Anne-Mari Järvenpää, Jari Jussila & Antti Äikäs
Muotoilulähtöinen koulutus tuo työelämän tiiviiksi osaksi oppimista. Muotoilulähtöisessä koulutuksessa opitaan ratkaisemalla työelämän ongelmia vuorovaikutuksessa työelämän toimijoiden kanssa. Sille on myös ominaista ongelmienratkaisu monialaisissa tiimeissä kestävän kehityksen periaatteita noudattaen. HAMKissa muotoilulähtöistä koulutusta (design-based education, DBE) on kehitetty vuodesta 2023 lähtien ja pilottitoteutuksia on meneillään useita. Tämä teksti esittelee yhden käytännön esimerkin DBE-pilottitoteutukselta keväältä 2023 ja reflektoi sitä HAMKissa kehitettyyn DBE-toimintamallin kahdeksaan ulottuvuuteen.
DBE:n kahdeksan ulottuvuutta
HAMKin DBE-pedagogiikan ja toteutuksen perusteissa DBE-mallia kuvataan kahdeksalla ulottuvuudella (kuva 1). Malli perustuu tekemistä ja työelämäyhteistyötä ohjaavaan muotoiluajatteluun, tyypillisesti Stanford d.schoolin mukaiseen viisivaiheiseen (ymmärrä, määrittele, ideoi, prototypoi ja testaa) Design Thinking -prosessiin (Jussila ym., 2022) tai Design Councilin kehittämään neljä vaiheeseen (löydä, määritä, kehitä, toimita) Double Diamond -prosessimalliin (Jussila ym., 2023). DBE-pedagogiikalle keskeistä ovat autenttiset haasteet ja työelämäyhteistyö, joka luo puitteet yhteiskehittämällä oppimiselle. HAMKin DBE-mallille ominaista on kestävän kehityksen ja vastuullisuuden tuominen osaksi kaikkea kehittämistoimintaa. Ratkaisuja kehitetään monialaisissa tiimeissä ja yhteistyössä, opiskelijoiden toimijuutta ja hyvinvointitaitoja vahvistaen.
Kun DBE-malli viedään käytäntöön kattaen kaikki opintojen vaiheet, on selvää, että mallin ulottuvuuksia tullaan kattamaan eri tavoin eri vuosikurssien toiminnassa. Monet ulottuvuuksista ovat sellaisia, joita opettaja pystyy itse tuomaan mukaan toimintaan, mutta esimerkiksi monialaisuus ja monialainen yhteistyö edellyttää yhteistyön mahdollistamista eri koulutusalojen tai asteiden välillä. DBE-toteutukset ovat monelle opiskelijalle ensimmäinen kosketuspinta käyttäjätutkimuksen tekemiseen ja laajemmin tutkimus- ja kehittämismenetelmien soveltamiseen yhteistyössä työelämän kanssa. Opetuksen tutkimusperustainen kehittäminen saattaa olla uutta myös monelle opettajalle ja tällöin organisaation tuki tutkimussuunnitelmien ja tutkimuslupahakemusten laatimiseen voi olla hyödyllistä – varsinkin silloin kun niitä tehdään ensimmäistä kertaa.
Data-analytiikan projektityö DBE-toteutuksena
Data-analytiikan projektitöitä on toteutettu Forssan kampuksella tieto- ja viestintätekniikan koulutuksessa yhteistyössä HAMK Design Factoryn ja HAMK Smart -tutkimusyksikön kanssa keväästä 2019 alkaen – takana on siis viisi toteutusta (Jussila & Järvenpää, 2022). HAMK Design Factory on tuonut yhteistyöhön muotoiluajattelun ja monialaisuuden ja tutkimusyksikkö tutkimusperustaisuuden sekä laajan työelämäyhteistyön. On syntynyt pitkäaikaisia suhteita projektissa mukana oleviin yrityksiin. Yritykset ovat saaneet uusia osaajia itselleen ja lisäksi toiminta on muodostanut tutkimusalustan kiertotalouden pk-yritysten datan hyödyntämiseen, josta on syntynyt yksi väitöskirja (Järvenpää, 2022), useita opinnäytetöitä (Haarlo, 2023; Äikäs, 2023) ja tutkimusartikkeleita (mm. Järvenpää ym., 2021; Järvenpää ym., 2022a; Järvenpää, 2022b; Järvenpää ym., 2023) vuosien aikana. Myös opiskelijoiden osaamisen kehittymistä on käsitelty useassa julkaisussa (mm. Jussila & Järvenpää, 2022; Lahdenperä ym., 2022).
