ITK2018: Analytiikka monimuotoisen oppimisen tukena

Koko päivän Poluttamo-workshopimme ITK:ssa jakautui kolmeen eri settiin, joissa jokaisessa oli tarjolla kaksi eri teemaa. Osallistujat poluttivat itse itsensä kiinnostaviin teemoihin ja saivat hakea kustakin teemasta osaamismerkkiä kertomalla merkkihakemuksessaan, miten hyödyntävät ko. oppia omassa työssään.

Jari Välkkynen esittelee workshopin analytiikkadataa.

Jari Välkkynen esittelee workshopin analytiikkadataa.

Iltapäivän pajassa Anu Konkarikoski ja Jari Välkkynen keskusteluttivat osallistujia opiskelijan yksilöllisen polun seurannasta ja monimuotoisen oppimisen digituesta. Kaikki pääsivät kirjautumaan esimerkkikurssille ViLLE-oppimisjärjestelmään ja tekemään erilaisia käytännön oppimisen tukena toimivia Pintakäsittelyalan tehtäviä. Valkokankaalla oli samalla auki opettajan maisema ryhmän analytiikkadataan, joka perustuu tehtävistä kertyneisiin pisteisiin. Näin analytiikasta saatiin osallistujille omakohtainen kokemus.

Kilpailuhenkisimpiä suhde muiden opiskelijoiden kerryttämiin pisteisiin motivoi hakkaamaan tehtäviä entistä innokkaammin. Heille olisi mahdollisesti hyötyä pistetaulukoista muutenkin, mutta tietenkään normaalitilanteessa opiskelijat eivät voi nähdä toistensa saavutuksia opettajan tavoin.

Poluttamo-workshop ITK-konferenssissa

Moni tarttui myös ViLLEn opiskelijakäyttöliittymän epäloogisuuksiin. Lean-johtajat olisivat olleet tyytyväisiä, jos ensi kertaa käyttävien kokemukset olisi saatu kirjattua ylös parantamaan seuraavan käytettävyyden parantamiskierroksen tuloksia.

Eniten keskusteltiin lopulta siitä, millä tavoin digiä kannattaa käyttää autenttisen, tekemällä oppimisen lomassa, sillä eihän useimpien ammattien oppiminen tapahdu tietokonetta renkkaamalla. Poluttamosta on luvassa kevään aikana mallinnus siitä, mitä asioita pitää huomoida, kun analytiikkaa hyödyntävää digiympäristöä rakennetaan monimuotoisen oppimisen osaseksi.

Vive-virtuaalilasien testausta Poluttamo-workshopissa 11.4.2018

Ammattiopisto Tavastiasta oli myös kokeilussa Vive-virtuaalilaseille rakenteilla oleva ruiskumaalisimulaattori. Tällainen kevytversio simulaattorista maksaa alle 10 000 €, laitteisto vain muutamia tuhansia euroja ja sillä on mahdollista säästää materiaalikuluissa. Pitkän tähtäimen tavoitteena on saada simulaattorit ja niiden tuottama tieto osaamisen kehittymisen vaiheesta osaksi opiskelijan yksilöllistä oppimispolkua. Simulaattorihuumassa on myös hyvä pitää jäitä hatussa: simulaattorit ovat parhaimmillaan toistoa vaativien ja harvinaisten tilanteiden harjoittelussa. Kannattaa myös miettiä, onko tarpeen järjestää opiskelijalle lasit päähän, vai saavutetaanko sama tulos esim. omalle mobiililaitteelle tehdyn pelin tai simuloinnin avulla.

Teksti ja kuvat: Anu Konkarikoski

Mainokset

Miten oppimisanalytiikkaa hyödynnetään nyt oppilaitoksissa

 Artikkeli julkaistu SeOppi 1/2018 -lehdessä.

