Den nationella andelen studenter som fortsätter till andra terminen ligger på 69,5 %, vilket innebär att ungefär 3 av 10 studenter inte återvänder till sin ursprungliga utbildningsinstitution. På community colleges fortsätter nästan hälften av deltidsstudenterna inte till sitt andra år. System för tidiga varningar finns, men de flesta institutioner förlitar sig fortfarande på manuella hänvisningar och isolerade data.
En AI-agent inbyggd i en projektledningsplattform kan automatisera riskidentifiering, tilldelning av insatser, analys av kvarhållning och arbetsflöden för framgångscoaching.
Nedan finns en kopieringsklar AI-agentprompt som du kan klistra in i ClickUp för att skapa en komplett arbetsyta för övervakning av studenters framgång på några minuter. Men innan du använder den är det bra att titta på den operativa brist som denna typ av system är avsett att åtgärda. För de flesta team som arbetar med studenters framgång är problemet inte att risksignaler saknas. Problemet är att dessa signaler sällan leder till snabba, samordnade åtgärder bland de personer som ansvarar för att hjälpa studenterna att hålla sig på rätt spår.
Vem bör använda denna lösning för uppföljning av studenters framgångar
Denna konfiguration är utformad för team som arbetar med studenters framgång, avdelningar för kvarhållning, rådgivningsledare, framgångscoacher, handledningskoordinatorer och administratörer inom studentstöd som ansvarar för att identifiera risker, tilldela insatser och följa upp genomförandet över flera stödenheter. Den är särskilt användbar för institutioner som redan använder en varningsplattform eller ett analysverktyg men som fortfarande förlitar sig på manuell samordning för att flytta studenter från flaggade till stödda.
Problemet: Du försöker fånga upp 5 000 riskutsatta elever med ett kalkylblad och en bön
Om du arbetar med studenters framgångar vet du vad som står på spel. Varje student som hoppar av representerar ett mänskligt och ekonomiskt misslyckande. Läranstalten förlorar intäkter från studieavgifter, studenten förlorar tid och pengar, och de kvarhållningsmått som ackrediteringsorganen granskar drabbas ytterligare. Frågan har aldrig varit om tidiga insatser fungerar. Frågan är om ditt team kan identifiera och nå tillräckligt många studenter tillräckligt snabbt.
Siffrorna talar sitt tydliga språk: 39 % av de som påbörjar en heltidsutbildning på grundnivå fullföljer inte sin examen inom åtta år. Klyftorna i kvarhållning mellan olika etniska grupper är fortfarande stora, med en kvarhållningsgrad på 63,6 %, 56,6 % respektive 52,8 % för latinamerikanska, svarta och indianska studenter , jämfört med det nationella genomsnittet på 68,2 %. Det här är inte bara siffror. De representerar tusentals studenter som behövde hjälp, men som din institution antingen inte kunde identifiera eller inte nå i tid.
De flesta system för tidiga varningar genererar flaggor. Färre hanterar faktiskt vad som händer därefter. En lärare skickar in en varning, men vem tilldelar insatsen? Vem följer upp inom 48 timmar? Vem eskalerar ärendet när studenten inte svarar? Det är i gapet mellan ”flaggad” och ”hjälpt” som studenterna faller mellan stolarna.
Så här löste Miami University detta: Miami Universitys Center for Career Exploration and Success använde ClickUp för att följa upp och engagera 19 107 studenter med en framgångsgrad på 98 %, och ersatte fragmenterade verktyg med ett centraliserat system för att övervaka studenternas interaktioner och resultat.
Michael Turner, biträdande direktör
Tack vare ClickUp kunde jag hålla ordning på allt och ha några otroligt framgångsrika år trots en global pandemi.
Det är möjligheten här. Inte att ersätta dina varningsverktyg, utan att skapa ett synligt operativt lager kring det arbete som sker efter att en elev har flaggats. Det snabbaste sättet att testa den modellen är att skapa en fungerande lösning för övervakning av elevers framgångar inom din projektledningsplattform.
Vill du testa en liknande modell i din egen verksamhet för studenters framgång? Börja med uppmaningen nedan och anpassa den efter dina riskgrupper, bemanningsmodell och arbetsflöden för intervention.
Så här löste Miami University detta: Miami Universitys Center for Career Exploration and Success använde ClickUp för att följa upp och engagera 19 107 studenter med en framgångsgrad på 98 %, och ersatte fragmenterade verktyg med ett centraliserat system för att övervaka studenternas interaktioner och resultat.
