Ammatillisen digitukimalli

Digitaalisuuden täysimääräinen hyödyntäminen sujuvoittaa työntekoa. Poluttamo-hankkeessa on luotu mallia, jossa digituen rakentaminen lähtee perusasioiden miettimisestä, jotta digivälineistä ei tule entisen toimintatavan päälle liimattu lisätyö.

Jari Välkkynen kertoo seuravassa videossa opintojen visualisoinnin merkityksestä opintojen ohjauksessa.

Seuraavien kysymysten avulla koulutuksen järjestäjä voi pohtia, millaisin järjestelyin oppimisen digituki voidaan rakentaa.

1. Miten koulutuksen järjestämisen rakenne tukee yksilöllisiä polkuja oppilaitoksessanne?
2. Miten ammattitaitovaatimusten/osaamistavoitteiden mukainen oppiminen varmistetaan oppilaitoksessa ja työpaikalla järjestettävässä koulutuksessa?
Miten opiskelija järjestetään tekemään riittävä määrä käytännön työskentelyä ja reflektoimaan oppimaansa?
Miten digivälineillä tuetaan opiskelijan osaamisen hankkimista?
Miten työhön liittyvän taustatiedon ja ammattisanaston oppiminen järjestetään työvaltaisessa oppimisessa?
Miten digiaineistot ja -tehtävät rakennetaan, jotta ne ovat samat osaamisen hankkimispaikasta riippumatta?
3. Miten opettajan työaikaa rauhoitetaan työelämässä oppimisen ohjaamiseen ja sekä oppilaitoksessa että työelämässä oppivat opiskelijat kokevat opettajien olevan saavutettavissa?
4. Miten opiskelijat perehdytetään digivälineiden käyttöön osaamisen hankkimisen tukena?
5. Miten yksilöllistä etenemistä osaamisen hankkimisessa seurataan virtaviivaisesti?
6. Minkälaista tukea tarvitaan opettajille?
7. Miten opiskelijan huoltajat ja työelämän edustajat perehdytetään uuteen koulutuksen järjestämisen malliin.

Seuraavassa videossa Anu Konkarikoski kertoo digitaalisten välineiden ja oppimisanalytiikan käyttöön otosta Moodlessa.

Digituetunmallin opas on tällä hetkellä taitossa ja julkaistaa pikimmin.

 

Digioppimisen areena 2018

Digioppimisen areena järjestettiin tänä vuonna Jyväskylässä. Poluttamosta paikalle lähtivät Anu Konkarikoski, Leena Vainio ja Kaisa Honkonen pitämään workshoppia oppimisanalytiikasta.

Workshopissa alkuun pohjustettiin oppimisanalytiikan perusteita, mistä siinä on kyse, millaisista elementeistä oppimisanalytiikka muodostuu ja mihin sen pitäisi kenties johtaa.

Esitysaineistot löytyvät tästä:

https://docs.google.com/presentation/d/1AyyAercKQozbj0m-RfeRk8w_ON_B9SF49lEmjux3u9k/edit?usp=sharing

1,5 tunnin pajan aikana osallistujat tekivät harjoituksia ViLLE-oppimisympäristöön, jotta päästäisiin ihan konkreettisesti yhdessä katsomaan millaisia visualisointeja voitaisiin hyödyntää analyysiä tehtäessä.

Paikalla jaettiin myös juurijulkaistua selvitystä ”Oppimisanalytiikan askeleet kouluissa”, jonka Leena teki vuoden 2018 aikana.

 

 

 

Times of day, submission dates, learning statistics, interaction charts – is this what is meant by “learning analytics”?

Article first published on SeOppi 2/2018.

Text: Kaisa Honkonen & Leena Vainio, Association of Finnish eLearning Centre

Leena Vainio studied for the Adaptable Learning Paths project what learning analytics tools are available in current electronic learning environments and how they are used. She received responses for her survey from the representatives of sixteen system suppliers, three learning material producers and six educational institutions.

