• Skip to primary navigation
  • Skip to main content
  • Skip to primary sidebar
  • Skip to footer
HAMK Unlimited

HAMK Unlimited

Julkaisuja Hämeen ammattikorkeakoulusta

  • Lehdet
        • Professional
        • Journal
        • Scientific
  • Alat
        • Ammatillinen osaaminen ja opetus
        • Biotalous ja luonnonvara-ala
        • Hyvinvointi ja sote-ala
        • Kulttuuri ja muotoilu
        • Teknologia ja liikenne
        • Yrittäjyys ja liiketoiminta
        • Muut
  • Kokoelmat
        • Avoin Häme
        • CleanExport
        • Digitalisaatio ja muutos / Digitalization and Change
        • DigiTrail
        • Employers’ perspectives on ePortfolios
        • Empowering ePortfolio Process
        • Higher education perspectives on ePortfolios
        • Innovaatiojohtaminen
        • Liikenne 4.0
        • Luomussa vara parempi
        • PoliRural – Hämeen maaseutua kehitetään tulevaisuutta ennakoimalla yhdessä
        • Problem-based learning & agropreneurship in Africa
        • Maahanmuuttajien urareitit
        • Nuoret huippumyyjät
        • Office 365 -intran käyttöönotto HAMKissa
        • Oppimisen digiagentit II
        • Students’ perspectives on ePortfolios
        • TAIKOJA
        • Uudistuva hevostalous
        • Universal Design for Learning (UDL)
        • KIITO – Kiertotalousosaamisella uudistuvaa liiketoimintaa
  • In English
        • Articles in English
        • About HAMK Unlimited
        • Instructions for writers
        • Instructions for reviewers
        • Contact editorial staff
  • Ohjeet
        • Kirjoittajan ohjeet
        • Arvioijan ohjeet
        • Info
/ HAMK Unlimited Professional / Ammatillinen osaaminen ja opetus /

Datasessio osaksi vuorovaikutusopetusta

Kuva: Toni Vainio / HAMK

Hanna Laitinen

25.08.2023
Kuuntele - Listen

Miten toimia tulevana ammattilaisena empaattisesti mutta jämäkästi? Entä miten kuunnella tarkasti muita mutta osallistua itsekin oikealla hetkellä keskusteluun? Milloin ammatillisessa vuorovaikutuksessa kaivataan ehdotuksia, milloin päätöksiä? Apuvälineitä näiden ja muiden vuorovaikutuskysymysten ratkaisemiseen tarjoaa datasessio.

Datasessio on paitsi tutkimusmenetelmä myös opetusmenetelmä, jossa keskustelunanalyysiä opiskeleva oppii asiantuntijoiden toimintaa reflektoimalla ja heidän opastuksellaan tutkimaan vuorovaikutusta. Datasessiot noudattavat tyypillisesti seuraavaa kaavaa: Ensin katsotaan videoitu ja litteroitu aineistokatkelma useaan kertaan. Sitten jokainen kirjaa omia analyyttisiä huomioita katkelmasta ja nostaa esiin yhden huomion. Lopuksi huomioista keskustellaan yhteisesti. (Stevanovic & Weiste, 2018, s. 22) Yleensä datasessio kestää noin tunnin ajan.

Tässä artikkelissa tarkastelen datasessiota siitä näkökulmasta, mitä se tarjoaa opetusmenetelmänä minkä tahansa alan opiskelijalle. Vuorovaikutusosaamista tarvitaan alalla kuin alalla, ja datasessio opettaa tarkastelemaan hienovaraisimpiakin vuorovaikutuksen piirteitä.