Teksti: Leena Vainio

Oppimisanalytiikka on noussut opetuksen kehittämisessä yhdeksi tärkeäksi kehittämisen kohteeksi vajaa kymmenen vuotta sitten. Vuosittainen EDUCAUSE:n (Learning Initiative and the New Media Consortium) julkaisema Horizon Report korkeakouluille listasi vuonna 2011 oppimisanalytiikan yhdeksi kuudesta teknologisesta trendistä. Silloin ennustettiin, että analytiikka olisi laajasti käytössä neljän-viiden vuoden päästä. Sama trendi on näkynyt jokaisessa uudessa Horizon raportissa myös K-12 opetuksen yhteydessä. Viisi vuotta ei riittänyt analytiikan käytön levittämiseen kaikkiin oppilaitoksiin. Edelleenkin se on enemmän pilotoinnin kohde kuin vakiintunutta toimintaa.

Oppimisen analyysia on tehty jo vuosituhansia. Tietoa on kerätty henkilökohtaisiin muistiinpanoihin, arviointikirjoihin ja myöhemmin tietokoneelle. Oppimisympäristöjen digitalisointi on nyt mahdollistanut systemaattisen oppijan “jalanjälkien” keräämisen ja myös opettajien opetussisältöjen ja -menetelmien tallentamisen. Ongelmana analytiikan hyödyntämiselle on esimerkiksi seuraavia asioita:

  • oppilaitoksissa ei ole systemaattisesti mietitty, mitä dataa opetuksesta ja oppimisesta kerätään
  • ei ole päätöksiä, millä työkaluilla kerääminen tehdään (kerätäänkö esim. vain verkko-opetuksesta vai myös kontaktiopetuksesta, projekteista ja muista oppimisen aktiviteeteista)
  • miten tietoa analysoidaan ja missä muodossa tuloksia jaetaan
  • kuka analyysitietoa saa hyödyntää
  • miten analyysitietoa käytetään kehittämisessä.

Tänä päivänä teknologia antaa useita hyviä työkaluja analyysien tekemiseen. Oppijan tarpeet ovat analytiikan lähtökohtana, pelkät arvosanat tai tehtäviin kulutettu aika eivät vielä riitä kuvaamaan oppimisprosessin laatua. Analyysin pitäisi pystyä pureutumaan myös motivaatioon, oppimisen iloon, innovatiivisiin oppimisen tapoihin ja tavoitteiden saavuttamisen tasoon.

Oppimisympäristöissä voidaan koota tietoa myös sosiaalisista suhteista ja oppijoiden ja opettajan välisestä vuorovaikutuksesta ja tätä kautta voidaan kerätä tietoa eri interventioiden laadusta ja vaikutuksesta oppimisprosessiin. Oppimateriaalien ja tehtävien relevanttiutta voidaan arvioida suhteessa oppimistuloksiin ja oppimiseen käytettyyn aikaan.

Mistä dataa kerätään ja mihin analytiikka kohdentuu?

Oppimisanalytiikan käytön yksi ongelma on se, että onko opetuksen tapahduttava kokonaan verkossa, jotta saadaan analyysitietoa. Miten kontaktiopetuksen, projektien, työssäoppimisen ja informaalin oppimisen tulokset saadaan kytkettyä analyysitietoon? Vai antaako muutama verkkokurssi jo riittävän hyvän kuvan opiskelijan oppimisesta ja pystytäänkö hänen oppimistaan tukemaan saatujen tietojen avulla? Tarvitaanko oppilaitokseen useampia työkaluja riittävän tiedon saamiseksi?

Millaista oppimisanalytiikkakonseptia rakennetaan, riippuu pitkälti siitä, ketä toimijaa analytiikalla aiotaan palvella. Analytiikalla voidaan tukea oppijaa, opiskelijaryhmiä, opettajia, koulutusohjelmia, rehtoria, vanhempia, työelämän edustajia tai muita koulutukseen liittyviä sidosryhmiä.

Mitä tietoa oppijalle

Kuva 1. Esimerkkejä, mitä tietoa oppimisympäristöistä ja analytiikkaohjelmista saa opiskelijoille, opettajille ja hallinnolle.

