Celostátní míra setrvání studentů ve druhém semestru činí 69,5 %, což znamená, že přibližně 3 z 10 studentů se nevrátí na svou původní školu. Na komunitních vysokých školách téměř polovina studentů studujících na částečný úvazek nepokračuje do druhého ročníku. Systémy včasného varování sice existují, ale většina škol se stále spoléhá na manuální doporučení a izolovaná data.
Agent umělé inteligence zabudovaný do platformy pro řízení projektů dokáže automatizovat identifikaci rizik, přidělování zásahů, analýzu retence a pracovní postupy koučování zaměřené na úspěch.
Níže najdete připravený příkaz pro agenta AI, který můžete vložit do ClickUp a během několika minut vytvořit kompletní pracovní prostor pro sledování úspěchů studentů. Než jej však použijete, je užitečné podívat se na provozní problémy, které má tento systém řešit. Pro většinu týmů zabývajících se úspěchy studentů není problémem to, že by signály rizika nebyly k dispozici. Problémem je, že se tyto signály málokdy promění v rychlou a koordinovanou akci všech osob odpovědných za to, aby studenti zůstali na správné cestě.
Pro koho je toto nastavení sledování úspěchu studentů určeno
Toto nastavení je určeno pro týmy zaměřené na úspěch studentů, úřady pro udržení studentů, vedoucí poradců, kouče pro úspěch, koordinátory doučování a administrátory podpory studentů, kteří jsou zodpovědní za identifikaci rizik, přiřazování intervencí a sledování následných kroků napříč několika podpůrnými jednotkami. Je obzvláště užitečné pro instituce, které již používají platformu pro výstrahy nebo analytický nástroj, ale stále se spoléhají na manuální koordinaci při přesunu studentů ze stavu „označených“ do stavu „podporovaných“.
Problém: Snažíte se zachytit 5 000 ohrožených studentů pomocí tabulky a modlitby
Pokud se zabýváte úspěchem studentů, víte, o co jde. Každý student, který studium předčasně ukončí, představuje lidský i finanční neúspěch. Školská instituce přichází o příjmy ze školného, student ztrácí čas a peníze a ukazatele retence, které akreditační orgány pečlivě sledují, utrpí další ránu. Otázkou nikdy nebylo, zda včasná intervence funguje. Jde o to, zda váš tým dokáže identifikovat a oslovit dostatečný počet studentů dostatečně rychle.
Data hovoří za vše: 39 % studentů, kteří poprvé nastoupili na prezenční studium bakalářského programu , nedokončí studium do osmi let. Rozdíly v retenci podle etnického původu zůstávají velké, přičemž retence hispánských, černošských a indiánských studentů činí 63,6 %, 56,6 % a 52,8 % v porovnání s celostátním průměrem 68,2 %. Nejedná se pouze o čísla. Představují tisíce studentů, kteří potřebovali pomoc, ale vaše instituce je buď nedokázala identifikovat, nebo se k nim nedostala včas.
Většina systémů včasného varování generuje upozornění. Jen málokterý však skutečně řídí, co se stane poté. Člen fakulty odešle upozornění, ale kdo přidělí zásah? Kdo provede následnou kontrolu za 48 hodin? Kdo eskaluje situaci, když student nereaguje? Právě v mezeře mezi „označením“ a „pomocí“ studenti propadají.
Jak to vyřešila Miami University: Centrum pro kariérní poradenství a úspěch na Miami University využilo ClickUp ke sledování a zapojení 19 107 studentů s 98% úspěšností, čímž nahradilo roztříštěné nástroje centralizovaným systémem pro sledování interakcí a výsledků studentů.
Michael Turner, zástupce ředitele
Díky ClickUp jsem si dokázal udržet pořádek a prožil několik neuvěřitelně úspěšných let i přes globální pandemii.
V tom spočívá příležitost. Nejde o nahrazení vašich nástrojů pro výstrahy, ale o vytvoření jedné přehledné provozní vrstvy kolem práce, která následuje poté, co je student označen. Nejrychlejším způsobem, jak tento model otestovat, je vytvořit funkční nastavení pro sledování úspěchu studentů přímo ve vaší platformě pro řízení projektů.
