隨著教育水準不斷提升，我們期望讓每位學生在學業和個人發展上能更上一層樓。我們在「學生數據管理平台」（DMP2.0）中引入創新的學生風險預測模組 (At-Risk Student Prediction Module，簡稱 “ARSP”)。這個模組採用數據驅動的方法，利用雙模態模型演算，幫助老師在早期識別學生潛在的學術及行為差異風險，讓學校可及時進行必要的干預。

如何協助老師照顧學生“學習差異”工作?

如圖1所示，通過DMP2.0上之學生過往的課外活動、獎懲記錄、出勤記錄和作業提交記錄等數據，ARSP模組就可以利用 AI模型分析，提取特徵並評估其影響學生成為風險學生的概率與變化趨勢, 預測學生學習差異的風險程度。這樣有助於學校提前介入，減少學生退學的風險。

釋義

– 行為風險學生（Behavioral Crisis）：有頻繁遲到、缺席或受懲罰情況之學生。
– 學術風險學生（Academic Crisis）：這一學年中有成績突然下降的情況之學生。

ARSP模組功能簡介

當老師將學生數據輸入DMP2.0後，可以在ARSP模組中執行以下操作 (圖2)，識別並支援風險學生：

1. ARSP模組內備有「用戶手冊」，為使用者提供清晰的說明和解釋。
2. 匯出 「風險學生預測結果」，使用者可方便匯出預測結果，利用預測結果作出進一步的分析，提取報告。
3. 「風險概率」，選擇特定的年份和班級，即時查看每位學生的行為和學術風險概率。這一功能通過直觀的介面和動態數據展示，使老師能夠迅速識別需要關注的學生，確保及時干預。
4. 「學生詳細資訊」，使用者可以點擊學生的姓名查看該學生的詳細資訊。包括他們的姓名、班號、出生日期、性別等。以及學生的行為和學術表現。
5. 「意見調查問卷」，使用者可隨時填寫意見調查問卷，反饋意見予「學生數據」項目團隊為ARSPM 模組功能得以不斷優化、提升效率。

學生個人情況具體展示

如圖2所示，點擊某學生的姓名便可查看該學生的基本資訊、行為和學術表現的詳細視圖 (圖3)。 例如，何姓學生的資訊記錄顯示了他/ 她或同時具有較高行為風險和學術風險。老師可以簡單地點擊學生的姓名或學號，即可得到詳盡的學生資訊。這樣不僅展示了學生的具體行為趨勢，還能讓老師根據學生的過往數據和行為模式，為其制定個性化的支持策略。

評估與意見收集

若老師願意分享其對ARSP模組的評價，歡迎透過「評估」功能提供寶貴意見 (圖4)，這些意見對於我們持續改進 DMP2.0 最為有效和重要。我們收集到老師的直接回饋後，可將其用於優化 DMP2.0 上的 AI 演算法，從而提高模組未來預測的準確性。這一過程不僅提升了 DMP2.0的可靠性，也增強了用戶的信任度和滿意度。

下期我們將為大家介紹最後的AI模組 – 學生才能辨識和預測 (Talented student identification and prediction module) 模組。

如有任何查詢，請隨時通過電子郵件 (jcdm.support@polyu.edu.hk) 與「學生數據」項目團隊聯繫。