Datasessio implisiittisenä opetustapahtumana

Vaikka datasessio on lähtökohtaisesti keskustelunanalyytikkojen yhteinen tutkimussessio hyvin tarkkoine litteraatteineen (ks. Stevanovic & Weiste, 2015, ss. 78, 80), sitä voi hyödyntää monenlaiseen vuorovaikutuksen tarkasteluun. Kuten keskustelunanalyytikot ovat osoittaneet, jo pieni lapsi sosiaalistuu oman kulttuurinsa jäsentyneisiin vuorovaikutuskäytänteisiin (esim. Hakulinen, 1997, ss. 13–14), vaikka hän ei välttämättä tiedostakaan, mikä merkitys yksittäisillä sanoilla, tauoilla tai eleillä on tietyssä tilanteessa. Sama koskee ammatillisessa tilanteessa tapahtuvia keskusteluja. Opimme toimimaan asianmukaisella tavalla esimerkiksi kaupassa, kokouksessa ja koulutuksessa. Vuorovaikutus sujuu tai siinä ilmenee ongelmia ilman, että osaamme välttämättä reflektoida sen sujuvuutta tai mahdollisia ongelmakohtia.

Vuorovaikutuksen sujuvuuden tai sujumattomuuden reflektointiin datasessio on varsin soveltuva apuväline. Vaikka litterointi on tärkeä apuväline vuorovaikutuksen säännönmukaisuuksien tarkasteluun, samalla se on hyvin hidas työvaihe. Videoidusta aineistokatkelmasta saa paljon irti myös ilman litteraatteja katsomalla se tarkkaan ja useaan kertaan. Kuten keskustelunanalyyttiseen tutkimukseen myös tutkimukselliseen datasessioon lähdetään yleensä aineistolähtöisesti ilman ennakkokysymyksiä (esim. Stevanovic & Weiste, 2018, s. 22), mutta opetusmenetelmänä sitä voi hyödyntää myös jonkin ongelman tarkasteluun. Voidaan esimerkiksi keskittyä siihen, mikä on katseen tai taukojen rooli vuorovaikutustilanteessa, tai pohtia, mikä laukaisee jonkin ongelman. Onko se esimerkiksi sanavalinta tai ennakko-oletus, joka on vaikuttanut kielelliseen muotoiluun, tai liian nopea siirtymä asiasta toiseen? (ks. esim. Lindström ym., 2021) Kun samaa lyhyttä katkelmaa katsotaan keskittyneesti esimerkiksi 10 kertaa ja välillä annetaan aikaa omien muistiinpanojen kirjoittamiselle ja lopuksi keskustellaan huomioista yhdessä, opiskelija saa mahdollisuuden oikeasti keskittyä näihin pieniin vuorovaikutuksen piirteisiin, ja hän saa kuulla myös muiden tekemistä huomioista. Tavallisesti arjessa vuorovaikutustilanteet vain soljuvat nopeasti, eikä niitä useinkaan jäädä reflektoimaan. Datasessio tarjoaa välineet pysähtymiseen. Tämä onkin hyvin tärkeää, sillä, kuten Rasi ym. (2018, s. 21) kirjoittavat, videoiden katsominen ei itsessään johda syvälliseen oppimiseen, vaan tarvitaan pedagogisesti perusteltuja tehtävänantoja.

Datasessio osaksi simulaatio-opetusta

Lääketieteessä on jo pitkään käytetty opetuksessa aitoja hoitotilanteita kuvaavia triggerivideoita, joiden tarkoituksena on ollut virittää opiskelijoita keskusteluun ja ongelmanratkaisuun. Samoin todellisten tilanteiden simulaation merkitys opetuksessa on tunnustettu monilla aloilla. Turvallisuutta vaativilla aloilla, kuten esimerkiksi puolustusvoimien, lentäjien ja terveydenhuollon koulutuksessa, se on elinehto. (Rasi ym., 2018, ss. 21–22) Myös vuorovaikutuksellisen osaamisen harjoittelun merkitys on tiedostettu jo pitkään. Esimerkiksi tulevat lääkärit ovat Suomessakin jo muutaman vuosikymmenen ajan harjoitelleet potilaskohtaamisia potilasta näyttelevän kanssa, ja he ovat saaneet palautetta toiminnastaan näyttelijältä. (Seppänen & Soininen, 2014)

