Arab Open University
Memanfaatkan analisis untuk mengidentifikasi dan membantu mahasiswa yang rentan
Tutor perempuan membantu mahasiswa meninjau materi di atas meja

Untuk memupuk keberhasilan akademik mahasiswa, penting untuk mengidentifikasi cara-cara agar para lulusan dan mahasiswa tetap termotivasi. Arab Open University (AOU) menggunakan IBM® Watson Analytics™ untuk mengidentifikasi mahasiswa mana yang berisiko putus sekolah dan membentuk inisiatif baru untuk membantu lebih banyak mahasiswa yang berhasil mencapai hari kelulusan.

Tantangan Bisnis

AOU ingin mengidentifikasi faktor-faktor kunci di balik perkembangan dan tingkat retensi mahasiswa, sehingga dapat membantu mahasiswa yang mengalami kesulitan dan meningkatkan jumlah mahasiswa. Bisakah analitik membantu memahami data yang kompleks?

Transformasi

Dengan memanfaatkan IBM Watson Analytics, AOU dapat menentukan pendorong utama perkembangan dan retensi mahasiswa, serta mengembangkan inisiatif yang ditargetkan untuk membantu mahasiswa yang mengalami kesulitan untuk kembali ke jalur kesuksesan.

Hasil Memberikan
wawasan yang memberdayakan AOU untuk mengembangkan inisiatif yang membantu mahasiswa agar berhasil
Membantu
meningkatkan retensi mahasiswa dan tingkat perkembangan, menciptakan pendapatan yang stabil
Hingga 11%
hilangnya pendapatan dapat dihindari dengan mendesain ulang program inti
Cerita tantangan bisnis
Mengidentifikasi mahasiswa yang bermasalah

Dengan kampus-kampus independen di delapan negara, Arab Open University (AOU) adalah organisasi yang sangat beragam. Universitas ini menghadapi tantangan yang sama dengan universitas modern lainnya, di mana pun di dunia: menarik dan mempertahankan mahasiswa, mempertahankan standar akademis yang tinggi, dan menjaga keberlanjutan finansial. Pada saat yang sama, cakupan internasionalnya berarti bahwa strategi tingkat atasnya juga harus menghormati situasi budaya, hukum, akademis, dan keuangan yang unik dari setiap kampus nasional.

Profesor Ashraf Hussein, Dekan Fakultas Komputasi dan Teknik dan Wakil Presiden Bidang Teknologi Informasi dan Pendidikan di AOU, menjelaskan: "Setiap kampus diatur oleh persyaratan Kementerian Pendidikan Tinggi (MoHE) setempat dan dipengaruhi oleh kondisi sosial-ekonomi dan standar pendidikan sekolah yang berbeda. Hal ini berarti sulit untuk mendapatkan analisis yang komprehensif mengenai kinerja dan prestasi akademik mahasiswa."

Profesor Hussein melanjutkan: "Kami berjuang untuk benar-benar memisahkan faktor pendorong yang berkontribusi terhadap kinerja mahasiswa. Hal ini menjadi tantangan tersendiri untuk mengetahui dari mana harus memulai ketika merancang strategi untuk membantu mahasiswa yang gagal, dan dengan demikian meningkatkan tingkat kemajuan dan retensi. Data terlalu rumit untuk dipahami hanya dengan menggunakan spreadsheet—Anda tidak hanya perlu melihat data itu sendiri, tetapi juga hubungan antara berbagai area, bagaimana trennya, dan apa yang terjadi di balik layar."

Profesor Hussein menyadari bahwa solusi analitik dapat membantu: "Saya memutuskan untuk melakukan penelitian guna menyelidiki faktor penyebab di balik tingkat retensi dan perkembangan mahasiswa—tetapi pertama-tama saya membutuhkan alat yang tepat untuk pekerjaan itu."

Sebagai bagian dari strateginya untuk melipatgandakan jumlah mahasiswa selama lima tahun, AOU bertekad untuk meningkatkan perkembangan dan tingkat retensi mahasiswa. Namun, kompleksitas organisasi menyulitkan untuk mengidentifikasi faktor-faktor kunci yang berkaitan dengan perkembangan dan retensi mahasiswa.

IBM Watson Analytics sangat penting dalam memungkinkan kami untuk mengurai banyak data yang sebelumnya tidak dapat ditembus dan mengungkap wawasan yang berharga. Professor Ashraf S. Hussein Dean of the Faculty of Computing and Engineering and Vice President for Information and Education Te Arab Open University
Cerita transformasi
Menerapkan solusi analitik

Profesor Hussein mulai mencari solusi analitik yang dapat memberikan wawasan instan, dan cukup mudah digunakan sehingga berpotensi tersedia bagi mahasiswa AOU di masa depan.

