उच्च एड च्या डेटा समस्या

हायर एड विद्यार्थ्यांचे वित्त, कार्यक्रम खर्च, नावनोंदणी आणि भरती, विद्यार्थ्यांचे वर्तन, धारणा, पदवी दर आणि बरेच काही बद्दल डेटाच्या डोंगरावर बसलेले आहे. पण त्याचे काय करायचे हे संस्थांना कळत नाही. कौशल्य अंतर, डेटा सायलो आणि आधुनिक प्रणालींमध्ये गुंतवणूक करण्यासाठी मर्यादित बजेट हे महाविद्यालयांना त्यांचा डेटा प्रभावीपणे वापरण्यासाठी दीर्घकाळापासून अडथळे आहेत. कॅम्पसमधील प्लॅटफॉर्ममध्ये एआयचा स्फोट आणि फेडरल आणि राज्य एजन्सींकडून कर्मचाऱ्यांच्या डेटासाठी नवीन मागण्यांचा अर्थ तातडीचा ​​उपाय आवश्यक आहे.

ASU+GSV मध्ये, या महिन्यात शिक्षक, गुंतवणूकदार आणि एड-टेक उद्योजकांचे एक मोठे संमेलन, माझ्या प्रत्येक संभाषणावर AI चे वर्चस्व होते. यामध्ये संस्थेची प्रगती, विद्यार्थ्यांचा अनुभव आणि विद्यार्थ्याचे समर्थन सुधारण्याच्या प्रचंड शक्यता आहेत. आणि बहुतेक विद्यार्थी माहिती प्रणाली, ग्राहक संबंध व्यवस्थापन प्लॅटफॉर्म आणि लर्निंग मॅनेजमेंट सिस्टम वर्कफ्लो आधीच एजंट्स आणि एआय-समर्थित प्रणालींनी अंतर्भूत आहेत.

तरीही त्या साधनांचे वचन त्यांच्यामध्ये प्रवाहित होणाऱ्या डेटाची स्वच्छता आणि अचूकता आणि परिणामांचे विश्लेषण करण्यासाठी मानवांचे कौशल्य इतकेच चांगले आहे. खराब डेटा + खराब डेटा आउट = सर्वत्र वाईट निर्णय. बऱ्याच संस्थांची ही स्थिती आहे. एज्युकस समुदाय सदस्यांपैकी फक्त 1 टक्के सर्वेक्षण केले त्यांच्या संस्थेच्या डेटा सिस्टम पूर्णपणे आधुनिक झाल्या आहेत, आणि सुमारे दोन तृतीयांश (68 टक्के) म्हणाले की काही प्रणालींचे आधुनिकीकरण केले गेले आहे, तर दुसऱ्या तृतीयांश लोकांनी सांगितले की ते डेटा आधुनिकीकरण (24 टक्के) बद्दल सुरुवातीच्या चर्चेत होते किंवा ते अजिबात (7 टक्के) सोडत नाहीत. थोडक्यात, बहुतेक महाविद्यालये ते पूर्णपणे वापरू शकत नसलेल्या डेटामध्ये दफन करतात.

नॅशनल युनिव्हर्सिटीचे अध्यक्ष मार्क मिलिरॉन यालाच “खराब प्लंबिंग” म्हणतात. नॅशनल येथील टीमने त्यांच्या सॉफ्टवेअर सिस्टीममध्ये समाकलित करण्यापूर्वी सर्वसमावेशक डेटा गव्हर्नन्सची स्थापना आणि डेटा मॅपिंग आणि तो साफ करणे (उदाहरणार्थ, नोंदी सुसंगत आणि योग्य स्वरूपात असल्याची खात्री करणे) यासह सर्वसमावेशक डेटा वेअरहाऊस तयार करण्यात एक वर्ष घालवले. “मला वाटत नाही की आम्ही प्लंबिंगचे काम समोर केल्याशिवाय आम्ही केलेल्या काही रणनीती आम्ही वाढवू शकलो असतो,” तो म्हणाला. पटल काही महिन्यांपूर्वी आमच्या विद्यार्थी यश कार्यक्रमात.

नॅशनलचे उदाहरण इतर संस्थांना धडे देऊ शकते. डेटा प्लंबिंगचे निराकरण करणे प्रत्येक महाविद्यालयासाठी वेगळे दिसेल, परंतु त्यांचा डेटा मिळवणे—विद्यार्थ्यांची कामगिरी, नावनोंदणी आणि कार्यक्रम खर्च यासारख्या क्षेत्रांमध्ये—संस्थांनी डोळ्यात पाणी आणणाऱ्या किंमती टॅगसह सॉफ्टवेअर डीलवर स्वाक्षरी करण्यापूर्वी क्रमाने आवश्यक आहे. जे प्रशासक डेटा साक्षर आहेत त्यांना कळेल की प्लॅटफॉर्म किती प्रभावी आहे जेव्हा ते इतर तंत्रज्ञान प्रणालींशी बोलत नाही आणि ते नवीन कर्मचाऱ्यांना चांगले डेटा कौशल्य देऊ शकतात. ते फाउंडेशन संस्थांना अधिक तंत्रज्ञान स्वायत्ततेच्या मार्गावर आणू शकते.

