هوش داده‌ها در آموزش: ایجاد بستر مناسب برای تصمیم‌گیری بهتر

در اینجا مهم است که بین آنها تمایز قائل شویم استراتژی داده و هوش داده.

الف استراتژی داده تعریف می کند که چه داده هایی مهم هستند، چگونه باید مدیریت شوند و از چه نتایج تجاری باید پشتیبانی کنند. داده کاوی چیزی است که این استراتژی را عملیاتی می کند. توانایی اتصال، اعتماد، تفسیر، نظارت و عمل بر روی داده ها در سراسر سازمان است.

طبق تجربه من، اکثر سازمان ها در وهله اول مشکلی با گزارش دهی ندارند. آنها یک مشکل اعتماد، قابلیت همکاری و گردش کار دارند که در نهایت به عنوان یک مشکل گزارش ظاهر می شود.

وقتی به سازمان‌ها کمک می‌کنم درباره استراتژی داده و اطلاعات فکر کنند، با ابزار شروع نمی‌کنم. من با یک هدف شروع می کنم. من معمولا با پنج سوال شروع می کنم:

1. چه راه حل هایی باید بهبود یابد؟
آیا اولویت موفقیت دانش آموز، همسویی استانداردها، عملکرد محصول، حفظ مشتری، برنامه ریزی عملیاتی یا آمادگی هوش مصنوعی است؟

2. حقیقت امروز کجا زندگی می کند؟
چند نسخه از این حقیقت در تیم ها و سیستم ها وجود دارد؟

3. آیا داده ها می توانند تمیز حرکت کنند؟
بدون یکپارچگی و قابلیت همکاری قوی، بینش پراکنده باقی می ماند.

4. آیا مردم می توانند به داده ها اعتماد کنند؟
تعاریف، منشأ، مالکیت، چرخه های تازه سازی و کیفیت اهمیت دارند.

5. این باید چه ارزشی ایجاد کند؟
مداخلات بهتر، برنامه ریزی قوی تر، اصطکاک کمتر گزارش دهی، تصمیم گیری سریع تر یا استفاده مطمئن تر از هوش مصنوعی؟

مگر اینکه این پاسخ ها روشن باشند، کار می تواند از نظر فنی فعال شود اما از نظر استراتژیک متمرکز نشود.

در عمل، مدیریت موثر داده ها در آموزش نیازمند یک مدل متصل است.

سازمان ها نیاز دارند:

• الف پایگاه داده واحد که داده های یادگیری، عملکرد، محتوا، ارزیابی، تجاری و پشتیبانی را به شیوه ای مدیریت شده گرد هم می آورد.
• ادغام قابل اعتماد از طریق API ها، خطوط لوله، کانال ها و اتوماسیون.
• فراداده و قابلیت کشف بنابراین تیم‌ها بدانند چه داده‌هایی وجود دارد، چه معنایی دارد، چه کسی مالک آن است و آیا می‌تواند از یک تصمیم پشتیبانی کند یا خیر.
• قابلیت همکاری بنابراین داده ها در سیستم های ایزوله به دام نمی افتند.
• مدیریت و کنترل دسترسی برای ایجاد اعتماد، مسئولیت پذیری و استفاده مسئولانه.
• نظارت بر کیفیت داده ها بنابراین مسائل منسوخ، رانش و ناسازگاری اعتماد را تضعیف نمی کند.
• ان تجزیه و تحلیل و لایه دسترسی هوش مصنوعی قابل استفاده کردن داده های قابل اعتماد از طریق داشبورد، جستجو، مدل ها و دستیاران مدیریت شده.

گردش کاری که من اغلب به آن بازمی گردم ساده است:

ضبط ← دریافت ← استانداردسازی ← مدیریت ← کاتالوگ ← نظارت ← تجزیه و تحلیل → عمل

این همان چیزی است که داده ها را از یک دارایی پشتیبان به یک قابلیت سازمانی تبدیل می کند.

من معتقد نیستم که ابزارها استراتژی هستند. اما من معتقدم که ابزارهای مناسب می توانند استراتژی را قابل اجرا کنند. من در عمل از موارد زیر بهره مند شدم:

• Power BI/Tableau برای تجسم اجرایی و عملیاتی
• Databricks/Snowflake/Aloud Databricks برای محیط های داده فدرال
• خدمات داده Azure/AWS برای ذخیره سازی مقیاس پذیر، خطوط لوله و تجزیه و تحلیل
• میرو / جیرا / فیوژن برای برنامه ریزی، طراحی گردش کار و همسویی ذینفعان
• ادغام ها/ابزارهای اتوماسیون مبتنی بر API برای ارکستراسیون گردش کار
• کمک خلبانان/دستیارهای مبتنی بر LLM برای کشف، نگهداری فراداده، سنتز و تسریع تجزیه و تحلیل
• EduDataHub توسط Magic برای تقویت گردش کار داده های یکپارچه، مدیریت و هوشمندی عملی

چیزی که بیشتر به من کمک کرده است، هیچ ابزار واحدی نیست. این توانایی اتصال این ابزارها به یک گردش کاری است که از ضبط، یکپارچه سازی، مدیریت، تجزیه و تحلیل و اقدام پشتیبانی می کند.

سازمان هایی که مرحله بعدی تحول آموزش را رهبری می کنند، صرفاً سازمان هایی نیستند که داده های بیشتری دارند. آنها کسانی هستند که داده ها را قابل استفاده تر، قابل اطمینان تر و قابل اجراتر در سراسر سازمان می کنند.

برای موسسات، این به معنای تصمیم گیری بهتر در مورد موفقیت و عملکرد دانش آموزان است. برای ناشران، این به معنای اکوسیستم محتوای هوشمندتر و قابل اندازه گیری است. برای شرکت‌های edtech، این به معنای محصولات و خدماتی است که قابلیت تعامل، بینش‌تر و توانایی ارائه ارزش را دارند.

نوسازی تنها زمانی اهمیت دارد که راه حل ها را بهبود بخشد.

آموزش و پرورش به داشبوردهای از هم گسیخته بیشتری نیاز ندارد. به سیستم هایی نیاز دارد که داده های قابل اعتماد را قابل استفاده کنند. اینجاست که تحول واقعی شروع می شود.