Chcete vyzkoušet podobný model ve vašem vlastním systému sledování úspěchu studentů? Začněte s níže uvedeným návodem a přizpůsobte jej rizikovým skupinám, modelu personálního obsazení a postupům při zásazích.
Jak to vyřešila Miami University: Centrum pro kariérní poradenství a úspěch na Miami University využilo ClickUp ke sledování a zapojení 19 107 studentů s 98% úspěšností, čímž nahradilo roztříštěné nástroje centralizovaným systémem pro sledování interakcí a výsledků studentů.
Michael Turner, zástupce ředitele
Díky ClickUp jsem si dokázal udržet pořádek a prožil několik neuvěřitelně úspěšných let i přes globální pandemii.
Díky ClickUp jsem si dokázal udržet pořádek a prožil několik neuvěřitelně úspěšných let i přes globální pandemii.
V tom spočívá příležitost. Nejde o nahrazení vašich nástrojů pro výstrahy, ale o vytvoření jedné přehledné provozní vrstvy kolem práce, která následuje poté, co je student označen. Nejrychlejším způsobem, jak tento model otestovat, je vytvořit funkční nastavení pro sledování úspěchu studentů přímo ve vaší platformě pro řízení projektů.
Chcete vyzkoušet podobný model ve vašem vlastním systému sledování úspěchu studentů? Začněte s níže uvedeným návodem a přizpůsobte jej rizikovým skupinám, modelu personálního obsazení a postupům při zásazích.
V tom spočívá příležitost. Nejde o nahrazení vašich nástrojů pro výstrahy, ale o vytvoření jedné přehledné provozní vrstvy kolem práce, která následuje poté, co je student označen. Nejrychlejším způsobem, jak tento model otestovat, je vytvořit funkční nastavení pro sledování úspěchu studentů přímo ve vaší platformě pro řízení projektů.
Chcete vyzkoušet podobný model ve vašem vlastním systému sledování úspěchu studentů? Začněte s níže uvedeným návodem a přizpůsobte jej rizikovým skupinám, modelu personálního obsazení a postupům při zásazích.
Chcete vyzkoušet podobný model ve vašem vlastním systému sledování úspěchu studentů? Začněte s níže uvedeným návodem a přizpůsobte jej rizikovým skupinám, modelu personálního obsazení a postupům při zásazích.
Úkol: Vytvořte si pracovní prostor pro sledování úspěchů studentů s využitím umělé inteligence
Zkopírujte tento pokyn, vložte jej do ClickUp Brain a vytvořte si vlastního ClickUp Super Agenta. Vyplňte údaje o vaší instituci a získáte kompletní pracovní prostor pro sledování úspěchů studentů s včasnými upozorněními, sledováním intervencí, analýzou retence a pracovními postupy pro koučování úspěchu.
Výsledkem by měl být solidní první návrh vaší provozní struktury, včetně pravidel směrování, časových harmonogramů následných kroků, přehledu o rizicích a pracovních postupů pro jednotlivé případy. Váš tým jej poté může přizpůsobit tak, aby odpovídal vaší studentské populaci, modelu intervence a prioritám v oblasti udržení studentů.
Výsledkem by měl být solidní první návrh vaší provozní struktury, včetně pravidel směrování, časových harmonogramů následných kroků, přehledu o rizicích a pracovních postupů pro jednotlivé případy. Váš tým jej poté může přizpůsobit tak, aby odpovídal vaší studentské populaci, modelu intervence a prioritám v oblasti udržení studentů.
Podnět:
→ Jste připraveni vytvořit svého prvního Super agenta?
Otevřete ClickUp Brain a vložte výše uvedený příkaz, abyste vytvořili vlastní Super Agent pro svůj pracovní prostor.
Jakmile je váš plán pro agenty vygenerován, dalším krokem je jeho přeměna na praktický pracovní prostor, který může váš tým pro úspěch studentů využívat každý den.