Kuva 1. Esimerkkejä, mitä tietoa oppimisympäristöistä ja analytiikkaohjelmista saa opiskelijoille, opettajille ja hallinnolle.

Sekä yleissivistävän että ammatillisen koulutuksen uudet opetussuunnitelmat suuntaavat opetusta entistä henkilökohtaisempaan suuntaan. Jokaiselle pitäisi pystyä rakentamaan yksilöllinen pedagogisesti vaikuttava ja omia taitoja tukeva oppimisen polku. Millaisilla opetusmenetelmillä ja teknologisilla ratkaisuilla tuo polku rakennetaan?

Nyt jo monet ohjelmat tarjoavat oppijalle tietoa hänen aktiivisuudestaan:

  • mitä tehtäviä hän on tehnyt,
  • missä vaiheessa hän on menossa kurssilla,
  • miten hän on suoriutunut suhteessa muihin opiskelijoihin,
  • kuinka paljon hän on käyttänyt aikaa oppimiseen ja miten se on vaikuttanut oppimismenestykseen.

Ohjelmissa voidaan seurata myös opiskelijoiden sosiaalista aktiivisuutta, verkostoitumista ja ryhmässä toimimisen taitoja. Näiden seuranta on tehtävä usein manuaalisesti, vain muutama ohjelma antaa visuaalisessa muodossa yhteenvetoja verkostoitumisesta.

Mitä tietoa opettajalle

Kaikkien nyt tarjolla olevien ohjelmien avulla opettaja saa hyvin tietoa opiskelijoiden etenemisestä. Opettaja voi tämän tiedon perusteella suunnata ohjausta niille opiskelijoille, jotka ohjausta eniten tarvitsevat. Hän voi miettiä, tarvitaanko lisäaikaa tehtävien tekemiseen tai tarvitaanko lisämateriaalia oppimisen tueksi. Useimmat ohjelmat myös antavat tietoa oppimateriaalista ja tehtävistä. Opettaja näkee, miten paljon aikaa oppijat ovat käyttäneet oppimateriaaliin ja miten he ovat tehtävät ratkaisseet. Tästä voi tehdä johtopäätöksiä, onko oppimateriaali tai tehtävät liian helppoja tai vaikeita ja mihin suuntaan niitä tulisi kehittää.

Millaista tietoa hallinnolle

Oppilaitoksen johdolle analytiikkaohjelmista saa koottua tietoa opetuksen kokonaistilanteesta: opiskelijoiden suoriutumisesta, arvosanoista, oppimistavoitteiden saavuttamisesta, opetusmenetelmistä, oppimateriaaleista jne. Näiden tietojen pohjalta rehtori saa tietoa onnistumisista ja pullonkauloista ja voi resurssoida kehittämisvoimavaroja oikeisiin kohteisiin.

Vakiintuneeseen käyttöön on vielä matkaa

Analytiikassa keskitytään pääasiassa sellaisten opiskelijoiden yksilöimiseen, joilla on oppimisvaikeuksia tai jotka voivat pudota kokonaan pois opinnoista. Vähemmän kiinnitetään huomiota innovatiivisiin pedagogisiin ratkaisuihin.

Useimmissa työvälineissä analytiikka on kuvailevaa ja diagnostista: kuvataan sitä,
mitä on tapahtunut, mitä on tehty ja miksi tietty asia tapahtui. Edistyneissä ohjelmissa päästään jo ennustavaan ja ohjaavaan analytiikkaan: mitä tapahtuu seuraavaksi, miten oppija tulee etenemään ja mitä pitäisi tehdä seuraavaksi. Kaksi jälkimmäistä vaatii tekoälyä taakseen ja tätä on vasta muutamissa oppimisympäristöissä käytössä. Kehittämisen trendi on selvästi tekoälyn soveltamisessa analytiikassa.


