Institute Dynamics Report

📚 Table of Contents

1. Introduction - Institute vs. Course Reports
2. Understanding Aggregation
3. Executive Summary - The 6 Key Metrics
4. Cumulative Engagement
5. Institute Active Users Trend
6. Institute Consistency Engagement Score
7. Feature Usage Trends
8. Using Per-Course Breakdowns
9. How to Interpret & Take Action

🏛️ Introduction - Institute vs. Course Reports

The Institute Dynamics Report provides a bird's-eye view of all courses within your institute aggregated together. This report helps you:

Compare performance across multiple courses
Identify institute-wide trends and patterns
Spot which courses are excelling or struggling
Make strategic decisions at the organizational level
Allocate resources and support where needed

🔄 Key Differences from Course Reports:

Aspect	Course Report	Institute Report
Scope	Single course	All courses combined
Metrics	Individual student behavior	Aggregated across courses
Charts	Single line/area per metric	Stacked by course + aggregate line
Use Case	Course instructor improvements	Institute-level strategic planning
Details	Always visible	Collapsible per-course breakdowns

💡 Best Practice: Use the Institute report for high-level monitoring and identifying courses that need attention, then drill down into individual Course reports for detailed analysis and action plans.

🔢 Understanding Aggregation

Institute metrics are calculated by aggregating data from all courses. Different metrics use different aggregation methods:

Aggregation Methods

📊 Summation

Used for: Active users, enrolled students, feature usage counts

Example: If Course A has 50 active users and Course B has 30, the institute has 80 active users total.

📐 Weighted Average

Used for: Percentages like activity rate, weighted by active user count

Example: Course A (50 users) has 60% activity, Course B (30 users) has 40% activity → Institute = (50×60 + 30×40)/(50+30) = 52.5%

📏 Simple Average

Used for: Engagement distributions, coverage percentages

Example: Course A has 30% consistent users, Course B has 50% → Institute = (30+50)/2 = 40%

📈 Median

Used for: Time metrics (median of medians)

Example: Course A median = 2 hours, Course B = 3 hours, Course C = 2.5 hours → Institute median = 2.5 hours

⚠️ Important: Because of aggregation, institute-level metrics may not match simple averages. A course with many students has more influence on weighted metrics than a small course. This is intentional and reflects true institute-wide impact.

📋 Executive Summary - The 6 Key Metrics

The executive summary provides a holistic view of your institute's performance. Each box includes:

The main institute-level metric (color-coded: Green >60, Yellow 26-60, Red <26)
Week-over-week change (↑↓ indicators)
Top and Bottom performing courses for comparison

📊 Visual Example: Executive Summary Boxes (Institute)

This is what the Executive Summary looks like in your institute report:

48.5%

Current Activity Rate

% of Active So Far

Total Active So Far: 312

Top: ML (68.2%)

Bottom: Intro CS (32.4%)

58.7%

Retention (Coverage)

↑ +2.3% vs last week

Top: Data Science (78.5%)

Bottom: Web Dev (41.2%)

52.18

Consistency Engagement Score

↑ +1.85 vs last week

Top: Advanced Algo (61.3)

Bottom: Intro CS (38.7)

4:12:45

Time Spent

↑ +0:28:15 vs last week

Top: OS (6:45:30)

Bottom: HTML (1:15:20)

58.42

Feature Score

↑ +2.35 vs last week

Top: Quiz (72.3%)

Bottom: Mind Map (18.5%)

64.3

Student Retention

↑ +0.8 vs last week

Top: Cloud (75.2)

Bottom: Discrete Math (48.9)

💡 Notice: Institute boxes show Top and Bottom performing courses for each metric, helping you identify which courses need attention.

📈 Visual Example: Stacked Area Chart (By Course)

Institute Weekly Active Users: Stacked by Course

Machine Learning

Data Science

Web Development

% of Active So Far

💡 Key Insight: In stacked charts, you can see which courses contribute the most to institute totals. If one course's area shrinks, it's a course-specific problem. If all shrink proportionally, it's an institute-wide trend.

🔧 Visual Example: Feature Usage Info Box (Institute)

Semester Usage Score (≥2 weeks)

58.42/100

High

≥40%

Moderate

20-39%

Low

<20%

Usage % (Status)

52.18/100

High

≥40%

Moderate

20-39%

Low

<20%

This shows aggregated feature usage across all courses in the institute.

📊 Visual Example: Executive Summary Boxes (Institute)

This is what the Executive Summary looks like in your institute report:

48.5%

Current Activity Rate

% of Active So Far

Total Active So Far: 312

Top: ML (68.2%)

Bottom: Intro CS (32.4%)

58.7%

Retention (Coverage)

↑ +2.3% vs last week

Top: Data Science (78.5%)

Bottom: Web Dev (41.2%)

52.18

Consistency Engagement Score

↑ +1.85 vs last week

Top: Advanced Algo (61.3)

Bottom: Intro CS (38.7)

4:12:45

Time Spent

↑ +0:28:15 vs last week

Top: OS (6:45:30)

Bottom: HTML (1:15:20)

58.42

Feature Score

↑ +2.35 vs last week

Top: Quiz (72.3%)

Bottom: Mind Map (18.5%)

64.3

Student Retention

↑ +0.8 vs last week

Top: Cloud (75.2)

Bottom: Discrete Math (48.9)

💡 Notice: Institute boxes show Top and Bottom performing courses for each metric, helping you identify which courses need attention.

📈 Visual Example: Stacked Area Chart (By Course)

Institute Weekly Active Users: Stacked by Course

Machine Learning

Data Science

Web Development

% of Active So Far

🔧 Visual Example: Feature Usage Info Box (Institute)

Semester Usage Score (≥2 weeks)

58.42/100

High

≥40%

Moderate

20-39%

Low

<20%

Usage % (Status)

52.18/100

High

≥40%

Moderate

20-39%

Low

<20%

This shows aggregated feature usage across all courses in the institute.

Metric 1: Current Activity Rate

🎯 What it shows:

Institute-wide percentage of students who have been active at least once this semester that were active this week. Aggregated using weighted average by active user count.

