La educación superior se encuentra en montes de datos sobre las finanzas de los estudiantes, los costes del programa, la inscripción y la contratación, el comportamiento de los estudiantes, la retención, las tasas de graduación y mucho más. Pero las instituciones no saben qué hacer con ellas. Los huecos de habilidades, los silos de datos y los presupuestos limitados para invertir en sistemas modernos son barreras de larga duración para que las universidades utilicen sus datos de forma eficaz. La explosión de la inteligencia artificial en las plataformas de todo el campus y las nuevas demandas de datos de la plantilla de las agencias federales y estatales hacen que sea necesaria una solución urgente.
En ASU+GSV, una gran reunión de educadores, inversores y empresarios de ed-tech este mes, todas las conversaciones que tuve estuvieron dominadas por la IA. Tiene enormes posibilidades para mejorar el progreso de la institución, la experiencia de los estudiantes y el apoyo de los estudiantes. Y la mayoría de los sistemas de información de los estudiantes, las plataformas de gestión de relaciones con los clientes y los flujos de trabajo de los sistemas de gestión del aprendizaje están impregnados ya de agentes y sistemas basados en inteligencia artificial.
Sin embargo, la promesa de estas herramientas sólo es tan buena como la limpieza y la precisión de los datos que fluyen, y las habilidades de los humanos para analizar los resultados. Datos incorrectos entradas + datos malos fuera = malas decisiones en todas partes. Hay demasiadas instituciones en esta situación. Sólo el 1 por ciento de los miembros de la comunidad Educause encuestados dijo que los sistemas de datos de su institución están totalmente modernizados, y aproximadamente dos tercios (68%) dijeron que algunos sistemas se habían modernizado, mientras que otro tercio dijo estar en las primeras discusiones sobre la modernización de datos (24%) o que no lo abordaban en absoluto (7%). En resumen, la mayoría de las universidades están enterradas en datos que no pueden utilizarse completamente.
Es lo que Mark Milliron, presidente de la National University, llama “mala fontanería”. El equipo de National pasó un año estableciendo una gobernanza de datos inclusiva y construyendo un almacén de datos completo, incluido el mapeo de sus datos y la limpieza (por ejemplo, asegurándose de que las entradas sean coherentes y en el formato correcto) antes de integrarlos en sus sistemas de software. “No creo que podríamos haber escalado algunas de las estrategias que hemos hecho si no hemos hecho el trabajo de fontanería de antemano”, dijo en un panel a nuestro evento de éxito de los estudiantes hace unos meses.
El ejemplo de National podría dar lecciones para otras instituciones. Arreglar la fontanería de datos tendrá un aspecto diferente para cada universidad, pero obtener sus datos, en áreas como el rendimiento de los estudiantes, la matrícula y los costes del programa, es esencial para las instituciones antes de firmar acuerdos de software con etiquetas de precios alucinantes. Los administradores que conocen los datos sabrán lo eficaz que es una plataforma cuando no habla con otros sistemas tecnológicos y pueden transmitir buenas habilidades de datos a los nuevos empleados. Esta fundación podría incluso poner a las instituciones en el camino hacia una mayor autonomía tecnológica.
Ahora que National ha mejorado las habilidades de datos entre los equipos, Milliron dijo que se están pasando al pensamiento de diseño ya la “experiencia del dominio” -una comprensión profunda de los estudiantes militares, que trabajan y no tradicionales de National- para crear sistemas a medida para su campus. Cada universidad de todo el país tiene esa experiencia en el dominio cuando se trata de sus propios estudiantes. Con sistemas de datos limpios y una mayor alfabetización de datos, las universidades podrían crear sus propias plataformas basadas en IA con mayor facilidad que nunca.
Estos problemas de gestión de datos no sólo afectan a las instituciones. Se extienden hacia arriba, dejando a los gobiernos federal y estatal a oscuras. El sector no tiene los datos adecuados sobre los titulados y los puestos de trabajo del sector en los lugares adecuados para reaccionar a las demandas del mercado laboral o para realizar un seguimiento del retorno de la inversión de los programas individuales.
En una sesión en ASU+GSV, Chris Mullen, el director de estrategia de datos y medición de la Lumina Foundation, dio una visión previa de un nuevo proyecto para llevar los cubos básicos de datos federales, recogidas bajo la Ley de Innovación y Oportunidades de la Fuerza de Trabajo y la Ley de educación técnica y profesional de Perkins, así como la Registe datos de educación postsecundaria y el sistema integrado de datos estatales y de educación federal. información en tiempo real sobre las carteras de talento y la demanda del sector.
Las apuestas están a punto de aumentar. Vincular los datos de educación y trabajo será fundamental para la financiación del Título IV bajo las nuevas medidas de responsabilidad a nivel de programa que se implementarán el 1 de julio. Tal y como están, las regulaciones de “no dañar” requieren el intercambio de datos entre instituciones, estados y el gobierno federal para entender si los programas de grado producen graduados que ganan más que un adulto que trabaja localmente con sólo un título de secundaria. Los programas de posgrado se juzgarán en función de los ingresos de los titulados de grado. La elegibilidad de Workforce Pell requerirá un seguimiento similar de los proveedores y líderes estatales antes de que la financiación comience a fluir.
El esfuerzo por enlazar datos entre agencias puede parecer hercúleo, pero no es inaudito. En la sesión ASU+GSV, Kristin Hultquist, CEO y socio fundador de HCM Strategies, señaló que los datos del IRS que se alimentan en las solicitudes federales de ayuda para estudiantes hicieron que el proceso FAFSA fuera más accesible para más estudiantes. La propuesta de Lumina “reimaginaría la asociación de datos federal-estado”, dijo, y revelaría qué datos faltan y dónde deben limpiarse. Arkansas, añadió, es un ejemplo de un estado que ya está combinando bien sus datos. Su iniciativa LAUNCH enlaza los datos de las personas que buscan trabajo y de los empleadores en una plataforma gratuita basada en IA para atender a las necesidades de la fuerza de trabajo del estado.
Los datos de edificación superior existen. Las herramientas para utilizarlo para la toma de decisiones reales basadas en evidencias están aquí. Lo que falta es la fontanería para conectar los sistemas y la inversión en el trabajo poco glamuroso de limpiar los datos que circulan por ellos. Es difícil pero urgente: no puedes construir un futuro basado en IA con datos sucios y tuberías rotas.
