Poluttamo-digitukimalli ammatilliselle jakoon

Artikkeli julkaistu SeOppi 2/2018 -lehdessä.

Teksti: Jari Välkkynen, Anu Konkarikoski & Ella Eld, Koulutuskuntayhtymä Tavastia
Kuvat: Ella Eld, Koulutuskuntayhtymä Tavastia

Sähköiset kokeet ja arvioinnin digitaaliset apuvälineet mahdollistavat sellaista, mitä vanhoilla keinoilla oli hankalaa toteuttaa. Toisaalta opettajan arviointiajattelua ei korvaa mikään teknologia. Keskeistä on se, että opettajalla on selkeä ajatus siitä, mitä arvioidaan ja miksi.

Poluttamo-hanke on hujahtanut kolmessa vuodessa loppumetreille. Samaan aikaan ammatillisen koulutuksen reformin jalkautus on täydessä vauhdissa. On aika summata, mihin olemme päässeet ja kutsua oppilaitokset kautta maan parastamaan Poluttamo-mallia.

Opiskelijalla on mallissamme oppimisen paikasta riippumaton sisältö, jolloin opintojen aloittaminen ja suorituspaikka ovat entistä joustavammat. Niistä hyötyvät koko tutkinnon työelämässä tekevät opiskelijat kuin hekin, jotka hankkivat osaamista hyvin tuetusti oppilaitoksessa opetushenkilöstön lähiohjauksessa tai eivät aina kykene tulemaan kouluun, vaan tekevät itsenäistä, etäohjattua työskentelyä kotona.

Käytännön oppimista ja teoriaa yhdistävä tehtävistö ohjaa opiskelijaa havainnoimaan, dokumentoimaan ja reflektoimaan omaa oppimista ja liittämään kulloiseenkin työtehtävään tarvittava taustatieto. Opettajien usein kaipaama ammattisanaston harjaannuttaminen tapahtuu tehtävien lomassa.

Kuluneiden vuosien aikana opiskelun digitukea koskeva ajattelumme on kehittynyt eteenpäin some-välineiden alkuaikojen käytöstä, jolloin moni opettaja hämmentyi laajan sovellusvalikoiman viidakossa ja IT-päälliköt repivät hiuksiaan mitä moninaisimpien ilmaisohjelmistojen ja sovellusten apupyyntöjen kanssa. Reformin myötä entistä korostuneemmat yksilöllisen etenemisen polut pakottavat hyödyntämään opiskelijan digipolussa myös oppilaitoksen järjestelmiä, jotta niin opiskelijat, opetushenkilöstö kuin opinto-ohjaajatkin voivat seurata osaamisen hankkimisen etenemistä. Tämän lisäksi olemme halunneet myös säilyttää vuosia kehitetyn, ensin yleisesti Bloggerissa, sittemmin esim. Instagramissa tai Pinterestissa muodostuvan opiskelijaa työnhaussa auttavan portfolion tekemisen. Tämäkin on reformin mukaista: opiskelijaa tulee ohjata kokonaisvaltaiseen urasuunnitteluun ja koulutuksen järjestäjiä palkitaan siitä, että opiskelija on työllistynyt tai sijoittunut jatko-opintoihin.

Keväällä 2018 Ammattiopisto Tavastian johtoryhmä päätti, että organisaatiossamme Poluttamo-tuloksia jalkautetaan tulevien vuosien aikana Moodle-ympäristöön. On tärkeää, että tutkinnon osien etusivut ovat visuaaliset, yhtenäiset ja jaottelu yhtenevä opiskelijahallintajärjestelmän ammattitaitovaatimusten jaottelun kanssa. Tätä varten on luotu yhtenäiset Moodle-pohjat tutkinnon osittain ja tehty tehtävistön esimerkkirakenne ko. pohjaan sekä kytketty tehtävien seurantatyökalu automaattisesti päälle visuaalista osaamisen hankkimisen etenemisen seurantaa varten. Lukuvuoden 2018-19 aikana vaiheistetaan ja tuetaan käyttöönottoa ja jaetaan tiimeissä vastuita, jolloin ei tarvitse olla mikään digihörhö päästäkseen alkuun.