आता नॅशनलने सर्व टीम्समध्ये डेटा कौशल्ये सुधारली आहेत, मिलिरॉन म्हणाले की ते डिझाइन विचार आणि “डोमेन कौशल्य” – त्यांच्या कॅम्पससाठी योग्य प्रणाली तयार करण्यासाठी – नॅशनलच्या गैर-पारंपारिक, कार्यरत आणि लष्करी विद्यार्थ्यांची सखोल समज – मध्ये जात आहेत. देशभरातील प्रत्येक महाविद्यालयात ते डोमेन कौशल्य असते जेव्हा ते स्वतःच्या विद्यार्थ्यांच्या बाबतीत येते. स्वच्छ डेटा प्रणाली आणि अधिक डेटा साक्षरतेसह, महाविद्यालये त्यांचे स्वतःचे AI-शक्तीवर चालणारे प्लॅटफॉर्म पूर्वीपेक्षा अधिक सहजपणे तयार करू शकतात.

या डेटा-व्यवस्थापन समस्या केवळ संस्थांनाच त्रास देत नाहीत. फेडरल आणि राज्य सरकारांना अंधारात ठेवून ते वाढतात. श्रमिक बाजाराच्या मागणीवर प्रतिक्रिया देण्यासाठी किंवा वैयक्तिक कार्यक्रमांसाठी गुंतवणुकीवर परतावा मिळवण्यासाठी योग्य ठिकाणी पदवीधारक आणि उद्योगातील नोकऱ्यांबद्दल या क्षेत्राकडे योग्य डेटा नाही.

ASU+GSV येथील एका सत्रात, लुमिना फाऊंडेशनमधील डेटा आणि मापनाचे धोरण संचालक ख्रिस मुलान यांनी, वर्कफोर्स इनोव्हेशन अँड अपॉर्च्युनिटी ॲक्ट आणि पर्किन्स करिअर अँड टेक्निकल एज्युकेशन ॲक्ट अंतर्गत गोळा केलेल्या फेडरल डेटाच्या मूळ बकेट्स आणण्यासाठी नवीन प्रकल्पाचे प्रारंभिक पूर्वावलोकन दिले, तसेच नोंदणीकृत पार्टनरशिप ॲप्रेंटिस पोस्ट कॉनटॅबमधील माहिती डेटा सिस्टीम—राज्यांना आणि फेडरल सरकारला टॅलेंट पाइपलाइन आणि उद्योगाच्या मागणीबद्दल रीअल-टाइम माहिती देण्यासाठी एकत्रितपणे.

दावे अधिक वाढणार आहेत. 1 जुलैपासून सुरू होणाऱ्या नवीन कार्यक्रम-स्तरीय उत्तरदायित्व उपायांतर्गत शीर्षक IV निधीसाठी शिक्षण आणि कामगार डेटा जोडणे महत्त्वपूर्ण होईल. जसे ते उभे आहेत“कोणतीही हानी करू नका” नियमांना हे समजून घेण्यासाठी संस्था, राज्ये आणि फेडरल सरकार यांच्यात डेटा सामायिक करणे आवश्यक आहे की अंडरग्रेजुएट प्रोग्राम केवळ हायस्कूल पदवी असलेल्या स्थानिक कार्यरत प्रौढांपेक्षा अधिक कमाई करणारे पदवीधर तयार करत आहेत. पदवीधर कार्यक्रमांना पदवी धारकांच्या कमाईच्या विरूद्ध न्याय दिला जाईल. वर्कफोर्स पेल पात्रतेसाठी निधीचा प्रवाह सुरू होण्यापूर्वी प्रदाते आणि राज्य नेत्यांकडून समान ट्रॅकिंग आवश्यक असेल.

एजन्सींमध्ये डेटा लिंक करण्याचा प्रयत्न कदाचित अत्यंत कठीण वाटू शकतो, परंतु तो ऐकला नाही. ASU+GSV सत्रात, HCM स्ट्रॅटेजीजचे CEO आणि संस्थापक भागीदार क्रिस्टिन हल्टक्विस्ट यांनी निदर्शनास आणून दिले की IRS डेटा फेडरल विद्यार्थी मदत अनुप्रयोगांमध्ये फीड केल्याने FAFSA प्रक्रिया अधिक विद्यार्थ्यांसाठी अधिक सुलभ झाली. लुमिनाचा प्रस्ताव “फेडरल-स्टेट डेटा भागीदारीची पुनर्कल्पना करेल,” ती म्हणाली, आणि कोणत्या डेटाची कमतरता आहे आणि ती कुठे साफ करावी हे उघड होईल. अर्कान्सास, तिने जोडले, अशा राज्याचे उदाहरण आहे जे आधीच डेटाचे चांगले मिश्रण करत आहे. त्याचा लॉन्च उपक्रम राज्याच्या कर्मचाऱ्यांच्या गरजा पूर्ण करण्यासाठी विनामूल्य, एआय-सक्षम प्लॅटफॉर्ममध्ये नोकरी शोधणारा आणि नियोक्ता डेटा जोडतो.

उच्च एड मध्ये डेटा अस्तित्वात आहे. वास्तविक, पुराव्यावर आधारित निर्णय घेण्यासाठी ते वापरण्याची साधने येथे आहेत. सिस्टीमला जोडण्यासाठी प्लंबिंग आणि त्यामधून वाहणारा डेटा साफ करण्याच्या अशोभनीय कामात केलेली गुंतवणूक यापैकी कोणतीच कमतरता आहे. हे अवघड आहे पण ते तातडीचे आहे: गलिच्छ डेटा आणि तुटलेल्या पाईप्सने तुम्ही AI-शक्तीवर चालणारे भविष्य तयार करू शकत नाही.