Formula:
Institute Activity Rate = Σ(Course WAU × Course Activity Rate) / Σ(Course WAU)

Where Activity Rate = (WAU / Cumulative Active Users) × 100

📊 Example:

48.5% of Active So Far
Total Active So Far: 312 students
Top: Machine Learning (68.2%)
Bottom: Intro to Programming (32.4%)

Interpretation: Across the institute, 48.5% of previously-active students were active this week. There's significant variation between courses - ML is retaining well while Intro needs attention.

✅ Institute-Level Insights:

Compare top/bottom courses to identify best practices
Low bottom scores may indicate struggling instructors needing support
Large gaps suggest inconsistent teaching quality

Metric 2: Retention (Coverage)

🎯 What it shows:

Institute-wide percentage of enrolled students active ≥2 weeks. Uses simple average across courses.

Formula:
Institute Coverage = Average(Course Coverage)

Course Coverage = (Students Active ≥2 Weeks / Enrolled) × 100

📊 Example:

58.7% (↑ +2.3% vs last week)
Top: Data Science (78.5%)
Bottom: Web Development (41.2%)

Interpretation: On average, nearly 60% of students establish regular usage. Web Development may have onboarding issues or less engaging content.

✅ Institute-Level Insights:

Identify courses with poor retention for targeted intervention
Study high-retention courses to replicate success factors
Track improvement over time as interventions are implemented

Metric 3: Consistency Engagement Score

🎯 What it shows:

Institute-wide normalized score (0-100, expected=50) measuring student consistency. Aggregated using weighted calculation.

Categories:
• Consistent ≥60% weeks (Weight: 10)
• Moderate 25-59% weeks (Weight: 3)
• Sporadic <25% weeks (Weight: 1)

Score is averaged across courses then normalized

📊 Example:

52.18/100 (↑ +1.85 vs last week)
Top: Advanced Algorithms (61.3)
Bottom: Intro to CS (38.7)

Interpretation: Slightly above expected consistency. Advanced courses tend to have more consistent engagement than introductory ones.

✅ Institute-Level Insights:

Compare introductory vs. advanced course patterns
Low scores in intro courses may indicate poor onboarding
Institute-wide training on building student habits may help

Metric 4: Time Spent

🎯 What it shows:

Institute-wide cumulative median time. Uses median of medians approach.

Formula:
Institute Cumulative Time = Median(Course Cumulative Medians)

📊 Example:

4:12:45 (↑ +0:28:15 vs last week)
Top: Operating Systems (6:45:30)
Bottom: HTML Basics (1:15:20)

Interpretation: The median student across all courses has spent about 4 hours total. OS students are highly engaged while HTML students spend minimal time.

✅ Institute-Level Insights:

Compare time vs. course difficulty/credit hours
Very low times may indicate content is too easy or not engaging
Very high times may indicate content is too difficult

Metric 5: Feature Score

🎯 What it shows:

Institute-wide feature adoption score based on semester usage (students active ≥2 weeks who used features ≥2 times). Normalized 0-100, expected=50.

Calculation:
1. Aggregate feature usage across all courses
2. Calculate H/M/L categories (≥40%, 20-39%, <20%)
3. Apply weights (5/3/1) and normalize

📊 Example:

58.42/100 (↑ +2.35 vs last week)
Top Feature: Quiz (72.3%)
Bottom Feature: Mind Map (18.5%)

Interpretation: Above-average feature adoption. Quiz is widely used across courses while Mind Map needs promotion.

✅ Institute-Level Insights:

Identify universally underused features for institute-wide training
Study courses with high feature usage to identify best practices
Consider deprecating features with consistently low adoption

Metric 6: Student Retention

🎯 What it shows:

Institute-wide composite score combining at-risk percentage and reactivation rate. Uses simple average across courses.

Formula:
Institute Retention = Avg((100 - Course At-Risk%) × 0.7 + Course Reactivation% × 0.3)

📊 Example:

64.3 (↑ +0.8 vs last week)
Top: Cloud Computing (75.2)
Bottom: Discrete Math (48.9)

Interpretation: Decent retention with room for improvement. Discrete Math has high dropout risk - may need additional support resources.

✅ Institute-Level Insights:

Identify courses with high at-risk percentages early
Allocate tutoring/support resources to struggling courses
Study high-retention courses for reactivation strategies

📈 Cumulative Engagement

This section shows institute-wide cumulative metrics with expandable per-course breakdowns.

Two Summary Boxes

Median Cumulative Time

The median of all course medians for cumulative time spent.

Use it to: Track overall time investment growth

Active Users ≥2 Weeks

Average percentage across courses of students active ≥2 weeks.

Use it to: Monitor retention trends institute-wide

Dual-Axis Chart

What it shows: Time (left axis, minutes) and Coverage (right axis, percentage) over weeks

What to look for:

Parallel growth: Both time and retention increasing = healthy engagement
Time plateau with growing coverage: Students joining but not spending much time
Coverage plateau with growing time: Existing students deepening engagement but not reaching new users

Per-Course Breakdowns (Expandable)

Click to expand detailed tables showing:

Cumulative Time: Total time per course, sorted highest to lowest
Retention (Coverage): Percentage of enrolled active ≥2 weeks per course

💡 Tip: Use these tables to quickly identify outlier courses needing investigation.

👥 Institute Active Users Trend

This section aggregates weekly active users across all courses with multiple views.

Three Summary Boxes

Active Users (this week)

Sum of all course WAU for the current week

Also shows: Cumulative active so far

% of Total Active So Far

Weighted average across courses of current WAU / cumulative active

% of Registered

Sum of WAU / sum of enrolled across all courses

Stacked Area Chart by Course

What it shows: Each course is a colored area showing their weekly active user count, stacked on top of each other

Key Features:

Hover: See breakdown of which courses contribute how many users each week
Purple line (right axis): % of Total Active So Far - should stay >50%
Total height: Sum of all course active users

Example Interpretation:
If you see one course's area suddenly shrink, that specific course had a drop in engagement. If the total height decreases but proportions stay the same, it's an institute-wide trend (e.g., holiday break).

What to Look For

Dominant courses: Which courses contribute the most active users?
Course-specific drops: Individual area shrinking = course problem
Institute-wide drops: All areas shrinking proportionally = external factor
New course launches: New colored areas appearing
Course endings: Areas disappearing as semesters end

🎯 Institute Consistency Engagement Score

This section shows aggregated engagement patterns across all institute courses.

