten te sorteren op cijfers en andere toelatingscriteria. Universiteiten hebben baat bij het aantrekken van een groot aantal geschikte studenten om aan te nemen, en data analyse expert Eric Spear zegt dat big data analyses enorm belangrijk zijn bij het oplossen van het probleem van afnemende aantal inschrijvingen. Analyses maken het mogelijk voor een instituut om bij te houden welke studies populair zijn bij studenten uit bepaalde demografische gebieden, en welke studies veel tussentijdse afvallers hebben. Het weglaten van een menselijk oordeel in het toelatingsproces kan ook voordelen hebben voor de reputatie van een universiteit. Eerder dit jaar werden top scholen in de U.S. bekend gemaakt die donaties van welvarende Amerikanen hadden geaccepteerd in ruil voor plaatsen op school. Een AI proces had dit in alle waarschijnlijkheid kunnen voorkomen.

Wat zou jij kunnen doen?

Big data analyses kunnen het leven gemakkelijker maken, of je nou het hoofd van een universiteit bent of een corporatie die een onderzoeks samenwerking met een data wetenschapper overweegt. Echter zijn de inzichten die uit deze analyses komen alleen van goede kwaliteit als de originele data die erin gaat ook van hoge kwaliteit is. Nexis Data as a Service helpt scholen bij het doen van wetenschappelijk onderzoek door het integreren van data met flexibele API’s die big data leveren in een semi-gestructureerd XML format.