Teoria-aineisto, tehtävät ja osaamisen kehittymisen seuranta löytyvät Tavastian Moodlen moduuleista tiiviiden ja kuvaavien otsikoiden alta.

Olemme myös rakentamassa yhteyttä opiskelijan Moodlen ja Wilman välille siten, että kun opettaja saa tutkinnon osan osakokonaisuuden tehtävät ja viimeisetkin tarkistuspisteet hyväksyttyä Moodlessa, tieto opiskelijan valmiudesta edetä näyttöön siirtyy automaattisesti opiskelijan HOKS:iin Wilmassa. Vaikka toimitaan oppilaitoksen suljetussa ympäristössä, opetushenkilöstöä kannustetaan jatkamaan monipuolisten tietoturvallisiksi luokiteltujen sovellusten käyttöä ja esim. keskeistä ammattikirjallisuutta – digitaalisesti ohjeistettuna.

Taideteollisuusalan perustutkinnon verhoiluala on ensimmäisenä levittämisalanamme aloittanut uusien tutkinnon perusteiden mukaisten tehtäväkokonaisuuksien luomisen Moodleen. Saman mallin mukaan muita alakohtaisia tiimejä kannustetaan tekemään pitkän aikavälin kehittämissuunnitelma, jossa Moodlessa on laajasti multimodaalisia ja upotettuja sisältöjä, kuten valokuvia, ääntä, videoita, kolmansien osapuolten oppimateriaaleja sekä jäsennys-, tentti- ja pelityökaluja. Näin alussa sallitaan opettajille peruskäyttö. Odotamme innolla hyödynnettäväksi myös avoimien oppimateriaalien kansallista ratkaisua, jonka kehittämisestä ministeriö tiedotti lokakuussa 2018.

Tutkinnon osaa vastaavan kurssin etusivu on Tavastiassa standardoitu. Moodlen grid-etusivulla kuvien taakse on jäsennelty ammattitaito- vaatimuksia vastaaviin moduuleihin kuin opiskelijan HOKS:ssa opiskelijahallintajärjestelmä Wilmassa. Väripalkissa “Osaamisen kehittyminen” sininen pala muuttuu vihreäksi, kun opiskelija saa kokonaisen moduulin valmiiksi. Sen alla on yksittäisiä tehtävien hyväksyttyä suorittamista kuvaava väripalkki.

On tärkeää, että opiskelijalla on yhtenäinen oppimisprosessi ja oppimisen digituki on opiskelijan hallussa jo ennen uuteen työelämässä oppimisen työyhteisöön menemistä. Näin voi keskittyä työelämässä oppimisen paljouteen: miten tämän työpaikan työyhteisössä toimitaan, miten otan haltuun ammattitaitovaatimusten mukaisen osaamisen jne.

Myös oppilaitoksessa toteutettavan opetuksen järjestelyiden rakenteet ja aikataulut vaikuttavat mallimme käyttökelpoisuuteen. Poluttamo-hankkeen pilottialalla Pintakillassa on siirrytty järjestelmään, jossa opiskelijan lukujärjestyksessä lukee päivittäin 8.10-14.30 “Ammatilliset tutkinnon osat”. Tällöin opittava asia määräytyy asiakas- ym. meneillään olevien käytännön töiden kautta ja opiskelija määrittelee opettajan ohjauksessa, mitä taitoa kulloinenkin työ kartuttaa. Pintakillan opetus perustuukin taitojen opettamiseen, jotka kerryttävät tutkinnon osien ammattitaitovaatimusten mukaista osaamista. Eri taidoista on myös vuosittain syventäviä teemapäiviä, johon kutsutaan kaikki ko. ammattitaitovaatimuksissa lisää osaamista tarvitsevat tutkinnosta riippumatta.

Olemme syksyn mediamylläkästä poiketen sitä mieltä, että ammatillisessa koulutuksessa edelleen oppii, kunhan luovutaan vanhoista rakenteista ja otetaan digin tuomat mahdollisuudet täysimääräisesti käyttöön sekä huolehditaan opettajien osaamisesta. Pitää myös muistaa huolehtia siitä, että jos opiskelija ei pysty suoriutumaan tehtävistä työpaikalla ja kotona, hän tulee opettajan jämäkkään ja huolehtivaiseen huomaan oppilaitokseen tekemään samoja asioita, joita osa opiskelijoista pystyy tekemään työpaikalla.

