Архив Образование · Высшее образование и наука
Georgia State: предиктивная аналитика и консультанты подняли выпуск на 7%
По словам Тимоти Реника из Georgia State University, сочетание предиктивной аналитики, которая ежедневно отслеживает более 800 факторов риска по каждому студенту, с проактивной работой консультантов повысило долю выпускников на 7%. У студентов из недостаточно обеспеченных групп прирост выше.
/01 · ключевые результаты
-
результат
7%
совокупный эффект: рост доли выпускников
EdTech Magazine, статья, 09.03.2026
по данным на март 2026 года · все студенты Georgia State University
слова сотрудника: Тимоти Реник, Georgia State University
-
масштаб
более 800 факторов риска
показатели, которые система ежедневно отслеживает по каждому студенту
EdTech Magazine, статья, 09.03.2026
по данным на март 2026 года · все студенты Georgia State University
данные СМИ
оценка strategai
Оценку не приводим: результат выражен в доле выпускников, денежный эффект и базовый уровень не раскрыты
По словам Тимоти Реника из Georgia State University, сочетание предиктивной аналитики, которая ежедневно отслеживает более 800 факторов риска по каждому студенту, с проактивной работой консультантов повысило долю выпускников на 7%. У студентов из недостаточно обеспеченных групп прирост выше.
/02 · паспорт кейса
Бизнес
- Компания
- Georgia State University
- Отрасль
- Образование · Высшее образование и наука
- Функция
- Клиентский сервис
- Задача
- Прогноз оттока и удержание
Технология
- Класс AI
- Предиктивная аналитика (классический ML)
- Тип решения
- Не раскрыт
Внедрение
- Стадия
- Промышленная эксплуатация, на 09.03.2026
- География
- Соединенные Штаты
/03 · описание кейса
Зачем
Бизнес-задача
По данным Education Data Initiative, примерно три из десяти студентов колледжей бросают учёбу без диплома. Тимоти Реник, исполнительный директор National Institute for Student Success при Georgia State University, говорит, что вузы давно знают о необходимости своевременной персональной помощи отстающим студентам, но им не хватало ресурсов, чтобы давать такую помощь в масштабе. По его словам, академическое консультирование традиционно было пассивным: студент должен был сам распознать проблему и обратиться за помощью, а многие этого не делают, и помощь приходит слишком поздно. Технологии, по словам Реника, позволяют давать персональное внимание в масштабе дешевле, чем найм сотен новых сотрудников.
Что
Решение
Georgia State University использует инструменты предиктивной аналитики, которые ежедневно отслеживают более 800 факторов риска по каждому студенту. Система фиксирует рискованное поведение и уведомляет консультанта, чтобы тот связался со студентом. Пример такого сигнала — отказ студента от курса в середине семестра: большинство университетов, по словам Реника, систематически не связываются с такими студентами. Консультант выясняет причину — личные обстоятельства, финансовые трудности или перегрузку — и помогает решить исходную проблему сразу. По словам Реника, отслеживание данных — первый шаг; результат для студентов даёт сочетание выводов аналитики с работой людей.
Как
Внедрение
Система работает в регулярном режиме по всему контингенту студентов университета: данные по каждому из них обновляются ежедневно. Сигналы аналитики передаются академическим консультантам, которые сами выходят на связь со студентами, не дожидаясь их обращения. По словам Реника, сочетание предиктивной аналитики с проактивным вмешательством повысило долю выпускников среди всех студентов на 7%, у студентов из недостаточно обеспеченных групп прирост ещё выше. Отдельно университет использует чат-бот с базой ответов на 500 частых вопросов и алгоритмом, который находит ответ или передаёт вопрос сотруднику. Реник описал эту работу EdTech Magazine в марте 2026 года.
/04 · источники и проверка
Что подтверждено
- По словам Тимоти Реника, сочетание предиктивной аналитики с проактивной работой консультантов повысило долю выпускников среди всех студентов на 7%.
- Система ежедневно отслеживает более 800 факторов риска по каждому студенту и уведомляет консультанта о рискованном поведении, например об отказе от курса в середине семестра.
- У студентов из недостаточно обеспеченных групп, по словам Реника, прирост выпуска выше среднего.
Ограничения
- 7% — совокупный эффект аналитики и работы консультантов; вклад модели отдельно не выделен.
- Период измерения, базовая доля выпускников и способ расчёта прироста не раскрыты; неясно, идёт ли речь о процентах или процентных пунктах.
- Прирост для недостаточно обеспеченных групп приведён без числа.
-
[1] EdTech Magazine
AI Tools to Reduce College Dropout Rates
СМИ · 09.03.2026
Открыть источник
АрхИИВ /strategai · CB-002886 · Версия 1 · 26.10.2026 · /c/CB-002886/