近年来，高中毕业率达到了历史最高水平。但是，有一件事仍然很清楚：仍有许多工作要做。每年有超过120万学生辍学，几乎每个州的低收入学生与非低收入学生之间的毕业率差距都达到了两位数。我们面临着一个不幸的现实，一个有色人种，残疾和社会经济地位较低的学生拥有较少的资源和机会。

教育部门的老师，家长和非营利组织如何才能共同努力缩小毕业差距?我们如何为我们所有的年轻人创造更多的机会?答案：数据，技术和同情心。

数据驱动的预测的力量

传统上，教育部门和以学生为中心的非营利组织提供课后辅导计划等服务，它们依靠考试成绩和评估来衡量学生的进步。但是，仅靠这两个因素并不能可靠地显示出其他可能对学生的学术成就做出贡献的因素。自2004年以来，每班每班21至27名学生负责教师，对课外学习的需求，尤其是在低收入地区尤其如此。

一天中没有足够的时间或资源来满足对更多学生注意力和深入评估的需求。这就是技术发挥作用的地方。预测性分析使用历史数据集来识别模式并预测未来的结果，可以填补教师可能错过的，考试成绩被忽视的空白。

例如，约翰是德克萨斯州的一名5年级学生，在STAAR年度考试中得分很低。如果我们在筒仓中查看他的分数，我们不可避免地会错过关键细节。例如，假设约翰正在参加课后辅导计划，他的出勤记录显示，在考试前的几个月中，他平均每周缺席两次。也许他还比以前使用了更多的免费学生午餐。

这些额外的数据点表明，他的家庭生活中可能正在发生某些事情，从而导致测试成绩低于平均水平。具有预测能力的技术将这些细节转换为可操作的数据，使教师，导师和非营利服务提供商能够主动采取行动，并根据数据驱动做出有关如何提供支持的决策。

科技+人=两全其美

技术可以收集，分析和报告有关每个学生的数据，而不仅仅是查看整个学生的身体。但是，仅凭技术本身不足以降低辍学率并有效地引导青年走向成功。

尽管预测技术以只有计算机才能实现的速度和准确性进行分析并提供洞察力，但人类的经验，直觉和同情心并不能替代。教师和注重教育的非营利组织与学生互动并建立关系。他们了解教室，课程和整个教育系统的细微差别。当老师和案例工作者可以访问补充他们的人际关系知识的数据时，他们可以指导学生寻求更大的可能性。最终，这些见解可以为教室内外的教育工作者和案例工作者提供明智的，数据驱动的选择。

改变传统教育

随着地区预算的缩减，决策者必须在资金分配方面具有战略性。预算不足，时间紧迫以及对未知事物的恐惧通常会使技术的采用受到教育者和案例工作者的关注。但是，随着我们的世界越来越依赖数据来驱动决策，我们必须考虑可能因未能采用可以提供更全面的学生视野的技术而错过的东西。

预测分析与人为干预相结合，可以改变教师教学和学生学习的方式。而且它已经在影响非营利组织开展教育计划并指导学生走向成功的未来的方式。仅凭这些功能，都不​​足以显着降低辍学率。但是，它们共同推动学生走向成功，并授权教育工作者，决策者和案例工作者中的每个人做出扎根于事实的明智决定，并得到经验和同理心的支持。

如果我们的目标是让孩子留在学校，帮助他们毕业，并在课堂之外促进他们的学业和个人成就，那么我们应该研究一下预测分析如何指导我们指导他们。通过赋予热情的老师和案例工作者以技术力量，我们可以为每个学生创建一个360度支持系统。这样，我们可以缩小毕业差距并在每个学生群体中促进机会，每年使越来越多的孩子上学。