Dia mencatat: "Sebagai mantan karyawan IBM, saya sudah memiliki pemahaman yang baik tentang teknologi dan budaya IBM — jadi ketika saya mendengar tentang IBM Watson Analytics, saya merasa itu akan cocok. Format tunjuk-dan-kliknya yang jauh lebih sederhana untuk digunakan daripada solusi lain yang kami pertimbangkan, dan memiliki kemampuan analitik prediktif bawaan yang tidak dimiliki yang lain. Terlebih lagi, saya menguji keakuratan analitik prediktif dan mendapat skor sangat tinggi. Menerapkannya adalah keputusan yang mudah.”

IBM Watson Analytics adalah layanan penemuan data cerdas yang memandu eksplorasi data, mengotomatiskan analisis prediktif, dan memungkinkan pembuatan dasbor dan infografis yang mudah, memberdayakan pengguna untuk dengan mudah mendapatkan wawasan dan berbagi temuan.

"IBM Watson Analytics memberi Anda sejumlah kemampuan dalam satu tempat, sedangkan kebanyakan solusi lain lebih seperti sekumpulan alat terpisah yang harus Anda gunakan secara bergantian," kata Profesor Hussein. "Juga sangat mudah untuk berkolaborasi dan berbagi data di platform ini; sebagai contoh, kami menggunakan fitur 'Expert Storybooks' untuk membuat presentasi interaktif dengan cepat untuk berbagi temuan."

Dengan adanya solusi IBM, Profesor Hussein memiliki alat untuk mempelajari faktor pendorong di balik tingkat retensi dan perkembangan mahasiswa (tingkat perkembangan didefinisikan sebagai seberapa cepat seorang mahasiswa menyelesaikan program studi mereka).

"Sebagai permulaan, kami melakukan penelitian selama beberapa tahun untuk melihat bagaimana perkembangan dan tingkat putus sekolah dari waktu ke waktu untuk Program Teknologi Informasi dan Komputasi (ITC)," kata Profesor Hussein. "Kami menemukan bahwa angka putus sekolah dari semester ke semester menurun selama penelitian, yang menunjukkan bahwa upaya kami untuk meningkatkan standar kualitas di seluruh universitas telah efektif. Kami juga menemukan bahwa mahasiswa yang mengambil kursus tingkat rendah memiliki tingkat putus sekolah yang jauh lebih tinggi daripada mahasiswa yang mengambil kursus tingkat lanjut, sebuah temuan yang perlu dieksplorasi lebih lanjut.

"Hasil analitik mengungkapkan bahwa peningkatan jaminan kualitas dan standar di Fakultas Komputasi dan Teknik meningkatkan tingkat putus sekolah secara keseluruhan sebesar rata-rata 18 persen, dan juga meningkatkan efisiensi relatif setiap cabang dalam mengelola program ITC sebesar rata-rata 10 persen, selama periode Musim Gugur 2013 hingga Musim Gugur 2017. Selain itu, kami mengonfirmasi bahwa Kuwait, Bahrain, dan Mesir memiliki rasio staf (penuh dan paruh waktu) terhadap mahasiswa yang optimal."

"Pada tahap kedua dari penelitian ini, kami mengembangkan indikator kinerja akademik utama [KAPI] untuk mata kuliah Program ITC, dan kemudian memantau tren dan menyelidiki faktor-faktor yang berkontribusi. Sebagai contoh, salah satu KAPI yang penting adalah persentase mahasiswa yang mengundurkan diri; yaitu persentase mahasiswa yang putus kuliah. Kami melihat bahwa standar deviasi dari hasil mata kuliah mahasiswa merupakan pendorong penting di balik KAPI ini, bersama dengan negara asal mereka, dan tingkat mata kuliah mereka—lagi-lagi, mereka yang mengambil mata kuliah dengan tingkat yang lebih rendah lebih mungkin untuk putus kuliah."

Dia menambahkan: “Solusi analitik IBM sangat penting dalam memungkinkan kami menjalankan studi ini, dan mengidentifikasi faktor-faktor yang berkontribusi dan tanda-tanda peringatan bagi mahasiswa yang berjuang.”

Cerita hasil
Meningkatkan tingkat retensi mahasiswa

Dengan wawasan yang diberikan oleh analitik, AOU sekarang dapat mengidentifikasi mahasiswa yang rentan dan merancang inisiatif yang lebih tepat sasaran untuk membantu mereka—meningkatkan tingkat retensi dan perkembangan, serta meningkatkan jumlah mahasiswa.

