Lauri Salminen
Oppimista ja opiskelua tutkittaessa on kehitetty erilaisia tietokoneavusteisia työkaluja sekä uudenlaisia menetelmiä, joilla on pyritty vahvistamaan opettajien kykyä rakentaa pedagogisesti mielekkäitä ja toimivia oppimisympäristöjä. Samalla opettajien kykyä kartoittaa opiskelijoiden oppimistavoitteita on tehostettu tukemalla tiedon jakamista opettajayhteisöjen keskuudessa (Hernández‐Leo, Martinez‐Maldonado, Pardo, Muñoz‐Cristóbal & Rodríguez‐Triana, 2019, s. 139).
Data-analytiikkaa ja systemaattista tiedon louhintaa ollaan tuomassa myös opetusalan hyödynnettäväksi yhä enenevissä määrin. Oppilaitokset pyrkivät hyödyntämään näitä menetelmiä pyrkiessään sitouttamaan opiskelijoita paremmin sekä opinahjoihinsa että opintoihinsa, mutta samalla edistämään opiskelijoiden sosiaalista vuorovaikutusta opettajien kanssa (Hernández‐Leo ym. 2019, s. 139).
Oppimisanalytiikka
Kirjallisuudessa oppimisanalytiikka määritellään toiminnaksi, jossa tietoja opiskelijoiden opinnoista kerätään erilaisilla mittareilla erilaisista lähteistä. Saatu tieto analysoidaan sopivilla työkaluilla, jonka jälkeen saadut tulokset raportoidaan. Analyysin avulla kootulla tiedolla pyritään ymmärtämään, millaisissa oppimisympäristöissä oppijat työskentelevät ja miten näitä ympäristöjä voidaan paremmin optimoida suuremman hyödyn saavuttamiseksi. Saaduilla tiedoilla voidaan tarvittaessa etsiä erilaisia sosiaalisia yhteyksiä, joilla voidaan katsoa olevan vaikutusta opiskelijoiden saavuttamiin oppimistuloksiin sekä luoda ennusteita opiskelijoiden koulumenestyksestä tulevaisuudessa (Leitner, Khalil & Ebner, 2017, ss. 2–3). Oppimisanalytiikan katsotaan olevan monitieteellinen tutkimusalue, joka on vahvasti sidoksissa tietojenkäsittelytieteeseen, tilastotieteeseen sekä oppimisen tutkimukseen. Analytiikan avulla opiskelijoiden käyttäytymistä pyritään ymmärtämään paremmin sekä selvittämään, millaista yksilöllistä tukea kukin opiskelija mahdollisesti tarvitsee opinnoissaan (Leitner ym. 2017, s. 3).
Opiskelijan käyttäessä korkeakoulunsa järjestelmiä hän jättää jälkeensä digitaalisen jalanjäljen, jota on mahdollista hyödyntää oppimisanalytiikan datan lähteenä. Esimerkkeinä tietoa tuottavista järjestelmistä voidaan mainita muun muassa kirjasto sekä Moodlen oppimisympäristö, johon kirjautumalla opiskelija antaa tietoa toiminnastaan ja jonne hän voi esimerkiksi palauttaa omia arviointejaan (Sclater, Peasgood & Mullan, 2016, s. 4).
Oppiminen tapahtuu aina tietyssä kontekstissa ja oppimisanalytiikan avulla voimme helpommin perehtyä niihin. Korkeakouluilla on käytettävissään jo tälläkin hetkellä runsaasti dataa, mutta ilman oppimisanalytiikan menetelmiä sitä ei kyetä tehokkaasti hyödyntämään (Sclater ym. 2016, s. 4).
Miten korkeakoulut voivat hyödyntää oppimisanalytiikkaa?