Data-analytiikan projektityö toteutetaan osana data-analytiikan opintokokonaisuutta ensimmäisen vuoden opiskelijoille kevään viimeisessä moduulissa. Toteutuksella on mukana suomenkielinen päiväryhmä, kansainvälinen päiväryhmä sekä suomenkielinen monimuotoryhmä. Haasteet opiskelijatiimeille tulevat vuosittain tyypillisesti 4–6 yritykseltä tai organisaatiolta. Yritysten tai organisaatioiden antamat haasteet liittyvät usein tutkimusyksikön hankkeissa toteutettavaan yritysyhteistyöhön, mutta niitä on tullut myös suoraan työelämästä. Pääosa data-analytiikan projektitöistä on liittynyt kiertotalouden tehostamiseen datan avulla. Opiskelijoiden projektityö alkaa vuosittain maaliskuun puolivälin paikkeilla, mikä tarkoittaa sitä, että potentiaalisista projekteista ryhdytään neuvottelemaan viimeistään tammikuussa. Silloin käydään läpi yrityksen data-aineisto ja keskustellaan siitä, mitä yritys haluaa saada datastaan selville. Itse projektityötä ohjaa muotoiluajattelu, Design Thinking -prosessi, jota on muokattu data-analytiikan tarpeisiin (Järvenpää ym., 2022a).
Data-analytiikan projekteja toteutettaessa havaittiin, että Design Thinking -prosessin viiden perusvaiheen (Raitanen & Tuomela, 2020; Jussila ym., 2022): käyttäjän ymmärtäminen, ongelman määrittely, ideointi, prototypointi, ja testaaminen) lisäksi tarvitaan data-analytiikassa tulosten jakaminen omana vaiheenaan (Järvenpää ym., 2022a), jotta yritykset tai organisaatiot pystyvät ottamaan ratkaisun käyttöönsä omassa ympäristössään ja hyödyntämään sitä oman toiminnan kehittämisessä myös projektin päättymisen jälkeen. Ensimmäinen vaihe tässä prosessissa (kuva 2), ymmärrä liiketoimintaa, kattaa tiedonlouhinnan ja datatieteen prosesseissa (Martínez-Plumed ym., 2019) kuvatun liiketoiminnan tavoitteiden ymmärtämisen ja lisäksi käyttäjän tarpeiden ja tavoitteiden ymmärtämisen. Seuraavana vaiheena on ongelman määrittely ja datan määrittely, sillä data-analytiikkaprojekteissa ne kulkevat käsikädessä. Tämän jälkeen ideoidaan, prototypoidaan ja testataan ratkaisuja ja tarvittaessa aina palataan edelliseen vaiheeseen, jopa ongelman ja datan uudelleen määrittelyyn, jos sille nähdään tarvetta (Jussila ym., 2023).