Profesor Hussein berkomentar: "Berkat IBM Watson Analytics, kami dapat menentukan faktor-faktor kunci yang membantu kami memahami mengapa mahasiswa putus kuliah, dan mengambil langkah-langkah untuk meningkatkan tingkat retensi.

"Sebagai contoh, negara asal mahasiswa merupakan indikator kuat dari tingkat putus sekolah. Kami menyadari bahwa karena mahasiswa kami berasal dari berbagai negara yang berbeda, kualitas dan cakupan pendidikan sekolah menengah mereka dapat sangat bervariasi. Hal ini berarti bahwa beberapa mahasiswa berjuang untuk mengikuti bahkan pada mata kuliah inti program tingkat rendah. Sebagai hasilnya, kami memutuskan untuk meneliti efek dari menawarkan mata kuliah pengantar matematika tanpa kredit IT100, IT101 dan MA100 di kampus kami di Oman sebagai persyaratan wajib dari Kementerian Pendidikan.

"Eksperimen ini dipantau selama periode Musim Gugur 2013 hingga Musim Gugur 2017. Analisis menunjukkan bahwa menawarkan kursus pengantar yang disebutkan di atas berhasil mengurangi persentase mahasiswa yang mengundurkan diri dari kursus matematika inti tingkat satu secara relatif sebesar rata-rata 34 persen dan secara relatif meningkatkan tingkat kelulusan sebesar rata-rata 12 persen."

"Hasil penelitian menunjukkan bahwa mata kuliah pengantar ini berhasil memberikan dasar yang dibutuhkan mahasiswa untuk berhasil dalam sistem AOU. Kami sekarang membangun kesuksesan tersebut dengan mengimplementasikan kursus serupa di topik dan/atau negara lain."

Selain melihat KAPI di seluruh kursus, itu juga diinginkan untuk mendapatkan wawasan tentang kinerja akademik masing-masing mahasiswa. AOU merancang skor “Faktor Risiko mahasiswa” (SRF), yang terdiri dari IPK mahasiswa saat ini, tingkat perkembangan, dan jumlah peringatan yang diterima.

Profesor Hussein mencatat: "Skor SRF ini dapat digunakan untuk mengidentifikasi mahasiswa yang berjuang dan membutuhkan dukungan, sehingga universitas dapat melakukan intervensi sebelum mereka berhenti maju dan putus sekolah. Kami menemukan bahwa salah satu faktor kunci di balik skor SRF adalah senioritas akademik mahasiswa: mahasiswa junior cenderung berjuang di bagian awal studi mereka karena ketidaktahuan mereka dengan Sistem Pendidikan Terbuka.

"IPK SMA juga memainkan peran penting dalam menentukan SRF, karena mahasiswa dengan prestasi rata-rata dan rendah di SMA akan merasa bahwa studi sarjana mereka lebih menantang. Selain itu, faktor penting yang mempengaruhi SRF adalah negara tempat mereka belajar, karena mahasiswa di berbagai negara memiliki perbedaan latar belakang akademis dan situasi sosial ekonomi yang beragam, serta keragaman sumber daya fisik dan infrastruktur."

"Sebagai contoh, kampus-kampus kami di Kuwait, Mesir, Yordania, Bahrain, dan Riyadh lebih modern dan memiliki 'gedung pintar', sementara kampus-kampus di Lebanon dan Oman lebih tua dan kurang lengkap. Saat ini kami sedang berupaya meningkatkan gedung-gedung lama kami untuk menyediakan lingkungan belajar yang sangat baik bagi seluruh mahasiswa kami, di kampus mana pun mereka berada.

"Situasi politik di berbagai negara juga berperan dalam keberhasilan akademik mahasiswa—di Yordania dan Lebanon misalnya, terdapat banyak pengungsi Suriah, yang situasi keuangannya seringkali menyulitkan mereka untuk berkomitmen pada studi mereka. Kami sekarang berupaya menyediakan dana untuk membantu para mahasiswa ini dan membantu mengurangi nilai SRF mereka, sehingga meningkatkan peluang mereka untuk menyelesaikan pendidikan di universitas."

Dengan memungkinkan AOU untuk memberikan bantuan yang ditargetkan kepada para mahasiswa yang mengalami kesulitan dan meningkatkan tingkat retensi, solusi IBM juga membantu menciptakan aliran pendapatan yang lebih stabil bagi universitas.