Suomen eOppimiskeskuksen Poluttamo-hankkeessa selvitetään oppimisanalytiikan mahdollisuuksia oppimisen tukemisessa. Tavoitteena on selvittää:

  • miten oppimisanalytiikkaa hyödynnetään yleissivistävässä ja ammatillisessa koulutuksessa
  • mistä lähtökohdista oppimisanalytiikkaa kehitetään
  • millaisia työkaluja eri tekniset oppimisympäristöt ja erilliset oppimisanalytiikkaohjelmat tarjoavat analytiikan tekemiseen
  • mitä haasteita liittyy työkaluihin ja niiden käyttöönottoon ja kehittämiseen

Raportti julkaistaan huhtikuun lopussa osoitteessa www.poluttamo.fi.

Vuosi 2017 alkaa olla pulkassa

Vau, mikä hankevuosi! Monet sellaiset asiat, jotka kolme vuotta sitten hankehakemusta kirjoitettaessa olivat vielä unelmia ja haaveita, alkavat hiljalleen muotoutua oikeiksi käytänteiksi.

Oman polun löytyminen, sen kiemuroiden seuraaminen ja uusien alkujen mahdollisuus on tänä päivänä jotain muuta kuin se aikoinaan hankkeen suunnitteluvaiheessa oli. Vuodenvaihteessa voimaan tuleva ammatillisen koulutuksen reformi tarjoaa mahdollisuuden jatkuvalle haulle, osaamisperusteiselle opintojen etenemiselle, henkilökohtaisesta tarpeesta lähtien.

Poluttamo-hankkeella on luotu pohjaa, jolla reformi voidaan myös ihan käytännössä toteuttaa. Visuaaliset HOPSit, oppimisanalytiikka ja näitä hyödyntävä ohjaus, erilaiset mentoroinnin menetelmät ja kaiken sitova sähköinen ePortfolio. Siinä on meidän kokonaishaave “Jepen” tuetulle opiskelumatkalle.

Hanketyössä ei aina kaikki asiat luista, joskus pilotit myöhästyvät, koodi ei valmistu, tai yksinkertaisesti tuntuu, ettei aika riitä siihen kaikkeen mitä pitäisi tehdä. Meillä täällä koordinaatioissa on kuitenkin ollut aina vahva usko, että asiat saadaan ratkaistua. Ja näin on aina onnistuttukin tekemään. Uskomattomat hanketoimijamme ovat keksineet uusia polkuja eteenpäin, joista osa on osoittautunut paremmiksi reiteiksi kuin ne alkuperäiset, joita yhdessä reittikarttaan piirrettiin.

Ilman todellista yhteistyötä ei näitä asioita saataisi vietyä eteenpäin. Oppimisanalytiikkaan on muodostunut osaajaverkosto, joka tutkii, arvioi, selvittää ja jakaa tietämystään kaikkien käyttöön. Erityisesti Turun yliopiston Oppimisanalytiikkakeskuksen ViLLE-tiimille lämpimät kiitokset tästä vuodesta. Olette olleet meille supertärkeitä kumppaneita.

On aika kiittää kaikkia Poluttamon yhteistyötahoja; verkostoja, serkkuhankkeita, Suomen eOppimiskeskuksen jäseniä ja muita kumppaneita. Hyvää joulunaikaa ja onnellista uutta vuotta 2018.

Teksti: Kaisa Honkonen

Poluttamo mukana SeOppi 2/2017 -lehdessä

Poluttamo-hankkeen etenemisestä SeOppi-lehdessä:

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

Toista syksyä kohden

Syksy on monin paikoin käynnistynyt huiskeella. Heinä-elokuun vaihteessa lomilta palattiin uusin ideoin ja täynnä tarmoa.

Poluttamon osalta lukuvuosi 2017-2018 on todellinen näytön paikka. Olemme kehittäneet vajaan kahden vuoden aikana monia uusia menetelmiä testaamalla, pilotoimalla ja niistä oppimalla. Nyt tänä lukuvuonna lähdemme viemään oppeja edelleen eteenpäin ja todentamaan, että tähänastiset päätelmät vastaavat todella sitä oikeaa todellisuutta.

