近日，南方醫科大學在官網公布了一份通告，通告顯示該校研究生院將對16名研究生作出退學處理，其中包括11名博士生和5名碩士生。此事一出，引起了熱議。但這在近幾年，卻已不是第一次了。相關報導顯示，今年初，國內有近30所高校公布了超過1300名碩博研究生的退學名單，其中包括清華大學、復旦大學、中國人民大學等知名高校。
近兩年，大學生被退學的新聞時有發生。2019年有高校發布的《關於對杜某等40名學生作退學處理的公告》顯示，因18名學生長時間未參加學校規定的教學活動，也未辦理相關手續，22名學生休學期滿未返校辦理復學或退學申請，學校決定對40名學生作出退學處理；2019年，河北某高校官網發布公告，稱決定一次性清退75名學生……
有人認為高校清退動作頻繁，是否太過嚴格。但近年來的一系列舉措，讓我們明白大學是嚴格的大學，「玩命的中學，快樂的大學」教育現象可能會被扭轉。
2018年6月中旬，教育部部長陳寶生在新時代全國高等學校本科教育工作會議上表示，中國教育「玩命的中學、快樂的大學」的現象應該扭轉。高校對大學生要合理「增負」，提升大學生的學業挑戰度，合理增加大學本科課程難度，拓展課程深度，擴大課程的可選擇性，激發學生的學習動力和專業志趣。
教育部發布的關於狠抓新時代全國高等學校本科教育工作會議精神落實的通知指出，從 2018 級學生開始實施，持續抓四年、全程管到位，努力使每一級在校生都受益。要切實加強學習過程考核，加大過程考核成績在課程總成績中的比重，嚴格考試紀律，嚴把畢業出口關，堅決取消「清考」制度。這讓原本畢業不是問題的中國高校學生也將面臨更多被迫退學和無法按時完成學業的問題。
而在學生成長過程中給予及時關注，對於提升教學質量、學生學習成效，並從根源上避免因為學習情況不佳導致的退學情況發生具有重要意義。對此，高校可從哪裡入手呢？
為了解決低學業完成率問題，國外很多大學，正轉向藉助數據工具和軟體留住學生，通過大數據技術跟蹤學生的學習軌跡，幫助學生完成學業，從而提升學生的畢業率。
比如，國外一大學就與教育顧問委員會展開合作。該機構開始整理該校10年的數據和14萬份學生記錄，在數據中找出與學生輟學和留級相關的學術行為。這些行為包括測驗不及格、註冊了錯誤的課程，或者在學生專業課程中沒有獲得足夠高的分數等。
此後，教育顧問委員會以學校十年來龐大的學生信息資料庫為基礎，開發了「Graduation and Progression Success」的數據分析系統，專門追蹤學生們每天作出的成千上萬個決定，並以此為據，預測他們的學業成績。
該系統每天都會檢查該校學生的 800 多個相關變量，標記系統認為會遇到困難的學生。這些數據包括所選課程、出勤記錄和成績等。每個變量與不同學生的相關度各有不同：很大程度上要看選課情況與行為表現。
舉個例子，如果一名學生數學課成績不理想，而他準備選擇化學專業的課程，通過數據分析系統歷年數據對比得知，數學水平較低的學生進修化學專業輟學的可能性較大。在這種情況下，當學生報名參加化學課程時，系統會給學生及其顧問發送電子郵件或簡訊，告知存在的風險因素，校方將在 48 小時內採取某種幹預措施，如約見學生討論等。
儘管數據分析系統顯示出了強大的功用，但它畢竟只是工具而已，提高該校畢業率的另一個關鍵因素是顧問。這些專業人士幫助學生規劃他們的大學學業，規避各類學業風險，直至幫助他們順利完成學業。
所以，該校重組了顧問系統，僱傭了大約60名專業顧問，從而使學校的學生顧問人數較之前翻了一番。之前每 1000 名學生有一名顧問，而現在這一比例已經上升到每500名學生有一名顧問。為了方便顧問提供各項諮詢服務，校方還開設了諮詢服務中心。相較於之前顧問團隊人手不足的狀況，現在當一名顧問通過分析系統收到學生警告時，他們可以伸出手來，及時提供其所需要的各種幫助。
當學生和顧問見面時，顧問會為學生酌情提供相關數據，分析其畢業的可能性。該分析系統將學生分為三個風險類別，像交通燈一樣對他們進行顏色編碼：綠色、黃色和紅色。綠色表示無風險，黃色表示中等風險，紅色則是高風險，需要顧問立即進行幹預。是否需要在面談時顯示這些風險指標給學生看取決於每位顧問。其中一名顧問表示，他通常不會向學生發出高或中等風險的警告。他希望使用這些信息吸引學生進行更長久的對話。當看到一個學生亮黃燈時，該顧問會問更多問題，直到這個學生開始說話。「我希望你向我敞開心扉，然後我會一路幫助你。」他說。
該校採用數據分析系統起到了立竿見影的效果。「第一年輟學率就下降了，畢業率上升了。」學校校長說。該校畢業率從2008年的48%提高到2018年的55%。據計算，學生畢業率每上升1個百分點，校方的投資回報就增加 300 萬美元。
儘管存在著諸如隱私、可靠性等爭議，但大數據分析技術的應用不可否認給高等教育領域帶來了天翻地覆的變化。越來越多的學校開始將數據分析技術廣泛應用於學科規劃、校園生活、心理諮詢、就業等各個領域。對於高校而言，如何科學、合理地運用大數據分析技術考驗著大學管理者的智慧。
主要參考文獻：
[1] Barshay, J.. &34;. The Hechinger Report. Aug 6, 2019. Web.
[2] Bannan, K.. &34;. EdTech Magazine. Apr 29, 2019. Web.
[3] Dalton, M.. &34;. WABE. Dec 18, 2017. Web.
[4] 喬治亞州立大學網站