كيفية استخدام تحليلات التعلم لدعم جمع الأدلة على الاعتماد

The Intersection of Learning Analytics and ABET Accreditation

وتُعتبر عملية اعتماد نظام المعلومات الإدارية المتكامل بمثابة علامة بارزة على جودة البرامج الهندسية والحسابية في جميع أنحاء العالم، مما يؤكد أن الخريجين يستوفون معايير مهنية صارمة، وتتطلب هذه العملية أدلة شاملة على أن الطلاب يحققون نتائج برنامجية محددة، تُعزى إلى الأسباب التقنية للأخطار وتُحلّل من العمل الجماعي، وكثيراً ما يعتمد جمع بيانات الاعتماد التقليدية على العمليات اليدوية، وعمليات التقييم المتناثرة، وتقييمات النهائية، التي يمكن أن تكون ثغرات مستهلكة للوقت.

ويتيح تحليل التعلم بديلاً تحوّلاً، إذ يمكن للمؤسسات، من خلال قياس وجمع وتحليل البيانات المتعلقة بالمتعلمين والسياقات التعليمية لهم، أن تُولّد أدلة عملية ومحركة من البيانات تدعم بشكل مباشر إطار التقييم القائم على النتائج الذي وضعته المؤسسة، ولا يُبسط هذا النهج عملية جمع الأدلة المتعلقة بالاعتماد فحسب، بل يتيح أيضاً التحسين المستمر للمناهج الدراسية والتعليم ودعم الطلاب.

وتوفر هذه المادة دليلا عمليا متعمقا لتشجيع تحليلات التعلم لاعتماد نظام المعلومات الإدارية المتكامل - بما يشمل نقاط البيانات الأساسية، واستراتيجيات التنفيذ، والفوائد، والأوضاع المشتركة، وسواء كنت رئيسا لإدارة هندسية، أو منسقا للاعتماد، أو عضوا في هيئة التدريس، ستجدون أفكارا عملية لتعزيز مركز اعتماد برنامجكم.

تحديد تحليلات التعلم في سياق الدائن

(ج) تحليل التعلم هو قياس وجمع وتحليل وإبلاغ البيانات المتعلقة بالمتعلمين وبيئتهم بغرض فهم التعلم وتحقيقه الأمثل والبيئات التي يحدث فيها، ويعني ذلك في سياق نظام التعليم والتدريب المهني تحويل بيانات الطلاب الخام إلى أدلة ذات معنى تبين مدى نجاح الطلاب في تحقيق نتائج البرامج ونتائج الطلاب التي تحددها [معايير الاعتماد].

وتقتضي معايير اعتماد البرامج الهندسية )٠٢٣-٠٢٢( من المعهد الوطني للإحصاء أن تكون هناك برامج " عملية تقييم وتقييم دورية توثق وتثبت درجة تحقيق نتائج الطلاب " .

وعلى عكس الإبلاغ البسيط عن الدرجات، يدمج تحليل التعلم بين مصادر البيانات المتعددة - تحليلات التقييم، ونشاط نظام إدارة التعلم، والاستجابات الاستقصائية، وتقديم التقارير عن طريق الإنترنت، وحتى المشاركة في رسم صورة شاملة عن الإنجاز الطلابي، ويمكن استخدام هذه البيانات عند مواءمتها مع نتائج الدراسة الاستقصائية للتعلم، لإنتاج لوحات بيانية وتقارير، وصور تُثبت أن قيمي الاعتماد مقنعة وشفافة.

ومن أهم هذه المواءمة رسم خرائط لكل مهمة تقييمية لنتائج طلابية محددة، مثلا، يمكن أن يرتبط المشروع النهائي في دورة تصميم كابستون ارتباطا مباشرا بالنتيجة )ج(: " القدرة على تصميم نظام أو عنصر أو عملية لتلبية الاحتياجات المنشودة " .