Visuaaliset HOPSit ovat jo siinä vaiheessa, että tiedämme niiden auttavan opiskelijaa hahmottamaan, miten opinnot etenevät. Tavoitematriisien kytkeminen visuaaliseen HOPSiin ja se, miten opiskelija näkee tavoitteensa muuttuvan konkreettiseksi esim. käyttämällä erilaisia osaamismerkkejä on yksi mielenkiintoisista talven kokonaisuuksista. Hämeenlinnan lyseon lukiolaisten osaamismerkkejä on työstetty yhdessä partiolaisten, Hämeenlinnan yrittäjien ja muiden tahojen kanssa. Partiolaisten maailmassa merkkejä on suoritettu aikojen halki. Jokainen asiaan vihkiytynyt pystyykin tulkitsemaan hihansuun merkeistä osaamisen. Vastaavaa mallia haetaan nyt lukiolaisille, pinta- ja autokiltalaisille. Sudenpennusta Vaeltajaksi. Kisällistä mestariksi.

Oppimisanalytiikka ja tietosuoja-asetus, niiden yhteensovittaminen, lupakäytänteet ja tulkinnat. Kuinka oppimisanalytiikka ei tuota leimaavaa arviota vaan positiivisia uusia mahdollisuuksia? Kuinka luomme myönteisen tunnustamisen ilmapiirin? Kuinka luomme mahdollisuudet oman elämän arvioinnin kehittämiseen?

Poluttamon yksi tärkeistä kysymyksistä oli kuinka tukea oppijaa kasvamaan aktiiviseksi oppijaksi. Olemme kesän aikana testanneet mm. erilaisia sovelluksia elämänhallinnan tukemiseksi. Todella hienoja kokonaisuuksia on paljon, mutta nostaakseni yhden esiin: mielenkiintoinen palvelu on Headsted. Sivustolla kerrotaan, että “Headstedin ohjelmat perustuvat tutkittuihin psykologian ja psykoterapian menetelmiin.” Palvelun kehittäjät ovat alan tutkijoita, jotka ovat tehneet aikaisemmin töitä mm. Jyväskylän yliopiston ja VTT:n tutkimusprojekteissa.

Palvelussa on hienosti otettu huomioon myös multimodaalisuus. Palvelun kautta käytössä olevat harjoitukset on toteutettu sekä tekstillisinä kokonaisuuksina että audiotiedostoina.

Tulemme kokoamaan pienen yhteenvedon testeistämme ja mikäli mieleesi tulee palvelu, jota meidän kannattaisi testata, pistä vinkki Kaisalle (kaisa.honkonen@eoppimiskeskus.fi).

Eipä näistä elämänhallinnan appseista haittaa ole meille hanketyöläisillekään. Varmaan meille jokaiselle on hyvä muistuttaa riittävästä unensaannista ja että työ tulee parhaiten tehtyä, kun pitää huolta sekä mikro- että makrotauoista. (Lisää HS-artikkelissa Tehokas työpäivä on täynnä taukoja). Tänään on perjantai, joten taitaa olla aika ottaa se makrotauko eli siirtyä viikonlopun viettoon.

Kaisa Honkonen / Suomen eOppimiskeskus ry

Oppimisanalytiikka tulee – oletko valmis?


Oppimisanalytiikka tulee – oletko valmis? -selvitys luo käytännönläheisen katsauksen oppimisanalytiikkaan ja sen avaamiin mahdollisuuksiin. Selvitys keskittyy neljään pääteemaan eli

  • tiiviiseen johdatukseen oppimisanalytiikkaan eli mitä oppimisanalytiikka on?
  • mitä hyötyjä oppimisanalytiikasta voisi olla eli miksi oppimisanalytiikkaa?
  • keitä oppimisanalytiikan käyttö voisi hyödyttää eli kenelle oppimisanalytiikkaa?
  • mitä oppimisanalytiikan käyttö edellyttää eli miten oppimisanalytiikkaa?

