详细内容或原文请订阅后点击阅览
学习分析不会缩小奖励差距。更好的教学会。
作者：David Mather 大学在了解奖励差距方面投入了大量资金。我们比以往任何时候都更了解学生群体之间的差异结果。我们拥有先进的学习分析平台、越来越准确的预测模型，并且对我们识别能力的信心不断增强……继续阅读 →
来源:SRHE | 高等教育研究学会作者：大卫·马瑟
大学在了解奖励差距方面投入了大量资金。我们比以往任何时候都更了解学生群体之间的差异结果。我们拥有先进的学习分析平台、日益准确的预测模型，并且对我们识别可能脱离、退缩或表现不佳的学生的能力越来越有信心。这是一项重要的工作，因为它帮助机构从被动支持转向更早、更明智的干预。
尽管如此，奖励差距仍然顽固地持续存在。也许这是因为过去十年我们一直在使用数据来识别学生而不是改进教学。如果我们能够更好地识别可能会遇到困难的学生，为什么我们在改变我们试图改善的结果方面却进展缓慢？
也许答案就在于我们提供数据的目的。学习分析已成为高等教育最成功的案例之一。现在，大学对学生的了解比该行业历史上的任何时候都要多。出勤率、虚拟学习环境的参与度、评估模式和一系列人口统计指标提供了越来越复杂的学生行为图景（Romero & Ventura，2024）。现在大多数机构都使用这些信息来回答一个问题：谁最有可能陷入困境？
这是一个重要的问题，但我不再相信它是最具教育意义的问题。
早在我进入高等教育之前，我就已经清楚地意识到了我所提出的区别。我的职业生涯始于继续教育，我在六年级学院任教和领导。与该领域的许多同事一样，我开始习惯使用 ALPS，这是一种增值系统，可将学生的成绩与他们之前的预期成绩进行比较（ALPS Education，2025）。数字本身很少是对话中最有趣的部分——它们创造的教学对话才是。