पढ़ाई छोड़ने का जोखिम और शुरुआती चेतावनियाँ
विद्यार्थियों की सहभागिता के संकेत, एक ऐसा जोखिम स्कोर जो आयाम-दर-आयाम अपना हिसाब खुद दिखाता है, और ऐसी चेतावनियाँ जो हमेशा अपना प्रमाण साथ लाती हैं। डेटा न होने पर स्क्रीन संख्या गढ़ने के बजाय साफ़ कहती है कि डेटा नहीं है। यह शिक्षा वर्टिकल का हिस्सा है, वैकल्पिक और तब तक बंद जब तक कोई प्रशासक इसे चालू न करे।
शिक्षा स्क्रीन में “पढ़ाई छोड़ने का जोखिम और शुरुआती चेतावनियाँ” खंड जुड़ता है: हर विद्यार्थी के सहभागिता संकेत, छह आयामों पर आँका गया जोखिम स्कोर, और वह चेतावनी सूची जिस पर टीम काम करती है।
स्कोर अपना हिसाब खुद दिखाता है
पढ़ाई छोड़ने का जोखिम कहीं से अचानक आई संख्या नहीं है। यह छह आयामों का भारित औसत है: सहभागिता, शैक्षणिक, वित्तीय, संबंध, दस्तावेज़, तथा उपस्थिति और आचरण। हर विद्यार्थी के लिए स्क्रीन हर आयाम का अपना स्कोर, मॉडल में उसका भार, और कुल में से उसका हिस्सा दिखाती है। सभी योगदान जुड़कर ठीक वही स्कोर बनाते हैं जो दिख रहा है — बीच में कुछ भी छिपा नहीं है।
संख्या के साथ यह भी सुरक्षित रहता है कि उसे किस मॉडल संस्करण ने बनाया, हर आयाम को कौन-सा इनपुट मिला, और उस गणना में कौन-से भार लगे। इसी से महीनों बाद यह उत्तर मिल पाता है कि उस सप्ताह वह विद्यार्थी अधिक जोखिम में क्यों था।
स्कोर जितना अधिक, जोखिम उतना अधिक। श्रेणियाँ हैं: कम, मध्यम, अधिक और गंभीर।
बिना डेटा वाले आयाम को भरा नहीं जाता
यह इस स्क्रीन का सबसे महत्वपूर्ण नियम है, और इसे धीरे पढ़ना चाहिए। जब किसी आयाम के पास उस विद्यार्थी का डेटा नहीं होता, तो वह न शून्य बनकर गणना में आता है, न दूसरे विद्यार्थियों के औसत के रूप में। वह बाहर रह जाता है, “बिना डेटा वाले आयाम” की सूची में नाम, कारण और उस भार के साथ दिखता है जो उसे मिलना था, और मॉडल की कवरेज घट जाती है।
कारण सरल है: शून्य का अर्थ है “हमने मापा और कोई जोखिम नहीं है”। जहाँ माप हुआ ही नहीं वहाँ शून्य लिख देना अज्ञान को अच्छी खबर बना देता है — और जिस विद्यार्थी को कोई माप ही नहीं पाता, वही वह है जिससे विद्यालय को बात करनी चाहिए।
जब छहों आयामों में कोई डेटा न हो, तो कोई स्कोर नहीं होता। स्क्रीन आश्वस्त करने वाला शून्य दिखाने के बजाय “कोई डेटा नहीं” लिखती है और कारण बताती है। ऐसी स्थिति में डेटाबेस स्वयं भी कोई संख्या सहेजने से मना कर देता है।
लर्निंग प्लेटफ़ॉर्म के बिना स्कोर कमज़ोर है, और वह यह कहता भी है
पढ़ाई छोड़ने का सबसे मज़बूत संकेतक सहभागिता ही है, और वह आपके संस्थान के लॉगिन, असाइनमेंट जमा करने और प्लेटफ़ॉर्म पर बिताए समय के संकेतों पर निर्भर करती है। यदि आपने कोई लर्निंग प्लेटफ़ॉर्म नहीं जोड़ा और कोई संकेत आयात नहीं किया, तो स्कोर बाकी पाँच आयामों से बनता रहेगा, पर उसका वजन कम होगा — और स्क्रीन इसे छिपाने के बजाय बताती रहेगी।