Korkeakoulut keräävät yhä enenevissä määrin dataa, tavoitteenaan strategisten tulostensa maksimointi. Tätä kerättyä dataa voidaan hyödyntää oppimisanalytiikan tietolähteenä. Datan avulla korkeakoulut kykenevät kohdentamaan resurssinsa paremmin kuin aiemmin sekä mahdollisesti kohentamaan opiskelijoidensa koulumenestystä. Edellä mainittujen lisäksi oppilaitokset kykenevät dataa hyödyntämällä luomaan tulevaisuuden ennusteita koulutukseensa liittyen sekä mahdollisesti muuttamaan omia toimintamallejaan. Toimillaan oppilaitokset pyrkivät maksimoimaan vuotuisen ulkoisen rahoituksen määrän (Leitner ym. 2017, s. 2).
Korkeakoulujen ja yliopistojen tavoitteena on myös tunnistaa opiskelijoidensa kohtaamat ongelmatilanteet mahdollisimman varhaisessa vaiheessa. Analytiikan avulla koulut pyrkivät ennustamaan opiskelijoidensa tulevaa käyttäytymistä sekä kohdentamaan opettajien sekä tuutorien tarjoaman tuen yksilöllisesti opiskelijoilleen. Oppimisanalytiikan voidaan katsoa parantavan korkeakoulujen eri toimielinten välistä yhteistyötä sekä helpottavan yhteisten oppimisagendojen laatimisessa opiskelijoiden ja opettajien keskuudessa (Leitner ym. 2017, s. 4).
Millaista hyötyä oppimisanalytiikasta on opettajille ja opiskelijoille?
Oppimisanalytiikan rooli oppimisen suunnittelussa on tunnistettu tärkeäksi osatekijäksi. Analytiikan oikeaoppinen hyödyntäminen vaatii kuitenkin kattavaa tietojen keräämistä ja analysointiosaamista monilla eri tasoilla. Analytiikasta saatavaa dataa voidaan hyödyntää muun muassa opiskelijoiden oppimiskokemusta parannettaessa tai opetuksen suunnitteluprosesseja tukevana osana (Hernández‐Leo ym. 2019, s. 140). Analytiikan avulla on mahdollista löytää ne opiskelijat, jotka todennäköisesti eivät saa riittävästi opintoja kasaan kyetäkseen siirtymään seuraavalle lukuvuodelle (Sclater ym. 2016, s. 8).
On tutkittu, että oppimisanalytiikkaa hyödyntämällä ja siitä saatua dataa käyttämällä opiskelijat ovat suoriutuneet opinnoissaan paremmin. Tämän suorituskyvyn nousun on nähty siirtyvän myös opiskelijoiden seuraaville kursseille. Analytiikan on todettu hyödyttävän opetushenkilöstöäkin – he ovat saaneet informatiivista palautetta opetustarjontansa laadusta sekä käyttämistään opetus- ja arviointimenetelmistä (Sclater ym. 2016, s. 8).
Miten opiskelijat kokevat oppimisanalytiikan?
Robertsin, Howellin, Seamanin ja Gibsonin (2016, s. 5–8) mukaan opiskelijoilla ei yleensä ole käsitystä siitä, mitä oppimisanalytiikka oikeastaan on ja miten sitä voidaan hyödyntää. Opiskelijoille tuleekin antaa perehdytys aiheeseen esimerkkivideoiden ja ryhmäkeskusteluiden muodossa. Siinä vaiheessa, kun opiskelijat alkavat muodostaa kokonaiskuvaa oppimisanalytiikasta, he usein alkavat pohtia seuraavanlaisia asioita.
- Opiskelijat sanovat kaipaavansa yksilöllisyyttä opintoihinsa. He eivät halua olla vain kasvottomia numeroita kursseilla, vaan saada henkilökohtaista ohjausta ja tunnustusta opinnoissaan.
- Opiskelijat uskovat, että oikein kerätty data johtaa parempiin oppimistuloksiin ja tarkempiin suoritusten arviointeihin. Sellaisetkin opiskelijat, jotka eivät menesty kurssilla, voidaan löytää analytiikan avulla paremmin. Analytiikan katsottiin motivoivan opiskelijaa parempiin suorituksiin.
- Negatiivisina asioina opiskelijat toivat esiin analytiikalla tehtävän vertailun toisiin opiskelijoihin. Kaikki vastaajat eivät halunneet tietää, olivatko suoriutuneet tehtävistä paremmin vai heikommin kuin muut ryhmäläiset. Tällaisen tiedon katsottiin aiheuttavan mielipahaa sekä motivaation laskua.