نقاط البيانات الأساسية لجمع الأدلة

ويبدأ الاستخدام الفعال لمحللي التعلم من أجل الاعتماد بتحديد نقاط البيانات التي توفر أكثر الأدلة جدوى، وتشمل الفئات التالية البيانات الأساسية التي ينبغي أن تُجمع فيها البرامج وتحللها بصورة منهجية.

بيانات التقييم المباشر

وتقيس التقييمات المباشرة أداء الطلاب في ضوء نتائج محددة، وتشمل ما يلي:

Embedded course assessments:] Scores on exams, quizzes, laboratorys, and projects that are explicitly mapped to program outcomes. Using a rubric-based scoring approach ensures that each assessment item aligns with the ABET criteria.
Capstone and design projects:] Final-year projects often integrate multiple outcomes. Analytics can track rubric scores, mark achievements, and faculty assessments.
Standardized exams and licensure metrics:] FE exam pass rates, or results from locally developed exit exams that standard outcome achievement.
E-portfolio artifacts:] Student-submitted work samples tagged by outcome and rated using criterion-referenced rubrics. Platforms like Portfolium or locally built e-portfolios can feed data directly into analytics dashboards.

بيانات التقييم غير المباشر

وتُجمع التدابير غير المباشرة على التصورات والتقييمات الذاتية التي تكمل الأدلة المباشرة:

Student surveys:] End-of-course surveys, senior exit surveys, and alumni surveys that ask students to self-rate their achievement of outcomes. These can be administered via LMS or tools like Qualtrics.
Employer feedback:] Surveys of internship supervisors or employers of graduates provide external validation of outcome achievement.
Focus group and interview transcripts:] Qualitative data from student or faculty discussions that can be coded to outcomes using text analytics.

المشاركة والبيانات السلوكية

وفي حين لا توجد أدلة مباشرة على تحقيق النتائج، يمكن أن تشير مقاييس المشاركة إلى المجالات التي قد يكافح فيها الطلاب، مما يتيح التدخل الاستباقي، وتشمل القياسات الرئيسية ما يلي:

LMS activity:] Login frequency, content access patterns, assignment submission timeliness, forum participation.
Attendance and participation:] In-class engagement captured via polling tools or attendance tracking.
Time-on-task:] Approximate time spent on learning activities, available from some assessment platforms.
Social network analysis:] Co-authored assignments, peer review participation, and group collaboration patterns that reflect teamwork outcomes.

البيانات الديمغرافية والبيانات المستمرة

ولضمان تحقيق النتائج على نحو منصف، ينبغي للبرامج أيضاً أن تجمع وتحلل بيانات مصنفة حسب خصائص الطلاب، مثل نوع الجنس، وحالة الأقليات الممثلة تمثيلاً ناقصاً، والانتظام في الجيل الأول من التعليم الجامعي، والخلفية الاجتماعية والاقتصادية، وهذا يدعم تركيز الرابطة على الامتياز الشامل، ويتيح للبرامج تحديد الثغرات في الإنجاز بين الطلاب.

بناء بنية أساسية لتحليل التعلم من أجل اعتمادها

ويتطلب تنفيذ إطار تحليلي للتعلم من أجل نظام المعلومات والتطبيقات والتطبيقات والتعلم التخطيط الدقيق، واختيار التكنولوجيا، واختيار أصحاب المصلحة، وتحديد الخطوات التالية خريطة طريق عملية.

الخطوة 1: نتائج الخرائط إلى نقاط التقييم

بداية من إنشاء مصفوفة تربط كل من الطلاب في المعهد الوطني للإحصاء بكل دورة دراسية محددة، ومهمات، ورواسب، وتحديد ما لا يقل عن نقطتين أو ثلاث نقاط تقييم مباشرة موزعة على المناهج الدراسية، وهذه الخريطة هي الأساس لجميع البيانات اللاحقة وتحليلها، واستخدام مستودع مركزي مثل صحيفة بيانات أو أداة رسم خرائط المناهج الدراسية التي تدمج مع نظام الرصد الخاص بك، لصيانة ونسخ الخرائط.

