Trivlytics
Reducer Frafald
Datadrevet prædiktering til efterskoler. Spot elever i risiko for frafald tidligt
Bygget på data fra over 2.000 elever på ni efterskoler — og modellen bliver klogere for hver ny årgang.
Beregn effekten for din efterskole
Mere tid til at drive efterskole
Identificér elever i højrisiko
Få tidlig indsigt i hvilke elever der er i høj risiko for at droppe ud, så I kan være endnu tidligere ude
Løbende opdateringer
Modtag løbende præcise prædikteringer baseret på de nyeste data og justér skolens indsats løbende
Intuitivt dashboard
Følg frafaldet på jeres efterskole med datadrevne visualiseringer – år for år, måned for måned
Præcise forudsigelser
Vores modeller, der er baseret på machine learning, forbedres løbende med mere data og sikrer mere præcise prædiktioner år for år
Om samarbejdet
Vi samarbejder med efterskoler, der deler vores engagement i elevernes trivsel. Sammen bygger vi en fremtid, hvor ingen elev falder igennem.
Sådan fungerer samarbejdet
Dataindsamling
Størstedelen af data har I allerede. Resten indsamles via et kort spørgeskema i 1. og 5. skoleuge. Spørgeskemaet tager kun 2–3 minutter at udfylde. Vi prioriterer, at dataindsamlingen er enkel og overskuelig for jer.
Prædiktioner og tendenser
Sandsynlighederne for frafald opdateres hver måned og samles i et kort oplæg, der er klar til at tage med på lærermødet eller ledelsesmødet – med konkrete punkter til, hvem I skal tale med først.
Pædagogiske interventioner
Data giver jer mulighed for at planlægge og prioritere målrettede indsatser på bofællesskabsniveau, kønsniveau eller på skolen som helhed. Effekten kan herefter følges løbende.
Datasikkerhed
Vi overholder GDPR, beskytter elevdata og sikrer, at skolens frafaldsstatistik holdes fortrolig i samarbejdet med Trivlytics.
Missionen
Vi ønsker at støtte efterskoler i at navigere i en tid, hvor fastholdelse af elever er blevet mere udfordrende. Vi hjælper den enkelte efterskole med at identificere elever med risiko for frafald, så pædagogiske indsatser kan igangsættes hurtigere. Vores mål er at bidrage til, at så mange efterskoler som muligt kan lykkes med deres arbejde, og at mindske samarbejdsefterskolernes frafald.
Enkel, transparent pris
Én fast pris for et ubegrænset antal elever. Ingen skjulte gebyrer, ingen gebyrer pr. elev – bare ligetil prisfastsættelse, der lader dig fokusere på det, der betyder noget: dine elever.
Trivium
Alt hvad du behøver for at støtte elevernes trivsel
- ✓ Månedlige prædiktioner
- ✓ Oversigt over frafaldstendenser
- ✓ Fremhævning af elever i højrisiko
- ✓ Track effekten af jeres indsatser
Hvordan og hvorfor Machine Learning?
Vi bruger flere typer Machine Learning-modeller
Data opsamling
Skoler deler anonymiserede data om bl.a. fremmøde, karakterer og engagement.
Mønstergenkendelse
Vores algoritmer identificerer mønstre, som mennesker måske overser - kombinationer af faktorer, der indikerer, at en elev kan have brug for støtte.
Tidlige advarsler
Før problemer bliver til kriser, får undervisere brugbar indsigt til at række ud til elever, der har brug for hjælp.
Bedre resultater
Med tidlig indgriben kan skolerne yde støtte, når det betyder mest – hvilket fører til forbedret trivsel og reduceret frafald.
Vi bruger flere typer Machine Learning-modeller
Blandt andet logistisk regression, Support Vector Machines, Random Forest og gradient boosting. Modellerne analyserer både mønstre i elevernes adfærd, som weekenddeltagelse over tid, og svar fra korte spørgeskemaer om trivsel og sociale relationer.
De forskellige modeller kan kombineres i en samlet stacked model, som udnytter styrkerne fra hver enkelt model og giver endnu mere præcise og pålidelige forudsigelser. Det giver skolen mulighed for tidligt at sætte ind med målrettet støtte.
Datasikkerhed
Efterskolen er dataansvarlig for de oplysninger, der indsamles om skolens elever, og Trivlytics behandler oplysningerne som databehandler på skolens vegne. Forholdet reguleres af en databehandleraftale, der indgås med den enkelte skole og fastlægger rammerne for behandling, opbevaring og sletning af data.
Trivlytics modtager alene oplysninger, hvor eleverne er identificeret ved elevnummer. Koblingen mellem elevnummer og navn foretages udelukkende af skolen. Alle oplysninger opbevares inden for EU og videregives ikke til andre skoler.
Kristian Houbak Kjær
Ideen bag Trivlytics
Som tidligere efterskoleelev og efterskolelærer har jeg et stærkt tilhørsforhold til denne unikke skoleform. I øjeblikket studerer jeg økonomi på Aarhus Universitet og forventer at færdiggøre min kandidat i 2027.
Mit bachelorprojekt, der omhandler prædiktering og økonometrisk analyse af frafald på efterskoler, blev startskuddet til Trivlytics. En stor tak skal lyde til de seks efterskoler, der valgte at deltage i projektet.
Jeg blev efterskolelærer for at give noget tilbage af det, jeg selv nød godt af som elev. Nu er det igen tid til at give tilbage – denne gang gennem data og indsigt, der kan hjælpe efterskoler med at støtte deres elever bedst muligt.
Kontakt
Klar til at støtte dine elever? Har du spørgsmål om Trivlytics? Vi vil meget gerne høre fra dig.
Foretrækker du at kontakte os direkte?