Author: hirsto

Posted on

OAHOT-blogi 1/23: Oppimisanalytiikan hyödyntäminen itseohjatun oppimisen tukemisessa

– OAHOT-hankkeen loppuraportti 2020–2022

Kirjoittajat: Laura Hirsto, Sanna Väisänen, Teemu Valtonen & Erkko Sointu

OAHOT-hankkeen tavoitteena oli kehittää tutkimusperustaisesti oppimisanalytiikan hyödyntämistä itseohjatun oppimisen tukemisessa koulutuspolun eri vaiheissa. Hanketta rahoitti Business Finland vuosina 2020-2022, ja hankkeen myötä Itä-Suomen yliopistoon rakentui iso OAHOT-tutkimusryhmä. Hanke jakautui neljään työpakettiin. Hanketta johti professori Laura Hirsto ja projektipäällikkönä toimi KT Sanna Väisänen. Työpaketteja johtivat professori Erkko Sointu, professori Teemu Valtonen ja professori Matti Turtiainen.

Seuraavassa kuvataan ensin kunkin työpaketin keskeisiä tuloksia, ja lopuksi vedetään yhteen OAHOT-hankkeen keskeistä antia. Hankkeen tuloksia on tieteellisten artikkelien lisäksi esitetty OAHOT-blogin ja avoimien webinaarien ja seminaarien kautta. Näissä seminaareissa oppimisanalytiikan, oppimisen ja pedagogiikan kansalliset ja kansainväliset tutkijat, kehittäjät ja käyttäjät pitivät valmisteltuja asiantuntijapuheenvuoroja, ja niissä käytiin keskustelua oppimisanalytiikan tutkimuksesta, ajankohtaisista tuloksista sekä tutkimus- ja kehittämistarpeista. Hankekauden lopulla järjestettiin myös kansainvälinen ensimmäinen Finnish Learning Analytics and Artificial Intelligence in Education (FLAIEC) -konferenssi syksyllä 2022 yhteistyössä Joensuun yliopistosäätiön ja Itä-Suomen yliopiston kanssa.

Työpaketti 1: Työelämän joustavan oppimisen menestystekijät

Ensimmäisessä OAHOTin työpaketissa keskityttiin aikaisemmin hankittuun oppimisanalytiikkadata-aineistoon, joka saatiin käyttöön hankkeessa mukana olleilta yrityksiltä. Tavoitteena oli aikaisempien isojen data- aineistojen avulla hahmottaa oppimisanalytiikkadatan mahdollisuuksia opiskelijoiden opiskelu- ja oppimisprosessien ymmärtämiseen. Aineistojen perusteella pystyttiin identifioimaan tiettyjä oppimisanalytiikan haasteita oppimis- ja opiskeluprosessien tunnistamisessa, tarkastelemaan opintomenestyksen ja opintojen etenemisen haasteita opintojen alkuvaiheen datan perusteella sekä tunnistamaan jatkuvan oppimisen opiskelijoiden prosesseja täydennyskoulutuksen kontekstissa. Ensimmäisessä työpaketissa julkaistiin kolme tieteellistä artikkelia, ja yksi käsikirjoitus on vielä työnalla.  

López-Pernas, Kleimola, Väisänen, ja Hirsto (painossa) tarkastelivat ammatillisen koulutuksen kontekstissa opintojen keskeyttämisen ennustamisen mahdollisuuksia instituutiotasoisen oppimisanalytiikkadatan ja erilaisten analyysimenetelmien avulla. Tutkimuksessa tarkasteltiin, millaiset tekijät hakuvaiheessa annetun datan perusteella ennustavat keskeyttämistä ammatillisessa koulutuksessa. Tulosten perusteella keskeyttämisvaarassa olivat etenkin sellaiset opiskelijat, jotka aloittavat ammatilliset opinnot peruskoulupohjalta sekä opiskelijat, jotka työskentelevät opintojen ohella tai etsivät samalla työtä. Iällä ei havaittu olevan juurikaan vaikutusta ennustettaessa keskeyttämistä. Keskeisinä johtopäätöksinä voitiin todeta, että opintojen joustavoittaminen ammatillisessa koulutuksessa on tärkeää opintojen loppuunsaattamiseksi. Myöskin kohdennetun tuen tarjoaminen opintojen ajalle sekä opiskelijoiden eri elämäntilanteiden huomioiminen ovat merkityksellisiä.  Ohjausta tulisi fokusoida erityisesti peruskoulusta tulevien opiskelijoiden tukemiseen sekä opiskelijoiden itseohjautuvuuden ja itsesäätelytaitojen kehittymistä tulisi entisestään vahvistaa.