Stacked Area Chart + Score Line

The stacked areas (left axis): Show average percentages across all courses:

🟢 Consistent (≥60%): Average % of students across courses who are consistently active
🟡 Moderate (25-59%): Average % with moderate engagement
🔴 Sporadic (<25%): Average % with sporadic engagement

The purple line (right axis): Institute-wide normalized engagement score (0-100, expected=50)

Institute vs. Course Patterns

Key difference: Institute chart shows averages, which can hide variation between courses.

Example: Institute shows 40% Consistent, but this might be:

Scenario A: All courses have ~40% consistent students (uniform)
Scenario B: Half have 60% consistent, half have 20% (high variance)

Check the expandable per-course breakdown to understand the distribution!

Per-Course Engagement Breakdown (Expandable)

Click to expand a table showing each course's normalized engagement score, sorted highest to lowest.

Use this to:

Identify which courses have strong vs. weak engagement patterns
Compare similar courses (e.g., all intro courses) for best practices
Flag courses scoring <40 for instructor coaching

🔧 Feature Usage Trends

This section aggregates feature usage across all courses to identify institute-wide adoption patterns.

Top Info Box: Dual Metrics

The info box shows two perspectives on feature adoption at the institute level:

1. Semester Usage Score (≥2 weeks)

Based on students active ≥2 weeks who used features ≥2 times. Aggregated across all courses using total counts.

Formula: Sum all semester feature users across courses / Sum all eligible students across courses

2. Usage % (Status)

Based on this week's active users who used features. Shows current, immediate adoption.

Formula: Sum weekly feature users across courses / Sum weekly active across courses

💡 Institute Insight: If semester score is significantly lower than weekly score, students across multiple courses are trying features but not adopting them long-term. This suggests a need for institute-wide feature training or UX improvements.

Feature Usage Table

Shows each of the 7 features with aggregated usage percentages:

Usage % (Status): This week's usage across institute with 🟢🟡⚫ indicator
Semester Usage (≥2 weeks): Long-term adoption across institute

Example:

Feature	Weekly	Semester
Quiz	52.3% 🟢	45.8% 🟢
Mind Map	18.7% 🟡	12.3% ⚫

Interpretation: Quiz has strong institute-wide adoption. Mind Map is tried occasionally but students don't find it valuable enough for regular use - consider improving or training.

Feature Score Chart Over Time

Line chart showing the normalized feature score (0-100, expected=50) for each week based on semester usage.

What to look for:

Increasing trend: Institute-wide feature adoption improving
Sudden spikes: New features launched or training conducted
Decreasing trend: Features losing relevance or students finding alternatives

Detailed Feature Trends (Expandable)

Click to expand a multi-line chart showing each feature's weekly usage percentage over time.

Institute-level uses:

Identify which features are growing vs. shrinking institute-wide
Spot correlation between features (do courses using Quiz also use Evaluation?)
Plan institute-wide feature promotion campaigns
Justify resource allocation for feature development

🔍 Using Per-Course Breakdowns

All institute charts include expandable per-course breakdown tables. Here's how to use them effectively:

Identifying Outliers

Method: Look for courses that are significantly above or below the institute average.

Actions:

Top performers: Study their materials, teaching methods, and instructor approach for best practices to share
Bottom performers: Investigate causes - instructor training, course content, technical issues, student demographics

Comparing Similar Courses

Method: Group courses by level (intro/intermediate/advanced) or subject area and compare metrics.

Example Analysis:
Intro Courses: CS101 (45% retention), Data101 (38% retention), Math101 (62% retention)

Insight: Math101 is doing something right with onboarding. Interview instructor to document their approach for CS101 and Data101 to adopt.

Tracking Interventions

Method: After implementing changes in specific courses, track their position in the breakdown tables week-over-week.

Example: If you provide a struggling course with additional tutoring, watch if it moves up in the retention ranking over subsequent weeks.

Resource Allocation

Method: Use the breakdowns to prioritize where to allocate support resources.

Decision Framework:

High enrollment + low engagement: High priority (many students at risk)
Low enrollment + low engagement: Medium priority (fewer students affected)
High enrollment + high engagement: Low priority (maintain, don't fix what's working)

💡 How to Interpret & Take Action

Scenario 1: High Institute Score, Large Course Variance

What it means: Overall institute performance looks good, but hidden behind the average are struggling courses being offset by high-performing courses.

How to spot: Check per-course breakdowns and see large gaps between top and bottom.

Action items:

✅ Create instructor peer mentoring program (pair struggling with excelling instructors)
✅ Document and share best practices from top courses
✅ Provide targeted training to bottom-quartile course instructors
✅ Investigate if struggling courses share common characteristics (level, subject, instructor experience)

Scenario 2: Declining Institute Trend, Stable Individual Courses

What it means: Individual course metrics haven't changed much, but institute aggregate is declining. This typically means course enrollment mix has shifted.

How to spot: Institute chart shows decline, but most individual course lines in expandable sections are stable.

Action items:

✅ Check if low-performing courses have increased enrollment recently
✅ Verify if high-performing courses are ending their semester
✅ Adjust resource allocation based on current enrollment distribution
✅ Consider this when evaluating overall institute performance (not a quality issue)

Scenario 3: Low Institute Feature Scores

What it means: Features are underutilized across multiple courses institute-wide.

How to spot: Feature score <40 and most features in Low/Moderate categories.

Action items:

✅ Conduct institute-wide feature training for all instructors
✅ Create shareable templates showing how to integrate features into assignments
✅ Add feature usage as a suggested practice in instructor guidelines
✅ If specific features are universally unused, consider UX improvements or deprecation
✅ Survey instructors to understand barriers to feature adoption

Scenario 4: One Course Dominating Institute Metrics

What it means: A single large-enrollment course is driving institute-wide metrics due to weighted averaging.

How to spot: In stacked charts, one course's area is much larger than others. Institute trends closely follow that one course's trends.

Action items:

✅ Monitor that dominant course very carefully (it represents most students)
✅ Don't ignore small courses just because they don't affect institute average
✅ Report metrics by enrollment tier (e.g., courses >100 students vs. <100) for fairer comparison
✅ Consider median-based institute metrics to reduce large-course dominance

Scenario 5: Consistent Institute Patterns, Variable Course Patterns

What it means: The averaged engagement pattern looks stable, but individual courses have very different patterns that cancel each other out.

How to spot: Institute engagement score steady around 50, but per-course breakdown shows some at 70+ and others at 30-.