Jak to nastavit v ClickUp (4 kroky)
Než si nastavíte svůj prostor, shromážděte informace, které váš tým již používá k identifikaci a podpoře ohrožených studentů. Obvykle to zahrnuje kategorie upozornění, typy zásahů, aktuální pravidla eskalace, ukazatele rizika, struktury počtu případů a potřeby reportování kohort. Pokud začnete s čistými vstupy, budou vaše automatizace, dashboardy a pracovní postupy při zásazích mnohem užitečnější.
- Vytvořte strukturu svého pracovního prostoru Nastavte si vyhrazený prostor s názvem Úspěch studentů. Přidejte čtyři složky pro organizaci práce v rámci celého životního cyklu úspěchu studentů: „Včasná upozornění a případy“ pro příchozí upozornění, aktivní případy, vyřešené případy a krizová doporučení, „Intervence a podpora“ pro koordinaci doučování, doplňkovou výuku, koučování úspěchu a mentoring vrstevníků, „Analýza retence“ pro sledování kohort, monitorování rozdílů v rovnosti, analýzu prediktivních indikátorů a srovnání semestrů a „Pokrok ve studiu“ pro monitorování zkušební doby, sledování auditu studia, kontroly v polovině semestru a podporu připravenosti na absolvování.
- Nakonfigurujte vlastní pole pro každý úkol studenta Přidejte vlastní pole do šablon úkolů pro úspěch studentů, aby každý případ obsahoval klíčová data, která váš tým potřebuje k identifikaci rizik, nasměrování podpory a sledování následných kroků. Zahrňte pole pro skóre rizika, úroveň rizika, zdroj upozornění, přiděleného kouče, typ intervence, počet dní od posledního kontaktu, status první generace a nárok na stipendium Pell. Tato konzistentní struktura činí dashboardy, automatizace a správu případů mnohem spolehlivějšími.
- Vložte výzvu do ClickUp Brain Otevřete ClickUp Brain ve svém novém prostoru a vložte výzvu z výše uvedeného textu. Vyplňte proměnné, včetně názvu instituce, počtu studentů, míry retence, míry absolvování, aktuálních nástrojů, počtu zaměstnanců a rizikových skupin. Využijte vygenerovaný výstup k vytvoření prvního návrhu pravidel pro směrování upozornění, pracovních postupů pro intervenci, dashboardů pro retenci a struktury počtu případů koučování, a poté jej vylepšete pro svůj model úspěchu studentů.
- Nastavte automatizace pro průběžné řízení Vytvořte automatizace, které zajistí plynulý průběh práce na úspěchu studentů bez nutnosti neustálého ručního sledování. Pomocí pravidel směrujte upozornění podle typu, eskalujte riziko při nahromadění více indikátorů, vynuťte dodržování termínů pro následné kroky, spouštějte kontrolní intervence a označujte se rozšiřující se nerovnosti, než se stanou nepříjemným překvapením na konci roku.
Vytvořte speciální prostor s názvem Úspěch studentů. Přidejte čtyři složky pro organizaci práce v rámci celého cyklu úspěchu studentů: „Včasná upozornění a případy“ pro příchozí upozornění, aktivní případy, vyřešené případy a krizová doporučení, „Intervence a podpora“ pro koordinaci doučování, doplňkovou výuku, koučování úspěchu a vzájemné mentorování, „Analýza setrvání“ pro sledování kohort, monitorování rozdílů v rovnosti, analýzu prediktivních indikátorů a srovnání semestrů a „Průběh studia“ pro monitorování zkušební doby, sledování auditu studia, kontroly v polovině semestru a podporu připravenosti na absolvování.
Přidejte do šablon úkolů pro sledování úspěchu studentů vlastní pole, aby každý případ obsahoval klíčová data, která váš tým potřebuje k identifikaci rizik, nasměrování podpory a sledování následných kroků. Zahrňte pole pro skóre rizika, úroveň rizika, zdroj upozornění, přiděleného kouče, typ intervence, počet dní od posledního kontaktu, status první generace a nárok na stipendium Pell. Tato jednotná struktura výrazně zvyšuje spolehlivost dashboardů, automatizací a správy případů.