For quite some time, learning environments have shown us statistics on the use of the system and materials. Such information has been essential for pure online courses, and particularly so for their development, whereas the same information has often been only nice-to-know for classroom teaching.

However, learning analytics comprise much more than learning statistics. We use learning analytics to combine bits of information in order to bring up the critical issues that affect the learner’s progress – the learner may remain completely unchallenged or he or she may be struggling with assignments which are much too difficult, or the situation may be somewhere between these extremities.

At its best, learning analytics support the learner in a timely fashion and guide the learning process towards its goals. Learning analytics alone cannot support learning, and the support of teachers, other learners, parents and workplace instructors is much in need. Analytics provide information that helps the parties think together and find the relevant strengths and points to develop. Properly used, analytics help teachers by giving them new methods to guide learning processes and to support individual, unique learning paths.

The true value of learning analytics is seen when we can use them to help students understand their own ways of learning. How do their own efforts show in the progress of their studies? How have various interactive situations influenced their learning? Active learners could select their next step independently in accordance with their interests from among materials offered by the teacher or an artificial intelligence. Is a task best done alone, or would learning be easier through peer learning? Will knowledge grow best if the student works alone, or together with someone else?

Most often, electronic learning materials are put together by individual teachers and the same teachers decide which materials they wish their students to turn to next. Adaptive collections require very different levels of learning materials in order to cater to the needs of different types of learners. Individual teachers working alone are far from being able to make their materials collections adaptive, but by combining forces and working together, they could make versatile materials and exercises more quickly and for varying situations.

The survey showed that there is no onestop-shop application available. The systems all have their strengths, and combining them according to the situation might bring the best results. It is good if we try out different ways, talking to one another about what we actually look for. Most importantly, we should consider what we intend to do when our analytics highlight a problem. What is our action plan? What are the resources for us to tackle the problem? When can the teacher, working alone, provide support, when do we need counsellors and other support persons, and when do we need an artificial intelligence? Just as we need different learning materials and exercises for different learners, we need different guidance methods for different situations. We need multidisciplinary support teams to help an individual teacher, formed dynamically according to the circumstances.

The novel feature in current learning analytics is the way they make the possible problem spots visual for learners themselves. Learners obtain a better picture of the total situation. In learning analytics -based pedagogy, it is more important than before to agree on the goals with each individual learner. What will we practice next, and why? How will we apply this learning later? We start to build knowledge together and select the necessary tools together so that we may reach the goals.

The General Data Protection Regulation GDPR poses certain challenges for the use of learning analytics, but with the appropriate authorisations, we may collect and use data. We might even take sleep and activity data from smart watches and compare them to learning outcomes. Our smart watch might suggest that we take a nap today in the early afternoon so that the Swedish class later in the afternoon would go better. Would that be learning analytics or wellbeing analytics?

Our concluding statement after the survey is that the development of learning analytics will require a great deal of national-level discussion. Similarly to the debate on artificial intelligence, learning analytics as well require a unified understanding of the concept of human being which we wish to help formulate. What views do we adopt regarding diverse learners and how do we apply the different guidance resources available to us?

At the same time, we also need a shared understanding of the minimum which learning analytics should show us. What features should be available in all systems? What are the minimum requirements; what requirements do we have for data transfer among different systems; what interfaces and registration systems should we use?

Recognise the need. What are the problems to be solved through learning analytics?

Specify. What kinds of learning analytics do we already have in our school? What do we need?

How does the analytics system impact our work culture and management?

What conceptions of learning and human beings are supported by the analytics system?

Strategy and vision.
What skills do we need? The staff’s competences and their training.

How do we share responsibility and adhere to all legal and ethical requirements?

What do we measure?

How do we collect information?

What technologies do we need?

How do we process data, in which forms, and to whom do we disseminate the information?

How do we carry out development actions?

How do we monitor the outcomes?

How do we maintain and enhance the system? Do we, without fail, hold the learner’s best interests as our highest priority?