Action items:

✅ Don't rely solely on institute-level metrics for decision-making
✅ Regularly review per-course breakdowns to catch hidden problems
✅ Create course-level alerts for scores falling below thresholds
✅ Set minimum acceptable standards for all courses, not just institute average

⚠️ Critical Reminder: Institute reports aggregate diverse courses with different subjects, levels, instructors, and student populations. Always drill down into per-course breakdowns before making decisions. What's true for the institute average may not be true for any individual course.

🏛️ מבוא - דוחות מוסד לעומת קורס

דוח דינמיקה המוסד מספק תצוגה מהגובה של כל הקורסים במוסד שלך מצורפים יחד. דוח זה עוזר לך:

להשוות ביצועים בין מספר קורסים
לזהות מגמות ודפוסים ברחבי המוסד
לאתר אילו קורסים מצטיינים או נאבקים
לקבל החלטות אסטרטגיות ברמה הארגונית
להקצות משאבים ותמיכה היכן שנדרש

🔄 הבדלים מרכזיים מדוחות קורס:

היבט	דוח קורס	דוח מוסד
היקף	קורס יחיד	כל הקורסים ביחד
מדדים	התנהגות סטודנט בודד	מצטבר בין קורסים
גרפים	קו/שטח יחיד למדד	מוערם לפי קורס + קו מצטבר
מקרה שימוש	שיפורים למרצה קורס	תכנון אסטרטגי ברמת מוסד
פרטים	תמיד נראים	פירוט לפי קורס ניתן להרחבה

💡 שיטה מומלצת: השתמש בדוח המוסד למעקב ברמה גבוהה ולזיהוי קורסים הדורשים תשומת לב, ואז התעמק בדוחות קורס בודדים לניתוח מפורט ותוכניות פעולה.

🔢 הבנת צבירה

מדדי מוסד מחושבים על ידי צבירת נתונים מכל הקורסים. מדדים שונים משתמשים בשיטות צבירה שונות:

שיטות צבירה

📊 סכימה

משמש עבור: משתמשים פעילים, סטודנטים רשומים, ספירות שימוש בפיצ'רים

דוגמה: אם לקורס A יש 50 משתמשים פעילים ולקורס B יש 30, למוסד יש 80 משתמשים פעילים בסך הכל.

📐 ממוצע משוקלל

משמש עבור: אחוזים כמו שיעור פעילות, משוקלל לפי מספר משתמשים פעילים

דוגמה: קורס A (50 משתמשים) יש 60% פעילות, קורס B (30 משתמשים) יש 40% פעילות → מוסד = (50×60 + 30×40)/(50+30) = 52.5%

📏 ממוצע פשוט

משמש עבור: התפלגויות מעורבות, אחוזי כיסוי

דוגמה: לקורס A יש 30% משתמשים עקביים, לקורס B יש 50% → מוסד = (30+50)/2 = 40%

📈 חציון

משמש עבור: מדדי זמן (חציון של חציונים)

דוגמה: חציון קורס A = 2 שעות, קורס B = 3 שעות, קורס C = 2.5 שעות → חציון מוסד = 2.5 שעות

⚠️ חשוב: בגלל הצבירה, מדדי רמת מוסד עשויים לא להתאים לממוצעים פשוטים. קורס עם סטודנטים רבים יש לו השפעה רבה יותר על מדדים משוקללים מאשר קורס קטן. זה מכוון ומשקף השפעה אמיתית ברחבי המוסד.

📋 תקציר מנהלים - 6 המדדים המרכזיים

תקציר המנהלים מספק תצוגה הוליסטית של ביצועי המוסד שלך. כל תיבה כוללת:

המדד המרכזי ברמת המוסד (מקודד צבע: ירוק >60, צהוב 26-60, אדום <26)
שינוי משבוע לשבוע (מחווני ↑↓)
קורסים מובילים ותחתונים להשוואה

📊 דוגמה ויזואלית: תיבות תקציר מנהלים (מכון)

כך נראה תקציר המנהלים בדוח המכון שלך:

48.5%

שיעור פעילות נוכחי

% מפעילים עד כה

סה"כ פעילים עד כה: 312

הכי גבוה: למידת מכונה (68.2%)

הכי נמוך: מבוא למדעי המחשב (32.4%)

58.7%

שימור (כיסוי)

↑ +2.3% לעומת השבוע שעבר

הכי גבוה: מדעי הנתונים (78.5%)

הכי נמוך: פיתוח ווב (41.2%)

52.18

ציון מעורבות עקביות

↑ +1.85 לעומת השבוע שעבר

הכי גבוה: אלגוריתמים מתקדמים (61.3)

הכי נמוך: מבוא למדעי המחשב (38.7)

4:12:45

זמן שהושקע

↑ +0:28:15 לעומת השבוע שעבר

הכי גבוה: מערכות הפעלה (6:45:30)

הכי נמוך: HTML (1:15:20)

58.42

ציון פיצ'רים

↑ +2.35 לעומת השבוע שעבר

הכי גבוה: בוחן (72.3%)

הכי נמוך: מפת חשיבה (18.5%)

64.3

שימור סטודנטים

↑ +0.8 לעומת השבוע שעבר

הכי גבוה: ענן (75.2)

הכי נמוך: מתמטיקה בדידה (48.9)

💡 שים לב: תיבות המכון מציגות את הקורסים הטובים והחלשים ביותר עבור כל מדד, עוזרות לך לזהות אילו קורסים זקוקים לתשומת לב.

📈 דוגמה ויזואלית: גרף שטח מוערם (לפי קורס)

משתמשים פעילים שבועיים במכון: מוערם לפי קורס

למידת מכונה

מדעי הנתונים

פיתוח ווב

% מפעילים עד כה

💡 תובנה מרכזית: בגרפים מוערמים, אתה יכול לראות אילו קורסים תורמים הכי הרבה לסכומים של המכון. אם השטח של קורס אחד מתכווץ, זו בעיה ספציפית לקורס. אם כולם מתכווצים באופן פרופורציונלי, זו מגמה כלל-מכונית.

🔧 דוגמה ויזואלית: תיבת מידע שימוש בפיצ'רים (מכון)

ציון שימוש סמסטריאלי (≥2 שבועות)

58.42/100

גבוה

≥40%

בינוני

20-39%

נמוך

<20%

אחוז שימוש (סטטוס)

52.18/100

גבוה

≥40%

בינוני

20-39%

נמוך

<20%

זה מציג שימוש מצטבר בפיצ'רים בכל הקורסים במכון.