DBE-ulottuvuudet toteutuvat data-analytiikan projektityössä kattavasti. Muotoiluajattelun suhteen sovelletaan data-analytiikkaa varten räätälöityä Design Thinking -prosessia (Järvenpää ym., 2022a), joka ohjaa toimintaa kohti projektin lopputuloksena syntyvää ratkaisua ja sen käyttöönottoa yrityksessä. Autenttiset haasteet tulevat suoraan pk-yrityksistä ja organisaatioista, joilla on datan hyödyntämiseen liittyvä tarve mutta joilta puuttuu itseltään osaamista tai resursseja käsitellä ja visualisoida dataa. Kestävä kehitys ja vastuullisuus näkyy projekteissa, joiden tarkoituksena on tavalla tai toisella kiertotalouden ja resurssitehokkuuden edistäminen, millä on vaikutuksia etenkin ekologiseen ja taloudelliseen kestävyyteen. Kehittämällä oppiminen ja tiimityö ilmenee viikoittaisena työskentelynä vuorovaikutuksessa projektin kumppaniyrityksen ja ratkaisun potentiaalisten käyttäjien kanssa. Opiskelijan toimijuus on avainasemassa data-analytiikan projektityössä ja tuloksekas yhteistyö työelämän kanssa riippuu paljolti opiskelijoiden omasta proaktiivisuudesta.
Hyvinvointitaitojen suhteen data-analytiikan projektityössä korostuu itsensä johtaminen sekä ajanhallinta, joilla on merkitystä paitsi tiimityössä myös vuorovaikutuksessa työelämän kanssa. Hyvinvointitaitojen kehittämiseen on kiinnitetty huomiota myös reflektoinnissa, joka toteutetaan opintojakson päätyttyä. Monialaisuus ja monialainen yhteistyö on toteutunut vahvemmin joinakin vuosina, kun toisen koulutusohjelman ja toisen asteen opiskelijoita on osallistunut toteutukseen. Tämä on ollut data-analytiikkaprojekteissa hankalimmin toteutettava ulottuvuus, joka edellyttää organisaation ja rakenteiden tukea ja yhteensovittamista monialaisen projektin tarpeisiin. Tutkimusperustaisuus on toteutunut data-analytiikkaprojekteissa sekä opiskelijoiden että opettajien näkökulmasta. Opiskelijat ovat toteuttaneet käyttäjätutkimusta haastattelemalla työelämän edustajia ratkaisun tarpeista, tavoitteista ja toiveista; sekä käyttäjätestausta keräämällä palautetta data-analytiikkaratkaisun prototyypistä.
Case-esimerkki DBE-projektissa
Kevään 2023 HAMK Design Factoryn data-analytiikan projektitöissä oli mukana neljä organisaatiota: Cool-Finland Oy, SER-tuottajayhteisö ry, Rantahotelli Waltikka ja Forssan jätelautakunta. Esittelemme tässä Forssan jätelautakunnan projektin, projektissa syntyneet tulokset ja yhteistyöstä koetut hyödyt.
Forssan jätelautakunnalla oli tarve selvittää, kuinka haja-asutusalueiden kiinteistöjen lietekaivojen tyhjennys toteutuu – siis toteutuuko se lainsäädännön edellyttämällä tavalla. Erityisesti haluttiin saada selville ne kiinteistöt, joissa lietekaivojen tyhjennys ei toteudu. Tämä tieto on tärkeää kuntien viranhaltijoille ja jätehuollosta paikallisesti päättävälle lautakunnalle. Projektin aineisto kattoi Loimi-Hämeen Jätehuolto Oy:n kaikki kuusitoista omistajakuntaa.
Projektin aiheesta neuvoteltiin ennen toteutusta tammikuussa 2022. Aineistoksi Forssan jätelautakunta toimitti useita Excel-tiedostoja, joissa oli tiedot haja-asutusalueiden kiinteistöjen viemäriliittymistä tai lietekaivotyypeistä sekä urakoitsijoiden tekemät lietekaivojen tyhjennykset. Data oli hajallaan monessa Excel-tiedostossa vaihtelevassa muodossa, ja opiskelijoiden tehtävänä oli visualisoida tämän datan avulla kartalle 1) kiinteistöt, joissa ei ole viemäriliittymää, 2) kiinteistön lietekaivon tyhjennyksestä vastaavan urakoitsijan nimi ja 3) jätevedenpuhdistamot, jonne urakoitsija tyhjennetyn lietteen toimittaa.
