Campbell, J. P., DeBlois, P. B. and Oblinger, D. G. (2007) "Academic analytics: A new tool for a new era," EDUCAUSE Review, 42(4), 40-57.

• 教育の質に関する説明責任の圧力が高まる中で，Academic Analyticsという形でITが貢献できる。
• 経営判断に用いられる分析は，初年次教育の質から潜在的な寄付者の発掘まで。
• IRerとAderが情報を分析して学生にアクセスすることから進んで，今では資金獲得にもITシステムを用いることができる。
• 潜在学生の大規模データを用いて，入学者獲得戦略を立てる事例（1990〜，Baylor University）。最も有意な8変数は，プレミアイベントへの出席，キャンパスビジット，正課外カリキュラムへの関心，高校の出席率，Mail qualifying score，SATスコア，自主的なコンタクトの回数，オンライン相談のスコア
• リテンションの予測変数（U of Alabama）：累積GPA，英語コース，英語コース成績，自宅からの距離，人種，数学クラスの成績，合計修得単位，ACTスコア
• 成功するAAプロジェクトが備える3つの特性：（1）リーダーがエビデンスベースの意思決定にコミットしていること，（2）幹部職員がデータ分析のスキルを有すること，データを自由に収集・利用・分析できるプラットフォームがあること。
• AAプロジェクトをうまく回す留意点：監視者の存在（誰がデータを取る権限を有するのか），全体的視点，教員の参画，プロファイリング，プライバシー，データ管理，情報共有。要するに，AAは強力な道具だが，軋轢をもたらすこともある。