Nowy artykuł Prof. Krzysztofa Rybińskiego, zamieszczony w publikowanym przez wydawnictwo Taylor & Francis czasopiśmie Higher Education Research & Development (140 pkt na liście ministerialnej), nosi tytuł: „Assessing how QAA accreditation reflects student experience„.

Autor tak przedstawia go w abstrakcie: W artykule tym opracowano metodologię uczenia maszynowego do analizy związku między akredytacją uczelni a doświadczeniem studentów. Dotyczy 98 akredytacji uniwersyteckich przeprowadzonych przez Agencję Zapewnienia Jakości (Quality Assurance Agency – QAA) w Wielkiej Brytanii w latach 2012-2018 oraz 263 025 ocen uczelni w trzech kategoriach zamieszczonych przez studentów na stronie internetowej whatuni.com. Przetwarzanie języka naturalnego (NLP) służy do wyodrębniania cech z raportów akredytacyjnych. Cechy te są zmiennymi objaśniającymi w modelach automatycznej regresji liniowej, w których zmienną zależną jest doświadczenie ucznia, mierzone na podstawie ocen uczniów. Artykuł stwierdza, że ​​przeglądy instytucjonalne w latach 2012–2014 i przeglądy szkolnictwa wyższego z lat 2014–2016 wprowadzają w błąd opinię publiczną na temat doświadczeń studentów, podczas gdy przeglądy instytucjonalne oparte na wzmocnieniu w Szkocji w latach 2014-2018 zapewniają rzetelne wskazówki. Te ustalenia powinny doprowadzić do głębokiej refleksji na temat funkcjonowania systemu akredytacji uniwersytetów w Wielkiej Brytanii. Wnoszą również wkład w toczące się debaty na temat zaangażowania studentów w zapewnianie jakości szkolnictwa wyższego oraz tego, czy doświadczenie studentów jest wiarygodną miarą jakości uczelni. Ponadto w artykule wykazano, że modele uczenia maszynowego są użytecznymi narzędziami do porównywania raportów akredytacyjnych i mogą pomóc przyszłym studentom w wyborze uczelni.

Aplikuj online