Michael Turner, biträdande direktör
Tack vare ClickUp kunde jag hålla ordning på allt och ha några otroligt framgångsrika år trots en global pandemi.
Tack vare ClickUp kunde jag hålla ordning på allt och ha några otroligt framgångsrika år trots en global pandemi.
Det är möjligheten här. Inte att ersätta dina varningsverktyg, utan att skapa ett synligt operativt lager kring det arbete som sker efter att en elev har flaggats. Det snabbaste sättet att testa den modellen är att skapa en fungerande lösning för övervakning av elevers framgångar inom din projektledningsplattform.
Vill du testa en liknande modell i din egen verksamhet för studenters framgång? Börja med uppmaningen nedan och anpassa den efter dina riskgrupper, bemanningsmodell och arbetsflöden för intervention.
Det är möjligheten här. Inte att ersätta dina varningsverktyg, utan att skapa ett synligt operativt lager kring det arbete som sker efter att en elev har flaggats. Det snabbaste sättet att testa den modellen är att skapa en fungerande lösning för övervakning av elevers framgångar inom din projektledningsplattform.
Vill du testa en liknande modell i din egen verksamhet för studenters framgång? Börja med uppmaningen nedan och anpassa den efter dina riskgrupper, bemanningsmodell och arbetsflöden för intervention.
Vill du testa en liknande modell i din egen verksamhet för studenters framgång? Börja med uppmaningen nedan och anpassa den efter dina riskgrupper, bemanningsmodell och arbetsflöden för intervention.
Uppgiften: Skapa din arbetsyta för uppföljning av studenters framgångar med AI
Kopiera denna uppmaning, klistra in den i ClickUp Brain för att skapa din egen ClickUp Super Agent, fyll i din institutions uppgifter, så får du ett komplett arbetsutrymme för studenters framgång med tidiga varningar, spårning av insatser, analys av kvarhållning och arbetsflöden för framgångscoaching.
Resultatet bör ge dig ett bra första utkast till din verksamhetsstruktur, inklusive vidarebefordringsregler, tidsplaner för uppföljning, risköversikt och arbetsflöden för ärendehantering. Ditt team kan sedan anpassa det efter din elevgrupp, din interventionsmodell och dina prioriteringar för kvarhållande.
Resultatet bör ge dig ett bra första utkast till din verksamhetsstruktur, inklusive vidarebefordringsregler, tidsplaner för uppföljning, risköversikt och arbetsflöden för ärendehantering. Ditt team kan sedan anpassa det efter din elevgrupp, din interventionsmodell och dina prioriteringar för kvarhållande.
Uppmaning:
→ Är du redo att skapa din första Super Agent?
Öppna ClickUp Brain och klistra in texten ovan för att skapa en anpassad Super Agent för din arbetsyta.
När din agentplan har skapats är nästa steg att omvandla den till en praktisk arbetsyta som ditt team för studenters framgång kan använda varje dag.
Så här konfigurerar du det i ClickUp (4 steg)
Innan du konfigurerar ditt Space bör du samla in den information som ditt team redan använder för att identifiera och stödja utsatta studenter. Det omfattar vanligtvis varningskategorier, typer av insatser, gällande eskaleringsregler, riskindikatorer, strukturer för ärendebelastning och rapporteringsbehov för kohorter. Att utgå från rena indata gör dina automatiseringar, instrumentpaneler och arbetsflöden för insatser betydligt mer användbara.
- Skapa din arbetsplatsstruktur Skapa ett särskilt utrymme som heter Student Success. Lägg till fyra mappar för att organisera arbetet genom hela studentens framgångscykel: Tidiga varningar och ärenden för inkommande varningar, aktiva ärenden, lösta ärenden och krishänvisningar, Insatser och stöd för samordning av handledning, kompletterande undervisning, framgångscoaching och kamratmentorskap, Analys av kvarhållning för kohortspårning, övervakning av jämlikhetsklyftor, analys av prediktiva indikatorer och terminsjämförelser, samt Studieframsteg för övervakning av prövotid, uppföljning av examensgranskning, kontrollmöten i mitten av terminen och stöd för examensförberedelser.
- Konfigurera anpassade fält för varje elevuppgift Lägg till anpassade fält i dina mallar för elevuppgifter så att varje ärende innehåller den nyckelinformation som ditt team behöver för att identifiera risker, hänvisa till stöd och följa upp. Inkludera fält för riskpoäng, risknivå, varningskälla, tilldelad coach, typ av insats, antal dagar sedan senaste kontakten, status som första generationens student och berättigande till Pell-stipendium. Denna enhetliga struktur gör dashboards, automatiseringar och ärendehantering mycket mer tillförlitliga.
