Název oblasti: Personalizované intervence na základě analýzy studijních dat jako nástroj ke snížení studijní neúspěšnosti
Rozpočet projektu Celkem/INV/NEI v Kč: 600 000 / 0 / 600 000
Doba řešení: 1.1.2021 – 31.12.2021
Gestor: prof. Ing. Jiří Remeš, Ph.D.
Plnění kontrolovatelných výstupů
Vstupní analýza studijní neúspěšnosti na univerzitě a identifikace jejich možných příčin u vybraných studijních programů.
Plnění: proběhlo několik setkání zúčastněných univerzit a samostatná schůzka s koordinátorem projektu (ČVUT). Pro řešení projektu byly nejprve vybrány vhodné studijní programy. Celkem se jedná o 6 studijních programů (4 x FAPPZ, 1 x FTZ, 1 x IVP). Dále byla provedena předběžná analýza studijní neúspěšnosti na ČZU v období Covidové pandemie. Výsledky neprokázaly výraznější změny ve studijní neúspěšnosti během pandemie. Nicméně studijní neúspěšnost je stále poměrně vysoká především v bakalářských studijních programech. Dále byla provedena analýza studijní neúspěšnosti ve vybraných studijních programech za poslední roky. Podle očekávání je nejvyšší neúspěšnost v prvním ročníku studia, která nejčastěji osciluje mezi 35-70 %. Výjimkou je studijní program Učitelství praktického vyučování, kde je neúspěšnost ve studiu velmi nízká (méně než 10 %).
Vývoj a rozvoj efektivního nástroje pro sběr a analýzu dat, které podmiňují a ovlivňují studijní úspěšnost/neúspěšnost studentů.
Plnění: V rámci realizace Business Intelligence a integrace datového skladu ČZU byla provedena úvodní analýza a příprava prostředí (analýza primárních systémů, zprovoznění serveru s Integration runtime, nasazení frameworku DolFIN, tvorba DEV prostředí, zprovoznění prostupů mezi on premise a Azure, nastavení prostředí Azure). Dále proběhla příprava tabulek pro tvorbu datových hvězd a vytvoření základních sad reportů v prostředí MS Power BI v oblasti studia a přijímacího řízení.
Aplikace prediktivního modelu získaného metodami strojového učení z dat popisující aktivity a výsledky studentů v minulých letech studijního programu.
Plnění: byla provedena příprava dat z UIS zmíněných 6 SP, data byla předána koordinátorovi projektu pro nasazení prediktivního modelu. Výsledky byly předány koordinátorem formou zpracovaných grafických a tabelárních výstupů. Výsledky byly také prezentovány na závěrečném společném jednání, ze kterého vyplynuly možnosti další spolupráce v této oblasti. Obě univerzity proto také podaly žádost o pokračující společný projekt v roce 2022.
Na základě identifikovaných příčin návrh dílčích opatření k snížení neúspěšnosti a sestavení strategie úspěšného studia na vysoké škole.
Plnění: Na základě dostupných dat a provedených analýz byly identifikovány hlavní příčiny studijní neúspěšnosti. Mezi ně patří především: - nespokojenost s podobou studia a formou výuky;
- nespokojenost s volbou oboru, resp. programu;
- nesoulad mezi přáním a realitou;
- nedostatek motivace ke studiu;
- nekompatibilita s vysokou školou, vysokoškolským prostředím;
- nedostatek schopností;
- vnější činitelé: zdravotní problémy, rodinné problémy, finanční problémy, skloubení zaměstnání a studia.
Pro modelový studijní program byla zpracována strategie úspěšného studia, ke které byly využity i výsledky aplikace prediktivního modelu získaného metodami strojového učení.
Metodika pro poskytování intervencí a podpora ohrožených studentů na základě identifikace příčin studijní neúspěšnosti na ČZU.
Plnění: Byla zpracována komplexní metodika, jak snižovat studijní neúspěšnost. Zahrnuje všechna relevantní opatření týkající se hlavních faktorů, které mají vliv na studijní nesúpěšnost. Metodika je rozdělena do těchto hlavních kapitol: - Pedagogické podmínky pro snižování studijní neúspěšnosti
- Zájemci a uchazeči o studium
- Presemestrální období
- Semestrální období
- Zkouškové období
- Autodidaktická doporučení pro studující
- Letní školy
- Institucionální studijní podpora
- Systematická evaluace studia a absolventská šetření.
Vyjádření komise: Aktivity CRP projektu byly realizovány v souladu s plánovanými cíli. Sledované ukazatele byly naplněny. Rozpočet byl čerpán v souladu s pravidly programu.