Öğrenci Katılımını ve Operasyonlarını Ölçeklendirme
Yapay Zeka (AI), Makine Öğrenimi (ML) ve Derin Öğrenme her sektörü değiştiriyor ve etkiliyor. Yüksek öğrenim bir istisna değildir. Her üniversite bölümü bu teknolojileri verimliliği artırmak ve genel öğrenci başarısını artırmak için kullanabilir. Yapay zekanın yüksek öğrenimde uygulanabileceği üç ana alan vardır:
- Yönetim.
- Öğretme.
- Öğrenme.
Şekil 1. Yükseköğretimde Yapay Zeka Stratejik Etki Alanları
Yapay zekanın ilk olarak idari alanlarda uygulanması, erken faydalardan yararlanmaya yardımcı olabilir. Öte yandan, öğretme ve öğrenmeye yönelik yapay zeka (sanal öğretmenler gibi) hâlâ başlangıç aşamasındadır ve ana akım haline gelmesi birkaç yıl alabilir. Ancak yönetim durumunda yapay zekanın basitleştirebileceği ve hatta tamamen dönüştürebileceği birçok rutin görev vardır. Öğrenci danışmanlığı, başvurular, kayıtlar, mali yardım/burslar, sınavlar, notlandırma ve değerlendirmeler gibi süreçler, yapay zekadan yararlanma ve üniversitelerin verimlilik ve operasyonel ölçek elde etmelerine yardımcı olma potansiyeline sahiptir.
Tipik olarak mevcut/olası öğrencilerden gelen yüzlerce sorguyla dolup taşan bir öğrenci danışmanlığı departmanını düşünün. Yeni öğrenci alımı alanında durum zor olabilir. Birden fazla üniversite/kolej aynı öğrenciyi işe almak için yarıştığında, her soruya mümkün olduğu kadar erken yanıt vermekten başka çareleri kalmaz. Yanıtın hızı ve ölçeği kritik öneme sahiptir. Ancak danışmanlık ekipleri ölçeklenemiyor ve çoğu zaman öğrencilere yanıt vermekte zorlanıyor.
Danışman Botlarını Kullanma
Yapay zeka bu senaryoyu tamamen yeniden yazabilir. Akıllı yapay zeka destekli “danışman botları”, yeni öğrenci alımında insan kabul/kariyer danışmanlarının yeteneklerini artırabilir ve geliştirebilir. 7 gün 24 saat kullanılabilen danışman bot, tıpkı insan muadili gibi düşünecek ve yanıt verecektir. Sorgu sayısı değiştikçe bot da orantılı olarak ölçeklenebilir. Danışman botları potansiyel öğrencilerle gerçek bir insan gibi etkileşime girebilir ve öğrencinin geçmişine, kariyer ilgi alanlarına, hedeflerine, bütçesine ve zamanına uygun en iyi kursları önerebilir. Buradaki anahtar, botun yanıtlarının kişiselleştirilmesi ve önerilerinin, çözümlerinin ve tavsiyelerinin algılanan doğruluğudur.
Danışmanlığın Ötesine Geçmek
Şimdi, akıllı danışman botunuzun yardımıyla doğru kursu bulan bir öğrenciniz olduğunu varsayalım. Sırada ne var? Öğrencinin başvuru yapmasını nasıl kolaylaştırırsınız? Yapay zeka, bir kursa ilgi duyan bir öğrenciyi başvuru yapan bir öğrenciye dönüştürmede yardımcı olabilir mi? Öğrenci katılımı, etkileşimde ve sonraki dönüşümde çok önemli bir rol oynar. Ve AI, dönüşümün iyileştirilmesinde güçlü bir unsur olabilir. Yapay zekayı kullanarak, istediğiniz sonuçlara ulaşma olasılığınızı artırmak için doğru mesajları doğru kanal üzerinden doğru zamanda gönderebilirsiniz. Her şey öğrencileri davranış kalıplarına göre kişisel bir yolculuğa çıkarmakla ilgilidir.