- Klistra in prompten i ClickUp Brain Öppna ClickUp Brain i ditt nya utrymme och klistra in prompten ovan. Fyll i dina variabler, inklusive institutionens namn, studentpopulation, kvarhållningsgrad, examensgrad, nuvarande verktyg, antal anställda och riskgrupper. Använd det genererade resultatet för att skapa ett första utkast till dina regler för vidarebefordran av varningar, arbetsflöden för interventioner, dashboards för kvarhållning och struktur för coachningsärenden, och finjustera det sedan för din modell för studenters framgång.
- Konfigurera automatiseringar för löpande hantering Skapa automatiseringar för att hålla arbetet med studenternas framgång igång utan ständig manuell uppföljning. Använd regler för att vidarebefordra varningar efter typ, eskalera risker när flera indikatorer sammanfaller, upprätthålla uppföljningsdeadlines, utlösa interventionskontroller och flagga växande jämlikhetsklyftor innan de blir överraskningar vid årets slut.
Skapa ett särskilt utrymme som heter Student Success. Lägg till fyra mappar för att organisera arbetet genom hela studentens framgångscykel: Tidiga varningar och ärenden för inkommande varningar, aktiva ärenden, lösta ärenden och krishänvisningar, Insatser och stöd för samordning av handledning, kompletterande undervisning, framgångscoaching och kamratmentorskap, Analys av kvarhållning för kohortspårning, övervakning av jämlikhetsklyftor, analys av prediktiva indikatorer och terminsjämförelser, samt Studieframsteg för övervakning av prövotid, uppföljning av examensgranskning, kontrollmöten i mitten av terminen och stöd för examensförberedelser.
Lägg till anpassade fält i dina mallar för studenters framgång så att varje ärende innehåller den nyckeldata som ditt team behöver för att identifiera risker, hänvisa till stöd och följa upp. Inkludera fält för riskpoäng, risknivå, varningskälla, tilldelad coach, typ av insats, dagar sedan senaste kontakten, status som första generationens student och berättigande till Pell-stipendium. Denna konsekventa struktur gör dashboards, automatiseringar och hantering av ärendebelastning mycket mer tillförlitliga.
Öppna ClickUp Brain i ditt nya utrymme och klistra in uppmaningen ovan. Fyll i dina variabler, inklusive institutionens namn, studentpopulation, kvarhållningsgrad, examensgrad, nuvarande verktyg, antal anställda och riskgrupper. Använd det genererade resultatet för att skapa ett första utkast till dina regler för vidarebefordran av varningar, arbetsflöden för intervention, kvarhållningsdashboards och struktur för coachningsärenden, och finjustera det sedan för din modell för studenters framgång.
Skapa automatiseringar för att hålla arbetet med studenternas framgång igång utan ständig manuell uppföljning. Använd regler för att vidarebefordra varningar efter typ, eskalera risker när flera indikatorer sammanfaller, upprätthålla uppföljningsfrister, utlösa interventionskontroller och flagga växande jämlikhetsklyftor innan de blir överraskningar vid årets slut.
💡 Proffstips: Börja med ett arbetsflöde, till exempel vidarebefordran av tidiga varningar eller uppföljning av coaching, innan du implementerar systemet i hela verksamheten för studenters framgång. Ett mindre pilotprojekt hjälper ditt team att finjustera tröskelvärden, ansvarsregler och tidpunkten för insatser innan du skalar upp.
Rekommenderade anpassade fält för uppgifter inom uppföljning av studenters framgång
Dessa fält skapar en enhetlig dokumentation över varningar, insatser, analys av kvarhållning, samordning av handledning och antal coachningsärenden.
