Managing Thesis Projects in Higher Education – Through Learning Analytics

Abstrakt

För en student är examenprojektet vid de flesta universitet det sista steget inför examen som ger ökade möjligheter i karriären. Det är inte ovanligt att studenter kämpar med sin uppsats för att kunna slutföra examen, vilket resulterar i rubbade planer, förseningar i att avsluta utbildningen och i värsta fall, att utbildning inte fullföljs alls. Detta är ett oönskat resultat inte bara för den enskilda studenten eller universiteten utan också för samhället i stort. Effekterna av att misslyckas med uppsatsen är ett slöseri med resurser och leder till minskad tillgång till kvalificerad individer i samhället. För studenten blir effekten sämre karriärmöjligheter och lägre lön. Avhandlingen undersöker problemet att hantera resurser inom högre utbildning, särskilt när det gäller examensarbete. Det finns tre aspekter av det övergripande problemet som tas upp i avhandlingen. Ett praktiskt problem med för många ofullständiga uppsatser, eller uppsatserr som inte avslutas i tid. Ett annat praktiskt problem är ökande efterfrågan på högre utbildning, som inte möts av ökande tilldelning av resurser i motsvarande grad. Den tredje aspekten av problemet är bristen på kunskap för att förstå de faktorer som påverkar uppsatsprocessen vilket resulterar i bortfall eller oönskade förseningar. Bristen på denna kunskap kan leda till en blind ledningsprocess. Två forskningsfrågor formuleras för att undersöka problemet, vilka faktorer påverkar uppsatsen fullbordande eller ej. Faktorer som kan vara användbara för ledningen att känna till, och för det andra vilka ledningsprinciper kan vara till hjälp för att säkerställa hög kvalitet i högre utbildning. Frågorna besvaras genom flera studier som använder blandade metoder och learning analyticstekniker, inklusive data mining och tillämpning av statistika metoder och maskininlärningsalgoritmer. Totalt har över 3 000 uppsatsprojekt studerats. Avhandlingen bidrar till en bättre förståelse av de faktorer som påverkar avslutande eller icke avslutande av ett uppsatsprojekt, samt riktlinjer för uppsatsprocessen pekar dessutom på en ny metodik som använder learning analytics och maskininlärning för att stödja datadrivna beslut om uppsatsprocesser.