详细内容或原文请订阅后点击阅览
人工智能可以帮助提供者阅读他们通常无法获得的学生反馈并采取行动
每个周期都会有数千条开放文本调查评论未被阅读。 Daniel Robson 和 Helena Lim 认为，人工智能可以帮助大学了解学生的真实想法，并在下一次调查结束之前采取行动。
来源:Wonkhe | 高等教育政策、人物与政治无论我们喜欢与否，人工智能正在流入我们的大学。
然而，人工智能提供了一个大多数机构都缺少的直接且可操作的机会——利用人工智能更好地倾听学生的声音，并比传统的年度调查周期更快地根据他们的反馈采取行动。
大多数机构都拥有数千条尚未阅读或未得到充分利用的开放文本评论。虽然对定量分数进行了仔细审查，但这些数字背后的定性“原因”往往因手动分析的限制而丢失。
你所说的所有事情
当调查结束时，定量结果会转移到仪表板，但数千条学生评论通常会留在系统中，部分阅读或搁置，直到下一个周期开始。这很少是制度文化的失败；这是一个能力和优先顺序的问题。
大多数机构仍然手动处理开放评论，通常是通过不一致的 Excel 导出来处理，而 Excel 导出的方式因教师而异。这导致没有纵向视图，没有教师比较，也没有能力根据学生人口统计数据来削减数据或与该领域的其他人进行比较。反馈成为滞后指标，为回顾性报告提供信息，而不是推动实时的年内改进。
人工智能并不能解决围绕学生声音的文化，但它有助于解决限制其全部潜力的基于资源的挑战。
替代解决方案
在国王学院，我们力求超越对全国学生调查的表面解读，更深入地了解学生告诉我们的他们的教育经历，利用更深入的洞察力为决策提供信息，而不是将 NSS 结果本身视为目的。
该分析还支持和加强校园空间、数字教育和课外活动发展的证据基础，确保投资决策基于对学生优先事项和经验的深入了解。