Using AI to predict student success in higher education

Raynise
Admin Moderator

This is such an insightful article from the Brookings Institute!  A couple highlights are captured below, but read the full article here.

  • As AI becomes more accessible, higher education is increasingly turning to prediction algorithms to inform decisions and target support services.
  • Prediction algorithms can underestimate success for Black and Hispanic students, disproportionately predicting failure erroneously, even when those students ultimately graduate.
12 REPLIES 12

Samantha_Reid
New Contributor II

This is a little scary.    While I understand why they are doing it,  they want their numbers to look good...  I just wonder how many students' futures will be crushed because on paper they don't look good.  There is no measure for the amount of heart and drive a student has when one person believes in them and gives them a chance.  

Students used to be given personality tests that would "determine" which careers they should consider. Not so much different than AI except that today, AI "advice" bears more weight in decision-making. The real problem is that people are placing more value on the supposed objectivity of AI. I don't think any more student futures will be crushed because of AI. Plenty of students already have that happen because of circumstances and sometimes their own bad decisions. AI is just ONE MORE factor in the endless stream of factors that influence decision-making. It's hard enough without it. 

Well said, @ShirleyLane   It's another factor to bring into the overall equation.  We need to be careful how much weight we provide AI to determine careers.  Caution to the weight of this would be great.

Kristal D Ayres

@Samantha_Reid 

Yes, I totally agree, Samantha!  Hopefully things will change when light is shed on the topic.  

Kristal D Ayres

jpark
New Contributor III

Another excellent example of why generative AI literacy is vital across all sectors of education.  By know how these models work, what data they are trained on, and the not so rare phenomena of implicit bias, we can make informed decisions about when to apply AI tools to a problem.  

-MaFerGil
New Contributor II

Estoy de acuerdo con vos

Es nuestra responsabilidad como lideres educativos alfabetizar en IA.

Yo siempre pensé que era docente y cuando me diplomé en técnicas alfabetizadoras en entornos no formales vi que eso era lo que amaba. 

Alfabetizar es diferente a todo, y en IA, más, porque mucho usan a la IA como adivina y ahí reside el error.

La IA debe devolverme una respuesta "ordenada" en base a mi excelente prompt 🙌🏼

Kristal
Community Manager
Community Manager

AI literacy for both students and educators is paramount in this and other educational decisions.  @-MaFerGil  prompting is so important!  Thank you for that reminder

Kristal D Ayres

PREMALATHA
New Contributor

Agreed, it's all just depends on the prompt. The rest is on the teachers hand. The AI is always described as a tool. So the full dependency should be avoided. 

@PREMALATHA  I couldn't agree more!  Full dependency would be hugely detrimental.

Kristal D Ayres

Harefa
New Contributor

Terima kasih

marcomessina
New Contributor II

La discussione mi sembra molto interessante e condivido il pensiero di quei colleghi e di quelle colleghe che indicano come serva una seria alfabetizzazioen digitale per un uso corretto e responsabile dell'AI, mettendo anche in guardia dai bia simpliciti che i sistemi di AI possono riproporre dai loro LLM di addestramento.

Da insegnante credo che bisogna sempre credere nei ragazzi e nelle loro potenzialità, di cui noi vediamo solo una piccola parte, che dobbiamo custodire e far crescere. Sono stato positivamente stupito dai risultati di molti alunni che hanno trovato educatori che hanno investito tempo, risorse e fiducia nella loro crescita umana e professionale.

Credo profondamente nella frase che afferma "nessun/a bambino/a è perduto se c'è un insegnante che crede in lui/lei".

Penso che sia necessario considerare anche gli effetti distorsivi della valutazione e le profezie autoavverantesi, mostrate dall'esperimento di Rosenthal nel 1965.

Nel 1965, lo psicologo di Harvard Robert Rosenthal descrisse la cosiddetta profezia che si autoavvera a seguito di un esperimento sociale, noto come “l’esperimento Rosenthal”. In questo studio, gli insegnanti vennero informati che alcuni dei loro studenti erano stati selezionati in base a un test per essere “scienziati in erba” con un grande potenziale intellettuale. In realtà, questi studenti erano stati scelti casualmente.

Gli insegnanti erano più inclini a fornire supporto, assegnare compiti più impegnativi e dare feedback positivi a questi studenti, che migliorarono le loro prestazioni scolastiche nel corso dell’anno accademico, dimostrando un effettivo aumento del loro QI. Questo miglioramento, tuttavia, non era dovuto a un innato potenziale superiore, ma piuttosto alle aspettative degli insegnanti che avevano creato una profezia che si autoavverava.

In esperimenti successivi, a conferma del potere delle aspettative, si è visto che lo stereotipo di genere per il quale le donne sono peggiori in matematica non è vero. Le loro performance, infatti, risultavano peggiori spesso a causa dell’idea comune che non fossero capaci in quella materia.

Thank you, @marcomessina for that reminder of the effects of self-fulfilling prophecy, as the mind has tremendous power.  AI literacy is more important than ever with the introduction of AI to the field of education.  

Kristal D Ayres