Kleimola, López-Pernas, Väisänen, Saqr, Sointu ja Hirsto (arvioitavana) tarkastelivat myös ammatillisen koulutuksen dataa, mutta siinä hyödynnettiin syvällisemmin datan kvalitatiivista aineistoa. Tässä tutkimuksessa tarkasteltiin tarkemmin lähihoitajaopiskelijoiden opiskelumotivaatiota, motivaatioprofiileja sekä niiden yhteyttä opiskelijoiden suoriutumiseen opinnoissa. Tutkimuksessa havaittiin, että lähihoitajaopiskelijoiden motiivit hakeutua koulutukseen painottuivat enemmän käytännöllisiin ja ammatillisiin tekijöihin ja vähemmän prososiaalisiin, altruistisiin syihin. Opiskelumotiivien välillä havaittiin kompleksisia yhteyksiä, joista osa näkyvämpiä kuin toiset. Motivationaalisten profiilien ja opintojen suoriutumisen välillä ei tässä aineistossa havaittu tilastollista yhteyttä. Oppimisanalytiikka tarjoaa kuitenkin hyödyllisiä näkymiä opiskelijoiden motivaatiotekijöihin erityispiirteineen. Johtopäätöksinä voidaan ehdottaa, että oppimisanalytiikan avulla rakentuneen ymmärryksen avulla voidaan kehittää toimintamalleja, jotka mahdollistavat entistä tehokkaamman tuen motivaation rakentumiselle opintojen aikaa. Motivaatiotekijöiden tunnistaminen auttaa myös mm. vetovoiman kehittämisessä, läpäisyn tukemisessa ja keskeyttämisen ehkäisemisessä, jotka tunnistetaan yleisesti ammatillisen koulutuksen haasteiksi. Tutkimustiedon kytkemistä oppimisanalytiikkaan voidaan pitää erityisen tärkeänä. Koulutuksellisia prosesseja, tiedonkeruukäytäntöjä ja tietohallintojärjestelmiä on kehitettävä systemaattisesti esimerkiksi niin, että ne mahdollistaisivat datan huolellisen keräämisen, tehokkaan hyödyntämisen ja oppimisanalytiikan käyttöönoton entistä laajemmin.

Kolmannessa työpaketista julkaistussa artikkelissa Saqr, Tuominen, Valtonen, Sointu, Väisänen ja Hirsto (2022) tarkastelivat opettajien täydennyskoulutuksesta kerättyä laajaa dataa klusteroinnin ja prosessien jäljittämisen avulla.  strategioidensa perusteella. Ensimmäinen ryhmä koostui opettajista, jotka liikkuivat opiskeltavassa materiaalissa harkiten ja järjestelmällisesti, ja he suorittivat tutkitun opintokokonaisuuden lyhyessä ajassa, käyttivät enemmän aikaa jokaiseen oppituntiin ja siirtyivät melko lineaarisesti eri oppituntien välillä. Toinen ryhmä puolestaan oli joukko opettajia, joilla opintokokonaisuuden suorittaminen kesti pidempään ja he toistivat opintokokonaisuuden sisältöjä useita kertoja ja siirtyivät oppitunneilla myös taaksepäin tarkastaakseen oppitunteja toistuvasti. Kolmas ryhmä sijoittui näiden väliin. Tulosten perusteella näytti siltä, että myös opettajille oppimisen itsesäätely voi olla haastavaa. Voisikin pohtia, missä määrin opettajankoulutuksessa tulisi korostaa oppimisstrategioiden aktiivista hyödyntämistä ja itsesäädellyn oppimisen taitoja, jotta opettajat kehittyisivät myös itse oppijoina ja voisivat mahdollisesti myös paremmin tukea oppilaita näiden taitojen kehittämisessä.

Työpaketti 2: Yliopisto-oppimisen tukemisen avaintekijät oppimisanalytiikan näkökulmasta

Toisessa työpaketissa tarkasteltiin oppimisanalytiikan hyödyntämistä yliopistokontekstissa. Tätä varten toteutettiin useita tapaustutkimuksia, joissa kiinnitettiin huomiota oppimisanalytiikan hyödyntämisessä tarvittaviin pedagogisiin näkökulmiin sekä laajennetun oppimisanalytiikan mahdollisuuksiin. Yliopistokontekstin työpaketissa oli mukana neljä eri tieteenaloihin kuuluvaa opintojaksoa. Opintojaksot rakentuivat käänteisen opetuksen ja käänteisen oppimisen lähestymistavoille. Lisäksi osassa opintojaksoja toteutettiin etäopetusta em. lähestymistavoilla.

Pilotoitavalla opintojaksolla aineisto kerättiin kahtena vuonna, jolloin oppimisalusta, aineistonhankintamenetelmän toimivuus ja pedagogiset lähestymistavat saatiin pilotoitua tutkimuskontekstissa. Pilottiopintojaksolla ratkaistiin oppimisanalytiikkadatan opetus- ja oppimiskäytön haasteita. Pääasiallinen tutkimusaineistonkeruu toteutettiin lukuvuonna 2021–2022. Aineistoja kerättiin monipuolisesti niiden käsittäessä käytetystä oppimisalustasta kerättyä oppimisanalytiikan (OA) ja jatketun oppimisanalytiikan (kysely) (JOA) -aineistoja, opiskelijoiden ja opettajien haastatteluaineistoja sekä erikseen kerättyjä alku- ja loppukyselyaineistoja. OAHOT-hankkeen aikana työpaketista julkaistiin viisi artikkelia.