Otevřete ClickUp Brain ve svém novém prostoru a vložte výše uvedený příkaz. Vyplňte proměnné, včetně názvu instituce, počtu studentů, míry retence, míry absolvování, aktuálních nástrojů, počtu zaměstnanců a rizikových skupin. Využijte vygenerovaný výstup k vytvoření prvního návrhu pravidel pro směrování upozornění, pracovních postupů pro intervenci, dashboardů pro retenci a struktury počtu případů koučování, a poté jej vylepšete pro svůj model úspěchu studentů.
Vytvořte automatizace, které zajistí plynulý průběh práce na úspěchu studentů bez nutnosti neustálého manuálního sledování. Pomocí pravidel směrujte upozornění podle typu, eskalujte riziko v případě, že se nahromadí více indikátorů, vynuťte dodržování termínů pro následné kroky, spouštějte kontrolní intervence a označujte se rozšiřující se nerovnosti, než se stanou nepříjemným překvapením na konci roku.
💡 Tip pro profesionály: Začněte s jedním pracovním postupem, například směrováním včasných upozornění nebo následným koučováním, než systém nasadíte v rámci celého procesu sledování úspěchu studentů. Menší pilotní projekt pomůže vašemu týmu doladit prahové hodnoty, pravidla odpovědnosti a načasování zásahů před rozšířením.
Doporučená vlastní pole pro úkoly související se sledováním úspěchu studentů
Tyto oblasti vytvářejí jednotný provozní záznam zahrnující výstrahy, intervence, analýzy retence, koordinaci doučování a počet případů koučování.
| Obor | Typ | Účel |
|---|---|---|
| Skóre rizika | Číslo | Souhrnné skóre založené na akademických, angažovaných a finančních ukazatelích |
| Úroveň rizika | Rozbalovací nabídka | Na dobré cestě, Sledovat, Ohroženo, Vysoké riziko |
| Zdroj upozornění | Rozbalovací nabídka | Zpráva fakulty, aktivita v LMS, známka za pololetí, docházka, finanční blokace, doporučení k doučování, doporučení k poradenství, incident v ubytovacím zařízení |
| Přidělený kouč | Lidé | Zaměstnanec odpovědný za sledování intervencí |
| Typ intervence | Rozbalovací nabídka | Koučování zaměřené na úspěch, poradenství, doučování, poradenství v oblasti finanční pomoci, psychologické poradenství, mentoring vrstevníků, workshopy, podpora v oblasti stravování nebo bydlení |
| Počet dní od posledního kontaktu | Číslo | Doba od posledního úspěšného kontaktu nebo setkání |
| Status první generace | Rozbalovací nabídka | První generace, Neprvní generace, Neznámé |
| Způsobilost pro Pell | Rozbalovací nabídka | Ano, Ne, Nevím |
| Stav zapojení | Rozbalovací nabídka | Nezahájeno, Oslovení odesláno, Kontakt navázán, Intervence aktivní, Sledování, Uzavřeno |
| Typ kohorty | Rozbalovací nabídka | První ročník, pokračující studium, přestup, studium na částečný úvazek, zkušební doba, jiné |
| Štítek skupiny Equity | Štítky | Pell, první generace, student-sportovec, přestupující, ubytovaný, dojíždějící, jiné |
| Datum dalšího sledování | Datum | Požadovaný další kontakt nebo kontrolní bod |
📘 Přečtěte si také: Prohlédněte si všechny typy vlastních polí a rozhodněte se, která pole se nejlépe hodí pro váš pracovní postup v oblasti grantů.
