对于 山姆·兰斯博瑟姆教授他的机器学习和人工智能课程, 在他们的期末项目中，有比字母成绩和gpa更重要的东西. 这学期，本科生们使用了来自 联合劝募协会马萨诸塞州分会. 学生们开发了一些模型，希望能帮助指导非营利组织的筹款, 志愿者参与, 儿童早期干预.
梅丽莎·沃尔特斯23岁
“这个项目有现实生活中的后果. 这不仅仅是一个家庭作业,23岁的梅丽莎·沃尔特斯说, 他是卡罗尔学院信息系统系开设的这门课程的27名学生之一. 沃尔特斯, 谁学习商业分析和金融, 花了一个学期的时间建立一个模型，将数据输入到联合慈善协会提供的一个数据集中. 输入数据涉及创建一个预测模型，该模型使用现有信息来准确地填补现实世界数据集中常见的空白.
联合劝募会的重点之一是儿童早期干预, 它与50多家托儿机构和其他合作伙伴合作，建立了一个庞大的教育筛查信息数据库, 地理趋势, 发展阶段. 然而, 就像所有真实的数据集一样, 数据库不一致，信息缺失, 这使得非营利组织很难进行任何全面的分析. 举个例子，她的归因项目成功地纠正了这个问题, 沃尔特斯说，在整个数据集中，牙买加平原的波士顿社区以13种不同的方式拼写和格式化, 将本应统一分类为多个部分的信息拆分.
教授及William S. 麦基尔南78届家庭教员萨姆·兰斯博瑟姆
与教授通常为教育目的而生成的合成数据源相反, 现实世界的数据集往往充满了遗漏, 拼写错误, 不完全信息. 在某些方面, 增加难度正是这个项目的意义所在, 说Ransbotham, 威廉·S是谁. 麦基尔南78年家庭教师太阳城官网员. “我试图让学生们能够在不完美的现实世界中工作. 我们在一所商学院, 因此，学生们需要做好准备，在数据不完善的情况下做出真正的决定,他指出.
跨学科合作+大数据=社会影响
机器学习和人工智能是一门新课程, 但与联合劝募协会的合作始于一年半以前, 当兰斯博瑟姆遇到艾伦·狄金森时, 分析副总裁 马萨诸塞湾和梅里马克谷联合劝募会. (社会工作学院多年来一直与该组织合作，以促进太阳城官网和实践伙伴关系, 包括减少无家可归者的项目 当地家庭 和 波士顿公立学校系统的孩子.) Ransbotham与Dickenson的会面要感谢太阳城网赌平台的社会影响数据分析太阳城官网小组, 这是从一个 为期三年的资助 从大学的 文理学院. 跨学科小组, 兰斯博瑟姆属于哪一个, 包括来自太阳城网赌平台的九名教师，他们的专业涵盖社会工作, 经济学, 护理, 教育, 和业务. 尽管他们的背景不同, 所有成员的太阳城官网都涉及到使用“大数据”来解决社会问题.
太阳城网赌平台社会工作学院的副教授Summer Sherburne Hawkins说, 谁和她的院长一起领导了这个太阳城官网小组, Gautam N. Yadama他说，“太阳城网赌平台对社会正义的坚定承诺”为该项目奠定了基础. “拨款的意义在于，‘我们怎样才能对社区产生影响? 我们怎样才能进行太阳城官网，为参与这些服务的人提供帮助?’”霍金斯解释道，他是该项目的首席太阳城官网员. 这项为期三年的社会影响数据分析资助最终将在2021-2022学年启动跨学科太阳城官网生课程, 但学生们已经通过兰博瑟姆与联合劝募协会(United Way)的合作，在课堂上感受到了它的影响.
一位联合劝募协会的志愿者给一个小孩朗读. 学生们分析的其中一组数据包括联合劝募协会早期儿童干预项目的数据. (图片来源:马萨诸塞湾和梅里马克谷联合劝募会)
在助学金的第一年, 太阳城官网小组的成员听取了各种演讲者的意见, 包括迪金森, 谁介绍了联合劝募协会在数据和分析方面的需求和机会. 像很多组织一样, 联合劝募会产生大量需要分析的数据:从幼儿教育测试成绩到筹款指标，再到志愿者参与信息. 和所有教授数据分析的教授一样，Ransbotham也需要数据供他的学生分析. 双方的利益是显而易见的.