Kuten Seppäsen ja Soinisen (2014) artikkelista käy ilmi, lääkärien potilaskohtaamista jäljittelevissä roolipelillisissä simulaatioissa tilannetta havainnoivat muut lääkäriopiskelijat huomaavat pieniä (toistuviakin) mahdollisesti aitoa vastaanottovuorovaikutusta häiritseviä tekoja, kuten esimerkiksi sormien liikettä. Tällaisessa tilanteessa videointi ja datasession hyödyntäminen mahdollistaisivat sen, että myös vuorovaikutusta harjoittelevat (lääkäri)opiskelijat pääsisivät havainnoimaan omaa toimintaansa. Ainakin itse olen huomannut, että omista maneereistaan ei välttämättä ole edes tietoinen. Oman ja muiden toiminnan tarkastelu useaan otteeseen videoaineistosta mahdollistaisi huomion kiinnittämisen sekä niihin kohtiin, joissa vuorovaikutus etenee sujuvasti, että mahdollisiin ongelmakohtiin. Esimerkiksi katseella ja eleillä sekä kehon asennoilla ja liikkeillä on usein suuri merkitys vuorovaikutuksen sujumisen kannalta (esim. Harjunpää ym., 2019). Datasessio onkin parhaimmillaan kirjaimellisesti ja kuvainnollisesti silmiä avaavaa.

Datasessio rakentamassa yhteistä ymmärrystä

Nähdäkseni kaikilla aloilla, joilla vaaditaan vuorovaikutusosaamista, voisi sekä triggerivideoita että simulaatiota hyödyntää datasession mallin mukaisesti. Oman toiminnan tarkastelu videoitujen simulaatiotilanteiden jälkeen uudestaan ja uudestaan ei välttämättä ole helppoa. Keskustelunanalyyttinen näkökulma vuorovaikutukseen on kuitenkin myös armollinen. Tärkeä periaate on nimittäin analysoida sitä, miten vuorovaikutuksen osallistujat tulkitsevat tilanteen (esim. Sorjonen ym., 2021, s. 2). Jos vastaanottaja eli vuorovaikutustilanteen toinen osapuoli ei pidä jotain asiaa ongelmana tai käsittelyä vaativana ja tee esimerkiksi siihen liittyvää tarkentavaa kysymystä, ei kannata itsekään suhtautua siihen ongelmana, josta pitäisi päästä eroon. On myös hyvä muistaa, että yleensä keskustelukumppanit pyrkivät luomaan ainakin jossain määrin yhteistä ymmärrystä vuorovaikutuksesta ja siitä, mitä ollaan yhdessä tekemässä (ks. Sorjonen ym., 2021).

Myös datasessio kurkottelee kohti samaa tavoitetta. Datasessio toimintamallina tarjoaa ensinnäkin mahdollisuuden omille oivalluksille sekä niiden jakamiselle muille. Yhteinen keskustelu saattaa kuitenkin synnyttää myös yhteisen ymmärryksen jostakin asiasta. Parhaimmillaan tämä ymmärrys on jotakin suurempaa kuin mihin yksilöllisesti olisi päästy. (Alaniska, n.d., s. 10)

Kirjoittaja

Hanna Laitinen on FT venäjän kielestä, tutkija ja tuntiopettaja, keskustelunanalyytikko ja vuorovaikutuslingvisti. Lukuvuonna 2022–2023 hän opiskeli Hämeen ammattikorkeakoulussa ja suoritti ammatillisen opettajan tutkinnon.

Lähteet

Alaniska, H., Hurskainen, J., Kähkönen, T., Maikkola, M., Pihlaja, J. & Tauriainen, T.-M. (n.d.). Pedagogisia malleja. OAMK. Haettu 15.11.2022 osoitteesta https://www.oamk.fi/emateriaalit/osaamisen-kehittaminen/korkeakoulupedagoginen-osaaja/oppimisosaaja/korkeakouluoppimisen-menetelmat/

Hakulinen, A. (1997). Johdanto. Teoksessa L. Tainio (toim.), Keskustelunanalyysin perusteet (ss. 13–17). Vastapaino.