מדד 1: שיעור פעילות נוכחי

🎯 מה זה מראה:

אחוז ברחבי המוסד של סטודנטים שהיו פעילים לפחות פעם אחת בסמסטר הזה שהיו פעילים השבוע. מצטבר באמצעות ממוצע משוקלל לפי מספר משתמשים פעילים.

נוסחה:
שיעור פעילות מוסד = Σ(WAU קורס × שיעור פעילות קורס) / Σ(WAU קורס)

כאשר שיעור פעילות = (WAU / משתמשים פעילים מצטברים) × 100

📊 דוגמה:

48.5% מהפעילים עד כה
סה"כ פעילים עד כה: 312 סטודנטים
מוביל: למידת מכונה (68.2%)
תחתון: מבוא לתכנות (32.4%)

פרשנות: ברחבי המוסד, 48.5% מהסטודנטים שהיו פעילים בעבר היו פעילים השבוע. יש שונות משמעותית בין קורסים - למידת מכונה שומרת היטב בעוד מבוא זקוק לתשומת לב.

✅ תובנות ברמת מוסד:

השווה קורסים מובילים/תחתונים כדי לזהות שיטות עבודה מומלצות
ציונים תחתונים נמוכים עשויים להצביע על מרצים מתקשים הזקוקים לתמיכה
פערים גדולים מצביעים על איכות הוראה לא עקבית

מדד 2: שימור (כיסוי)

🎯 מה זה מראה:

אחוז ברחבי המוסד של סטודנטים רשומים פעילים ≥2 שבועות. משתמש בממוצע פשוט בין קורסים.

נוסחה:
כיסוי מוסד = ממוצע(כיסוי קורס)

כיסוי קורס = (סטודנטים פעילים ≥2 שבועות / רשומים) × 100

📊 דוגמה:

58.7% (↑ +2.3% לעומת השבוע שעבר)
מוביל: מדעי נתונים (78.5%)
תחתון: פיתוח ווב (41.2%)

פרשנות: בממוצע, כמעט 60% מהסטודנטים מבססים שימוש קבוע. לפיתוח ווב עשויות להיות בעיות חניכה או תוכן פחות מרתק.

✅ תובנות ברמת מוסד:

זהה קורסים עם שימור נמוך להתערבות ממוקדת
חקור קורסים עם שימור גבוה כדי לשכפל גורמי הצלחה
עקוב אחר שיפור לאורך זמן כאשר התערבויות מיושמות

מדד 3: ציון מעורבות עקביות

🎯 מה זה מראה:

ציון מנורמל ברחבי המוסד (0-100, צפוי=50) המודד עקביות סטודנטים. מצטבר באמצעות חישוב משוקלל.

קטגוריות:
• עקבי ≥60% שבועות (משקל: 10)
• בינוני 25-59% שבועות (משקל: 3)
• ספורדי <25% שבועות (משקל: 1)

הציון ממוצע בין קורסים ואז מנורמל

📊 דוגמה:

52.18/100 (↑ +1.85 לעומת השבוע שעבר)
מוביל: אלגוריתמים מתקדמים (61.3)
תחתון: מבוא למדעי המחשב (38.7)

פרשנות: מעט מעל עקביות צפויה. קורסים מתקדמים נוטים להיות בעלי מעורבות עקבית יותר מקורסי מבוא.

✅ תובנות ברמת מוסד:

השווה דפוסי קורסי מבוא לעומת מתקדמים
ציונים נמוכים בקורסי מבוא עשויים להצביע על חניכה לקויה
הדרכה ברחבי המוסד בבניית הרגלי סטודנטים עשויה לעזור

מדד 4: זמן שהושקע

🎯 מה זה מראה:

זמן חציוני מצטבר ברחבי המוסד. משתמש בגישת חציון של חציונים.

נוסחה:
זמן מצטבר מוסד = חציון(חציונים מצטברים של קורס)

📊 דוגמה:

4:12:45 (↑ +0:28:15 לעומת השבוע שעבר)
מוביל: מערכות הפעלה (6:45:30)
תחתון: יסודות HTML (1:15:20)

פרשנות: הסטודנט החציוני בכל הקורסים השקיע כ-4 שעות בסך הכל. סטודנטי מערכות הפעלה מעורבים מאוד בעוד סטודנטי HTML משקיעים זמן מינימלי.

✅ תובנות ברמת מוסד:

השווה זמן לעומת קושי/נקודות זכות של הקורס
זמנים נמוכים מאוד עשויים להצביע על תוכן קל מדי או לא מרתק
זמנים גבוהים מאוד עשויים להצביע על תוכן קשה מדי

מדד 5: ציון פיצ'רים

🎯 מה זה מראה:

ציון אימוץ פיצ'רים ברחבי המוסד מבוסס על שימוש סמסטריאלי (סטודנטים פעילים ≥2 שבועות שהשתמשו בפיצ'רים ≥2 פעמים). מנורמל 0-100, צפוי=50.

חישוב:
1. צבור שימוש בפיצ'רים בכל הקורסים
2. חשב קטגוריות ג/ב/נ (≥40%, 20-39%, <20%)
3. החל משקלים (5/3/1) ונרמל

📊 דוגמה:

58.42/100 (↑ +2.35 לעומת השבוע שעבר)
פיצ'ר מוביל: בוחן (72.3%)
פיצ'ר תחתון: מפת חשיבה (18.5%)

פרשנות: אימוץ פיצ'רים מעל הממוצע. בוחן נמצא בשימוש נרחב בקורסים בעוד מפת חשיבה זקוקה לקידום.

✅ תובנות ברמת מוסד:

זהה פיצ'רים בשימוש חסר אוניברסלי להדרכה ברחבי המוסד
חקור קורסים עם שימוש גבוה בפיצ'רים כדי לזהות שיטות עבודה מומלצות
שקול הסרת פיצ'רים עם אימוץ נמוך עקבי

מדד 6: שימור סטודנטים

🎯 מה זה מראה:

ציון משולב ברחבי המוסד המשלב אחוז בסיכון ושיעור הפעלה מחדש. משתמש בממוצע פשוט בין קורסים.