Oppimisanalytiikan askeleet kouluissa

Leena Vainion laatima Oppimisanalytiikan askeleet kouluissa -raportti on ilmestynyt. Raportissa selvitetään:

  1. mistä lähtökohdista oppimisanalytiikkaa oppilaitoksissa kehitetään
  2. miten oppimisanalytiikkaa hyödynnetään yleissivistävässä ja ammatillisessa koulutuksessa tällä hetkellä,
  3. millaisia työkaluja eri tekniset oppimisympäristöt ja erilliset oppimisanalytiikkaohjelmat tarjoavat analytiikan tekemiseen
  4. millaisia haasteita liittyy työkaluihin ja niiden käyttöönottoon ja kehittämiseen
  5. mikä olisi optimitilanne oppimisanalytiikan käyttöönotolle

Selvityksen aineisto on koottu maalis-toukokuussa 2018 haastattelemalla 16 eri oppimisympäristön ja oppimisanalytiikkaohjelmistojen edustajaa. Elo-syyskuussa koottiin vielä kolmen oppimateriaalituottajan oppimisanalytiikkamenetelmät. Haastattelut tehtiin soveltaen eAMK-projektin taustakyselyä. Oppilaitoksista haastateltiin kuuden ammatillisen oppilaitoksen IT-vastaavia ja pedagogisia kehittäjiä ja kahden peruskoulun oppimisanalytiikan kehittäjää. Lisäksi on haastateltu yksittäisiä oppilaitosten kehittäjäopettajia (8 henkilöä) ja kolmea opiskelijaa. Haastattelujen lisäksi on kerätty tietoa teemaan liittyvistä webinaareista, kirjallisuudesta ja konferensseista sekä OKM:n oppimisanalytiikka-työryhmältä.

Oppimisanalytiikan askeleet kouluissa
Leena Vainio
Julkaisija: Suomen eOppimiskeskus ry, 2018
ISBN 978-952-6669-19-9 (painettu)
ISBN 978-952-6669-20-5 (pdf)
Ulkoasu ja taitto: Ville Kujansuu / MAK Media Oy

Oppimisanalytiikka ja tietosuojamasennus

Artikkeli julkaistu SeOppi 2/2018 -lehdessä.

Teksti: Lasse Seppänen, Hämeen ammattikorkeakoulu

Poluttamo-hankkeessa on ohjelmoitu oppimisanalytiikan järjestelmä, joka tarkastelee opiskelijoiden Moodlen käytön aktiivisuutta. Tästä aktiivisuudesta järjestelmä lähettää sähköposteja määritellyille henkilöille. Tietosuoja-asetuksen voimaantulo on aiheuttanut kysymysmerkkejä järjestelmän käytölle.

Järjestelmää on ajettu menestyksellisesti ennen tietosuoja-asetuksen voimaantuloa. Opot ovat saaneet ajantasaista tietoa opiskelijoiden aktiivisuudesta, jota mitattiin laskemalla, kuinka monta kertaa viikossa opiskelijat kävivät Moodlessa. Näin opot sekä löysivät uusia ongelmatapauksia että pystyivät seuraamaan jo löytyneiden aktiivisuutta.

Ongelmaksi muodostui tietosuoja-asetus, josta ei saatu selvää tulkintaa järjestelmän käyttämiselle. Toistaiseksi järjestelmää ei käytetä ennen kuin saadaan selville, miten sitä voi käyttää varmasti laillisesti. Tässä on muutamia kysymyksiä ja vastauksia tämänhetkisen tiedon ja luulon perusteella:

  • Profiloiko järjestelmä opiskelijoita?
  • Kuuluuko järjestelmän käyttö ammattikorkeakoulun lakisääteisiin tehtäviin?
  • Millaiset suostumukset opiskelijoilta vaaditaan, jotta järjestelmää voidaan heidän kohdallaan käyttää?

Profilointia vai ei profilointia

Yleisesti ottaen profiloinnilla tarkoitetaan sellaista henkilötietojen automaattista käsittelyä, jossa arvioidaan ihmisen henkilökohtaisia ominaisuuksia. Näitä ovat esimerkiksi käyttäytymiseen liittyvien piirteiden analysointi tai ennakointi. Järjestelmämme tutkii tietyllä tavalla käyttäytymistä.