Projektin eteneminen ja tiimin työskentely
Forssan jätelautakunnalle tehtävää projektia suoritti kaksi tiimiä, joista toisessa oli kolme suomalaisista ja kolme kansainvälisistä päiväryhmän opiskelijaa ja toisessa tiimissä viisi monimuoto-opiskelijaa. Data-analytiikan projektityössä toimitaan yleensä niin, että yhdelle organisaatiolle työskentelee vähintään kaksi opiskelijatiimiä. Projektiin liittyvä, useassa tiedostossa hajallaan oleva suuri ja vaihtelevan laatuinen aineisto vaati siihen perehtymistä ja siitä keskustelemista Forssan jätelautakunnan kanssa. Aluksi kului aikaa datan käsittelyyn ja aineistosta olennaisen löytämiseen. Näistä alun aikaa vievistä ja joskus opiskelijoita tuskastuttavista vaiheista huolimatta opiskelijat tunnistivat sen hyödylliseksi oppimisen kannalta.
”Etuna tässä projektissa oli omalta osaltaan datan määrä ja laatu, koska laatu oli sekavaa ja määrä oli suuri niin oppia tuli paljon, toistoja tuli useita ja sen ansiosta sisäistin datan käsittelyn ja sen tärkeyden. Myös prototyyppien ja tiimin kanssa työskentely toi syvempää ymmärrystä projektiin, koska mielipiteitä oli erilaisia.” – Satu Honka, opiskelija
Kaksi tiimiä teki yhteistyötä niin, että viikoittaiset tapaamiset Forssan jätelautakunnan kanssa hoidettiin yhteistyössä ja myöhemmissä vaiheissa tehtiin keskinäistä työnjakoa. Tiimien kommunikointi niin keskenään kuin Forssan jätelautakunnan kanssa oli avainasemassa projektien toteuttamisessa, ratkaisun kehittämisessä ja palautteen saamisessa. Viikoittaista kommunikaatiota ohjaavat teemat on esitetty kuvassa 1.
On syytä myös mainita, että työkaluna käytettävää Microsoftin Power BI:tä opiskelijat opettelivat käyttämään erillisen e-toteutuksen avulla, joka on ajoitettu moduulin kolmeen ensimmäiseen viikkoon projektityön aloituksen rinnalle. Projektityön toteuttamisen aikana opiskelijat saavat työkaluun lisää ohjausta projektissa esiin nousseiden tarpeiden pohjalta. Ohjaajilla ei ole suoria vastauksia opiskelijoiden kysymyksiin, vaan ehdotuksia, joita kokeillaan ja toisinaan ohjaustuokiossa ratkaisu kehittyy yhdessä ohjaajien ja opiskelijatiimin yhteistyönä.
Projektin lopputuloksia
Projektityön onnistuneiden tulosten kannalta keskeistä on säännöllinen vuorovaikutus työelämän ja ratkaisua käyttämään tulevien henkilöiden kanssa. Varhain aloitettu prototypointi ja kerätty palaute ovat avainasemassa ratkaisun kehittämisessä.
Lopputuloksena tiimit kehittivät Power BI:llä ratkaisut, jotka tarjosivat selkeitä visualisointeja datasta vastauksena projektissa määriteltyyn ongelmaan. Ratkaisukokonaisuus sisälsi mm. visualisointeja ja analyyseja haja-asutusalueiden kiinteistöjen viemäriliittymistä eri paikkakunnilla (kuvat 3 ja 4). Lisäksi tiimit tuottivat Forssan jätelautakunnalle käyttöohjeet kehitetyn visualisointiratkaisun käyttämiseksi. Tiimit laativat myös kehittämisehdotuksen siitä, kuinka dataa kannattaisi kerätä urakoitsijoilta yhtenäisellä lomakkeella, joka parantaisi datan laatua ja helpottaisi datan käsittelyä ja hyödynnettävyyttä jatkossa.
Kuvassa 4 näkyy kartta-analyysi viemäristötyypeistä paikkakunnittain. Eri osittajien avulla data-analyysia voidaan suodattaa ja rajata halutusti.