Sointu, Valtonen, Hallberg, Kankaanpää, Väisänen, Heikkinen, Saqr, Tuominen ja Hirsto (2022) tarkastelivat tutkimuksessaan opettajaopiskelijoiden oppimiseen liittyviä tekijöitä. Opintojakson aiheena olivat määrälliset tutkimusmenetelmät, jotka ovat monesti hyvinkin haastavia ja jopa pelottavia opettajaopiskelijoille. Näin olleen opintojakso tarjosi toimivan mahdollisuuden tutkia, miten etäopetukselle ja käänteiselle oppimiselle rakennetulla opintojaksolla voidaan tukea opiskelijoita oppimisanalytiikan keinoin.  Jatketun oppimisanalytiikka -aineiston keinoin tarkasteltiin viidessä mittauspisteessä muutosta itsesäätelyssä, orientaatioissa ja tunteissa.  Tuloksien perusteella opiskelijoiden ajanhallintataidot paranivat sekä välttelyorientaatio laski. Lisäksi ahdistuneisuus ja koettu tylsyys kvantitatiivisten menetelmien opiskeluun vähenivät. Tuloksien perusteella voidaan alustavasti päätellä, että hyvin suunniteltu pedagoginen lähestymistapa, teknologia ja oppimisanalytiikan käyttö opetuksessa tukevat opettajaopiskelijoiden sisältöjen oppimista.

Toisessa artikkelissa Sointu, Saqr, Valtonen, Hallberg, Väisänen, Kankaanpää, Tuominen ja Hirsto (2022) tutkivat jatketun oppimisanalytiikan ja oppimisanalytiikan keinoin opettajaopiskelijoiden tunneperäistä käyttäytymistä määrällisten menetelmien opintojaksoilla.  Opettajaopiskelijoiden emotionaaliset profiilit (eli klusterit) muodostettiin opintojakson alkumittauksen jatketun oppimisanalytiikkadatan emotionaalisten ulottuvuuksien perusteella ja eri klusteriryhmien käyttäytymistä sähköisellä oppimisalustalla tarkasteltiin perinteisemmän oppimisanalytiikkadatan perusteella. Aineistosta löydettiin kolme erilaista klusteria: “keskitasoiset”, “pro kvantitatiiviset” ja “pelokkaat” kvantitatiivisten menetelmien opettajaopiskelijat. Tuloksien perustella voidaan todeta, että käytetyt pedagogiset lähestymistavat sekä analytiikan tarjoamat mahdollisuudet tarjoavat tukea opiskelijoille, varsinkin pelokkaille opiskelijoille. Lisäksi paremmin määrällisiä menetelmiä hallitsevat opiskelijat voivat ehkä toteuttaa opiskelua itsenäisemmin. Käänteisen opetuksen ja teknologian monipuolinen käyttö tarjoaa opettajalle mahdollisuuden tukea erityisesti pelokkaita opiskelijoita, jolloin opiskelu muuttuu sujuvammaksi.

Kolmannessa yliopisto-oppimiseen liittyvän työpaketin artikkelissa Sointu, Valtonen, Väisänen ja Hirsto (painossa) tarkastelivat yhteen opintojaksoon osallistuneiden opiskelijoiden opintojaksopalautteita. Oppimisanalytiikan (OA) ja jatketun oppimisanalytiikan (JOA) käyttö opetuksessa on vaikeaa, mutta niiden käyttämisessä on paljon potentiaalia yliopistonkontekstin opetuksessa ja oppimisen tuessa. Käänteinen oppiminen etäopetuskontekstissa tarjoaa mahdollisuuden kerätä oppimisanalytiikkadataa. Lisäksi tarvitaan teknologian monipuolista käyttöä, jotta OA- ja JOA-datoja voidaan käyttää oppimisen tukeen. Teknologiaan oppimisen tuessa kuuluvat (1) digitaaliset oppimisalustat, (2) konferenssiteknologiat (esim. Zoom ja Teams), (3) OA- ja JOA-datojen kerääminen ja käyttö sekä (4) sisältökohtainen teknologia. Tutkimuksessa tarkasteltiin kahden opintojaksototeutuksen opintojaksopalautelomakkeita. Yleisesti ottaen tulokset opetuksessa käytettävään pedagogiikkaan ja monipuoliseen lähestymistapaan olivat positiivisia. Esimerkiksi käänteisellä oppimisella etäopetuksen kontekstissa voidaan toteuttaa teknologian avulla toimivaa vuorovaikutusta opettajan ja opiskelijoiden välillä. Toisaalta opiskelijoiden omat näkemykset oppimiseen olivat heikompia, joskaan eivät matalia. Tästä huolimatta opiskelijoiden oman oppimisen ymmärtämiseen ja oppimisen tukeen on kiinnitettävä tulevaisuudessa huomiota.