الخطوة 2: جمع البيانات المختارة وأدوات التحليل

إن مجموعة التكنولوجيا المناسبة أساسية، إذ تبدأ مؤسسات كثيرة بنظامها القائم لإدارة التعلم (مثلاً، كانفاس، والوحة السوداء، والمولود) وتزيده بالمنابر المتخصصة، وتنظر في الفئات التالية:

Learning Analytics Platforms:] Tools like Directus] (a open-source headMS that can be customized for educational data), Tableau for visualization, or built-in analytics in LMS products. Directus is particularly flexible for creating custom dashboard data.
Assessment Management Systems:] Platforms like AEFIS, Watermark, or liveRubric that directly support outcomes assessment and generate student-outcome-attainment reports.
E-Portfolio Systems:] Solutions like Portfolium, Mahara, or Folio for collecting and rating artifacts.
Survey and Feedback Tools:] Qualtrics, Microsoft Forms, or built-in LMS survey modules for collecting indirect assessment data.

الخطوة 3: وضع سياسات لإدارة البيانات وخصوصية البيانات

وتشمل تحليلات التعلم معالجة بيانات الطلبة الحساسة، ويجب على المؤسسات وضع سياسات واضحة تعالج ما يلي:

Transparency:] Inform students about which data is being collected, how it will be used, and how they can access their own data.
Consent and opt-out options:] Provide mechanisms for students to opt out of analytics where possible (e.g. for behavioral tracking not tied to mandatory assessments).
Data security:] Encrypt data in transit and at rest, limit access to authorized personnel, and comply with FERPA (or equivalent regulations) and any institutional review board requirements.
De-identification:] For dashboards shared externally with accreditation teams, aggregate and de-identify data to protect individual privacy.

الخطوة 4: لوحات تحليل التصميم للمستفيدين

وينبغي أن تخدم لوحات الصيد مختلف الجماهير التي لها مستويات مختلفة من الرعي:

Faculty:] Real-time dashboards showing how their students are progressing on outcomes in their courses, with alerts for struggling students.
منسقو البرامج ورؤساء الإدارات: ] تجميع وجهات النظر بشأن تحقيق النتائج عبر الأقسام والمواصف، وخطوط الاتجاهات، والمقارنات مع المعايير المرجعية.
Accreditation committees:] High-level reports that map assessment evidence to each ABET criterion, complete with supporting artifacts and data interpretations.
Students:] Dashboards that show their own progress on outcomes, identifying strengths and areas for improvement (optional but can enhance student engagement).

الخطوة 5: إدماج التحليلات في دورات التحسين المستمر

ولا يشكل اعتماد نظام المعلومات الإدارية المتكامل حدثاً غير متكرر؛ فهو يتطلب إجراء تقييم وتحسين مستمرين، وينبغي أن يُستفاد من تحليلات التعلم في عملية تحسين رسمية مستمرة (يسمى في كثير من الأحيان " دورة التقييم " )، وفي كل فصل دراسي أو عام، استعراض بيانات تحقيق النتائج، وتحديد الثغرات، وتنفيذ تغييرات مثل تنقيح المهام، وتحديث الأنقاض، وتعديل الشروط المسبقة، أو توفير التعليم الموجه.

الفوائد العملية لعملية اعتماد تحليل التعلم - القابل للتعلم

وتفيد المؤسسات التي تستثمر في تحليل التعلم في مجال نظام ABET عن عدة مزايا هامة تتجاوز مجرد تلبية متطلبات الاعتماد.

صنع القرار

وبدلا من الاعتماد على الآراء أو التغذية المرتدة غير الشرعية، يمكن للإدارات أن تستند إلى مقررات المناهج الدراسية على الأدلة الموضوعية، مثلا، إذا كشف التحليل أن 60 في المائة فقط من الطلاب يفيون بنتائج " التعليل الأخلاقي " في التصميم العالي، يمكن لهيئة التدريس أن تستحدث نموذجا جديدا للأخلاقيات في المناهج الدراسية للمستوى الأدنى وأن تتابع التحسن على مدى السنة التالية.