Samalla kannattaa huolehtia siitä, että opetushenkilöstölle on osoitettu järkevä määrä työaikaa kuhunkin hoidettavaan työtehtävään ja työt on mahdollista järjestää tiimissä siten, että opiskelija kokee opettajien olevan saavutettavissa ja saa riittävästi harjaannusta hankkiessaan itselleen osaamista.

Julkaisemme Poluttamon loppumetreillä yksityiskohtaisemman digitukimallin ja toivotamme opetushenkilöstön ja oppilaitosjohdon tulevinakin vuosina tervetulleeksi tutustumaan kehittämistyöhömme, joka jatkuu hankkeen päättymisestä riippumatta.

Tapaa tekijöitä Poluttamo-loppuseminaarissa 21.11.2018 Helsingissä ja 27.-28.11.2018 Digioppimisen areenalla Jyväskylässä.

Mainokset

Challenges for learning analytics

Article first published on SeOppi 2/2017.

Text: Lasse Seppänen, Häme University of Applied Sciences (HAMK)

Learning analytics is becoming very popular in student administration. Study performance and students in danger of dropping out can be monitored. If a student’s activity level decreases at some point during the school year, the monitoring of only grades and courses passed would reveal this, in the worst case, as late as the following year.

Our study monitored weekly logins to the learning platform. In the fall of 2016, the Adaptable Learning Paths project at HAMK University of Applied Sciences constructed a system that monitors students’ weekly logins and sends the study advisor weekly messages about students with reduced login rates. The target group was initially the students of computer sciences, but other students were included later.

In computer studies, if a student is to drop out, it most often takes place during the first year, or, alternatively, the student is not able to complete his or her final thesis at the end of the studies. The early detection of the potential drop-outs among first-year students is very important. The thesis process was modified in 2017 to structure it so that it would not be easy to leave it incomplete.

In computer sciences, the learning platform Moodle is in active use. Moodle is in frequent use in all studies during the first two years, and in practice, students must log in daily or almost daily. The algorithms we developed are based on this fact.

The standard working day at HAMK consists of two parts separated by the lunch break. It is natural to think that students would log in to Moodle at least twice each day, achieving a minimum of 10 logins per week. However, students are required to complete a great deal of group work and one group member may submit the work of all others as well. This may lower the login frequency of group members even if they are active in their studies.

Monitoring weekly logins, we first put the threshold at four logins. We thought it a logical conclusion that if a student logs in to Moodle only 0 – 3 times a week, all cannot be well. Later, we tentatively raised the threshold to eight logins and noticed we obtained a great deal of data concerning students who were doing just fine. We then lowered the threshold to six. That gave us a smaller quantity of data in emails, which was easier to manage. It is likely that we will study further the appropriateness of this threshold as well.

We applied the same threshold in our monitoring of the activity of online evening students and observed that the same value does not function properly. For example, we set the threshold at six for the last week of September, and the system generated alarms concerning 24 students. Of these students, only five had zero logins and eleven had 3 – 5 logins. We saw a clear difference between evening students and daytime students: evening students do more during one online session.

Challenges due to the upcoming Data Protection Regulation

The upcoming Data Protection Regulation will bring challenges to the use of learning analytics. Any list containing names of students can be classified as a personal data register – and this is in essence what the weekly email from the learning analytics system entails. The view has been proposed that analytics could be used if they do not impact any single student. However, the whole point of this analytics is that the study advisor be able to contact a single student and to do this easily. In addition, the system profiles students. We must give thought to how we make the system work in compliance with the regulation so that we may continue to support students who are encountering difficulties.

Sources

Oppimisanalytiikan keskus [Learning Analytics Centre]. Mitä on Oppimisanalytiikka? [What is learning analytics?] www.learninganalytics.fi/fi/oppimisanalytiikka

Seppänen, L. Learning analytics call out for action, SeOppi 02/2016

Oppimisanalytiikka opon apuna

Artikkeli julkaistu SeOppi 2/2017 -lehdessä.