| Fält | Typ | Syfte |
|---|---|---|
| Riskpoäng | Antal | Sammanfattande poäng baserad på akademiska indikatorer, engagemang och ekonomiska indikatorer |
| Risknivå | Rullgardinsmeny | På rätt spår, Övervaka, I riskzonen, Hög risk |
| Varningskälla | Rullgardinsmeny | Lärarrapport, LMS-aktivitet, delbetyg, närvaro, betalningsspärr, hänvisning till handledning, hänvisning till rådgivning, incidenter i studentbostäder |
| Tilldelad coach | Människor | Personalansvarig för uppföljning av insatser |
| Typ av insats | Rullgardinsmeny | Framgångscoaching, studievägledning, handledning, rådgivning om studiestöd, psykologiskt stöd, kamratstöd, workshop, stöd för mat eller boende |
| Antal dagar sedan senaste kontakten | Antal | Tid sedan senaste framgångsrika kontakten eller mötet |
| Status som första generationens student | Rullgardinsmeny | Första generationen, Inte första generationen, Okänt |
| Berättigad till Pell-stipendium | Rullgardinsmeny | Ja, Nej, Okänt |
| Engagemangsstatus | Rullgardinsmeny | Ej påbörjat, Utgång skickad, Kontakt etablerad, Åtgärd pågår, Uppföljning, Avslutat |
| Kohorttyp | Rullgardinsmeny | Första året, fortsättande studier, överflyttning, deltid, prövotid, övrigt |
| Equity Group Tag | Etiketter | Pell, första generationens studenter, studentidrottare, överflyttade studenter, boende på campus, pendlande studenter, övrigt |
| Nästa uppföljningsdatum | Datum | Nästa kontakt eller kontrollpunkt krävs |
📘 Läs även: Se alla typer av anpassade fält för att avgöra vilka fält som passar bäst för ditt arbetsflöde för bidrag.
Exempel på grundläggande automatisering för uppföljning av studenters framgång
När dina anpassade fält är konfigurerade kan du skapa automatiseringar som håller igång varningar, insatser, uppföljning och analyser utan upprepade manuella uppföljningar.
| När… | Sedan… |
|---|---|
| En anmälan om oro från lärare eller en varning om inaktivitet i LMS skickas in | Vidarebefordra det till rätt personal utifrån typ av varning och elevgrupp |
| En elev får flera varningar inom 7 dagar | Sammanför dem till ett enda ärende och höj prioriteringen för riskgranskningen |
| En riskpoäng flyttas till nivån Hög risk | Aktivera arbetsflödet för intensiv intervention och tilldela en uppgift för kontakt inom 24 timmar |
| En uppföljningsfrist löper ut utan att någon kontakt har registrerats | Skapa en eskaleringsuppgift och meddela handledaren |
| En elev uteblir från en handlednings- eller coachningssession | Skapa en uppgift för återkontakt och logga den missade kontakten |
| En jämlikhetsklyfta överskrider övervakningströskeln | Markera kohortvyn och meddela ansvarig för kvarhållning för granskning |
Vad agenten täcker under hela livscykeln för studenternas framgång
En AI-agent för studenters framgång är inte en prediktiv analysmodell. Det är ett system som körs i ditt projektledningsarbetsutrymme och hanterar det operativa arbetsflödet mellan att identifiera riskutsatta studenter och att faktiskt hjälpa dem. Analyserna visar vem som behöver hjälp. Agenten ser till att hjälpen faktiskt kommer fram.
| Livscykelstadie | Vad agenten gör | Vad det ersätter |
|---|---|---|
| Tidiga varningar | Vidarebefordrar varningar, sammanställer upprepade signaler och tilldelar rätt ansvarig för uppföljning | System som endast flaggar och manuell prioritering av varningar |
| Riskövervakning | Spårar indikatorer för akademiska resultat, engagemang och finansiella risker samt uppdaterar prioriteringen av insatser | Separata kalkylblad och inkonsekventa granskningsrutiner |
| Interventionsflöden | Tilldelar stödåtgärder, spårar tidpunkten för uppföljning och eskalerar utebliven respons | Varningssystem som stannar vid identifiering och aldrig hanterar uppföljningen |
| Analys av kvarhållning | Övervakar uthållighet, kohorttrender och skillnader mellan undergrupper över terminerna | Engångsrapporter om kvarhållning som skapas efter att skadan redan är skedd |
| Handledning och samordning av studievägledning | Spårar remisser, sessioner, bemanning och användning av stöd i relation till elevernas resultat | Separata loggar för handledning och fristående rapportering av akademiskt stöd |
| Framgångscoaching | Hantera ärendemängder, kontaktscheman, anteckningar, remisser och framsteg bland olika elevgrupper | Lokala anteckningsböcker, kalenderpåminnelser och manuella granskningar av ärendebelastningen |
Vill du se hur Super Agents fungerar i en riktig ClickUp-miljö? Titta på genomgången nedan för att se hur AI-genererade arbetsflöden, uppgifter och automatiseringar fungerar i praktiken.