التحديد المبكر للطلاب في منطقة ريكي

وتتيح لوحات إدارة المشاركة والأداء للمستشارين والكلية تحديد هوية الطلاب الذين يتخلفون عن تحقيق النتائج في أوائل الفصل الدراسي، ويمكن نشر التدخلات - مثل التعليم أو التوجيه أو أفرقة الدراسة - قبل إجراء التقييمات النهائية، وتحسين نجاح الطلاب، وتخفيض عدد الطلاب الذين لا يستوفون النتائج.

إعداد الاعتماد المبسط

ومع وجود نظام تحليلي مصمم جيدا، فإن الأدلة المطلوبة لإصدار تقرير عن الدراسة الذاتية للاعتماد قد تم تنظيمها وحتى الآن، وبدلا من التشويش على جمع القطع الأثرية وجمع البيانات في الأشهر السابقة للزيارة، يمكن أن تُصدر الأفرقة تقارير على الفور، وهذا يقلل من الإجهاد ويوفر الوقت ويترك مجالا أكبر للتحليل والتقصي.

تحسين تخصيص البرامج

ومع مرور الوقت، تتيح البيانات التحليلية التراكمية للإدارات مقارنة تحقيق النتائج عبر مختلف فروع الدورة، أو المواصف، أو حتى مؤسسات الأقران (إذا وجدت اتفاقات لتقاسم البيانات) ويمكن أن يسلط هذا المعيار الضوء على أفضل الممارسات والمجالات التي يتعين تحسينها.

Demonstrating a Culture of Quality

ويتزايد تقدير المقيِّمين للدليل على أن البرنامج ينخرط في ضمان الجودة بصورة منهجية قائمة على الأدلة، ويشير برنامج متين لتحليل التعلم إلى أن المؤسسة تأخذ الاعتماد على محمل الجد وتلتزم بمواصلة التحسين استنادا إلى البيانات.

التحديات والاعتبارات عند تنفيذ تحليل التعلم

ورغم الفوائد، تواجه المؤسسات عدة عقبات في نشر تحليلات لاعتمادها، ويمكن أن يساعدك إدراك هذه التحديات على التخطيط بفعالية.

:: نظام سيلوس للبيانات والتعقيد في التكامل

وكثيراً ما تعيش بيانات الطلاب في نظم منفصلة - نظام إدارة الأراضي ونظام معلومات الطلبة، ومنصة الموانئ الإلكترونية، وأدوات التقييم الخاصة بالأطراف الثالثة، ويمكن أن يكون إدماج هذه المصادر في خط متناسق لتحليل التحليل أمراً يتطلبه من الناحية التقنية، ويمكن أن يساعد استخدام منصة بيانات مرنة مثل نظام التوجيه أو مستودع بيانات تعليمية مخصص على توحيد المصادر المتباينة، ولكنه يتطلب الاستثمار في تطوير نظام الإبلاغ الموحد ورسم الخرائط للبيانات.

جيم - شراء الكلية والتدريب

وقد تقاوم الكلية التغييرات التي تطرأ على ممارسات التقييم، لا سيما إذا رأت أن التحليلات هي بمثابة مراقبة أو عبء إداري إضافي، مما يتطلب اتصالا واضحا حول الكيفية التي سيدعم بها المحللون التدريس (لا يقيّمونه)، إلى جانب التطوير المهني لإنشاء روايات متوافقة مع النتائج واستخدام أدوات لوحة المتابعة، مما يؤدي إلى تعزيز الملكية والتبني في تصميم نظام التحليلات.