Teksti: Maija Kerkola, HAMK

Oppimisanalytiikka opon apuna - kuva SeOppi-lehden artikkelisivustaMuistan, kuinka vielä muutama vuosi sitten ammattikorkeakoulun opinto-ohjaajana, opona, kiertelin syysloman lähestyessä pitkin koulun käytäviä ja etsin ”kadonneita lampaita”. Välineet, joilla olisin voinut tunnistaa opinnoista mahdollisesti pudonneet opiskelijat, olivat vähissä. Käytännössä minä omiin näköhavaintoihin perustuen etsin opiskelijoita, joita en ollut koululla mielestäni nähnyt viime viikkoina. Kiertelin kyselemässä opettajilta ja muilta opiskelijoilta, onkohan tätä ja tätä opiskelijaa näkynyt. Läsnäolopakkoa kun ei ammattikorkeakoulussa tunneta. Minulla oli vain huoli, että joku on nyt pielessä, ja riski opiskelijan opintojen keskeyttämiseen kasvaa. Tällaisen välittävän ohjauskulttuurin takana on holistinen malli. Se tarkoittaa, että ollaan aidosti kiinnostuneita jokaisesta opiskelijasta. Erityisen tärkeäksi koen, että putoamassa olevat opiskelijat tunnistetaan mahdollisimman varhaisessa vaiheessa.

Opinto-ohjaus ammattikorkeakoulussa

Opiskelijan opintojen edistymisen seuranta on opon työtä. Ennen opiskelijat, opettajat ja ohjaajat tapasivat kasvotusten luokkahuoneissa ja koulujen käytävillä, mutta opetuksen siirryttyä verkkoon, on myös ohjaus siirtynyt verkkoon, ja oppimisanalytiikka on opon uusi työkalu.

Kertyvän datan ansiosta opo saa joka viikko sähköpostiinsa raportin opiskelijoista, jotka eivät ole kirjautuneet, tai ovat kirjautuneet vain huolestuttavan vähän Moodle-oppimisalustalle. Tavoitteellinen opiskelu kun edellyttää useita kirjautumisia viikossa. Viikoittain siis ”kellot alkavat soida”, opossa herää huoli, että jollakin opiskelijalla on riski
pudota. Näin ohjauksessa on päästy ennaltaehkäiseviin toimiin.

Onkin tutkittu, että opiskelijoiden ohjauksella on kauaskantoisia seurauksia (Helander ja Kemppi 2006, 24–25). Ohjauksen tärkeyden puolesta kirjoittavat myös Jyväskylän yliopiston Koulutuksen tutkimuslaitoksen Raimo Vuorinen ja Maarit Virolainen. He viittaavat tehtyihin tutkimuksiin ja toteavat, että ohjaus vähentää opiskelijoiden keskeyttämisiä ja nopeuttaa valmistumisaikoja. Lisäksi heidän näkemyksen mukaan ohjaus on yksi tehokkaan koulutusjärjestelmän indikaattori. Ohjauksella vahvistetaan opiskeluun sitoutumista ja selkeytetään henkilökohtaisia opintopolkuja. (Vuorinen ja Virolainen 2017, 7.)

Ohjauksen siirryttyä digiaikaan opon työkaluja ovat mm. sähköposti, Skype, WebEx, chat, WhatsApp ja Snapchat. Niiden avulla hän ryhtyy tavoittamaan opiskelijaa. Opon työ sisältää paljon tiedottamista ja neuvontaa. Hän antaa opiskelijalle oikeata tietoa ja riittävästi. Opo myös esittelee erilaisia vaihtoehtoja ja arvioi eri vaihtoehtojen vaikutuksia käsillä olevaan asiaan liittyen. Tavoite on, että neuvonta auttaa opiskelijaa päätöksien tekemisessä. Opo ei kuitenkaan koskaan ole sellaisen palvelun tarjoaja, joka ratkaisee ongelman opiskelijan puolesta (Onnismaa 2007, 23–25).

Lähteet

Helander, J. & Kemppi, J. 2006. Jos meijät on istutettu tänne jotaki tarkotusta varte: puheenvuoroja hämeenlinnalaisten nuorten osallisuudesta ja hyvästä. Hämeen ammattikorkeakoulu.