Variationer för olika typer av institutioner
Ovanstående uppmaning fungerar på alla högskolor och universitet som använder ClickUp. Anpassa uppmaningen efter din institution:
| Typ av institution | Viktiga justeringar |
|---|---|
| R1-forskningsuniversitet | Använd hela uppmaningen som den är. Lägg till större studentgrupper, mer specialiserade interventionsteam och starkare segmentering mellan högskolor och studentgrupper. |
| R2-universitet | Behåll hela strukturen men förenkla teamfördelningen där bemanningen är mindre. Lägg tonvikten på kvarhållande, coaching och samordning mellan rådgivnings- och supportenheterna. |
| Liberal Arts College | Fokusera på personlig intervention, mindre ärendemängder och noggrann uppföljning för förstaårsstudenter och studenter som provar på olika studier. |
| Community college | Lägg tonvikten på att behålla deltidsstudenter, öka överflyttningsfrekvensen, hänvisa studenter med grundläggande behov och erbjuda flexibel uppsökande verksamhet för pendlande studenter. |
| Karriär- eller yrkesskola | Fokusera på närvaro, framsteg per årskull, akademiskt stöd relaterat till licensiering samt korta interventionscykler kopplade till slutförande. |
Hantera uppföljning av studenters framgång på ett och samma ställe
Övervakningen av studenternas framgångar bryter samman när varningar, interventioner, dashboards för kvarhållning, hänvisningar till handledning och coachningsanteckningar finns i separata system utan en gemensam operativ vy. Med ClickUp Brain, anpassade fält och automatiseringar kan din institution omvandla verksamheten kring studenternas framgångar till ett enda repeterbart system som stödjer snabbare intervention, tydligare ansvar, starkare uppföljning och bättre insyn i risken för bortfall.
Målet är inte att ersätta din varningsplattform eller dina analysverktyg. Det är att minska samordningsarbetet kring dem, förbättra insynen i vad som händer efter att en student har flaggats och hjälpa ditt team att gå från att identifiera risker till att faktiskt lösa dem. Börja med uppmaningen ovan, anpassa den till din studentpopulation och bemanningsmodell och skapa en lösning som ditt team faktiskt kan använda varje termin.
Vanliga frågor
Kan AI ersätta vårt system för tidiga varningar, såsom Starfish eller EAB Navigate?
AI-agenter ersätter inte din plattform för tidiga varningar. De kompletterar den genom att hantera vad som händer efter att varningen har utlösts. Starfish och Navigate genererar flaggor. AI-agenten ser till att dessa flaggor omvandlas till insatser med uppföljningsdeadlines, eskaleringsvägar och resultatuppföljning. De flesta fall av bortfall sker inte för att riskstudenter inte identifierades, utan för att arbetsflödet för insatser bröt samman.
Hur hanteras FERPA-kraven för studentdata i detta sammanhang?
ClickUp har certifieringar enligt SOC 2, ISO 27001, ISO 27017, ISO 27018 och ISO 42001 och stöder SSO, rollbaserade behörigheter samt kryptering både vid lagring och överföring. Behörigheter på studentnivå säkerställer att handledare endast ser de ärenden som de har tilldelats. Lärare ser endast formulär för inlämning av varningar, inte ärendets utfall. Inga data används för att träna AI-modeller. Fullständiga detaljer finns på säkerhetssidan.
Hur mäter man ojämlikheter utan att förstärka fördomar?
Riskbedömningssystemet använder observerbara akademiska och beteendemässiga indikatorer (GPA, närvaro, engagemang i LMS) som primära riskfaktorer, inte demografiska egenskaper. Demografiska data används för uppdelad rapportering i efterhand, inte för den initiala riskbedömningen. Denna metod identifierar ojämlikheter i resultat utan att använda skyddade egenskaper för att flagga enskilda studenter.
Vad händer om vi redan använder ett egenutvecklat system för tidiga varningar?
Många institutioner har byggt interna system som hanterar den initiala varningen. AI-agentens arbetsyta ligger ovanpå detta genom att hantera det operativa arbetsflödet: vem gör vad, när och vad händer om de inte gör det. Det är projektledningslagret för studenternas framgång, inte en ersättning för din varningskälla.
Hur många framgångscoacher behöver vi för att detta ska fungera?
Systemet fungerar oavsett personalstyrka. Med fler coacher får du färre ärenden och snabbare svarstider. Med färre coacher sköter automatiseringen en större del av prioriteringen och uppföljningen, så att coacherna kan fokusera enbart på de interaktioner som har högst prioritet. Ett typiskt mål är 150–300 studenter per coach för proaktiv framgångscoaching, även om automatiserade arbetsflöden kan utöka den effektiva räckvidden avsevärt.