נוסחה:
שימור מוסד = ממוצע((100 - אחוז בסיכון של קורס) × 0.7 + שיעור הפעלה מחדש של קורס × 0.3)

📊 דוגמה:

64.3 (↑ +0.8 לעומת השבוע שעבר)
מוביל: מחשוב ענן (75.2)
תחתון: מתמטיקה דיסקרטית (48.9)

פרשנות: שימור הגון עם מקום לשיפור. למתמטיקה דיסקרטית יש סיכון נשירה גבוה - עשוי להזדקק למשאבי תמיכה נוספים.

✅ תובנות ברמת מוסד:

זהה קורסים עם אחוזי סיכון גבוהים מוקדם
הקצה משאבי שיעורי עזר/תמיכה לקורסים מתקשים
חקור קורסים עם שימור גבוה לאסטרטגיות הפעלה מחדש

📈 מעורבות מצטברת

סעיף זה מציג מדדים מצטברים ברחבי המוסד עם פירוט לפי קורס ניתן להרחבה.

שתי תיבות סיכום

זמן מצטבר חציוני

החציון של כל חציוני הקורס עבור זמן מצטבר שהושקע.

השתמש בזה כדי: לעקוב אחר צמיחת השקעת הזמן הכוללת

משתמשים פעילים ≥2 שבועות

אחוז ממוצע בין קורסים של סטודנטים פעילים ≥2 שבועות.

השתמש בזה כדי: לעקוב אחר מגמות שימור ברחבי המוסד

גרף ציר כפול

מה זה מראה: זמן (ציר שמאל, דקות) וכיסוי (ציר ימין, אחוז) לאורך שבועות

מה לחפש:

צמיחה מקבילה: גם זמן וגם שימור עולים = מעורבות בריאה
מישור זמן עם כיסוי גדל: סטודנטים מצטרפים אך לא משקיעים הרבה זמן
מישור כיסוי עם זמן גדל: סטודנטים קיימים מעמיקים מעורבות אך לא מגיעים למשתמשים חדשים

פירוט לפי קורס (ניתן להרחבה)

לחץ כדי להרחיב טבלאות מפורטות המציגות:

זמן מצטבר: זמן כולל לכל קורס, ממוין מהגבוה לנמוך
שימור (כיסוי): אחוז הרשומים פעילים ≥2 שבועות לכל קורס

💡 טיפ: השתמש בטבלאות אלו כדי לזהות במהירות קורסים חריגים הזקוקים לחקירה.

👥 מגמת משתמשים פעילים במוסד

סעיף זה מצבר משתמשים פעילים שבועיים בכל הקורסים עם מספר תצוגות.

שלוש תיבות סיכום

משתמשים פעילים (השבוע)

סכום כל WAU של הקורס עבור השבוע הנוכחי

מציג גם: פעילים מצטברים עד כה

% מסך הפעילים עד כה

ממוצע משוקלל בין קורסים של WAU נוכחי / פעילים מצטברים

% מהרשומים

סכום WAU / סכום רשומים בכל הקורסים

גרף שטח מוערם לפי קורס

מה זה מראה: כל קורס הוא שטח צבעוני המציג את מספר המשתמשים הפעילים השבועי שלו, מוערם זה על זה

תכונות מרכזיות:

ריחוף: ראה פירוט אילו קורסים תורמים כמה משתמשים בכל שבוע
קו סגול (ציר ימין): % מסך הפעילים עד כה - צריך להישאר >50%
גובה כולל: סכום כל המשתמשים הפעילים של הקורס

דוגמת פרשנות:
אם אתה רואה שטח של קורס אחד מצטמצם פתאום, לקורס הספציפי הזה הייתה ירידה במעורבות. אם הגובה הכולל יורד אך הפרופורציות נשארות זהות, זו מגמה ברחבי המוסד (למשל, הפסקת חג).

מה לחפש

קורסים דומיננטיים: אילו קורסים תורמים הכי הרבה משתמשים פעילים?
ירידות ספציפיות לקורס: שטח בודד מצטמצם = בעיית קורס
ירידות ברחבי המוסד: כל השטחים מצטמצמים באופן פרופורציונלי = גורם חיצוני
השקות קורסים חדשים: שטחים צבעוניים חדשים מופיעים
סיום קורסים: שטחים נעלמים כאשר סמסטרים מסתיימים

🎯 ציון מעורבות עקביות במוסד

סעיף זה מציג דפוסי מעורבות מצטברים בכל קורסי המוסד.

גרף שטח מוערם + קו ציון

השטחים המוערמים (ציר שמאל): מציגים אחוזים ממוצעים בכל הקורסים:

🟢 עקבי (≥60%): אחוז ממוצע של סטודנטים בין קורסים שפעילים באופן עקבי
🟡 בינוני (25-59%): אחוז ממוצע עם מעורבות בינונית
🔴 ספורדי (<25%): אחוז ממוצע עם מעורבות ספורדית

הקו הסגול (ציר ימין): ציון מעורבות מנורמל ברחבי המוסד (0-100, צפוי=50)

דפוסי מוסד לעומת קורס

הבדל מרכזי: גרף מוסד מציג ממוצעים, שיכולים להסתיר שונות בין קורסים.

דוגמה: מוסד מציג 40% עקבי, אך זה עשוי להיות:

תרחיש א: לכל הקורסים יש ~40% סטודנטים עקביים (אחיד)
תרחיש ב: למחצית יש 60% עקבי, למחצית יש 20% (שונות גבוהה)

בדוק את הפירוט לפי קורס הניתן להרחבה כדי להבין את ההתפלגות!

פירוט מעורבות לפי קורס (ניתן להרחבה)

לחץ כדי להרחיב טבלה המציגה את ציון המעורבות המנורמל של כל קורס, ממוין מהגבוה לנמוך.

השתמש בזה כדי:

לזהות אילו קורסים יש דפוסי מעורבות חזקים לעומת חלשים
להשוות קורסים דומים (למשל, כל קורסי מבוא) לשיטות עבודה מומלצות
לסמן קורסים עם ציון <40 לאימון מרצה

🔧 מגמות שימוש בפיצ'רים

סעיף זה מצבר שימוש בפיצ'רים בכל הקורסים כדי לזהות דפוסי אימוץ ברחבי המוסד.