نوعية المياه واتساقها

ولا يُعتمد على تحليلات التعلم إلا بقدر ما تكون البيانات التي تُنتجها، وإذا كانت الروكات مصممة بشكل ضعيف، أو غير متوافقة مع النتائج، أو مطبقة بشكل غير متسق من قبل المدربين، فإن الأدلة الناتجة عن ذلك ستكون غير موثوقة، وستستثمر في دورات قياسية تستخدم فيها معايرة الكلية، وتنظر في استخدام الترميز الآلي لمعايير محددة جيدا لتحسين الاتساق.

Overwhelming Data Volume

وبدون تصميم مدروس، يمكن أن تقدم لوحات التحليل العديد من القياسات التي يعاني منها صانعو القرار من عبء المعلومات، مع التركيز على مجموعة صغيرة من مؤشرات الأداء الرئيسية التي ترتبط ارتباطا مباشرا بكل نتيجة من نتائج الطلاب، وتوفر خيارات للتنقيب عن أعمق التحليل عند الحاجة، واستخدام مبادئ التصميم من قص البيانات لإبراز أهم النتائج.

الحفاظ على الحكم

ودورات الاعتماد طويلة (ست سنوات على نحو متكرر) ومن الشائع أن تفقد مبادرات التحليل البخار بعد نجاح الدراسة الذاتية، وأن تحافظ على الزخم، وتدمج التحليلات في الإدارة الأكاديمية العادية مثل اجتماعات الإدارات، واستعراضات لجان المناهج الدراسية، والتقارير السنوية للبرامج، وأن تعين منسقا أو لجنة تحليلية متفرغة لضمان بقاء النظام نشطاً وتتطور مع المعايير المتغيرة.

أمثلة عالمية ودراسات حالة

وقد نجحت عدة مؤسسات في إدماج تحليلات التعلم في عمليات اعتمادها في نظام التعليم والتدريب المهني، وفي حين تختلف التفاصيل المحددة، تظهر مواضيع مشتركة.

وفي مدرسة هندسية عامة كبيرة في الغرب الأوسط، أعيد تصميم دورة " كابستون " للتصميم العالي بحيث تشمل نظاماً رقمياً لتقديم العروض يربط تلقائياً نواتج المشروع (أ) إلى (ك) حيث تم إدخال عشرات من الكليات والمرشدين الصناعيين في لوحة قياسية مصممة على أساس نظام إدارة المعلومات الرقمية غير مباشر مماثل لدليل البرنامج على تحسن مطرد في تحقيق النتائج، وهو ما تم توثيقه في بياناتهم.

واستخدمت كلية هندسية خاصة أصغر من ذلك منصة للبورتفوليو، وأداة لتحليل التعلم لجمع القطع الأثرية من جميع الدورات المطلوبة، وأتاحت إنتاج " تقارير التحصيل " التي تبين نسب الطلاب الذين يلتقون كل نتيجة، موزعة حسب السنة، والدورة، ومجموعة ديموغرافية، كما أُشير إلى أن نتائج تقييم الدورة أقل من متوسط الإدارة، مما أدى إلى إجراء استعراض زمني مستنفد.

وثمة مثال آخر بارز من جامعة تستخدم محلليات التعلم لمعالجة نقطة ضعف محددة حددت في دورة اعتماد سابقة: نتيجة الطلبة (د) - " القدرة على العمل في أفرقة متعددة التخصصات " ، ومن خلال تحليل بيانات التعاون من منتديات مناقشة نظام إدارة الأراضي المحلية وسجلات تقييم الأقران، حدد البرنامج أن العديد من الطلاب لا يشاركون على قدم المساواة في مشاريع الأفرقة، ونفذوا نموذجا تدريبيا للفريق وأعيدوا هيكلة مهام المشاريع، وأظهرت الجولة المقبلة من نتائج محسنة.

الاتجاهات المستقبلية: تحليل التعلم واعتماده

ويتطور المشهد العام للمحللين والاعتماد، وينبغي أن يتابع قادة البرامج هذه التطورات الناشئة.