Päätöksenteko on automaattista, kun on kyse pelkästään automaattiseen henkilötietojen käsittelyyn perustuvasta päätöksenteosta ja tehtävillä päätöksillä on oikeusvaikutuksia tai tällaiset päätökset muuten vaikuttavat rekisteröityyn merkittävästi.

Järjestelmämme tuottaa tilaston kaikista opintoryhmän opiskelijoista, joten se ei erottele ryhmästä tiettyjä opiskelijoita erilleen. Näin järjestelmä ei siis profiloi, vaan tilaston perusteella opo tekee ohjauspäätöksiä.

Ammattikorkeakoulun lakisääteiset tehtävät

Ammattikorkeakoululaissa määritellään seuraavaa:

”Opiskelijan … toimintakykyä koskevia ja tehtävien hoidon kannalta välttämättömiä tietoja … oikeus antaa opinto-ohjauksesta vastaaville henkilölle muihin opintoihin ja tukipalveluihin ohjaamista varten.”

Voidaanko tulkita, että Moodlen sisäänkirjautumistiedot kertovat opiskelijan toimintakyvystä ja että ne voidaan täten lähettää opolle jatkotoimia varten? Missä määrin opiskelijan tällainen seuraaminen kuuluu lakisääteisiin tehtäviin, jää vielä kattavasti vastaamatta.

Analytiikasta informointi

Rekisterinpitäjän on muistettava informointivelvollisuus kaikissa henkilötietojen käsittelytoimissa. Kun kyseessä on erityisesti ensimmäisen vuoden alun seuraamiseen ajateltu järjestelmä, on haastavaa ajatella, miten informointi ja suostumusten pyytäminen voisi toimia käytännössä kaikille opiskelijoille ennen ensimmäistä analytiikan ajoa. Esimerkiksi jos opiskelija on koulun kirjoilla, mutta ei ole vielä tullut kouluun. Suostumusta on mahdoton pyytää, mutta alhainen aktiivisuus olisi tärkeä saada tietää heti. Opiskelija saataisiin välittömästi ohjauksen piiriin. Tämäkin asia jää vielä ratkaisematta.

Ammattikorkeakoululaki
Automaattinen päätöksenteko ja profilointi, Tietosuojavaltuutetun toimisto
EU:n yleinen tietosuoja-asetus
www.finlex.fi/fi/esitykset/he/2017/20170039.pdf

Sanaa tietosuojamasennus on ensimmäisen kerran käyttänyt Jarmo Aho, Omnia, 16.8.2018.

Kellonaikoja, palautusmääriä, oppimistilastoja, vuorovaikutuskaavioita – onko tämä sitä oppimisanalytiikkaa?

Artikkeli julkaistu SeOppi 2/2018 -lehdessä.

Teksti: Kaisa Honkonen ja Leena Vainio, Suomen eOppimiskeskus ry

Leena Vainio selvitti Poluttamo-hankkeelle, mitä oppimisanalytiikan työvälineitä tämän hetken sähköisissä oppimisympäristöissä on tarjolla ja miten niitä käytetään. Kyselyyn vastasi 16 järjestelmätoimittajaa, kolme oppimateriaalien tuottajaa ja kuuden oppilaitoksen edustajat.

Oppimisympäristöissä on ollut pitkään erilaisia statistiikkanäkymiä järjestelmien ja aineistojen käytöstä. Erityisesti puhtaasti verkossa toteutettaville kursseille tiedot ovat olleet kehityksen kannalta olennaisia, luokkahuoneopetuksessa enemmän “kiva tietää” -tasoa.

Oppimisanalytiikka on kuitenkin paljon enemmän kuin oppimisstatistiikkaa. Oppimisanalytiikan avulla yhdistetään tietoja ja pyritään nostamaan esiin opiskelijan oppimisen etenemisen kannalta kriittiset pisteet – oli oppija sitten vailla haastetta, täysin turhautunut liian vaikeiden tehtävien kanssa tai jotain siltä väliltä.

