The Open University (UK) shared data on 32,593 enrolments of adult distance learners in 7 courses in 2013–2014: who they were, every assignment they handed in, and 10.6 million records of clicks in the online learning platform.A Open University (Reino Unido) partilhou dados de 32 593 inscrições de adultos em ensino à distância, em 7 cursos, em 2013–2014: quem eram, todos os trabalhos que entregaram e 10,6 milhões de registos de cliques na plataforma de ensino online.
students withdraw (31%) or fail (22%).alunos desistem (31%) ou reprovam (22%).
of withdrawals have happened by day 27 of the course.das desistências já aconteceram ao dia 27 do curso.
more inactive students end up failing than formally withdrawing.mais alunos inativos acabam por reprovar do que por anular a inscrição.
students flagged as most at risk really don't complete.alunos sinalizados como de maior risco não concluem mesmo.
The 7 courses differ a lot: in one, almost half of students withdraw; in another, about 1 in 9. The Open University does not publish course names; three are social sciences and four are science and technology.Os 7 cursos são muito diferentes: num, quase metade dos alunos desiste; noutro, cerca de 1 em 9. A Open University não publica os nomes dos cursos; três são de ciências sociais e quatro de ciências e tecnologia.
Share of students who don't complete. Living in a deprived area, having no previous qualifications, repeating the course or taking on too much work at once all make completion less likely. But background only shifts the odds: on its own it predicts poorly.Percentagem de alunos que não concluem. Viver numa zona desfavorecida, não ter qualificações, repetir o curso ou acumular demasiado trabalho tornam a conclusão menos provável. Mas o perfil só muda as probabilidades: sozinho, prevê mal.
The first assignment is due around day 22. Of students who skip it, fewer than 1 in 20 go on to pass.O primeiro trabalho tem prazo por volta do dia 22. Dos alunos que não o entregam, menos de 1 em cada 20 acaba por passar.
Share of all withdrawals that have already happened. Almost a third leave before the course even starts.Percentagem de todas as desistências que já aconteceram. Quase um terço sai antes de o curso começar.
Students still enrolled in week 8, by whether they logged in that week. Inactive students much more often fail than withdraw, so a warning system must look for both.Alunos ainda inscritos na semana 8, conforme entraram ou não na plataforma nessa semana. Os inativos reprovam muito mais vezes do que desistem, por isso um sistema de alerta tem de procurar as duas coisas.
Times in 100 that the model ranks a student who won't complete above one who will (50 is a coin toss), by week of the course. Background alone scores 63 all the way through. What students do online and in their assignments makes the difference.Vezes em 100 que o modelo põe um aluno que não vai concluir acima de um que vai (50 é atirar uma moeda ao ar), por semana do curso. Só com o perfil, a pontuação fica nos 63 do princípio ao fim. O que faz a diferença é o que os alunos fazem online e nos trabalhos.
If tutors call the 1 in 5 students the model rates as most at risk, this is the share of those students who really don't complete, compared with the average student. Earlier calls catch students sooner but include more false alarms.Se os tutores contactarem o quinto de alunos que o modelo considera de maior risco, esta é a percentagem desses alunos que realmente não conclui, comparada com a média dos alunos. Contactar mais cedo apanha os alunos a tempo, mas com mais falsos alarmes.
With one ranking for the whole university, flags looked much less accurate for women. The cause was the course mix, not gender. Women are 80–88% of two social-science courses where a single ranking over-flagged students in one course and never flagged anyone in the other. Ranking students within each course, as a tutor would, closed most of the gap and made the model better for everyone.Com uma única ordenação para toda a universidade, os alertas pareciam muito menos certeiros para as mulheres. A causa era a mistura de cursos, não o género. As mulheres são 80–88% dos alunos de dois cursos de ciências sociais onde uma ordenação única sinalizava demais num curso e nunca sinalizava ninguém no outro. Ordenar os alunos dentro de cada curso, como faria um tutor, fechou a maior parte da diferença e melhorou o modelo para todos.