التعليم المرتكز على الكفاءة والهوية الدقيقة

ومع اعتماد مزيد من البرامج الهندسية للتعليم القائم على الكفاءة وتقديم شارات رقمية أو بطاقات هوية دقيقة، سيصبح تحليل التعلم أكثر غرابة، وبدلا من تتبع تحقيق النتائج على مستوى الدورات الدراسية، ستتتبع النظم أسلوباً للتقنية الفردية للكفاءات عبر المناهج الدراسية بأكملها، وقد بدأت بالفعل استكشاف معايير لمسارات التعليم غير التقليدية، وستكون التحليلات ضرورية لتوفير الأدلة في هذه النماذج.

الاستخبارات الفنية والتحليلات الجاهزة

ويمكن لنماذج التعلم الآلاتي أن تتنبأ بالطلاب الذين لا يُحتمل أن يحققوا نتائج محددة قبل نهاية الدورة بفترة طويلة، وهذه التحليلات التنبؤية، إلى جانب توصيات التدخل الآلي، ستصبح أكثر شيوعا، غير أنه يجب على البرامج أن تستخدم هذه الأدوات الأخلاقية، وتتجنب التحيز، وتضمن استخدام التنبؤات لدعم الطلاب، وليس معاقبة الطلاب.

لوحات الاعتماد في الوقت الحقيقي

ومن المرجح أن يوفر الجيل القادم من برامج الاعتماد لوحات مظلة حية تفاعلية يمكن للمقيِّمين استكشافها خلال زيارات الموقع، وسيحل ذلك محل تقارير ثابتة عن إدارة البرامج الميدانية باستخدام صور دينامية للبيانات، ويدعم إجراء تحقيق أكثر تعمقا، ويقلل من عبء إعداد الوثائق قبل النظر فيها.

معايير التشغيل المتبادل

ومن شأن مبادرات مثل اتحاد التعلم العالمي التابع لدائرة إدارة خدمات الرقابة الداخلية أن تجعل من السهل تبادل البيانات بين الأدوات التعليمية، حيث أن هذه المعايير ناضجة، فإن إدماج التحليلات التعليمية عبر المنهاجات سيزداد بساطة، مما يقلل من الحواجز التقنية التي تعترض المؤسسات الأصغر حجما.

بدأت: خطة عمل عملية

إذا كان برنامجك في بداية هذه الرحلة، النظر في الخطوات القصيرة الأجل التالية:

(ب) تحديد الدورات التي لها بالفعل مهام وفركات مقسمة إلى النتائج، وتحديد البيانات التي يجري استخلاصها بالفعل (حتى لو كان ذلك يدوياً).
Form a cross-functional team:] Include faculty, advisors, IT staff, assessment Coordinator, and a senior administrator to champion the initiative.
Select one pilot course or outcome:] instead of trying to transform everything at once, pick a single course or a single outcome to demonstrate the value of analytics. Build a small dashboard and collect feedback.
]]Invest in a flexible data platform:] Evaluate open-source options like Directus or commercial solutions that allow customization to your institution’s data schema. The ability to connect to multiple sources is critical.
Communicate early and often:] Share your vision with faculty, students, and advisory boards. Transparency builds trust and reduces resistance.
Plan for continuous improvement:] Establish a regular review cycle-quarterly or semester-based data is analyzed, actions are discussed, and changes are documented. This rhythm will become the heart of your accreditation process.

وباتخاذ هذه الخطوات، يمكن لبرنامجكم الانتقال من إعداد الاعتماد اليدوي والمجهد إلى ممارسة مبسطة ومستنيرة بالبيانات لا تلبي متطلبات التعليم والتدريب فحسب، بل أيضا تحسن تعليم الطلاب بشكل حقيقي، ولا يمثل تحليل التعلم حلا سحريا، بل يصبح حليفا قويا عند تنفيذه بفكر في السعي إلى تحقيق الامتياز التعليمي والمساءلة المهنية.