Innføring av prediktiv analyse inne høyere utdanning

Abstract

Business Analytics har innen høyere utdanning transformert arbeidet for både lærere og administrative ansatte. Data kan benyttes til å tiltrekke flere studenter, forbedre studentfrafall og gjennomføringsgrad, samt forbedre resurssplanlegging gjennom hele organisasjonen. Dette er vesentlige aspekter som bidrar med å gjøre universitetet attraktive for studenter, og deretter holde seg konkurransedyktige. Implementering av business analytics er derimot en resursskrevende prosess som krever tid, kostnad, god infrastruktur samt riktig kunnskap. Eksisterende litteratur påpeker utfordringer tilknyttet implementering av business analytics innen høyere utdanning, hvor flere av disse utfordringene skyldes den komplekse og omfattende organisasjonsstrukturen som en ofte finner hos universiteter.

Denne oppgaven har som hensikt å utforske flere barrierer for implementering av business analytics hos universiteter. Dette gjøres ved å samle brukerperspektiv fra fremtidige brukere til en kommende modul som baserer seg på prediktiv analyse. Oppgaven vil på dette vis også undersøke om noen av barrierene er unike for prediktiv analyse. Dette gjøres i form av et casestudie på NTNU, hvor det skal lanseres en estimeringsmodul til et eksisterende styringsverktøy. Målet med oppgaven er å kartlegge poteniselle barrierer spesifikt for dette caset før modulen lanseres, og anbefale tiltak som forhåpentligvis kan bidra til den endelige innføringen. Brukerperspektivene er samlet inn gjennom kvalitative data i form av dybdeintervju.

Funnene indikerer at de mest fremtredende barrierene er tilknyttet kommunikasjon, og at det eksisterer et informasjonsbehov som bør dekkes for å øke brukernes motivasjon og eierskap til modulen. Resultatet viste også at det kunne være fordelaktig med en standard for registrering av data, samt en generell bevisstgjøring og forståelse for sammenheng mellom data input og output.

Predictive Analytics has transformed the work for both teachers and administrative staff within higher education institutions. Data is often used to make better decisions in order to attract more students, improve student drop-out and completion rates, as well as improve resource planning throughout the organization. These are central aspects that can help make the university attractive to students and maintain a competitive advantage. Implementing predictive analytics is a resource-intensive process that requires time, cost, good infrastructure, and the right knowledge. Existing literature points to challenges associated with the implementation of business analytics in higher education, where several of these challenges are due to the complex and comprehensive organizational structure that is often found in universities. Barriers for implementation will be explored through this case study at NTNU, where a prediction module for an existing management tool will be launched. The aim of the thesis is to map potential barriers before the module is launched, and to recommend measures that can hopefully contribute to the implementation stage. This is done by gathering user perspectives from the future users of the upcoming module based on predictive analytics. The user perspectives are collected through qualitative data in the form of in-depth interviews. The thesis will also examine whether any of the barriers are unique for predictive analysis. The findings of the thesis indicated that the most prominent barriers are associated with communication, and that there is a need for more information regarding the upcoming module. More information could increase users' motivation and ownership of the module. The result also showed that a standard for data registration could be beneficial, as well as a general awareness and understanding of the connection between data input and output.