Oppimisanalytiikka on tutkimuksen ja kehittämisen alueena varsin nuori. Ala kehittyy nopeasti ja olemme liittäneet mukaan selvitykseen myös laajahkon kirjallisuusluettelon, josta saa hyvää taustatukea syvemmälle tiedonhankinnalle.

Oppijan digitaalinen jalanjälki – suositukset oppilaitoksille

Mitä oppilaitosten tulee huomioida käsitellessään opiskelijoiden henkilötietoja? Mitä oppimisanalytiikan työkalujen käyttöönottoa harkittaessa tulee huomioida?
Oppijan digitaalinen jalanjälki – suositukset oppilaitoksille

Apua sieppareille ruispellossa − oppimisanalytiikka opintojen ja opetuksen tukena

Artikkeli julkaistu SeOppi 1/2017 -lehdessä

Teksti: Rolf Lindén & Mikko-Jussi Laakso, Turun yliopisto
Kuvat: ViLLE-team

SeOppi 1-2017 sivu 8J. D. Salingerin vuoden 1951 klassikko Sieppari ruispellossa kuvailee 16-vuotiaan Holden Caulfieldin elämää ja ajatusten kulkua, kun hänet erotetaan huonojen arvosanojensa takia viidennen kerran koulusta. Elämää sävyttävät aiemmat tragediat, vaikea suhde vanhempiin ja eteerinen haaveilu merkityksellisyydestä, jota kuvastaa hyvin kirjan nimeksikin valikoitunut haaveammatti siepparista, joka estää leikkiviä lapsia näkymättömiltä vaaroilta.

Vaikka ajatus viidesti koulusta erotetusta pojasta tuntuu nyky-Suomessa kärjistetyltä, kirja kuvailee hyvin hapuilevaa nuorta, joka ei saa tarvitsemaansa tukea eikä löydä etsimäänsä suuntaa elämälleen. Holden tekee saman valinnan monen nykyaikaisen vertaisensa kanssa eikä hae tarvitsemaansa tukea heiltä, jotka voivat häntä auttaa.

Nykynuorten etuna Salingerin aikakauden nuoriin on, että apua on mahdollista saada jo ennen kuin sitä pyytää, ja huonosti menestyviä pyritään erottamisten sijaan auttamaan. Sähköiset oppimisjärjestelmät keräävät systemaattisesti tietoa opiskelijan toiminnasta järjestelmässä, ja sisään- ja uloskirjautumisten ja tehtäväpalautusten ohella tietoa kertyy muun muassa vastausten oikeellisuudesta, tehtävien avaamisista ja sulkemisista sekä eri toimenpiteisiin käytetystä ajasta. Kun tietoa kerätään samanaikaisesti riittävän suurelta määrältä opiskelijoita, kerätystä datasta voidaan tiedonlouhinnan ja tilastollisten menetelmien avulla havaita toimintaa kuvaavia säännön alaisuuksia. Eräs esimerkki tällaisten säännön alaisuuksien tunnistamisesta on Lasse Seppäsen SeOppi-lehden numerossa 02/2016 kuvailema keskeyttämisriskin alaisten opiskelijoiden tunnistaminen opiskelijoiden kirjautumiskäyttäytymisen avulla. Taustalla vaikuttava ajatus on selvä – motivoituneet opiskelijat tekevät tehtäviä ja hyödyntävät tarjottua kurssimateriaalia, ja samalla kirjautuvat säännöllisesti kurssijärjestelmään.

Opettaja näkee luokkansa tuen tarpeen aihealueittain yhdellä silmäyksellä ja voi kohdentaa aikansa eniten apua tarvitseviin oppilaisiin.

Opettaja näkee luokkansa tuen tarpeen aihealueittain yhdellä silmäyksellä ja voi kohdentaa aikansa eniten apua tarvitseviin oppilaisiin.