Neljännessä artikkelissa Sointu, Hirsto, Väisänen, Cutucache ja Valtonen (2022) tutkivat etäopetuksena toteutettua käänteisen opetuksen mukaisesti järjestettyä määrällisten tutkimusmenetelmien opintojaksoa, jossa opiskelijoiden oppimista tuettiin aktiivisesti erilaisilla teknologisilla lähestymistavoilla. Tulosten perusteella tällainen oppimisympäristö näytti tuottavan myönteisiä vaikutuksia vähentäen opiskelijoiden tehtävänvälttelyä ja ahdistusta sekä parantaen ajankäyttöä. Myös opiskelijoiden tietämys oppimisanalytiikasta ja asenteet oppimisanalytiikan hyödyntämistä kohtaan paranivat. Tulokset osoittivat, että käännettyjä lähestymistapoja verkkoympäristöissä voidaan käyttää opettajaopiskelijoiden kanssa haastavissa sisällöissä.

Viidennessä yliopisto-oppimiseen liittyvässä artikkelissa Elmoazen, Saqr, Tedre ja Hirsto (painossa) tutkivat, kuinka sosiaalinen vuorovaikutus herättää opiskelijoiden tuottavaa online-ongelmapohjaista oppimista.  Tutkimus tehtiin käyttämällä prosessi- ja sekvenssilouhintamenetelmiä tietokoneella tuetun yhteistoiminnallisen oppimisen yhteydessä. Analyysin perusteella opiskelijoiden yleisin toiminta oli argumentoimatonta keskustelua, seuraavaksi eniten oli tiedon jakamista ja sosiaalista vuorovaikutusta. Prosessilouhinnan pohjalta opiskelijoiden keskustelut alkoivat useimmiten ensin tiedon jakamisella, jota seurasi muiden viestien arvioiminen tai argumentointi ja keskustelun päättäminen sosiaaliseen vuorovaikutukseen. Sekvenssilouhinnan näkökulmasta yleisimmät aloitustoiminnot olivat sosiaalinen vuorovaikutus ja ei-argumentatiivinen vuorovaikutus. Nämä kaksi analyyttista lähestymistapaa näyttivät antavan tutkijoille mahdollisuuden tunnistaa verkkofoorumikeskusteluiden eri vaiheita.

Työpaketti 3: Perusopetuksen oppilaan oppimisen tukemisen kriittiset tekijät itsesäätelyn taitojen kehittymisessä

Kolmannessa työpaketissa tarkasteltiin oppimisanalytiikkaa perusopetuksen kontekstissa. Myös tässä empiirisen aineiston hankkimiseksi luotiin kaksi erilaista oppimisympäristöä ja tarkasteltiin sekä kehitettiin perusopetuksen erityispiirteitä huomioivaa oppimisanalytiikan hyödyntämistä ja siihen liittyvää pedagogiikkaa. Työpakettiin kolme rakentui kaksi ilmiöopintojaksoa, jossa toteutukset olivat erilaiset. Toteutukset tehtiin alakoulussa, tarkemmin 5.–6. luokissa. Ilmiöopintojaksoilla toimi sama verkko-oppimisympärisö, joka oli rakennettu tukemaan itseohjattua oppimista.

Tässä työpaketissa kerättiin monipuolisesti aineistoa. Kokonaisuudessaan aineisto koostui opettajien ja oppilaiden haastatteluista, oppituntien aikana tehdyistä kyselyistä (jatkettu oppimisanalytiikka), sekä verkkoympäristöön kertyneestä käyttäjädatasta. Perusopetuksen kontekstiin suuntautuvasta työpaketista julkaistiin hankkeen aikana kolme tutkimusartikkelia.

Ensimmäisessä peruskoulun kontekstiin liittyvässä artikkelissa Väisänen, Hallberg, Valtonen, Tervo, Kankaanpää, Sointu ja Hirsto (2022) tutkivat alakoulun oppilaiden näkemyksiä oppimisanalytiikasta ja itseohjatusta oppimisesta opintojakson aikana. Oppilaita sekä havainnoitiin opintojakson aikana että osa oppilaista haastateltiin sen jälkeen. Tutkimus osoitti, että yleisesti ottaen oppilaiden kokemukset itseohjatusta oppimisesta sekä oppimisanalytiikasta olivat positiivisia ja oppimisanalytiikka nähtiin toimivana ja motivoivana. Oppimisanalytiikan myös nähtiin auttaneen heidän oppimistaan. Oppilaat näyttivät kehittyvän itseohjautuvammiksi opintojakson aikana. Tästä huolimatta tavoitteiden asettaminen ja niiden saavuttaminen näyttivät olevan melko vaikeaa useille oppilaille. Tämän tutkimuksen tulokset tarjosivat uusia näkökulmia oppimisanalytiikan rooliin tärkeänä lisätukena oppilaiden itseohjatulle oppimiselle. Kaiken kaikkiaan tulokset viittaavat tarpeeseen kehittää edelleen pedagogisia lähestymistapoja oppimisanalytiikan käyttöön alakoulukontekstissa.