Parhaimmillaan oppimisanalytiikka tukee oppijaa oikea-aikaisesti ja ohjaa oppimisprosessia tavoitteiden saavuttamisen suuntaan. Oppimisanalytiikka ei yksin pysty oppimista tukemaan, tarvitaan myös vahvasti opettajan, muiden oppijoiden, vanhempien tai työpaikkaohjaajien tukea. Analytiikan antama tieto auttaa ajattelemaan yhdessä ja sen avulla löydetään vahvuudet ja kehittämisen kohdat. Oikein käytettynä analytiikka helpottaa opettajan työtä ja tuo opettajalle uusia menetelmiä oppimisprosessin ohjaukseen ja yksilöllisten oppimispolkujen tukemiseen.

Oppimisanalytiikan todellinen arvo nousee siinä vaiheessa esiin, kun pystymme sen avulla auttamaan opiskelijaa ymmärtämään omia tapojaan oppia asioita. Millä tavalla oma työpanos näkyy opintojen etenemisessä, miten erilaiset vuorovaikutustilanteet ovat vaikuttaneet opittuun? Aktiivinen oppija voisi valita opettajan tai koneälyn tarjoamista aineistoista oman kiinnostuksen mukaan seuraavan askelman. Tehdäkö yksin vai olisiko tieto paremmin opittavissa vertaisoppimisen avulla, rikastuuko tieto yhdessä tehden vai yksin paremmin?

Useimmiten sähköisen oppimateriaalin luo opettaja ja sama opettaja päättää millaisiin aineistoihin hän haluaa opiskelijoidensa etenevän. Adaptiiviset aineistot vaativat hyvin monentasoisia oppimateriaaleja erilaisten oppijoiden tarpeisiin. Yksittäisen opettajan voimin adaptiiviset aineistot ovat aika kaukana tulevaisuudessa, mutta voimavaroja yhdistämällä ja yhdessä tekemällä saataisiin nopeammin erilaista materiaalia ja tehtäviä eri tilanteisiin.

Selvitystyön aikana kävi ilmi, ettei yhden luukun -sovellusta ole. Järjestelmillä on omat vahvuutensa ja niitä yhdistelemällä tilanteen mukaan voi löytyä paras kokonaisuus. Kokeiluja on hyvä tehdä ja keskustella yhdessä, mitä me olemme hakemassa. Ennen kaikkea on syytä miettiä mitä me teemme, kun analytiikka nostaa esiin ongelman. Millainen on meidän toimintasuunnitelmamme ja millaisin resurssein tartumme asiaan? Missä tilanteissa opettaja yksin pystyy tukemaan oppijaa, missä tarvitaan ohjaajia, muita tukihenkilöitä tai mihin tilanteisiin koneäly tuo apua? Aivan kuten tarvitaan erilaisia oppimateriaaleja ja tehtäviä erilaisille oppijoille, tarvitaan erilaisia ohjausmenetelmiä erilaisiin tilanteisiin. Tarvitaan monialainen tukitiimi, joka muodostuu tilanteen mukaan yksittäisen opettajan avuksi.

Tämän päivän oppimisanalytiikan uutuus löytyy keinoista tehdä ongalmakohdat visuaalisesti näkyväksi myös opiskelijalle. Oppija saa paremman käsityksen kokonaisuudesta. Oppimisanalytiikkaperusteisessa pedagogiikassa on entistä tärkeämpää sopia yhdessä oppijan kanssa tavoitteet. Mitä seuraavaksi harjoitellaan ja miksi. Mihin tätä oppia tullaan käyttämään myöhemmin. Lähdetään yhdessä
rakentamaan tietämystä ja valitaan tarvittavat työvälineet tavoitteen saavuttamiseksi.