Příklady základní automatizace pro sledování úspěchu studentů
Po nastavení vlastních polí vytvořte automatizace, které zajistí plynulý průběh upozornění, zásahů, následných kroků a analýz bez nutnosti opakovaného ručního sledování.
| Kdy… | Poté… |
|---|---|
| Bylo odesláno upozornění na problém ze strany vyučujícího nebo na neaktivitu v LMS | Přesměrujte je na příslušného zaměstnance na základě typu upozornění a skupiny studentů |
| Student obdrží během 7 dnů několik upozornění | Sloučte je do jednoho případu a zvyšte prioritu posouzení rizika |
| Skóre rizika se přesouvá do kategorie Vysoké riziko | Spusťte pracovní postup intenzivní intervence a přiřaďte úkol pro kontaktování studenta do 24 hodin |
| Uplynula lhůta pro následné kroky, aniž by byl zaznamenán jakýkoli kontakt | Vytvořte eskalační úkol a informujte nadřízeného |
| Student zmešká schůzku s doučujícím nebo koučem | Vytvořte úkol pro opětovné oslovení a zaznamenejte zmeškaný kontakt |
| Rozdíl v rovnosti překračuje prahovou hodnotu pro monitorování | Označte zobrazení kohorty a informujte vedoucího pro udržení studentů, aby provedl kontrolu |
📘 Přečtěte si také: Zjistěte, jak fungují vlastní pole v automatizacích
Co agent pokrývá v rámci celého životního cyklu úspěchu studentů
Agent umělé inteligence pro úspěch studentů není model prediktivní analýzy. Jedná se o systém, který běží ve vašem pracovním prostoru pro řízení projektů a řídí operační pracovní postupy od identifikace ohrožených studentů až po jejich skutečnou pomoc. Analýzy vám řeknou, kdo potřebuje pomoc. Agent zajistí, aby se pomoc skutečně dostala k adresátům.
| Fáze životního cyklu | Co agent dělá | Co nahrazuje |
|---|---|---|
| Včasná varování | Směřuje výstrahy, konsoliduje opakované signály a přiřazuje správného odpovědného pracovníka pro následné kroky | Systémy pouze s označením a ruční třídění výstrah |
| Sledování rizik | Sleduje ukazatele akademické úspěšnosti, zapojení a finančních rizik a aktualizuje priority intervencí | Samostatné tabulky a nekonzistentní postupy při kontrole |
| Intervenční postupy | Přiřazuje podpůrná opatření, sleduje načasování následných kroků a eskaluje případy bez odezvy | Výstražné systémy, které se omezují pouze na identifikaci a nikdy nezajišťují následné kroky |
| Analýza retence | Sleduje vytrvalost, trendy v kohortách a rozdíly v podskupinách v jednotlivých semestrech | Jednorázové zprávy o retenci vytvořené až poté, co škoda již vznikla |
| Koordinace doučování a podpory učení | Sleduje doporučení, sezení, personální obsazení a využití podpory ve vztahu k výsledkům studentů | Oddělte záznamy o doučování a nesouvisící zprávy o akademické podpoře |
| Koučování zaměřené na úspěch | Spravuje počet případů, plány kontaktů, poznámky, doporučení a pokrok napříč studentskou populací | Lokální poznámkové bloky, připomenutí v kalendáři a ruční kontroly počtu případů |
Chcete vidět, jak Super Agents fungují v reálném prostředí ClickUp? Podívejte se na níže uvedený návod a zjistěte, jak se v praxi propojují pracovní postupy, úkoly a automatizace generované umělou inteligencí.
Varianty pro různé typy institucí
Výše uvedený pokyn funguje ve všech vysokoškolských institucích, které používají ClickUp. Upravte pokyn pro vaši instituci:
| Typ instituce | Klíčové úpravy |
|---|---|
| Výzkumná univerzita R1 | Použijte celý zadávací text v nezměněné podobě. Přidejte větší studentské populace, specializovanější intervenční týmy a silnější segmentaci napříč vysokými školami a studentskými populacemi. |
| R2 university | Zachovejte celou strukturu, ale zjednodušte směrování týmů tam, kde je personální obsazení menší. Kladejte důraz na udržení studentů, koučování a koordinaci mezi poradenskými a podpůrnými jednotkami. |
| Vysoká škola se zaměřením na humanitní vědy | Zaměřte se na intenzivní intervenci, menší počet případů a důsledné sledování studentů prvního ročníku a studentů, kteří si teprve vybírají obor. |
| Komunitní vysoká škola | Zaměřte se na vytrvalost studentů studujících na částečný úvazek, dynamiku přestupů, doporučení týkající se základních potřeb a flexibilní oslovování studentů dojíždějících. |
| Kariérní nebo odborná škola | Zaměřte se na docházku, pokrok podle kohort, akademickou podporu související s licencemi a krátkodobé intervence u studentů zaměřené na dokončení studia. |
Sledujte úspěchy studentů na jednom místě
Sledování úspěchu studentů selhává, když jsou výstrahy, intervence, přehledy o retenci, doporučení na doučování a poznámky koučů uloženy v oddělených systémech bez sdíleného operačního přehledu. Díky ClickUp Brain, vlastním polím a automatizacím může vaše instituce proměnit operace související s úspěchem studentů v jeden opakovatelný systém, který podporuje rychlejší intervenci, jasnější odpovědnost, důslednější sledování a lepší přehled o riziku odchodu studentů.