Toisessa artikkelissa Hirsto, Valtonen, Saqr, Hallberg, Sointu, Kankaanpää ja Väisänen (2022) tarkastelivat kokemuksia ja näkökulmia oppimisanalytiikkaan sekä itsesäädeltyyn oppimiseen jatketun oppimisanalytiikkadatan avulla. Tutkimus suoritettiin kahden ilmiölähtöisen opintojakson jälkeen, jotka käsittelivät avaruutta sekä kestävää kehitystä ja tuotteen elinkaarta. Oppilaat työskentelivät ensimmäisellä opintojaksolla pääsääntöisesti itsenäisestä ja toisella jaksolla painottui ryhmätyöskentely. Tulosten perusteella oppilaiden ymmärrys oppimisanalytiikasta säilyi melko alhaisella tasolla, mutta heidän näkemyksensä oppimisanalytiikan hyödyntämisestä oli melko positiivista. Eniten oppimisanalytiikka hyödyntäneillä oppilailla näytti olevan myös myönteisemmät kokemukset analytiikan käytöstä.

Hankkeen aikana havaittiin, että perusopetuksen kontekstiin liittyvää oppimisanalytiikka tutkimusta ei ylipäätään näyttänyt olevan kovin paljon. Sen vuoksi Hirsto, Saqr, López-Pernas ja Valtonen (painossa) toteuttivat systemaattisen narratiivisen katsauksen useasta tietokannasta poimituista perusopetusta koskevista oppimisanalytiikkaa käsittelevistä tieteellisistä artikkeleista. Tulosten perusteella peruskoulun kontekstissa tutkittuja teemoja näyttivät olevan pelillistäminen ja multimodaaliset lähestymistavat. Lisäksi tutkimukset voitiin jakaa sen mukaan, onko oppimisanalytiikka sinänsä tutkimuskohteena vai tutkimusmenetelmänä. He havaitsivat myös, että useimmilta tutkimuksilta puuttui vahva kasvatustieteellinen teoreettinen perusta, mikä korostaa tarvetta luoda kehittyneempiä teoreettisia perusteita koulutason oppimisanalytiikka-tutkimukselle.

Työpaketti 4: Oppimisanalytiikan kehittäminen itseohjautuvan oppimisen tueksi

Neljännessä työpaketissa pyrittiin aikaisemman tutkimuksen avulla vetämään yhteen oppimisanalytiikan hyödyntämisen mahdollisuuksia laajemmin sekä hahmottamaan tulevaisuuden haasteita. Tässä työpaketissa myös rakennettiin oppimisanalytiikan tutkimusverkostoa, vierailtiin kansainvälisissä tutkimusryhmissä jakamassa tietoa OAHOTin tutkimuksista ja saamassa palautetta sekä viestittiin aktiivisesti avointen seminaarien sekä webinaarien kautta. OAHOTin tutkijoita kutsuttiin myös puhujiksi erilaisiin kansallisiin ja kansainvälisiin oppimisanalytiikan teemoja käsitteleviin konferensseihin ja tilaisuuksiin.

OAHOT-hankkeen webinaarit ja seminaarit järjestettiin puolivuosittain, niistä tehtiin videot avoimesti saataville hankkeen sivuille, ja niissä oli puhumassa alan keskeisiä kansainvälisiä ja kotimaisia tutkijoita ja kehittäjiä:

  • Kick off -tapahtuma 18.5.2020 (Keynote Dirk Ifenthaler, University of Mannheim)
  • Webinaari 8.12.2020 (Keynote Mohammed Saqr, Itä-Suomen yliopisto, diskusantit Erkko Sointu, Itä-Suomen yliopisto ja Anssi Gröhn, Karelia-ammattikorkeakoulu)
  • Webinaari 11.5.2021 (Diskusantit Sonsoles López-Pernas, Universidad Politecnica de Madrid ja Anja Emonds, University of Maastricht)
  • Hybridiseminaari 17.11.2021 (Keynote Sonsoles López-Pernas, Universidad Politecnica de Madrid, diskusantit Hanni Muukkonen, Oulun yliopisto ja Riina Kleimola, Itä-Suomen yliopisto)
  • Seminaari 4.5.2022 (työpajoja sekä paneelikeskustelu; Vesa Paajanen, Itä-Suomen yliopisto, Teija Paavilainen, Itä-Suomen yliopiston harjoittelukoulut, Ville Tuominen, Valamis ja Ulla-Maaria Koivula, Thinglink)
  • Päätösseminaari 28.11.2022 (Keskeisten tulosten esittely ja keskustelu tulosten merkityksestä sekä hankkeen arviointi)

Työpaketissa neljä pyrittiin löytämään laajempia näkökulmia läpi tutkittujen kontekstien oppimisen itsesäätelyn tukemisen oleellisista tekijöistä oppimisanalytiikan kehittämisen kannalta. Tähän liittyen hankkeessa julkaistiin seitsemän vertaisarvioitua artikkelia taikka kirjoitusta, ja hankkeen myötä toimitettu FLAIEC-konferenssin teemanumero on painossa.