Onnismaa, J. 2007. Ohjaus- ja neuvontatyö: aikaa, huomiota ja kunnioitusta. Gaudeamus.

Vuorinen, R. & Virolainen, M. 2017. Pääkirjoitus. Opinto- ja HOPS-ohjauksesta urasuunnittelutaitojen vahvistamiseen ja ohjauspalveluiden laadun arviointiin. Ammattikasvatuksen aikakausikirja. 19 (2), 7.

Oppimisanalytiikan haasteita

Artikkeli julkaistu SeOppi 2/2017 -lehdessä.

Teksti: Lasse Seppänen, HAMK

Oppimisanalytiikan haasteita - SeOppi-lehden artikkelisiviOppimisanalytiikasta on tulossa suosittu toiminto opiskelijahallinnon saralla. Opintosuorituksia tai keskeyttämisvaarassa olevia opiskelijoita voidaan seurata. Jos opiskelijan aktiivisuus laskee kesken opintojen, pelkkiä opintosuorituksia seuraamalla tämä havaittaisiin pahimmassa tapauksessa vasta seuraavana vuonna.

Tässä tutkimuksessa pyrittiin seuraamaan viikoittaisia sisäänkirjautumisia oppimisalustalle. Syksyllä 2016 rakennettiin Poluttamo-hankkeessa HAMKissa järjestelmä, joka seuraa sisäänkirjautumisia ja lähettää opolle viikoittaisen viestin alentuneen sisäänkirjautumismäärän opiskelijoista. Kohderyhmänä olivat aluksi tietojenkäsittelyn opiskelijat, mutta myös muiden koulutusten opiskelijoita on sittemmin otettu mukaan.

Tietojenkäsittelyssä keskeyttämiset tapahtuvat useimmiten ensimmäisen vuoden aikana tai lopussa opinnäytetyö jää roikkumaan. On tärkeä havaita ensimmäisen vuoden opiskelijoista aikaisin keskeyttämisvaarassa olevat. Opinnäytetyöprosessia on muutettu vuonna 2017 siten, että se ei helposti jää kesken.

Tietojenkäsittelyssä Moodle-oppimisalusta on paljon käytössä. Moodlea käytetään hyvin paljon kahden ensimmäisen vuoden aikana jokaisella opinnolla, ja opiskelijoiden on käytännössä käytettävä sitä päivittäin tai lähes päivittäin. Tähän perustuvat kehitetyt algoritmit.

HAMKin työpäivämallin päivä on jaettu lounastauolla kahteen osaan. On luonnollista ajatella, että opiskelijat kirjautuisivat Moodleen ainakin kahdesti päivässä, jolloin viikossa tulisi ainakin 10 sisäänkirjautumista. Mutta opiskelijat tekevät paljon ryhmätöitä, joten yksi ryhmäläinen tekee palautukset kaikkien puolesta. Tämä voi laskea ryhmäläisten sisäänkirjautumisfrekvenssiä, vaikka he muuten opiskelisivatkin aktiivisesti.

Tutkimuksessa valittiin kynnysarvoksi viikoittaisten sisäänkirjautumisten seuraamisessa aluksi neljä. Looginen päätelmä oli, että jos opiskelija kirjautuu vain 0-3 kertaa sisään Moodleen, kaikki ei voi olla kunnossa. Jatkossa kynnysarvo nostettiin koeluontoisesti kahdeksaan, jolloin todettiin tulevan paljon myös hyvin pärjäävien opiskelijoiden tietoja. Määrä laskettiin kuuteen. Näin päästiin sähköposteissa pienempään ja helpommin hallittavaan tietomäärään. Todennäköisesti tätäkin kynnysarvoa vielä tarkastellaan.

Verkkotutkinnon iltaopiskelijoiden aktiivisuutta alettiin seurata samoin kynnysarvoin. Todettiin, että sama kynnysarvo ei toimi kunnolla. Esimerkiksi kynnysarvolla kuusi viikolla 39 järjestelmä hälyttää 24:stä opiskelijasta. Näistä nolla kertaa on vain viidellä opiskelijalla, 3-5 kertaa 11 opiskelijalla. Tästä huomataan selvä käyttäytymisero päiväpuolen opiskelijoihin nähden eli opiskelijat tekevät enemmän yhden kirjautumiskerran aikana.