GDPR asettaa omat haasteensa oppimisanalytiikan käyttämiselle, mutta lupien kanssa tietoa voi kerätä ja hyödyntää. Jos vaikka yhdistäisimme älykellon uni- ja aktiivisuustiedot ja peilaisimme tietoja oppimistuloksiin. Älykello voisi ehdottaa, että jospa tänään otettaisiin päiväunet puolen päivän jälkeen, niin ruotsin tehtävätkin sujuisivat iltapäivätunneilla paremmin. Onko se sitten enää oppimisanalytiikkaa vai hyvinvointianalytiikkaa?

Loppukaneettina selvityksestä voidaan sanoa, että oppimisanalytiikan kehittyminen vaatii paljon valtakunnallista keskustelua. Ihan niin kuin tekoälystä puhuttaessa oppimisanalytiikkakin vaatii meiltä yhteistä näkemystä millaista ihmiskäsitystä me haluamme olla rakentamassa. Miten me suhtaudumme erilaisiin oppijoihin ja kuinka me hyödynnämme erilaisia ohjauksen resursseja.

Samaan aikaan tarvittaisiin yhteinen käsitys, mitä oppimisanalytiikan minimissään tulisi nostaa esiin. Mitkä ovat niitä ominaisuuksia, jotka pitäisi olla käytettävissä kaikissa järjestelmissä. Mikä on ns. minimi ja millaisia tarpeita meillä on tiedon siirrolle eri järjestelmien välillä – millaisia rajapintoja ja kirjautumisjärjestelmiä meidän olisi syytä käyttää ja hyödyntää.

Tunnista tarve – mitä ongelmia analyysilla ratkaistaan
Määrittely – mitä oppimisanalytiikkaa oppilaitoksessamme jo on ja mitä tarvitaan
Miten analytiikka vaikuttaa toimintakulttuuriimme ja johtamiseen
Millaista oppimiskäsitystä ja ihmiskäsitystä analyysi tukee
Strategia ja visio
Mitä taitoja tarvitaan – henkilöstön osaaminen ja koulutus
Miten jaetaan vastuut, huolehditaan laillisuudesta ja eettisyydestä
Mitä mitataan
Miten tietoa kerätään
Mitä teknologiaa tarvitaan
Miten tietoa käsitellään, missä muodossa ja kenelle tietoa jaetaan
Miten kehittämistoimet hoidetaan
Miten seurataan tuloksia
Miten järjestelmää ylläpidetään ja kehitetään
Onhan oppijan etu ensisijalla!

Lisätietoja: www.poluttamo.fi ja www.poluttamo.fi/oppimisanalytiikka/

Webinaaritallenne: Oppimisanalytiikka oppilaitoksissa

Webinaaritallenne 31.5.2018

Miten oppimisanalytiikkaa hyödynnetään tällä hetkellä osana opetusta ja ohjausta? Webinaarissa Leena Vainio esittelee haastattelututkimuksensa tuloksia.

Esitysaineisto:

Webinaarissa nähtiin myös videotervehdys Omniasta:

Webinaaritallenne: Oppimisanalytiikka opiskelijaprofiloinnissa

Webinaaritallenne 29.5.2018

Mitä tietoja tarvitaan opiskelijaprofiilien luomiseksi? Miten tiedosta luodaan asiakasymmärrystä lisäävät profiilit? Miten opiskelijaprofiileista saatua tietoa voidaan hyödyntää oppilaitoksessa?

Asiantuntijoina Mia Pesonen (Otavan Opisto) & Lasse Hirsjärvi.

Poluttamo-webinaari: Oppimisanalytiikka oppilaitoksissa

31.5.2018 klo 12-13
Webinaarihuoneen osoite:
http://eoppimiskeskus.adobeconnect.com/openpaivitys/
HUOM. Tavallisesta poikkeava osoite!

Miten oppimisanalytiikkaa hyödynnetään tällä hetkellä osana opetusta ja ohjausta? Webinaarissa Leena Vainio esittelee haastattelututkimuksensa tuloksia. Selvitys on osa Poluttamo-hanketta ja jatkoa Ari-Matti Auvisen Oppimisanalytiikka tulee – oletko valmis? -selvitykselle.

Ilmoittautuminen >>>