यह जान-बूझकर है। अपनी सीमा बताने वाली विनम्र संख्या, खोखली नींव पर खड़ी आत्मविश्वासी संख्या से बेहतर है।
सहभागिता के संकेत कैसे आयात करें
आप एक फ़ाइल चिपकाते हैं जिसमें प्रति विद्यार्थी और प्रति अवधि एक समुच्चित पंक्ति होती है: कितने लॉगिन, कितने मिनट, कितने असाइनमेंट, कितनी अनुपस्थितियाँ। स्तंभ हैं person_ref, signal_type, value, unit, occurred_at और course_ref। विद्यार्थी का संदर्भ सिस्टम में उसकी पहचान (id) या पहले से दर्ज ई-मेल हो सकता है।
ये समुच्चित संकेत हैं, क्लिक-दर-क्लिक नहीं: उद्देश्य व्यवहार के साथ चलना है, ब्राउज़िंग की निगरानी करना नहीं। वही फ़ाइल दोबारा भेजने से कुछ दोहराया नहीं जाता, इसलिए दोबारा आयात करना सुरक्षित है।
जो संदर्भ किसी विद्यार्थी से मेल नहीं खाते, वे स्क्रीन पर वापस दिखाए जाते हैं — साथ में उनकी सूची जो आयात नहीं हुए। कुछ भी अनुमान से नहीं बनाया जाता और कुछ भी चुपचाप गायब नहीं होता।
स्क्रीन हमेशा समुच्चय पढ़ती हैं, और उसके बगल में यह दिखता है कि वह कब बना। कच्चे संकेतों की तालिका केवल मात्रा सँभालने के लिए है; कोई स्क्रीन या चेतावनी उससे नहीं पूछती। वर्षों बीतने पर भी यही चीज़ इस सुविधा को तेज़ रखती है।
हर चेतावनी अपना प्रमाण साथ लाती है
बिना आधार की चेतावनी यहाँ नहीं बन सकती। हर चेतावनी अपना सहारा सहेजती है: क्या देखा गया, सीमा क्या थी, कौन-सा मान मापा गया, और कौन-सी पंक्ति उस तथ्य को प्रमाणित करती है। यह शर्त डेटाबेस में ही लिखी है, इसलिए सीधे पहुँच से भी खाली चेतावनी नहीं बनती।
गंभीरता चेतावनी बनाने वाला नहीं लिखता: वह प्रमाण से निकलती है। सीमा से सौ प्रतिशत ऊपर गया मान गंभीर बनता है; दस प्रतिशत ऊपर गया मान कम। और स्क्रीन हमेशा बताती है कि प्रमाण किसी सिस्टम ने मापा था या किसी व्यक्ति ने बताया, क्योंकि दोनों का वजन एक जैसा नहीं है। केवल बताया गया प्रमाण अपने आप कभी गंभीर तक नहीं चढ़ता।
स्कोर से बनी चेतावनी अपने प्रमाण के रूप में स्वयं स्कोर और सबसे अधिक योगदान देने वाले आयाम साथ लाती है। जिस विद्यार्थी का कोई डेटा नहीं, उसकी कोई चेतावनी नहीं बनती: जो हम नहीं जानते, उस पर चेतावनी नहीं दी जाती।
सिस्टम संकेत देता है, दंड कभी नहीं
यहाँ कुछ भी दाख़िला रद्द नहीं करता, छात्रवृत्ति नहीं काटता, पहुँच नहीं रोकता और विद्यार्थी के विरुद्ध कोई ठप्पा दर्ज नहीं करता। स्वचालित काम इतना ही है: संकेत समुच्चित करना, स्कोर फिर से आँकना, और जोखिम बढ़ने पर प्रति विद्यार्थी सप्ताह में एक बार प्रमाण-सहित चेतावनी खोलना। उसके बाद क्या करना है, यह मनुष्य तय करता है।
पुनः-नामांकन की सूची भी अब जोखिम के क्रम में लगती है, ताकि विद्यालय उन विद्यार्थियों से शुरू करे जिन्हें बातचीत की सबसे अधिक ज़रूरत है।