如今，越来越多的大学正在建立系统，当算法确定学生在学术上处于危险之中时，会自动向学生发送电子邮件。承诺是这样小的推动可以激励接收者回到正轨并防止他们辍学。但在某些情况下，这些努力实际上造成的伤害大于好处。

并不是潜在的想法存在缺陷，但研究表明大学如何实施这些努力会产生很大的不同。伤害的风险很大，有可能无意中推动人们离开大学。

制作学生成功技术的Civitas Learning的共同创始人兼首席学习官Mark Milliron讲述了本周在SXSW EDU年度会议期间，在一次名为NudgeU的会议期间，一个早期警报系统回火的故事。学习行为经济学。

Milliron分享了一个例子，说明一名工作母亲的学生如何收到预警信息并因此而离开学校。

“她说，在十月份，她的两个孩子得了流感，一个大工作项目出现了，她正在处理呕吐儿童和一个巨大的工作项目，她的头已经停了两个半星期。当她终于从中退出时，她想要被学校抓住，“Milliron说。“但她收到了学校的一封电子邮件，来自预警系统，说，'这是为了通知你，你已经错过了三个课程，如果再错过一个课，你就会被丢弃。' 在那时，在与孩子和工作打交道之后，她说，“这是上帝的标志，我不应该在学校。” 她离开了。你可以理解这一点。“

观看EdSurge点播网络研讨会，“ 分析如何支持学生在高等教育中取得成功 ”，由Salesforce.org赞助。

Milliron强调，早期预警系统已在他所研究的一些大学工作。但在其他方面，这些推动产生了“几乎两位数的负面影响”。

为了防止出现这种结果，他鼓励大学在实施此类系统时密切关注数据，并测试其推动的措辞，以了解学生如何响应警报。

他说，这样的研究表明，当学生取得学业成功时，发送信息的重要性，而不仅仅是在失败即将发生时。例如，就让学生引起注意而言，最好的主题之一就是“我们为你感到骄傲。”Milliron开玩笑说，他现在考虑使用主题，他希望确定某人会打开任何信息。

学院的另一名成员，新美国项目助理Ernest Ezeugo认为，大学必须考虑任何涉及学生的大数据项目的道德规范。否则，一个友好的推动可能最终变成一个推。

“以一种不伤害学生的方式使用这项技术需要很好的预见，”他说，并指出算法最终可能会进一步加剧构建系统的人的隐含偏见。为了帮助指导大学完成设计过程，他指出了2016年新美报告“ 高等教育预测分析的承诺和危险”。”

“我认为他们有很大的潜力，但我们不能只假设一种尺寸适合所有人，”Teasley在接受采访时说。“我真的很关心这个真正了解这些系统真正有价值的问题，而且可能在他们没有的时候。”

例如，她问，如果一名工程学课程中的女学生被证明她在课程中的平均成绩低于平均水平，那会不会阻止她向前推进?“我担心刻板印象威胁问题，”她说。

她说，一种可能的解决方案是向学生展示他们相对于其他人的表现，他们的准备程度与他们相同。这样一来，与整个班级相比，学生的平均成绩略低于平均水平，可能会显示一条消息：“对于那些没有为这门课程做好准备的人，你表现得很好。”

正如她的论文总结：“虽然需要对面向学生的仪表板进行更多研究，但似乎设计具有”一刀切“显示的系统 - 所有学生的表现都通过单一算法进行评估，他们看到相同的格式对于反馈 - 可能是不明智的。“