Data-analytiikan projektityön päätteeksi toteutuksella on tapana äänestää tiimien kesken parhaasta visualisointiratkaisusta. Äänestykseen osallistuvat kaikki toteutuksessa mukana olevat opiskelijat. Tällä kerralla opiskelijoiden äänestyksen voitti jätelautakunnalle työskennellyt tiimi (pääkuvassa), joka koostui tieto- ja viestintätekniikan suomalaisista ja kansainvälisistä opiskelijoista.
Opiskelijat kertoivat projektin olleen opettavainen ja antaneen arvokasta kokemusta tuleviin projekteihin. He korostivat myös tiimityön merkitystä ja yhteistyön tuomaa oppimista:
”Asioita pääsee oppimaan ja hyödyntämään käytännössä, jolloin ne sisäistää paremmin. Asiantunteva ohjaus ja saatu palaute on auttanut kehittämään ratkaisua. Hyvin onnistuessaan tiimityöskentelystä on etua, kun muilta voi oppia ja saada uusia näkökulmia.” – Janika Kinnunen, opiskelija
”Tämä projekti oli hyvin opettavainen, sillä dataan liittyvää työtä riitti paljon. Sain tästä hyvää kokemusta ja jatkossa osaan toimia vastaavanlaisissa projekteissa.” – Tuomas Torkkeli, opiskelija
Forssan kaupungin jätelautakuntaa edustava Katja Pouta sai ratkaisusta merkittävästi apua omaan työhönsä lainsäädännön toteutumisen seurannassa. Tammikuussa 2024 aloitettiin neuvottelu uuden projektin muotoilusta seuraavalle toteutukselle. Pouta tapasi opiskelijoita joka viikko joko kampuksella tai etäyhteydellä, jolloin opiskelijat saivat esittää kysymyksiään ja tuotoksiaan. Näin opiskelijat saivat jatkuvasti palautetta ja ohjausta työelämän edustajalta.
”Oli ilo työskennellä opiskelijoiden kanssa, osui aivan mahtava tiimi tätä tekemään!” – Katja Pouta, Forssan kaupungin jätelautakunta
Lopuksi
Reflektoiden aikaisempia kokemuksia data-analytiikkaprojektit ovat kulkeneet kohti muotoilulähtöistä koulutusta, askel kerrallaan, mutta uusiakin DBE-mallissa kuvattuja ulottuvuuksia on tullut matkan varrella mukaan. Hyvinvointitaitoihin on kiinnitetty aikaisempia vuosia enemmän huomiota ottamalla mukaan LearnWell-oppimiskokemuskysely (Myllykoski-Laine ym., 2022) ja HAMK Edun kehittämä ryhmäreflektio opintojakson päätteeksi (Rönkkönen & Rytkönen, 2023; Rönkkönen ym., 2024). Projektin tutkimusperustaisuutta on lisätty vuosi vuodelta ja pyritty myös luomaan mahdollisuuksia toteuttaa opinnäytetöitä aiheesta. Monialaisuuden suhteen on ollut erilaisia kokeiluja: mukana projekteissa on ollut Forssan ammatti-instituutin tieto- ja viestintätekniikan opiskelijoita, sähkö- ja automaatiotekniikan insinööriopiskelijoita Valkeakoskelta ja maaseutuelinkeinojen agrologiopiskelijoita Mustialasta. Keskeisenä haasteena monialaisuuden toteutumiselle on ollut kuitenkin yhteensovittaa aikatauluja eri koulutuksien välillä ja toisaalta tavoittaa niitä opiskelijoita, joille opintojakso soveltuisi hyvin vapaavalintaisena toteutuksena. Ajalliset haasteet ovat liittyneet esimerkiksi Mustialan aikaisempaan periodin päättymisen aikatauluun. Laajemmin eri koulutusten välistä yhteistyötä ajatellen saman aiheisten opintojen sijoittuminen eri ajankohtiin lukuvuotta estää yhteistyötä. Lisäksi omat haasteensa tuo eri koulutusten opetussuunnitelmien sisällöt ja tavoitteet, joihin tekeminen tulee sovittaa.