"Ketika mahasiswa putus sekolah, hal ini berdampak pada keuangan universitas," kata Profesor Hussein. "Dengan meningkatkan tingkat retensi, kami memiliki keamanan finansial yang lebih besar dan kemampuan untuk terus berinvestasi pada sumber daya pendidikan yang lebih baik lagi. Ini solusi yang saling menguntungkan.

"Selain melacak dan menganalisis kinerja akademik mahasiswa, IBM Watson Analytics telah membantu kami memperbarui Program ITC yang baru, yang telah divalidasi ulang pada April 2017 lalu. Analisis kami menunjukkan bahwa menawarkan mata kuliah inti yang hanya terdiri dari tiga atau lima jam pelajaran menyebabkan hilangnya pendapatan sebesar 6 hingga 11 persen. Oleh karena itu, kami memperbarui program ini untuk menawarkan hanya empat dan delapan jam kredit mata kuliah inti, meningkatkan pendapatan kami dan memberikan hasil pembelajaran program yang lebih baik lagi."

Dia menyimpulkan: "IBM Watson Analytics sangat penting dalam memungkinkan kami untuk mengurai banyak data yang sebelumnya tidak dapat ditembus dan mengungkap wawasan yang berharga. Dengan menggunakan pengetahuan ini untuk meningkatkan tingkat perkembangan dan retensi, kami tidak hanya memberikan dukungan yang dibutuhkan oleh mahasiswa yang rentan—kami juga memastikan aliran pendapatan yang stabil yang dapat dikembalikan ke universitas untuk lebih meningkatkan pengalaman pendidikan—sebuah siklus positif yang tidak mungkin terjadi tanpa memanfaatkan analisis.

"Analisis data menjadi sangat penting untuk pengambilan keputusan berbasis fakta di semua bidang kehidupan universitas. Saya melihat IBM Watson Analytics sebagai pendamping pengambilan keputusan untuk membantu AOU mencapai kesuksesan akademik, administratif, dan finansial yang lebih besar lagi."

Arab Open University

Arab Open University (AOU) (tautan berada di luar ibm.com) adalah proyek nirlaba pembangunan dan pendidikan berkelanjutan yang didirikan pada tahun 2002 oleh HRH Pangeran Talal Bin Abdul-Aziz, Chairman of the AOU Board of Trustees.AOU berkantor pusat di Kuwait dan memiliki tujuh kampus di tujuh negara di Lebanon, Yordania, Arab Saudi, Mesir, Bahrain, Oman, dan Sudan.Di bawah perjanjian kemitraan dengan Open University di Inggris, AOU menawarkan berbagai program akademik sarjana dan pascasarjana yang diajarkan dalam bahasa Inggris.
 

Ambil langkah selanjutnya

IBM Analytics menawarkan salah satu platform analitik terdalam dan terluas di dunia, domain dan solusi industri yang memberikan nilai baru bagi bisnis, pemerintah, dan individu.Untuk informasi lebih lanjut tentang bagaimana IBM Analytics membantu mentransformasi industri dan profesi dengan data, kunjungi ibm.com/analytics.Ikuti kami di Twitter di @IBMAnalytics, di blog kami di ibm.com/blog dan bergabunglah dengan percakapan #IBMAnalytics.

Lihat lebih banyak kisah klien atau pelajari lebih lanjut IBM Analytics

Hukum

© Hak Cipta IBM Corporation 2017. 1 New Orchard Road, Armonk, New York 10504-1722 Amerika Serikat.

Diproduksi di Amerika Serikat, Juni 2017.

IBM, logo IBM, ibm.com, dan Watson Analytics adalah merek dagang dari International Business Machines Corp., terdaftar di banyak yurisdiksi di seluruh dunia.Nama produk dan layanan lain mungkin merupakan merek dagang dari IBM atau perusahaan lain.Daftar merek dagang IBM saat ini tersedia di web di “Informasi hak cipta dan merek dagang” di ibm.com/legal/copytrade.shtml.

Dokumen ini berlaku sejak tanggal publikasi awal dan dapat diubah oleh IBM kapan saja. Tidak semua penawaran tersedia di setiap negara tempat IBM beroperasi. INFORMASI DALAM DOKUMEN INI DIBERIKAN "SEBAGAIMANA ADANYA" TANPA JAMINAN APA PUN, TERSURAT MAUPUN TERSIRAT, TERMASUK TANPA JAMINAN KELAYAKAN UNTUK DIPERDAGANGKAN, KESESUAIAN UNTUK TUJUAN TERTENTU, DAN JAMINAN ATAU KETENTUAN NON-PELANGGARAN. Produk IBM dijamin sesuai dengan syarat dan ketentuan perjanjian di mana mereka disediakan.