Cílem není nahradit vaši platformu pro výstrahy nebo analytické nástroje. Cílem je snížit koordinační práci s nimi, zlepšit přehled o tom, co se děje poté, co je student označen, a pomoci vašemu týmu přejít od identifikace rizika k jeho skutečnému řešení. Začněte s výše uvedeným návodem, přizpůsobte jej vaší studentské populaci a modelu personálního obsazení a vytvořte nastavení, které váš tým může skutečně používat každý semestr.
Často kladené otázky
Může umělá inteligence nahradit náš systém včasného varování, jako je Starfish nebo EAB Navigate?
AI agenti nenahrazují vaši platformu pro včasné varování. Doplňují ji tím, že řídí, co se stane po spuštění varování. Starfish a Navigate generují upozornění. AI agent zajišťuje, že se tato upozornění promění v intervence s termíny pro následné kroky, postupy eskalace a sledováním výsledků. Většina neúspěchů v udržení studentů se nestane proto, že nebyli identifikováni ohrožení studenti, ale proto, že selhal pracovní postup intervence.
Jak je v tomto případě zajištěno dodržování požadavků FERPA týkajících se údajů o studentech?
ClickUp je držitelem certifikátů SOC 2, ISO 27001, ISO 27017, ISO 27018 a ISO 42001 a podporuje SSO, oprávnění založená na rolích a šifrování dat v klidu i při přenosu. Oprávnění na úrovni studentů zajišťují, že koučové vidí pouze své přidělené případy. Pedagogové vidí pouze formuláře pro odeslání upozornění, nikoli výsledky případů. K trénování modelů umělé inteligence nejsou použita žádná data. Podrobné informace najdete na stránce věnované bezpečnosti.
Jak sledujete rozdíly v rovnosti, aniž byste posilovali předsudky?
Systém hodnocení rizik používá jako primární rizikové faktory pozorovatelné akademické a behaviorální ukazatele (průměr známek, docházka, aktivita v LMS), nikoli demografické charakteristiky. Demografická data se používají pro rozčleněné reportování až po skutečnosti, nikoli pro počáteční přiřazení rizika. Tento přístup identifikuje nerovnosti ve výsledcích bez použití chráněných charakteristik k označení jednotlivých studentů.
Co když již používáme vlastní systém včasného varování?
Mnoho institucí vybudovalo interní systémy, které zpracovávají počáteční upozornění. Pracovní prostor agenta AI na tom staví tím, že řídí provozní pracovní postup: kdo co dělá, do kdy a co se stane, pokud to neudělá. Jedná se o vrstvu projektového řízení pro úspěch studentů, nikoli o náhradu vašeho zdroje upozornění.
Kolik koučů úspěchu potřebujeme, aby to fungovalo?
Systém funguje bez ohledu na počet zaměstnanců. S větším počtem koučů se sníží počet případů na jednoho a zkrátí se doba odezvy. S menším počtem se automatizace postará o větší část třídění a následných kroků, takže se kouči mohou soustředit pouze na interakce s nejvyšší prioritou. Typickým cílem je 150–300 studentů na jednoho kouče pro proaktivní koučování úspěchu, i když automatizované pracovní postupy mohou efektivní dosah výrazně rozšířit.