1. Zbieranie i analiza danych

Pierwszym etapem działania systemu jest zbieranie danych o studentach. SAZ umożliwia zbieranie szerokiego zakresu informacji:

• Informacje demograficzne: Wiek, płeć, pochodzenie, miejsce zamieszkania oraz inne dane osobowe, które mogą mieć wpływ na zachowanie studenta w trakcie jego kariery akademickiej.
• Wyniki w nauce: Oceny, egzaminy, frekwencja na zajęciach oraz inne wskaźniki oceny postępów w nauce.
• Status materialny, zdrowotny i społeczny: Dane dotyczące sytuacji życiowej studenta, takie jak sytuacja finansowa, problemy zdrowotne czy sytuacja rodzinna, które mogą wpływać na jego zaangażowanie w naukę.

Dzięki tym informacjom system może tworzyć pełny obraz sytuacji studenta, który będzie podstawą dalszej analizy.

2. Śledzenie aktywności studenta

SAZ analizuje również aktywność studenta w różnych obszarach:

• Frekwencja na zajęciach: Integracja systemu z platformami do obsługi zajęć pozwala na bieżąco monitorować obecność studenta. Nagłe spadki frekwencji mogą być pierwszym sygnałem, że student ma trudności z zaangażowaniem.
• Aktywność w systemach e-learningowych: Analiza aktywności studenta w systemach pozwala na ocenę jego zaangażowania w naukę online.
• Wyniki testów i egzaminów: System gromadzi dane na temat wyników osiąganych przez studentów w różnych formach oceniania, takich jak testy, egzaminy i oceny cząstkowe.

Te dane są wykorzystywane przez algorytmy predykcyjne do identyfikacji studentów znajdujących się w grupie ryzyka.

3. Wskaźniki ryzyka

SAZ zawiera mechanizmy analityczne, które analizują zebrane dane w celu wykrycia zagrożeń związanych z drop-outem. Wskaźniki ryzyka obejmują:

• Niska frekwencja: System monitoruje obecność studenta na zajęciach i generuje alerty, gdy frekwencja spada poniżej określonego progu.
• Spadek wyników: Nagły spadek wyników w nauce lub brak postępów w danym semestrze.
• Problemy finansowe: Zaległości w opłatach mogą być sygnałem, że student zmaga się z problemami finansowymi, które mogą wpłynąć na jego decyzję o porzuceniu studiów.

Dzięki tym wskaźnikom system może przewidzieć, którzy studenci mogą być zagrożeni drop-outem, a także wskazać konkretne obszary, w których interwencja jest konieczna.

SAZ nie tylko monitoruje dane, ale również umożliwia podejmowanie działań zapobiegawczych i interwencyjnych w celu zminimalizowania ryzyka drop-outu.

1. System alertów

Gdy system wykryje, że student zbliża się do progu ryzyka, generuje alerty. Powiadomienia są wysyłane do odpowiednich osób: opiekunów akademickich, dziekanatów lub specjalistów ds. wsparcia. Alerty mogą dotyczyć takich sytuacji, jak:

• Niska frekwencja na zajęciach.
• Niska aktywność w systemie e-learningowym.
• Spadek wyników ocen.

Alerty te pozwalają na szybsze reagowanie i podejmowanie działań, zanim sytuacja stanie się krytyczna.

2. Indywidualne plany wsparcia

System generuje także propozycje działań naprawczych, które mogą pomóc studentowi wrócić na właściwą ścieżkę. Przykłady działań to:

• Konsultacje z doradcą akademickim lub psychologiem.
• Udział w zajęciach wyrównawczych dla studentów, którzy mają trudności z przyswajaniem materiału.
• Wsparcie finansowe w przypadku problemów materialnych.

Te interwencje są dostosowane do indywidualnych potrzeb studenta i mają na celu poprawę jego sytuacji.

3. Mechanizm komunikacji

System umożliwia łatwą komunikację między studentami, kadrą dydaktyczną i doradcami. Moduł komunikacyjny może obejmować:

• Czat online.
• E-mail.
• Wideorozmowy.

Taki mechanizm komunikacji zapewnia szybki dostęp do wsparcia i umożliwia monitorowanie postępów studenta.

SAZ oferuje różne panele dla różnych grup użytkowników, co pozwala na łatwą i efektywną obsługę systemu.

1. Panel dla studentów

Dzięki temu panelowi studenci mogą:

• Śledzić swoje postępy w nauce.
• Zobaczyć informacje o dostępnych formach wsparcia.
• Monitorować swoją frekwencję i aktywność.

2. Panel dla kadry akademickiej

Kadra dydaktyczna może korzystać z panelu, który pozwala na:

• Przegląd wyników i frekwencji wszystkich studentów w danej grupie.
• Identyfikację studentów wymagających dodatkowej uwagi.
• Monitorowanie skuteczności interwencji.

3. Panel dla administracji uczelni

Administratorzy uczelni mogą uzyskać dostęp do raportów na poziomie całej 

uczelni, obejmujących:

• Liczbę studentów zagrożonych drop-outem.
• Porównania między wydziałami i kierunkami.
• Skuteczność wdrożonych działań naprawczych.

SAZ korzysta z algorytmów sztucznej inteligencji do analizowania danych historycznych i przewidywania ryzyka drop-outu.

Dzięki zastosowaniu AI system może:

• Dokonywać dokładnych prognoz na podstawie danych o studentach.
• Rekomendować odpowiednie działania na podstawie wyników analizy.
• Automatycznie generować raporty i alerty.

System SAZ został zaprojektowany z myślą o zgodności z przepisami o ochronie danych osobowych (RODO). Wszystkie dane studenta są odpowiednio zabezpieczone, a dostęp do wrażliwych informacji mają tylko osoby uprawnione.