Um sistema informatizado de alerta precoce para estudantes com problemas acadêmicos

Os alunos raramente solicitam conselhos aos consultores acadêmicos no momento certo.

Sean M. Ayres / UC Davis / Flickr

Um sistema informatizado de alerta precoce para estudantes com problemas acadêmicos

Por John BohannonFeb. 19, 2017, 23:45

Os consultores acadêmicos dos campi de universidades enfrentam um problema comum: os alunos raramente pedem conselhos no momento certo. "Eles são os grandes empreendedores que não precisam de muita ajuda ou os alunos que já estão reprovando suas aulas", diz Allison Calhoun-Brown, uma cientista política que supervisiona o aconselhamento na Georgia State University (GSU) em Atlanta. O que precisamos é de um sistema de aviso prévio ", acrescenta ela, um sistema que pode sinalizar um aluno que precisa de aconselhamento, talvez muito antes que o aluno esteja ciente.

Demorou 4 anos para construir e testar, mas esse sistema de alerta precoce agora existe. O vice-reitor da GSU, Timothy Renick, estreou seus resultados aqui neste sábado, em uma sessão da reunião anual da AAAS, que publica a Science. "Fizemos mais de 200.000 intervenções", diz ele, referindo-se às reuniões entre os orientadores da GSU e os estudantes de graduação. Em cada caso, era um computador e não um humano que percebia que o aluno precisava de ajuda. E as previsões eram muitas vezes baseadas em sinais tão sutis - obter um B- em vez de um B + em um curso específico - que um humano nunca poderia ter notado.

Os dados que impulsionam essas previsões vieram dos 32.000 alunos de graduação da GSU. Ao rastrear o progresso dos alunos e comparar as pontuações e notas dos alunos que terminam no prazo com os que não o fazem, a GSU criou um modelo estatístico de sucesso acadêmico. Ficou claro desde o início que certas combinações de indicadores, como a dificuldade em determinados cursos que eram críticos para os cursos posteriores, estavam fortemente correlacionadas com o risco de se formar tarde ou até de abandonar a escola.

Os orientadores começaram a agir de acordo com esses padrões, convidando os alunos a conhecer e discutir sua vida acadêmica. "Às vezes, o aluno acaba de escolher os cursos errados ou fazer muitos de uma só vez", diz Calhoun-Brown. "Ou às vezes descobrimos que eles precisavam de ajuda extra com habilidades de escrita ou matemática. Alguns precisavam de ajuda com o gerenciamento do tempo."

Mas essas intervenções iniciais funcionaram? Há quatro anos, a GSU apresentava lacunas de desempenho semelhantes a outras universidades urbanas com estudantes de baixa renda, com taxas de graduação 10% mais baixas para estudantes "em risco". "Hoje não temos lacunas na conquista", diz ele. E o número de estudantes com diplomas relacionados à ciência dobrou entre os negros. O impulso veio de uma melhor retenção desses alunos, em vez de mudanças no corpo discente, diz Renick. "Nos mesmos anos em que assistimos a esses enormes aumentos nos graduados em STEM [ciências, tecnologia, engenharia e matemática], apenas aumentamos o tamanho de nossos calouros admitidos e transferimos as aulas em cerca de 4%".

Outras universidades estão se inscrevendo. Com uma doação de US $ 9 milhões do Departamento de Educação dos EUA, 11 instituições estão agora lançando ensaios controlados aleatoriamente do sistema GSU em seus próprios campi. E os administradores das universidades sul-africanas agora estão explorando maneiras de coletar dados semelhantes para ajudar seus alunos, que enfrentam algumas das maiores lacunas nas realizações raciais do mundo.

Durante uma conferência de imprensa no início do dia, Renick enfrentou algumas questões pontuais sobre a proteção da privacidade dos estudantes e até sobre o seu "caráter". Um questionador sem nome perguntou se o sistema de intervenção da GSU poderia estar roubando os estudantes do benefício de cometer erros por conta própria. Mas Renick era otimista. "É como pedir às pessoas que não obtenham ajuda dos contadores de impostos, porque deveriam aprender com seus erros".

Calhoun-Brown diz que os alunos da GSU estão adotando a idéia de que um computador está observando seu progresso e alertando seus orientadores. "Eles estão acostumados a obter recomendações baseadas nos dados do Amazon e Netflix. Eles esperam. E agora temos os dados para compartilhar com eles".

Confira nossa cobertura completa do AAAS 2017.