תיבת מידע עליונה: מדדים כפולים

תיבת המידע מציגה שתי פרספקטיבות על אימוץ פיצ'רים ברמת המוסד:

1. ציון שימוש סמסטריאלי (≥2 שבועות)

מבוסס על סטודנטים פעילים ≥2 שבועות שהשתמשו בפיצ'רים ≥2 פעמים. מצטבר בכל הקורסים באמצעות ספירות כוללות.

נוסחה: סכום כל משתמשי פיצ'ר סמסטריאלי בקורסים / סכום כל הסטודנטים הזכאים בקורסים

2. אחוז שימוש (סטטוס)

מבוסס על משתמשים פעילים השבוע שהשתמשו בפיצ'רים. מציג אימוץ נוכחי, מיידי.

נוסחה: סכום משתמשי פיצ'ר שבועיים בקורסים / סכום פעילים שבועיים בקורסים

💡 תובנת מוסד: אם הציון הסמסטריאלי נמוך משמעותית מהציון השבועי, סטודנטים במספר קורסים מנסים פיצ'רים אך לא מאמצים אותם לטווח ארוך. זה מצביע על צורך בהדרכת פיצ'רים ברחבי המוסד או שיפורי UX.

טבלת שימוש בפיצ'רים

מציגה כל אחד מ-7 הפיצ'רים עם אחוזי שימוש מצטברים:

אחוז שימוש (סטטוס): שימוש השבוע ברחבי המוסד עם אינדיקטור 🟢🟡⚫
שימוש סמסטריאלי (≥2 שבועות): אימוץ לטווח ארוך ברחבי המוסד

דוגמה:

פיצ'ר	שבועי	סמסטריאלי
בוחן	52.3% 🟢	45.8% 🟢
מפת חשיבה	18.7% 🟡	12.3% ⚫

פרשנות: לבוחן יש אימוץ חזק ברחבי המוסד. מפת חשיבה מנוסה מדי פעם אך סטודנטים לא מוצאים אותה מספיק בעלת ערך לשימוש קבוע - שקול שיפור או הדרכה.

גרף ציון פיצ'רים לאורך זמן

גרף קו המציג את ציון הפיצ'רים המנורמל (0-100, צפוי=50) עבור כל שבוע על בסיס שימוש סמסטריאלי.

מה לחפש:

מגמה עולה: אימוץ פיצ'רים ברחבי המוסד משתפר
שיאים פתאומיים: פיצ'רים חדשים הושקו או הדרכה בוצעה
מגמה יורדת: פיצ'רים מאבדים רלוונטיות או סטודנטים מוצאים אלטרנטיבות

מגמות פיצ'רים מפורטות (ניתן להרחבה)

לחץ כדי להרחיב גרף רב-קווי המציג את אחוז השימוש השבועי של כל פיצ'ר לאורך זמן.

שימושים ברמת מוסד:

זהה אילו פיצ'רים צומחים לעומת מצטמצמים ברחבי המוסד
אתר מתאם בין פיצ'רים (האם קורסים המשתמשים בבוחן משתמשים גם בהערכה?)
תכנן קמפיינים לקידום פיצ'רים ברחבי המוסד
הצדק הקצאת משאבים לפיתוח פיצ'רים

🔍 שימוש בפירוט לפי קורס

כל גרפי המוסד כוללים טבלאות פירוט לפי קורס ניתנות להרחבה. הנה איך להשתמש בהן ביעילות:

זיהוי חריגים

שיטה: חפש קורסים שהם משמעותית מעל או מתחת לממוצע המוסד.

פעולות:

ביצועים מובילים: חקור את החומרים, שיטות ההוראה והגישה של המרצה לשיטות עבודה מומלצות לשיתוף
ביצועים תחתונים: חקור גורמים - הדרכת מרצה, תוכן קורס, בעיות טכניות, דמוגרפיית סטודנטים

השוואת קורסים דומים

שיטה: קבץ קורסים לפי רמה (מבוא/ביניים/מתקדם) או תחום נושא והשווה מדדים.

דוגמת ניתוח:
קורסי מבוא: מדעי מחשב 101 (45% שימור), נתונים 101 (38% שימור), מתמטיקה 101 (62% שימור)

תובנה: מתמטיקה 101 עושה משהו נכון עם חניכה. ראיין מרצה כדי לתעד את הגישה שלהם עבור מדעי מחשב 101 ונתונים 101 לאמץ.

מעקב אחר התערבויות

שיטה: לאחר יישום שינויים בקורסים ספציפיים, עקוב אחר מיקומם בטבלאות הפירוט משבוע לשבוע.

דוגמה: אם אתה מספק לקורס מתקשה שיעורי עזר נוספים, צפה אם הוא עולה בדירוג השימור במהלך השבועות הבאים.

הקצאת משאבים

שיטה: השתמש בפירוט כדי לתעדף היכן להקצות משאבי תמיכה.

מסגרת החלטה:

רישום גבוה + מעורבות נמוכה: עדיפות גבוהה (סטודנטים רבים בסיכון)
רישום נמוך + מעורבות נמוכה: עדיפות בינונית (פחות סטודנטים מושפעים)
רישום גבוה + מעורבות גבוהה: עדיפות נמוכה (שמור, אל תתקן מה שעובד)

💡 כיצד לפרש ולבצע פעולות

תרחיש 1: ציון מוסד גבוה, שונות קורסים גדולה

משמעות: הביצועים הכוללים של המוסד נראים טוב, אך מסתתרים מאחורי הממוצע קורסים מתקשים שמקוזזים על ידי קורסים בעלי ביצועים גבוהים.

איך לזהות: בדוק פירוט לפי קורס וראה פערים גדולים בין מוביל לתחתון.

פעולות מומלצות:

✅ צור תוכנית חונכות עמיתים למרצים (צמד מרצים מתקשים עם מצטיינים)
✅ תעד ושתף שיטות עבודה מומלצות מקורסים מובילים
✅ ספק הדרכה ממוקדת למרצי קורסים ברבע התחתון
✅ חקור אם לקורסים מתקשים יש מאפיינים משותפים (רמה, נושא, ניסיון מרצה)

תרחיש 2: מגמת מוסד יורדת, קורסים בודדים יציבים

משמעות: מדדי קורס בודדים לא השתנו הרבה, אך המצטבר של המוסד יורד. זה בדרך כלל אומר שתמהיל הרישום לקורס השתנה.