Ensimmäisessä työpaketti neljän artikkelissa Valtonen, López-Pernas, Saqr, Vartiainen, Sointu ja Tedre (2022) tarkastelivat bibliografisen analyysin avulla opetusteknologiaan liittyvän tutkimuksen teemojen kehitystä ja suuntaviivoja. Sen perusteella oppimisanalytiikkaan ja tekoälyyn liittyvät teemat näyttivät tutkimusten asiasanojen perusteella olevan tihentyvän kiinnostuksen kohteena.  

Toisessa artikkelissa Elmoazen, Saqr, Tedre ja Hirsto (2022) tutkivat systemaattisen kirjallisuuskatsauksen avulla sitä, miten episteemisten verkostojen analyysiä on hyödynnetty opetukseen ja oppimiseen liittyvässä empiirisessä tutkimuksessa. Episteemisten verkostojen analyysiä on kehitetty ja hyödynnetty erityisesti oppimisanalytiikan tutkimuksen kentällä, mutta sen metodinen kehittely näyttää olevan vielä kesken. Analyysiohjelmien tuottamat episteemiset verkostot voivat kuitenkin tuottaa havainnollistuksen esimerkiksi yhden ihmisen erilaisten kokemusten tai käsitysten rakenteista.  

Kolmannessa artikkelissa Saqr, Elmoazen, Tedre, López-Pernas ja Hirsto (2022) tarkastelivat systemaattisen analyysin avulla erilaisten tilastollisten yhteyslukujen suhdetta opiskelijoiden opintomenestykseen teknologiatuetussa yhteistoiminnallisessa oppimisessa. Yhteysluvuilla on pyritty kuvaamaan esimerkiksi sitä, miten opiskelijat tekevät yhteistyötä toisten opiskelijoiden kanssa opintojakson aikana. Tulosten perusteella havaittiin, että näitä yhteyslukuja ja niiden laskentaperusteita on hyvin paljon erilaisia, ja joidenkin yhteys opintomenestykseen on noussut esille selvästi monessa tutkimuksessa, kun taas joidenkin tunnuslukujen merkitys näyttää vähäisemmältä. Se, mikä yhteysluku kulloinkin on merkityksellinen oppimisen kannalta, on kuitenkin paljolti riippuvainen myös opintokokonaisuuden pedagogisesta mallista, joten sekin olisi hyvä jatkossa huomioida erilaisten tunnuslukujen merkitystä ja niiden mahdollista visualisointia pohtiessa.

Neljännessä artikkelissa Valtonen, Hirsto, Sointu ja Väisänen (2022) nostavat esille oppimisanalytiikan pedagogisen suunnittelun haasteita ja merkitystä. Erilaiset oppimiskäsitykset tuovat omanlaisiaan haasteita oppimisanalytiikan kehittämiselle ja hyödyntämiselle. Perinteisesti oppimisanalytiikan tuottama data ja sen visualisoinnit ovat perustuneet opintojen etenemisen seurantaan, jolloin opiskelija voi analytiikan avulla tarkastella esimerkiksi sitä, missä vaiheessa mitäkin tehtäviä on pitänyt saada tehdyksi ja missä vaiheessa oma opintojakson suorittamien on. Myös opettajan oma pedagoginen ajattelu vaikuttaa siihen minkälaista oppimisanalytiikka opetuksen ja oppimisen tueksi olisi tarpeen kehittää. Lisäksi erilaiset oppimisen teemat ja episteemiset rakenteet voivat vaikuttaa oppimisanalytiikkadatan keräämisen ja sen visualisoinnin tarpeisiin; onko jokin oppiaines selkeästi kumulatiivista vai jollakin tavalla holistista taikka systeemistä.

Viides kirjoitus (Saqr ja López-Pernas, painossa) nostaa esille yksilöllisen lähestymistavan tarpeen oppimisanalytiikan edelleen kehittämisessä. Oppimisanalytiikan tutkimuksessa on perinteisesti pyritty hahmottamaan isoja datoja ja suuren joukon yhteisiä näkökulmia liittyen oppimisen prosesseihin. Kun katsotaan otostasolla, voidaan kuitenkin hukata yksilöllisten prosessien erot ja erilaiset kehityskulut opiskelijoiden välillä. Jos ajatellaan pedagogiikan kehittämistä ja opiskelijoiden mahdollisuuksia hyödyntää oppimisanalytiikkaa omassa oppimisessaan, pitäisi ehkä ymmärtää myös omaa oppimisprosessia ja sen variaatiota ja tukea siten myös opiskelijan omaa toimijuutta oman oppimisensa peräsimessä.

