Funkcje CloudMentora:

• Monitorowanie aktywności studentów w czasie rzeczywistym:
  • Analiza obecności na zajęciach, wyników w nauce, poziomu zaangażowania w platformie.
  • Wykrywanie wczesnych oznak problemów, takich jak spadek aktywności czy niska frekwencja.

• Raporty predykcyjne:
  • Wykorzystanie modeli AI do przewidywania ryzyka rezygnacji na podstawie historii zachowań studenta.

Wpływ na dropout:

Raporty Civitas Learning wskazują, że uczelnie korzystające z narzędzi predykcyjnych zmniejszyły wskaźnik rezygnacji o 14% w ciągu trzech lat dzięki wczesnemu reagowaniu na zagrożenia. Dokładne dane na ten temat można znaleźć w „Student Success Impact Report” opublikowanym przez Civitas Learning (źródło: Civitas Learning).

Funkcje CloudMentora: 

• Automatyczne dostosowywanie treści edukacyjnych:
  • Indywidualne ścieżki nauczania dostosowane do tempa i stylu uczenia się każdego studenta.
  • Automatyczne rekomendacje materiałów uzupełniających w przypadku niskich wyników w quizach lub testach.

• Interaktywne narzędzia do nauki:
  • Quizy, symulacje, moduły mikroedukacyjne dostępne w dowolnym momencie.
  • Wsparcie AI w formie wirtualnego asystenta odpowiadającego na pytania dotyczące materiału.

Wpływ na dropout:

Według raportu 2023 EDUCAUSE Horizon Report (2023), uczelnie, które wdrożyły narzędzia personalizujące proces nauczania, zauważyły redukcję dropoutu o 20% w pierwszym roku wdrożenia dzięki lepszemu zaangażowaniu studentów (źródło: EDUCAUSE).

Funkcje CloudMentora: 

• Panel administracyjny:
  • Dashboard dla kadry zarządzającej umożliwiający monitorowanie kluczowych wskaźników: aktywności, ocen i korzystania z zasobów platformy.
• Integracja z innymi systemami:
  • Połączenie z systemami uczelnianymi w celu centralizacji danych o studentach.

Wpływ na dropout:

Badania przeprowadzone przez McKinsey & Company wskazują, że wykorzystanie zaawansowanej analityki w szkolnictwie wyższym pozwala na identyfikację studentów zagrożonych rezygnacją oraz wdrażanie odpowiednich interwencji. W jednym z przypadków uczelnia, korzystając z modeli predykcyjnych, skutecznie zidentyfikowała studentów o wysokim ryzyku dropoutu i wdrożyła ukierunkowane działania wspierające, co przyczyniło się do poprawy wskaźników retencji. (źródło: McKinsey & Company)