- Opiskelijan itsemääräämisoikeuden katsottiin pienenevän analytiikan seurauksena. Opiskelijat kokivat, ettei heitä kohdeltu omista asioistaan huolehtivina aikuisina vaan apua tarvitsevina lapsina.
- Opiskelijat ilmaisivat huolensa siitä, kohtelisivatko opettajat heitä eri tavalla perustuen analytiikan tuloksiin. Mikäli opiskelija menestyisi huonosti analytiikan valossa jollain kurssilla, heijastuisiko tämä opettajan asenteisiin heitä kohtaan myös tulevilla kursseilla?
- Opiskelijoilla tulisi olla mahdollisuus olla osallistumatta datan keräykseen ja pysytellä anonyyminä henkilönä läpi opintojensa.
Oppimisanalytiikka HAMKissa
HAMK on mukana ”Oppimisanalytiikka – avain parempaan oppimiseen AMKeissa” -hankkeessa (APOA), joka saa rahoituksena opetus- ja kulttuuriministeriöltä. Hankkeessa pilotoidaan ja tutkitaan, miten oppimisanalytiikkaa voidaan hyödyntää ammattikorkeakouluissa. Hankkeessa on mukana 11 korkeakoulua eri puolilta Suomea.
Olen ollut vetämässä kolmea opiskelijoille suunnattua työpajaa, joihin on osallistunut kaikkiaan 23 opiskelijaa neljästä eri koulutusohjelmasta. Työpajat ovat olleet kestoltaan noin kahden tunnin mittaisia ja niiden pohjalta on saatu kerättyä dataa opiskelijoille tärkeistä asioista.
Työpajojen perusteella opiskelijat toivovat tehtäviinsä selkeitä ohjeita sekä lisää opettajan läsnäoloa ja ohjausta luokkatilanteessa. Moduulien työkuormiin toivotaan tasausta ja työelämän esimerkkejä kaivataan lisää. Opettajien palautteenantoon toivotaan samalla selkeää parannusta.
Saamamme tulokset vastaavat melko hyvin aiempien tutkimusten tuloksia. HAMKin opiskelijat painottivat palautteissaan olevansa huolissaan yksityisyydensuojastaan – opiskelijat eivät ole valmiita antamaan itsestään kaikkea tietoa vaan ainoastaan heidän itse valitsemaansa käyttäytymisdataa.
Hankkeesta on saatavilla lisätietoa osoitteessa apoa.tamk.fi.
Kirjoittaja
Lauri Salminen toimii tietojenkäsittelyn lehtorina HAMKissa. Hän on osallistunut Oppimisanalytiikka – avain parempaan oppimiseen AMKeissa -hankkeeseen lukuvuonna 2018–2019.
Lähteet
Hernández‐Leo, D., Martinez‐Maldonado, R., Pardo, A., Muñoz‐Cristóbal, J. A. & Rodríguez‐Triana, M. J. (2018). Analytics for learning design: A layered framework and tools. British Journal of Education Technology 50(1), 139–152. https://doi.org/10.1111/bjet.12645
Leitner P., Khalil M., Ebner M. (2017). Learning Analytics in Higher Education—A Literature Review. Teoksessa A. Peña-Ayala (toim.), Learning Analytics: Fundaments, Applications, and Trends, ss. 1–23. Studies in Systems, Decision and Control, vol 94. Springer.
Roberts, L. D., Howell, J. A., Seaman, K. & Gibson, D. C. (2016). Student Attitudes toward Learning Analytics in Higher Education: “The Fitbit Version of the Learning World”. Frontiers in Psychology 7, 1–11. https://doi.org/10.3389/fpsyg.2016.01959
Sclater, N., Peasgood, A. & Mullan, J. (2016). Learning Analytics in Higher Education. A review of UK and international practice. Haettu 5.6.2019 osoitteesta https://www.jisc.ac.uk/sites/default/files/learning-analytics-in-he-v2_0.pdf