Kuudentena tämän työpaketin vertaisarvioituna kirjoituksena Hirsto, Sointu, Valtonen, Turtiainen ja Väisänen (2022) vetävät yhteen OAHOT-hankeen tuloksia. Siinä tarkastellaan oppimisanalytiikan hyödyntämisen pedagogisia näkökulmia sekä nostetaan esille hankkeen työpakettien ja eri empiiristen osioiden tuloksia. On selvää, että perinteinen opiskelijan käyttäytymiseen perustuva oppimisalustojen ja -ympäristöjen logidata ei oppimisen ja opetuksen prosessien ymmärtämisessä riitä kovin pitkälle. Olisikin tärkeää miettiä, minkälaista jatkettua oppimisanalytiikkadataa tarvitaan jatkossa erilaisissa opetuksen ja oppimisen konteksteissa, ja miten oppimisanalytiikan näkökulmia huomioidaan opetuksen pedagogisen suunnittelun kannalta.

Työpakettiin neljä liittyen ja osana hankkeen toimintaa järjestettiin tiedeyhteisölle ja aiheesta kiinnostuneille julkinen, Suomen ensimmäinen Finnish Learning Analytics and Artificial Intelligence in Education – Emphasizing educational perspectives in LA and AI research (FLAIEC 2022) -konferenssi Itä-Suomen yliopiston Joensuun kampuksella 29.9-30.9.2022. Lisäksi konferenssiin kuului 28.9.2022 mahdollisuus osallistua ohjatulle kouluvierailulle Rantakylän normaalikoulussa. Konferenssin tavoitteena oli tuoda yhteen tutkijoita eri maista esittelemään tutkimustaan oppimisanalytiikan saralla sekä keskustelemaan oppimisanalytiikan hyödyntämisestä oppimisen ja opetuksen tukena. Tämä tavoite täyttyi loistavasti.

Konferenssi tarjosi hienon mahdollisuuden päästä kuulemaan kansainvälisesti arvostettuja Keynote-puhujia: professori Dragan Gašević (Australia), professori Sanna Järvelä (Suomi), professori Dirk Ifenthaler (Saksa) ja professori Laura Hirsto & OAHOT-projektin henkilöstö (Suomi). Kaikki pääpuhujamme saapuivat paikalle Joensuuhun ja osallistuivat aktiivisesti koko konferenssin ajan esitysten seuraamiseen ja yhteiseen keskusteluun tuoden suuren lisäarvon konferenssille.

Konferenssi järjestettiin hybridimallisena, ja yhteensä 74 ihmistä ilmoittautui konferenssiin. Paikan päällä oli noin 35 ihmistä loppujen ollessa etäyhteydellä. Konferenssi herätti paljon myös kansainvälistä kiinnostusta ja kv-osallistujia oli joukossa yli 20 mm. Afrikasta, USA:sta ja eri puolilta Eurooppaa. Osallistujat myös edustivat eri organisaatioita ja koulutuksen eri tasoilta, joten rikasta analytiikkaan ja tekoälyyn liittyvää keskustelua käytiinkin useasta eri näkökulmasta ja kontekstista käsin. Esityksiä pääpuheiden lisäksi oli 27. Konferenssista ilmestyy konferenssijulkaisu (Hirsto, López-Pernas, Saqr, Sointu, Valtonen & Väisänen, painossa) CEUR Workshop Proceedings -julkaisukanavan kautta vuonna 2023. Konferenssi sai paljon kiitosta osallistujilta ja toiveita konferenssin järjestämisestä uudestaan.

Hankkeen luonteen vuoksi tehtiin myös selvitystä kaupallisesta vaikuttavuudesta (Business Impact) kauppatieteen tutkijan toimesta. Arviointia varten toteutettiin keskeisten hanketoimijoiden haastattelut hankkeen koetuista hyödyistä ja nousseista tutkimuskysymyksistä sekä jatkokehitysnäkökulmista. Hanke hyödytti mukana olleita yrityksiä tuoden tuotekehitystyöhön vahvan kasvatustieteellisen näkökulman, joka huomioi aikaisempaa paremmin oppimiseen liittyvät taustaprosessit. Yritykset kokivat hyötyneensä myös avautuneista yhteistyömahdollisuuksista partneriyritysten kesken. Hankkeen aikana syntyi useita uusia tutkimuskysymyksiä liittyen tekoälyratkaisuihin, Opetus- ja kulttuuriministeriön mukaan ottamiseen sekä tulosten ja löydösten tulkintaan eri konteksteissa jatkossa. Kaikki mukana olleet yritykset totesivat, että yliopiston, kasvatustieteilijöiden sekä yritysten yhteistyölle on jatkossa nimenomaan kaupallinen tarve ja kiinnostus.