“混乱的真实世界数据”
2020年春天，兰博瑟姆与他的太阳城官网生数据分析3班试行了这种合作关系. 全职M组.B.A. 学生们分析了联合劝募会提供的两组数据:一组是早期儿童干预数据，另一组是志愿者参与和筹款活动的信息. 在课程结束时, 这些小组将他们的发现提交给了Dickenson和AJ Spagnuolo ' 17, 他是联合劝募会的分析主管. “在很多情况下，我说, “哦,是的, 你说得很对,’”迪肯森说, 参考小组对数据的见解.
凯利·拉帕波特M.B.A. ’21
太阳城官网“混乱的、真实的数据”对学生们也有好处，凯利·拉帕波特说.B.A. 21岁，2020年春季毕业生数据分析3班的一员. 拉帕波特计划在获得硕士学位后从事数据分析或营销方面的职业.B.A., 强调商学院课程的重要性，提供真实数据集和真实客户的经验，让学生为就业做好准备. 数据分析3是最后一门课程 三个系列的数据分析课程 在南方.B.A. 课程, 因此，拉帕波特和她的团队利用他们之前的分析经验作为基础，把联合劝募协会的项目作为一个受欢迎的机会，“一点点挑战自己”.”
艾丹·莉娜，23岁
“我们喜欢在商业课上大量谈论这些理论结构, 但是看一张来自真实世界的表格是很不一样的,23岁的艾丹·莉娜说, 本学期机器学习与人工智能课程的本科生. 小班授课是面对面的，学生们花了一个学期的时间学习人工智能理论和算法构建技术. 与复杂的信息系统概念交织在一起的是关于机器学习的伦理含义以及以不加剧现有不平等的方式实施技术的重要性的更深层次的讨论. 在大一学习了商业道德之后 门廊类, 莉娜表示，继续关注“人工智能对一切事物的影响所带来的更广泛的伦理影响，以及它将如何改变世界，这是很自然的。.”
在迪肯森虚拟参加的两堂课上，这些理论效果变得切实可见. 而不是抽象地讨论合成数据集, 学生们亲身体验了数据对联合劝募会工作的影响. 除了回答数据特定的问题, 她还提供了这两个数据集的背景, 分享他们的早期儿童干预计划的影响，以及建立一个强大的捐助者和志愿者网络的组织意义.
给予洞察力，获得知识
这是艾丹·莱纳23岁的神经网络的截图，这是他分析联合劝募协会志愿者和捐赠活动项目的一部分.
课堂外, 学生们努力将课堂上学到的技术和理论与现实世界数据的混乱现实结合起来. 当他们的家庭作业从最初的建议发展到最终完善的模型时, 学生们用课堂上的例子来调整他们的模型，以适应联合劝募会的需求. 和, 尽管本学期的项目是个人的，但与去年春天的M.B.A. 小组项目——本科生之间仍然有一种同志情谊. “让几十名学生在同一个数据库上工作，同时发现关于它的东西，对每个人来说都是一个很好的机会,沃尔特斯说。.
本科生们使用的是与M相同的两个数据集.B.A. 学生, 尽管他们在学期末向迪肯森提出了一种不同的分析方法. 不像M.B.A. 数据分析类, 它专注于分析过去的数据并寻找历史模式, 机器学习和人工智能涉及预测模型，为查看未来数据提供框架. “我们本学期的部分目标是让(联合劝募会)在未来发挥价值. 而不是认为这些是一次性的分析, 联合劝募会也将持续产生相同类型的数据. 我的学期结束了并不意味着他们的工作停止了,兰斯博瑟姆说, 表明一个经过良好调整的计算机模型对分析未来数据的持续价值.
本着数据分析对社会影响小组的精神, 兰博瑟姆很高兴看到这些模式正朝着一个好的方向发展:“如果学生们要为学习经历付出努力, 而不是对另一个合成数据集进行分析, 为什么我们不试着用这种努力去做一些有帮助的事情呢?”
学生们付出的努力是巨大的. 沃尔特斯说:“我可能要花30个小时以上来太阳城官网这个模型，但这是值得的.她衡量价值的标准不仅是她正在学习的技能，还包括在更广泛的社区中为其他人利用这些技能的机会. 她指出:“这门课确实体现了不列颠哥伦比亚省的身份。 社会正义 在一所耶稣会大学. “我们在学习，这对我们来说是有教育意义的，但我们最终也在帮助别人. 这感觉真的很重要.”
23岁的蕾切尔·伯德是一名内容开发专家(兼M.B.A. 卡罗尔管理学院的学生.