איך לזהות: גרף מוסד מציג ירידה, אך רוב קווי הקורס הבודדים בחלקים הניתנים להרחבה יציבים.

פעולות מומלצות:

✅ בדוק אם לקורסים בעלי ביצועים נמוכים יש רישום מוגדל לאחרונה
✅ אמת אם קורסים בעלי ביצועים גבוהים מסיימים את הסמסטר שלהם
✅ התאם הקצאת משאבים על בסיס התפלגות הרישום הנוכחית
✅ שקול זאת בעת הערכת ביצועי המוסד הכוללים (לא בעיית איכות)

תרחיש 3: ציוני פיצ'רים נמוכים במוסד

משמעות: פיצ'רים בשימוש חסר במספר קורסים ברחבי המוסד.

איך לזהות: ציון פיצ'רים <40 ורוב הפיצ'רים בקטגוריות נמוך/בינוני.

פעולות מומלצות:

✅ בצע הדרכת פיצ'רים ברחבי המוסד לכל המרצים
✅ צור תבניות ניתנות לשיתוף המראות כיצד לשלב פיצ'רים במשימות
✅ הוסף שימוש בפיצ'רים כנוהג מומלץ בהנחיות מרצה
✅ אם פיצ'רים ספציפיים בשימוש חסר אוניברסלי, שקול שיפורי UX או הסרה
✅ סקור מרצים כדי להבין מחסומים לאימוץ פיצ'רים

תרחיש 4: קורס אחד שולט במדדי המוסד

משמעות: קורס יחיד עם רישום גדול מניע מדדים ברחבי המוסד בגלל ממוצע משוקלל.

איך לזהות: בגרפים מוערמים, שטח של קורס אחד גדול הרבה יותר מאחרים. מגמות מוסד עוקבות מקרוב אחר מגמות של אותו קורס אחד.

פעולות מומלצות:

✅ עקוב אחר אותו קורס דומיננטי בזהירות רבה (הוא מייצג את רוב הסטודנטים)
✅ אל תתעלם מקורסים קטנים רק כי הם לא משפיעים על ממוצע המוסד
✅ דווח על מדדים לפי רמת רישום (למשל, קורסים >100 סטודנטים לעומת <100) להשוואה הוגנת יותר
✅ שקול מדדי מוסד מבוססי חציון כדי להפחית דומיננטיות קורס גדול

תרחיש 5: דפוסי מוסד עקביים, דפוסי קורס משתנים

משמעות: דפוס המעורבות הממוצע נראה יציב, אך לקורסים בודדים יש דפוסים שונים מאוד שמבטלים זה את זה.

איך לזהות: ציון מעורבות מוסד יציב סביב 50, אך פירוט לפי קורס מציג חלקם ב-70+ ואחרים ב-30-.

פעולות מומלצות:

✅ אל תסתמך אך ורק על מדדי רמת מוסד לקבלת החלטות
✅ סקור באופן קבוע פירוט לפי קורס כדי לתפוס בעיות נסתרות
✅ צור התראות ברמת קורס לציונים הנופלים מתחת לסף
✅ הגדר סטנדרטים מינימליים מקובלים לכל הקורסים, לא רק ממוצע מוסד

⚠️ תזכורת קריטית: דוחות מוסד מצברים קורסים מגוונים עם נושאים, רמות, מרצים ואוכלוסיות סטודנטים שונים. תמיד התעמק בפירוט לפי קורס לפני קבלת החלטות. מה שנכון עבור ממוצע המוסד עשוי לא להיות נכון עבור כל קורס בודד.

🏛️ Institute Dynamics Reportדוח דינמיקה מוסד

📚 Table of Contents

🏛️ Introduction - Institute vs. Course Reports

🔄 Key Differences from Course Reports:

🔢 Understanding Aggregation

Aggregation Methods

📊 Summation

📐 Weighted Average

📏 Simple Average

📈 Median

📋 Executive Summary - The 6 Key Metrics

📊 Visual Example: Executive Summary Boxes (Institute)

📈 Visual Example: Stacked Area Chart (By Course)

🔧 Visual Example: Feature Usage Info Box (Institute)

📊 Visual Example: Executive Summary Boxes (Institute)

📈 Visual Example: Stacked Area Chart (By Course)

🔧 Visual Example: Feature Usage Info Box (Institute)

Metric 1: Current Activity Rate

🎯 What it shows:

📊 Example:

✅ Institute-Level Insights:

Metric 2: Retention (Coverage)

🎯 What it shows:

📊 Example:

✅ Institute-Level Insights:

Metric 3: Consistency Engagement Score

🎯 What it shows:

📊 Example:

✅ Institute-Level Insights:

Metric 4: Time Spent

🎯 What it shows:

📊 Example:

✅ Institute-Level Insights:

Metric 5: Feature Score

🎯 What it shows:

📊 Example:

✅ Institute-Level Insights:

Metric 6: Student Retention

🎯 What it shows:

📊 Example:

✅ Institute-Level Insights:

📈 Cumulative Engagement

Two Summary Boxes

Median Cumulative Time

Active Users ≥2 Weeks

Dual-Axis Chart

Per-Course Breakdowns (Expandable)

👥 Institute Active Users Trend

Three Summary Boxes

Active Users (this week)

% of Total Active So Far

% of Registered

Stacked Area Chart by Course

What to Look For

🎯 Institute Consistency Engagement Score

Stacked Area Chart + Score Line

Institute vs. Course Patterns

Per-Course Engagement Breakdown (Expandable)

🔧 Feature Usage Trends

Top Info Box: Dual Metrics

1. Semester Usage Score (≥2 weeks)

2. Usage % (Status)

Feature Usage Table

Feature Score Chart Over Time

Detailed Feature Trends (Expandable)

🔍 Using Per-Course Breakdowns

Identifying Outliers

Comparing Similar Courses

Tracking Interventions

Resource Allocation

💡 How to Interpret & Take Action

Scenario 1: High Institute Score, Large Course Variance

Scenario 2: Declining Institute Trend, Stable Individual Courses

Scenario 3: Low Institute Feature Scores

Scenario 4: One Course Dominating Institute Metrics

Scenario 5: Consistent Institute Patterns, Variable Course Patterns

📚 תוכן עניינים

🏛️ מבוא - דוחות מוסד לעומת קורס

🔄 הבדלים מרכזיים מדוחות קורס:

🔢 הבנת צבירה