Silloin, kun oppimisjärjestelmää käytetään tehtäväpalautusten ohella myös itse tehtävien tekoon, kertyvästä datasta paljastuu tietoa myös opiskelijoiden opiskelutottumuksista ja ajanhallinnasta. Osalla opiskelijoista on taipumuksia tehdä saamiaan tehtäviä öisin, jolloin säännöllinen unirytmi kärsii ja opiskelija menestyy opinnoissaan huonommin. Kun tehtävät tehdään suoraan oppimisjärjestelmään, huono toimintamalli voidaan tunnistaa ja siihen vaikuttavat ylläpitävät tekijät voidaan selvittää yhdessä opiskelijan kanssa. Ajatus on siis sama kuin Seppäsen esimerkissä, mutta erityyppinen data tarjoaa vaihtoehtoisia käyttötarkoituksia.

Esimerkki eräältä Turun yliopiston kurssilta, kun kurssin alkamisesta on kulunut pari viikkoa. Kurssilta myöhemmin putoavat opiskelijat (0) alkavat erottua muista opiskelijoista.

Esimerkki eräältä Turun yliopiston kurssilta, kun kurssin alkamisesta on kulunut pari viikkoa. Kurssilta myöhemmin putoavat opiskelijat (0) alkavat erottua muista opiskelijoista.

Huonot opiskelutottumukset ja heikentynyt motivaatio heijastuvat useille kursseille samanaikaisesti, mutta opiskelijalla voi vastaavasti olla ongelmia myös yksittäisten kurssien kanssa. Tarkasteltava ajanjakso on tällöin paljon lyhyempi — olennaista tietoa opiskelijan opintomenestyksestä on yleensä tarjolla vain muutamalta viikolta kurssin alusta. Erityisesti suurilla kursseilla opettaja ei ehdi saada riittävän tarkkaa kuvaa yksittäisten opiskelijoiden taidoista, eikä opiskelija aina osaa Holdenin tavoin itse arvioida oman osaamisensa riittävyyttä. Toistuvasti luennoitavilla suurilla kursseilla voidaan kuitenkin hyödyntää aiemmilta vuosikursseilta kertynyttä dataa, jonka avulla voidaan ennustaa opiskelijan opintomenestystä meneillään olevalla kurssilla. Keskeisenä ajatuksena on, että vaikka yksittäiset opiskelijat vaihtuvatkin vuosittain, eri vuosikurssit ovat silti keskenään melko samanlaisia. Kun opiskelija lähtee kulkemaan kurssilla polkua, jollainen on jo usein aiemmin johtanut huonoon lopputulokseen, hänelle voidaan tarjota apua kurssin suorittamisessa. Tämänhetkisten tutkimustulosten perusteella kolme neljäsosaa seitsemänviikkoisen korkeakoulukurssin pudokkaista voidaan tunnistaa pelkästään tehtäväpalautusten ja saavutettujen pistemäärien perusteella luotettavasti jo muutaman viikon jälkeen, vaikka iso osa kurssin sisällöstä on edelleen opettamatta. Ennakoivia tekijöitä täydentämällä tunnistus voidaan tehdä vielä tätäkin aikaisemmin.

Yhdistämällä erilaisia analytiikalla avustettuja tukitoimia arvioimme saavuttavamme keskimääräiselle opiskelijalle noin kymmenen opintopisteen parannuksen vuositasolla. Holdenin kaltaisille nuorille on siis mahdollista saada apua ajoissa, mutta miten pidetään huolta siitä, että kiireellisesti apua tarvitsevia nuoria on alun alkujaankin mahdollisimman vähän?

Oppimisjärjestelmän päätehtävä on helpottaa opettajan arkea ja vapauttaa hänet rutiininomaisista tehtävistä oppilaiden tueksi. Turun yliopistossa kehittämämme ViLLE-oppimisjärjestelmä on rakennettu tämän ajatuksen pohjalta. Valtaosa sen tehtävistä on satunnaisesti generoituja ja automaattisesti arvioituja eli oppilas voi harjoitella opeteltavaa asiaa saman tehtävän avulla useita kertoja ilman, että tehtävä toistaa itseään. Satunnaisuus ja automaattinen arviointi mahdollistavat myös välittömän palautteen, jolloin oppilas näkee tehtävän malliratkaisun sekä tehdyn ratkaisun kannalta hyödyllistä tietoa.

