一种可扩展的数据管道，用于高等教育中的早期检测和决策支持：YuumCare 作者：Anabel Pineda-Brise?o、María Guadalupe Hernández-Compean、Gabriela Aida Flores-Becerra、María de Jesús Hernández-Quezada 和 Mayra Manuela De los Santos-Alonso

《Data》：A Scalable Data Pipeline for Early Detection and Decision Support in Higher Education: YuumCare Anabel Pineda-Brise?o, María Guadalupe Hernández-Compean, Gabriela Aida Flores-Becerra, María de Jesús Hernández-Quezada and Mayra Manuela De los Santos-Alonso

　　

摘要

在大型学生群体中早期识别行为风险模式仍然是高等教育领域面临的挑战，尤其是当支持系统依赖于学生的自愿求助时。本研究提出了YuumCare这一结构化且可扩展的框架，该框架通过可复制的数据流程实现群体层面的数字筛查，以进行早期检测和决策支持。该框架在拉丁美洲一所公立高等教育机构的学期初得以实施，共有466名一年级学生（覆盖率为38.9%）完成了包含情感健康、学业压力和求助态度指标的结构化问卷调查。调查数据通过包含数据导入、预处理、特征构建和基于规则的分类等步骤的处理流程，将分散的自我报告数据转化为标准化特征和可解释的机构信息，从而实现大规模的统一分析。研究结果表明，情感压力、与评估相关的焦虑以及适应困难通常较早出现并常常同时存在，而大多数学生表示不愿意寻求专业帮助。分类分析显示，约三分之一的学生存在中度到严重的需求问题，这为脆弱性提供了结构化的表征。所提出的方法通过一种无需复杂基础设施的可解释和可操作的工作流程，将数字筛查与机构决策联系起来。除了描述性发现外，本研究还提供了一个轻量级且可复制的数据框架，支持在现实约束条件下进行可扩展的监测和协调响应，证明了将自我报告的行为数据转化为可用于高等教育群体层面监测的决策支持信息的可行性。