Harjunpää, K., Mondada, L. & Svinhufvud, K. (2019). Multimodaalinen litterointi keskustelunanalyysissä. Puhe ja kieli, 39(3), 195–220.

Lindström, J., Laury, R., Peräkylä, A. & Sorjonen, M.-L. (toim.). (2021). Intersubjectivity in action: Studies in language and social interaction. John Benjamins.

Rasi, P., Keskitalo, T., Vuojärvi, H., Kangas, M., Ruokamo, H. & Siklander, P. (2018). Oppimisympäristöt, tosielämä ja teknologia. Teoksessa P. Granö, M. Hiltunen & T. Jokela (toim.), Suhteessa maailmaan: Ympäristöt oppimisen avaajina (ss. 17–33). Lapland University Press. https://urn.fi/URN:ISBN:978-952-310-934-6

Seppänen, A. & Soininen, M. (2014). Vuorovaikutusta oppii harjoittelemalla. Lääkärilehti, 7.2.2014. Haettu 6.7.2023 osoitteesta https://www.laakarilehti.fi/ajassa/ajankohtaista/vuorovaikutusta-oppii-harjoittelemalla/

Sorjonen, M.-L., Peräkylä, A., Laury, R. & Lindström, J. (2021). Intersubjectivity in action: An introduction. Teoksessa J. Lindström, R. Laury, A. Peräkylä & M.-L. Sorjonen (toim.), Intersubjectivity in action: Studies in language and social interaction, (ss. 1–22). John Benjamins.

Stevanovic, M. & Weiste, E. (2015). Keskustelunanalyysin opettamisesta. Teoksessa Esseitä tieteenalakohtaisesta opetuksesta vuosilta 2013–2015 (ss. 72–86). Helsingin yliopisto.

Stevanovic, M. & Weiste, E. (2018). Osallistumisen ja samanmielisyyden jännittyneisyys keskustelunanalyyttisessä datasessiossa. Yliopistopedagogiikka, 25(1), 20–33.

LISÄÄ AIHEEN YMPÄRILTÄ / RELATED POSTS

Oppimiskokemuksena MOOCOppimiskokemuksena MOOC Konstruktivistiset oppimiskäsitykset laadukkaan oppimisen suunnittelun tukena henkilöt työskentelevät pöydän äärellä kannettavilla tietokoneillaViisi vuotta valmistumisesta – mitä osaamista työelämässä tarvitaan? Oppimisympäristöt yliopiston kieliaineissa
PREVIOUS POST Nuoret koulutuspolulle vaiheittain
NEXT POST Experiences of collaboration: National and cross-continental perspectives from academic projects

Primary Sidebar

PYSYVÄ OSOITE / URN

https://urn.fi/URN:NBN:fi-fe2023080192822

LISENSSI / LICENCE

This material is CC licensed Attribution-ShareAlike 4.0 International.

Avainsanat / Keywords

datasessio roolipeli simulaatio-opetus vuorovaikutus vuorovaikutusosaaminen

VIITTAUSOHJE / CITE THIS ITEM

Laitinen, K. (2023). Datasessio osaksi vuorovaikutusopetusta. HAMK Unlimited Professional, 25.8.2023. https://urn.fi/URN:NBN:fi-fe2023080192822

Footer

HAMK UNLIMITED

HAMK Unlimited on Hämeen ammattikorkeakoulun open access
-julkaisuportaali. Julkaisuista vastaa HAMKin toimituskunta.
julkaisut@hamk.fi

TIETOA SIVUSTOSTA

Alasottoilmoitus
Käyttöehdot
Saavutettavuusseloste

Häme University of Applied Sciences

Copyright © 2025 · Genesis Sample on Genesis Framework · WordPress · Log in

Sivustollamme hyödynnetään evästeitä, jotta voimme seurata sivuston käyttöä ja kehittää palveluamme. HyväksyKieltäydyLISÄTIETOJA