近日，北方医科大学在其官网上发布了一则通告，宣布对16名研究生进行退学处理，其中包括11名博士生和5名硕士生。这一消息引发了广泛关注。实际上，这并非首次出现此类情况。据报道，今年年初，国内已有近30所高校公布了超过1300名硕博研究生的退学名单，其中包括清华大学、复旦大学和中国人民大学等知名学府。

近年来，大学生被退学的情况屡见不鲜。2019年，某高校发布了一份公告，称由于18名学生长时间未参与规定的教学活动，且未办理相关手续，另外22名学生在复学期满后未返校办理复学或退学申请，因此决定对这40名学生进行退学处理。同年，河北某高校也一次性清退了75名学生。

高校的严格管理早有体现。有人认为高校频繁清退学生是否过于严厉，但近年来的系列举措表明，大学正在变得更加严谨。“玩命的中学，愉快的大学”这种教育现象有望得到改变。2018年6月，教育部部长陈宝生在新时代全国高等学校本科教育工作会议上提出，要改变“玩命的中学，愉快的大学”的现状，提升大学生的学业负担，增加课程难度，拓展课程深度，并提高课程的可选择性，激发学生的学习动力和专业兴趣。

教育部发布的通知强调，从2018级学生开始，将严格控制学业考核，加大过程考核成绩在总成绩中的比重，严肃考试纪律，严把毕业出口关，取消“清考”制度。这意味着中国高校的学生将面临更多的挑战和压力。

在学生成长的过程中，及时的关注对于提升教学质量、学生学习效果以及从源头上避免因学习状况不佳导致的退学情况具有重要意义。为此，高校可以从哪些方面入手呢？

大数据分析预测，识别有风险的学生并提供帮助

为了解决学业完成率低的问题，许多国外大学正在利用数据工具和软件留住学生，通过大数据技术追踪学生的学习轨迹，帮助他们顺利完成学业，从而提升毕业率。

例如，一所国外大学与教育顾问委员会合作，整理了十年的数据和14万份学生记录，分析出与学生辍学和留级相关的学术行为，包括考试不及格、选错课程或在专业课程中成绩不佳等。

教育顾问委员会以这些数据为基础，开发了一个名为“Graduation and Progression Success”的数据分析系统，用来追踪学生每天做出的数千个决策，并据此预测他们的学业成绩。该系统每天检查800多个相关变量，标记可能遇到困难的学生。这些变量包括选课情况、出勤记录和成绩等。不同的变量对学生的影响程度各不相同，主要取决于选课情况和行为表现。

举例来说，如果一名学生的数学成绩不佳，而他准备选择化学专业的课程，数据分析系统会发现数学基础较差的学生在化学专业中辍学的可能性较大。在这种情况下，当学生报名参加化学课程时，系统会通过电子邮件或短信通知学生及顾问，告知存在风险因素。校方会在48小时内采取干预措施，如约见学生讨论等。

顾问指导，提升毕业率的关键

尽管数据分析系统功能强大，但它只是工具之一。提高毕业率的关键因素之一是顾问的支持。这些专业人士帮助学生规划大学学业，规避各种学业风险，直至帮助他们顺利完成学业。

因此，该校重组了顾问系统，雇佣了约60名专业顾问，使学生顾问人数翻了一番。以前每1000名学生配备一名顾问，现在这一比例已经提高到每500名学生配备一名顾问。为了方便顾问提供各项服务，校方还设立了咨询服务中心。相比之前顾问团队人手不足的情况，如今当顾问通过数据分析系统收到预警时，可以及时伸出援手，提供所需的各种支持。

当学生与顾问见面时，顾问会根据数据分析系统提供的数据，分析学生毕业的可能性。该系统将学生分为三个风险等级，用绿、黄、红三种颜色进行标记：绿色表示无风险，黄色表示中等风险，红色则表示高风险，需要顾问立即介入。是否在面谈时向学生展示这些风险指标取决于每位顾问。其中一名顾问表示，他通常不会向学生发出中等或高风险的警告。他希望通过这些信息引导学生进行更深入的交流。当看到一名学生亮起黄灯时，该顾问会询问更多问题，直到学生愿意开口：“我希望你能敞开心扉，我会一路支持你。”

该校采用了数据分析系统后，取得了显著效果。第一年退学率下降，毕业率上升。学校毕业率从2008年的48%提高到了2018年的55%。据统计，学生毕业率每提高1个百分点，学校的投资回报将增加300万美元。

尽管大数据分析技术的应用存在隐私、可靠性等方面的争议，但它无疑给高等教育领域带来了巨大的变化。越来越多的学校开始广泛应用数据分析技术，涉及学科规划、校园生活、心理辅导、就业等多个方面。对于高校而言，如何科学、合理地应用大数据分析技术，考验着大学管理者的智慧。