Yapay zekanın nasıl yardımcı olabileceğine bir örnek olarak şunu düşünün: Her öğrenci e-posta hatırlatıcılarına aynı şekilde yanıt vermez. Öğrencilerin başvuruyu/kayıtı tamamlamak için kalan süre içinde bir e-postayı açıp açmadıklarına veya belirli bir bağlantıya tıklayıp tıklamadıklarına bağlı olarak yapay zeka farklı eylemler gerçekleştirebilir. Ayrıca geçmiş kampanyalardan bilgi alabilir, belirli katılım yolculuklarından elde edilen başarı oranını tahmin edebilir ve belirli kampanya hedeflerine ulaşmak için süreçleri yeniden tasarlayabilir.
Bir program başvurusu yapıldıktan sonra üniversitenin bunu değerlendirmesi gerekir. Burada da yapay zeka, başvuruların hepsini olmasa da çoğunu tarayabilir ve öğrenci kabulüne ilişkin kararlar alabilir.
Makine Öğrenimi ve Algoritmalar Yaşla Birlikte İyileşiyor
Bir Ivy League üniversitesinin aldığı MBA başvurusunu düşünün. Genellikle üniversite birkaç yüz kontenjan için her yıl binlerce başvuru alır. Burada kabul departmanının amacı, daha fazla inceleme için yalnızca en iyileri geride bırakarak başvuru sahiplerini elemek olabilir. Yapay zeka, bir veya daha fazla kriterde düşük puan alan uygulamaların otomatik olarak taranmasına ve ortadan kaldırılmasına yardımcı olabilir. Örneğin, otomatik makale puanlayıcılar (Yapay Zeka'da Doğal Dil İşleme'nin bir uygulaması), başvuru sahipleri tarafından gönderilen makalelere not verilmesine yardımcı olabilir ve belirli bir sayıdan daha az puan alan makaleleri hemen reddedebilir. Başvuru tarama algoritmasının karmaşıklığı, üniversite tarafından dikkate alınan kabul kriterlerinin sayısına ve ayrıca arzu edilen doğruluk düzeyine bağlı olabilir. Bu tür algoritmalar, algoritma tarafından alınan kabul kararlarına ilişkin geri bildirim sağlanarak daha da eğitilebilir ve ince ayarlar yapılabilir. Belirli bir süre içerisinde algoritma, programa otomatik olarak kabul edilen öğrencilerin tamamlama oranlarından öğrenebilir. Otomatik kabul edildikten sonra programı başarıyla tamamlayamayan çok sayıda öğrenci varsa, algoritmanın kabul kurallarını ve öğrenci başarısı kriterlerini kendi kendine ayarlamasına izin verilebilir.
Öğrenciler halihazırda bir programdayken, risk altında olanları önceden belirlemek ve öğrencinin programda başarılı olmasını sağlamak için doğru stratejiyi belirlemek her zaman önemlidir. Yine AI bu alanda yardımcı olabilir. Risk altındaki öğrencileri belirli davranış kalıplarına göre izleyebilir ve tahmin edebilir ve öğrencileri tekrar yoluna koymak için doğru öğrenci katılım planlarını doğru zamanda tetikleyebilir.
Şekil 2. Yüksek Öğretimde Yapay Zeka Dönüşümü
Yarının Ülkesine Adım Atmak
Yapay zeka, Makine Öğrenimi ve benzeri ileri teknolojiler, süreçleri hızlı bir şekilde öğrenebiliyor ve bunları doğrusal olmayan bir şekilde sürekli geliştirebiliyor. Yapay zeka üniversiteler için yeni başarı sınırları açabilir; ve şüphesiz şimdi bunun zamanıdır.
Resim Kredileri
- Makalenin içeriğindeki görseller yazar tarafından oluşturulmuş/tedarik edilmiştir.
Bir yanıt yazın