Tietosuoja-asetus tuo haasteita

Uusi tietosuoja-asetus tuo haasteita oppimisanalytiikan käyttämiseen. Henkilörekisteriksi voidaan tulkita jokainen opiskelijoiden nimiä sisältävä lista, jollainen viikoittainen analytiikan tuottama sähköposti on. Käytössä on myös tulkinta, että analytiikkaa voisi käyttää, jos sillä ei ole vaikutusta yksittäiseen opiskelijaan. Tämän analytiikan tarkoituksena taasen on, että opo voisi nimenomaan kontaktoida yksittäistä opiskelijaa helposti. Lisäksi tämä analytiikka profiloi opiskelijoita. Pitää miettiä miten saadaan analytiikka jatkossa toimimaan asetuksen mukaisesti, jotta voimme tukea vaikeuksissa olevia opiskelijoita.

Lähteet

Oppimisanalytiikan keskus. Mitä on Oppimisanalytiikka? http://www.learninganalytics.fi/fi/oppimisanalytiikka

Seppänen, L. Learning analytics call out for action, SeOppi 02/2016

Moodlen login-tiedoista tehtyjä keskeytyspäätelmiä, versio 1

Tutkin lukuvuoden 2014-2015 tietojenkäsittelyn opiskelijoiden ensimmäisen vuoden ryhmän TRTKNU14A3 login-tietoja Moodlesta. Tiedot oli opiskelijakohtaisesti järjestetty siten, että jokaisen opiskelijan viikon aikana tekemät Moodle-aktiviteetit oli summattu yhteen. Tiedot toimitti HAMKin tietohallinto. Lisäsin näihin tietoihin ns. nollarivit eli jos opiskelija ei ollut viikon aikana lainkaan käynyt Moodlessa, hänestä ei jäänyt mitään jälkeä. Käsittelin näistä tiedoista ainoastaan Moodleen sisäänkirjautumista.

Aluksi käytin Power BI –työkaluohjelmistoa. Sillä tarkastelin opo Maija Kerkolan kanssa ryhmän NU14 käyttäytymistä.

Silmämääräisesti huomasimme, että joillakin opiskelijoilla toisen periodin aikainen käyttäytyminen poikkesi valtavirrasta huonompana aktiivisuutena. Näillä opiskelijoilla opinnot käytännössä keskeytyivät. Osa heistä on vielä kirjoilla, mutta käytännössä he eivät opiskele lainkaan.

Kirjoitin sen jälkeen 80-rivisen ohjelman perl-ohjelmointikielellä. Siinä tutkin erilaisia algoritmeja. Algoritmi, joka olisi paljastanut keskeyttäneistä kaikki muut paitsi yhden yliopistoon siirtyneen:

If (logins[viikko46] < 4 or logins[viikko47] < 4 or logins[viikko48] < 4 or logins[viikko7] = 0 or logins[viikko11] = 0)

{

Keskeytys();

}

Tätä algoritmia voi ajaa viikosta 47 alkaen viikottain, kun viikon 46 data on jo tallessa.

Algoritmi on niin tarkka, että se tuotti vain yhden hudin opiskelijasta, joka oli viikon marraskuussa matkoilla. Hänen opintonsa jatkuvat edelleen mallikkaasti.

Algoritmia voisi vielä tarkentaa siten, että se huomaisi viikoilla 46-48 laskevan login-aktivisuuden, mutta tämäkin näyttää varsin hyvin toimivan.

Tämä on siis yhden vuoden lukujen perusteella. Voi olla, että vuodet ovat erilaiset keskenään, opetus voi olla erilaista eri aikoihin sijoitettua jne.

Samaa algoritmia tuskin voi soveltaa ihan suoraan muihin koulutusohjelmiin, mutta yleisesti ottaen tätä menetelmää kannattaa kyllä kokeilla.

Seuraavaksi on tarkoitus tutkia tätä vuoden 2015-2016 datalla.

Teksti: Lasse Seppänen