在充满讲座式课程的大学中，很难看出来到底有哪些学生心不在焉。在过去的几年里，普渡大学正在尝试通过一种数据算法，来帮他们找出在校园里有哪些学生正面临退学的风险，或者是有哪些课程需要更多的老师。学校的管理者们管这个系统叫“student success algorithm（成功学生算法）”，它的官方名称叫Course Signals——假如这套系统可以成功运行的话，就有可能会改变现代大学的运作方式 。
通过数据挖掘和分析工具，Course Signals不仅可以推测一个学生在一门课程中的表现如何，也可以提前探知有哪些学生正处于学业挣扎当中，在危机爆发之前学校就予以帮助。
到目前为止，Course Signals效果不错。通过普渡大学上个月发表的报告来看，在两门或更多课程中使用了Signals的学生要比那些没有使用这套系统的学生， 毕业率提高了21.48%（六年制）。目前，将近24000名学生参与这个项目，超过145名普渡大学的的教授或老师在他们的课程中使用这套算法。当前这个学期，Signals覆盖了超过100门课程——计划明年春天推进更多。
问题是：学生们对这套能够预测他们大学生涯的系统怎么看？假如今后学生顾问变为一套计算机算法，那是什么感觉呢？
数据驱动的霍索恩效应
不像传统的评估学生的方法，普渡大学的算法能够对学生的学习情况有更全面的考量：从最基础的考试分数、排名，到学术经历，甚至还会监测到学生与电子学习系统Blackboard Vista的互动情况。
本质上，Course Signals更多地是一套基于社会科学而不是计算机科学的系统。所谓的“霍索恩效应”是指人们如果得知自己正在被研究或监测，行为表现就会有所增强。引申到学习领域，如果学生能够收到更多关于他们当前状态的反馈，他们分数就会更高。
当然，理论归理论。普渡大学学术科技部门的研究科学家Matthew Pistilli表示，要让这套理论被学生所接受，取决于以下两点：易于理解并容易获取。要做到前者，Pistillit打算采用一套类似红绿灯的系统，帮助将学生们的目标融入他们的学习轨迹当中。
这套算法将学生们按照当前状态分成红、黄、绿三组。绿色表示学生们如果继续保持当前的学习状态，他们就很可能达成目标。黄色表示该学生在某门课程中存在潜在危险。红色则表示这个学生要挂了。一旦学生们被分配到某一组，系统就会自动生成并通过email发送一条带有学生和讲师姓名的信息（还会引用一些特定的文字以让这个邮件看起来不会太机械）。这条信息不仅包括系统对于该学生课程结果的预测，还会给出一些建议，以便学生能够继续保持状态或做出相应改进。
改变我们教学的方式
Course Signals的雏形建于2007年，基于John Campbell的研究理论（John Campbell目前担任着西弗吉尼亚大学副教务长和首席信息官）。Campbell的论文中提出的加权算法奠定了Course Signals的基础。
一开始，这套算法的执行是依靠工作人员手动把数据敲入Excel中的——现在它已然是一套自动运行的复杂系统。Pistilli表示：“这个算法会趋向于包容——有的时候，对于正在劲头上的学生，我宁愿‘错误’的发条信息说‘你要注意了！’，而对于实际上表现的不怎么样的学生，我会希望给与鼓励。”
Signals的好处不仅仅是让学生们受益，数据反馈也会帮助老师们调整自己的教学实践。Pistilli说道：“我们希望老师们能够对于他们的讲授方式有更准确的理解。假如一位老师在Course Signals中进行一次调查，而系统的反馈80%都是红灯——而老师们原以为学生们的表现会更好——这时候老师就有一次机会，返回去看看问题究竟出在哪。他们会与学生们认真沟通哪部分没有搞懂。”这也意味着教授可以在下次上这门课时采纳这些意见，并做出改进。这是在用数据的方法来改进教学。
说来也奇怪，学生们喜欢这个系统。Pistilli 称：“很多学生告诉我们，他们想在每门课里都有Course Signals。他们渴望得到反馈，喜欢别人对他们的行为给予评价，并在更广的视角上给予指导。这就是区别：如果你问一个没用Course Signals的学生，他在课上怎么样，他们一般都会回答你在上次考试中得了A还是B，很少深入。Course Signals则是去量化学习的过程，让学生们更好的了解他们现在的状态如何。这可以帮助他们变得更好。”
