Datadriven meritvärdering vid antagning till masterprogram – DDMV1
Projektet innebär att öka kvalitén i masterantagningsprocessen samtidigt som arbetsinsatsen för både PA och studieadministration minskar, genom att i hög grad automatisera datahanteringen och dessutom ta fram en träffsäker och validerad meritvärderingsmodell.
Projektkontext
KTH har många internationella sökande till sina mastersprogram. Utvärderingen av dessa sökande tar idag avsevärd tid i anspråk både för KTH:s administration och för programansvariga lärare (PA). Proceduren kräver att ett antal dokument manuellt söks fram, öppnas och bedöms i NyA. Processens effektivitet skulle kunna förbättras via automatiserad datahantering. I tillägg finns idag inte någon validerad metod för hur studenternas meriter ska bedömas för att utgöra en god indikator på deras möjlighet att klara av studierna på KTH. Även kvalitén i antagningsprocessen har förbättringspotential.
Inför masterantagningen på SCI-skolan HT23 genomfördes därför ett pilotprojekt under hösten 2022 med det övergripande målet att öka kvalitén i antagningsprocessen samtidigt som arbetsinsatsen för både PA och studieadministration skulle minska. Pilotprojektet lyckades med att uppnå båda dessa mål, samtidigt som ett antal nya idéer för att kunna fortsätta i riktning mot det övergripande målet identifierades. Det finns alltså potential att ytterligare öka både effektiviteten och kvaliteten i processen.
Detta projekt innefattar att göra det arbete som SCI-skolan själv kan genomföra för att komma vidare framåt. Samarbete med andra skolor och med verksamhetsstödet (VS) har potential att leda till ytterligare förbättringar.
Syfte/Effekt (outcome)
Det övergripande syftet med projektet är att skapa bättre kvalitet i bedömningen inför mastersantagningen HT24 samtidigt som tidsåtgången för arbetet minskas genom att automatisera alla delar som kan automatiseras. Effektmålen är:
-
Mindre arbete för både administration och PA, genom att automatisera alla delar som kan automatiseras (automatiserad datahantering för att snabbt få fram ett lätthanterligt beslutsstöd samt en preliminär rankning av studenternas meriter). Följs upp via tidsjämförelser.
-
Bättre bedömning inför den internationella antagningen 2024, genom att skapa en mera träffsäker och validerad meritvärderingsmodell (användning av data från ett större antal tidigare studenter på KTH än vad som var fallet i pilotstudien). Följs upp via statistisk analys av framtagna modeller.
Projektresultat (output)
-
Nytt ”Summary sheet” framtaget, testat och publicerat för alla deltagande 27 program på EECS och CBH (1 oktober 2023).
-
Validerad antagningsmodell klar. Administrativt stöd till PA klart (15 januari 2024).
-
Excelprogram för att hantera ”Summary sheet” testad och klar (25 januari 2024).
Tidplan
Startdatum: 2023-08-01
Slutdatum: 2025-01-31
Projektdokumentation
Du som har KTH-ID kan läsa den senaste projektdokumentationen, som ligger i OneDrive, i inloggat läge:
-
Projektdirektiv: Projektdirektiv_FrU23_2322-SCI_Masterantagning-DDMV1.pdf
-
Slutrapport A3: A3_FrU24vt_2322-SCI_Masterantagning-DDMV1.pdf
Resultat
I oktober 2023 slogs detta SCI-projekt Datadriven masterantagning (DDMV1) ihop med VS-projektet Meritvärdering master och samarbete med fler skolor påbörjades. Projektet DDMV2 (KTH-2407) inkluderar nu nära 30-talet masterprogram med programansvariga (PA) från SCI, EECS och ITM, IT-avdelningen samt centralt och skollokalt VS på berörda skolor. Arbetet fortsätter inom ramen för DDMV2.