Onnistumisen kokemuksia ViLLE:n opintopolun parissa alakoulussa.

Onnistumisen kokemuksia ViLLE:n opintopolun parissa alakoulussa.

Alakoulussa sähköisiä tehtäviä voidaan hyödyntää monipuolistamaan opetusta ja opettamaan lapsille huomaamattomasti laitteiden käyttöä. Parhaimmillaan sähköiset tehtävät helpottavat eriyttämistä ja tarjoavat monipuolista tietoa oppilaiden osaamisesta. ViLLE:n matematiikan ja ohjelmoinnin sähköisen opintopolun avulla opettajalla on monta tapaa eriyttää oppilaitaan. Oppilaalle asetettua vaatimustasoa voidaan eriyttää ylöspäin, tarjota alaspäin mukautettuja perustehtäviä, tai luoda oppilaalle kokonaan yksilöllistetty matematiikan oppimateriaali, joka tukee hänen erityistarpeitaan. Toisto ja järjestelmän tarjoama palautesykli vahvistavat oppilaan osaamista ja tarjoavat mahdollisuuden kerrata yhdessä opittua sisältöä.

Oppimisjärjestelmän tarjoaman automaattisen palautesyklin ohella on tärkeää, että tieto oppilaan osaamisesta kulkee myös opettajan kautta. Analytiikan ansiosta opettajalle jää tarkka tieto oikeista ja vääristä vastauksista ja jopa tieto kotitehtäviin käytetystä ajasta. Oppilaiden laskemista matematiikan tehtävistä analysoidaan ViLLE:ssä tyypillisimmät solmukohdat, eli haastavimmat aihealueet matematiikan oppimisessa. Oppilaiden laskiessa tehtäviä opettaja näkee, ketkä oppilaista tarvitsevat lisää tukea, ja millä osa-alueilla tuen tarpeet ilmenevät. Näin oppimisanalytiikkaa voidaan hyödyntää kohdentamaan opettajan niukkoja resursseja paremmin sinne, missä niistä on eniten
apua. Automaattisesti arvioidut ja välitöntä palautetta antavat tehtävät auttavat vapauttamaan opettajan resursseja myös muilla tavoilla, sillä iso osa oppilaista pystyy etenemään välittömän palautteen avulla itsenäisesti, jolloin tarve opettajan antamalle avulle pienenee. Opettaja pystyy tällöin keskittymään sellaisten oppilaiden auttamiseen, jotka eivät selviä tehtävistä itsenäisesti.

Oppimisanalytiikka ja oppimisjärjestelmät tarjoavat yhdessä opettajalle työkalut pudokkaiden tunnistamiseen ja oppimisvaikeuksien synnyn ennaltaehkäisyyn, ja omalta osaltaan auttavat ennaltaehkäisemään Holdenin kaltaisten tapausten syntyä nykyisessä koulutusjärjestelmässä. On vaikeaa kuvitella tulevaisuutta, jossa nykyinen koulutusjärjestelmämme olisi kehittynyt yhtä paljon nykyisestä, kuin nykyjärjestelmämme on kehittynyt Salingerin aikaisesta verrokistaan ilman oppimisanalytiikan ja oppimisjärjestelmien tarjoamaa yhteistä ja johdonmukaista tukea.

Turun yliopisto on pioneeri oppimisanalytiikan ja sähköisen arvioinnin tutkimuksen saralla ja yliopistoon perustettiin syksyllä 2016 Oppimisanalytiikan keskus. Keskuksen tavoitteena on luoda tutkimuspohjainen ja oppimisanalytiikkaa hyödyntävä opetuksen kehittämisen malli taaperosta tohtoriin. Tätä varten keskus on mukana luomassa oppimisanalytiikan verkostoa, johon tarvitaan mukaan kaikki opetuskentän toimijat. Tämä verkosto kokoontuu seuraavan kerran ITK-päivillä huhtikuussa 2017 – Tervetuloa mukaan!