Suosituksena hamkilaiselle DBE-kehittämistyölle ehdotetaan, että data-analytiikan opintojen sisältöä ja ajoitusta tarkastellaan niissä koulutuksissa, joissa sitä on, ja pyrkiä löytämään sille yhteinen toteutusajankohta, jotta monialaisuutta voidaan toteuttaa laajemmin yli koulutus- ja kampusrajojen.
Abstract
Häme University of Applied Sciences (HAMK) has been developing design-based education (DBE) since 2023. The teacher training for this pedagogy started in the autumn of 2023, and there are several pilot implementations in progress. This text presents one practical example of a DBE implementation from spring 2023 and reflects on the eight dimensions of the DBE model. A key challenge for the realization of the multidisciplinary approach has been to coordinate timetables for the different fields of study and reach out to those students for whom the course would be suitable for freely chosen studies. As a recommendation for HAMK’s DBE development work, we propose that the contents and timing of data analytics studies will be considered in different degree programmes aiming to find the timing that supports the implementation of multidisciplinary across educational boundaries.
Kirjoittajat
Anne-Mari Järvenpää, tutkijayliopettaja (tenure track). Opiskelijoiden data-analytiikkaprojektien toimeksiantojen hankinta HAMK Smartin kiertotaloushankkeiden yhteistyöyrityksistä sekä opiskelijatiimien ohjaus.
Jari Jussila, HAMK Design Factoryn johtaja, tutkijayliopettaja. Opiskelijoiden data-analytiikkaprojektien toimeksiantojen määrittely sekä toteutuksen fasilitointi ja tiimien ohjaus.
Antti Äikäs, opiskelijoiden data-analytiikkaprojektien tekninen tuki ja tiimien ohjaus.
Lähteet
Haarlo, H. (2023). Tutkimustyö data-analytiikkayhteistyön kehittämistä ja perehdytystä varten: sisältötarvekartoitus yhteistyöyrityksille suunnattuun verkkomateriaaliin [amk-opinnäytetyö, Hämeen ammattikorkeakoulu]. https://urn.fi/URN:NBN:fi:amk-2023052212815
Lahdenperä, J., Jussila, J., Järvenpää, A. M. & Postareff, L. (2022). Design Factory–Supporting Technology Students’ Learning of General Competences through University-Industry Collaboration. LUMAT: International Journal on Math, Science and Technology Education, 10(1), 127–150. https://doi.org/10.31129/LUMAT.10.1.1672
Jussila, J., Raitanen, J. & Tuomela, V. (2022). Design thinking in HAMK Design Factory. HAMK Unlimited Professional, 17.6.2022. https://urn.fi/URN:NBN:fi-fe2022061346028
Jussila, J. & Järvenpää, A.-M. (2022). HAMK Design Factory integrating data analytics research and teaching. HAMK Unlimited Professional, 2.12.2022. https://urn.fi/URN:NBN:fi-fe2022112466741
Jussila, J., Siintoharju, S.-M., & Galiot, R. (2023). Design thinking mindset and some common misconceptions. HAMK Unlimited Journal, 28.11.2023. https://urn.fi/URN:NBN:fi-fe20231122148466
Järvenpää, A. M., Kunttu, I., Jussila, J., Mäntyneva, M. (2021). Data-Driven Decision-Making in Circular Economy SMEs in Finland. Teoksessa A. Visvizi, O. Troisi & K. Saeedi (toim.), Research and Innovation Forum 2021. RIIFORUM 2021. Springer Proceedings in Complexity. Springer. https://doi.org/10.1007/978-3-030-84311-3_34
Järvenpää, A.-M. (2022). Developing data analytics capabilities of circular economy SMEs [väitöskirja, Vaasan yliopisto]. https://urn.fi/URN:ISBN:978-952-395-044-3
Järvenpää, A-M., Jussila, J. & Kunttu, I. (2022a). Developing data analytics capabilities for circular economy SMEs by Design Factory student projects. Teoksessa L. Bitetti, I. Bitran, S. Conn, J. Fishburn, E. Huizingh, M. Torkkeli & J. Yang (toim.), Proceedings of the XXXIII ISPIM Innovation Conference “Innovating in a Digital World” [5–8 June 2022]. International Society for Professional Innovation Management. https://urn.fi/URN:NBN:fi-fe2022100761350
Järvenpää, A. M., Jussila, J., Honkasaari, M., Koskela, O. & Kunttu, I. (2022b). Data-Driven Management of Material Flows in Circular Economy by Logistics Optimization. Teoksessa The International Research & Innovation Forum (ss. 569–578). Springer International Publishing. https://doi.org/10.1007/978-3-031-19560-0_48
Järvenpää, A. M., Jussila, J. & Kunttu, I. (2023). Barriers and Practical Challenges for Data-driven Decision-making in Circular Economy SMEs. Teoksessa A. Viszivi, O. Troisi & M. Grimaldi (toim.), Big Data and Decision-Making: Applications and Uses in the Public and Private Sector (ss. 163–179). Emerald Publishing. https://doi.org/10.1108/978-1-80382-551-920231011
Hämeen ammattikorkeakoulu. (2023). Kohti muotoilulähtöistä oppimista Hamkissa. DESIGN-BASED EDUCATION (DBE), versio 1 (14.11.2023). Hämeen ammattikorkeakoulun DBE pedagogiikkaryhmän sisäinen julkaisu. Hämeen ammattikorkeakoulun sisäinen Teams-alusta.
Martínez-Plumed, F., Contreras-Ochando, L., Ferri, C., Hernández-Orallo, J., Kull, M., Lachiche, N., … & Flach, P. (2019). CRISP-DM twenty years later: From data mining processes to data science trajectories. IEEE transactions on knowledge and data engineering, 33(8), 3048-3061. https://doi.org/10.1109/TKDE.2019.2962680
Myllykoski-Laine, S., Lahdenperä, J., Nikander, L. & Postareff, L. (2022). Students’ experiences of the development of generic competences in the Finnish higher education context–the role of the teaching-learning environment and approaches to learning. European Journal of Higher Education, 13(4), 1–20. https://doi.org/10.1080/21568235.2022.2058975
Raitanen, J. & Tuomela, V. (2020). Muotoiluajattelun hyödyntäminen liiketoiminnan kehittämisessä. HAMK Unlimited Professional, 17.12.2020. https://urn.fi/URN:NBN:fi-fe2020120499532
Rönkkönen, S., Kosenkranius, M., Hailikari, T. & Virtanen, V. (2024). Korkeakouluoppimisen ja opiskeluhyvinvoinnin yhteydestä. HAMK Unlimited Journal, 29.1.2024. https://urn.fi/URN:NBN:fi-fe202401234031
Rönkkönen, S. & Rytkönen, R. (2023). LearnWell ohjauksen tukena: oppimiskokemuskysely ja ryhmäreflektio yhteistyössä opinto-ohjaajien kanssa keväällä 2023. HAMK Beat, 23.3.2023. https://blog.hamk.fi/hamk-beat/learnwell-ohjauksen-tukena-oppimiskokemuskysely-ja-ryhmareflektio-yhteistyossa-opinto-ohjaajien-kanssa-kevaalla-2023/
Äikäs, A. (2023). Opiskelijalähtöisen data-analytiikan opetusvideomateriaalin tuottaminen ja kehitys tutkimustyöllä: data-analytiikan opetusvideoiden tuottaminen opiskelijakyselyiden avulla kohti parempaa ja saavutettavaa oppimiskokemusta [amk-opinnäytetyö, Hämeen ammattikorkeakoulu]. https://urn.fi/URN:NBN:fi:amk-2023052312996