Yhteenvetoa

Hankkeen tuloksia verrattaessa suunnitelmaan, voidaan sanoa, että hanke saavutti hyvin asetetut keskeiset tavoitteet ja avasi sekä tutkimuksellisesti että mukana olleiden yritysten näkökulmasta uusia näkökulmia ja kehityskohteita myös jatkokehittämisen pohjaksi. OAHOT-hanke on toteuttanut aktiivista, myös tutkimusjulkaisuja laajentavaa julkaisu- ja asiantuntijatoimintaa. Lisäksi tässä OAHOT-blogissa on julkaistu hanketta ja sen tutkimusta popularisoivia kirjoituksia. Kaikkinensa blogitekstejä on julkaistu tällä hetkellä kahdeksan kappaletta. Tarkoituksena on jatkaa blogia, vaikka Business Finlandin rahoittama hankeosuus onkin päättynyt. Hankkeen tutkimusteemojen työstäminen ja syventäminen jatkuu muiden tähän mennessä saatujen jatkorahoitusten turvin ainakin vuoteen 2026.

Tutkimustyö nosti esille oppimisanalytiikan mahdollisuuksia ja haasteita. Keskeisenä alan haasteena näyttäytyy analytiikan ja pedagogiikan toistaiseksi vähäinen vuoropuhelu. Käyttäjädatalle rakentuvat mallit ja käytänteet eivät vielä kykene riittävästi vastaaman tämän hetken pedagogisiin haasteisiin. Varsinkin erilaisten yhteisöllisen oppimisen avainmekanismien tuominen analytiikalla visualisoitavaan muotoon vaatii vielä lisää tutkimus- ja kehitystyötä. Lisäksi opettajien tuominen tiiviimmin osaksi analytiikkajärjestelmien suunnittelua toisi käytännönläheisen näkökulman järjestelmien kehittämistyöhön, tuoden lisäarvoa analytiikan hyödyntämiselle. Näihin haasteisiin OAHOT-hankkeessa otettiin ensimmäisiä askelia, nostaen esille arvokkaita näkökulma oppimisanalytiikan jatkokehitystyöhön.

Tutkimuksen aikana nousi vahvasti esille jatketun oppimisanalytiikan (JOA) rooli ja mahdollisuudet. Oppimisanalytiikkakirjallisen puitteissa JOA on jäänyt sangen pieneen rooliin. Kuitenkin JOA voi toimia siltana vahvasti tietojenkäsittelytieteen traditiolle rakentuvan oppimisanalytiikkatutkimuksen edelleen kehittämiseen ja laajentamiseen. JOA tarjoaa välineitä tuoda pitkälle kehitettyjä kasvatustieteen ja psykologian instrumentteja syventämään pelkän käyttäjädatan varaan rakentuvaa analytiikkaa. Ylipäänsä, OAHOT-hankkeen myötä esille nousi vahvasti tarve kasvatustieteiden ja tietojenkäsittelytieteiden tiiviimmälle vuoropuhelulle. Oppimisanalytiikan perinteet nojaavat tietojenkäsittelytieteen tutkimukseen, erilaisten analyysimallien ja algoritmien kehittämiseen. Jatkossa tämän kehitystyön lähtökohdaksi ja tueksi tarvitaan vahvemmin kasvatustieteellistä osaamista. Kasvatustieteen avulla analytiikan tarjoamat mahdollisuudet voidaan kohdistaa niille alueille, joissa käyttäjädata ja JOA tarjoavat parhaimman lisäarvon.     

Kaiken kaikkiaan oppimisanalytiikka tarjoaa mielenkiintoisia mahdollisuuksia oppimistilanteiden ymmärtämiseen ja erilaisten oppimisprosessien tukemiseen. Analytiikan avulla voidaan tehdä näkyväksi oppimiseen ja opettamiseen liittyviä ilmiöitä tavalla, joka aikaisempien teknologioiden avulla ei ollut mahdollisia. Analytiikan hyödyntämistä osana oppimista, varsinkin perusasteella, on ajoittain kritisoitu mm. siitä, että analytiikka ohjaa oppimisprosessit vanhoihin ohjelmoidun oppimisen malleihin, estäen opiskelijoiden itseohjautuvan oppimisen sekä luovuuden. Analytiikka on nähty jopa eräänlaisena oppilaiden valvontajärjestelmänä. OAHOT-hankkeen myötä olemme voineet nostaa esille toisenlaisen näkökulman oppimisanalytiikkaan. Analytiikassa keskeistä on järkevä pedagogiikka. Oppimisanalytiikka on rakennettava palvelemaan opettajien pedagogisia tavoitteita, tuottamaan opettajille ja oppilaille tietoa oppimisen ydinmekanismeista. Oppimista ja opettamista on tutkittu kauan, tuloksena on syntynyt teorioita oppimisesta, pedagogisia malleja, tapoja organisoida oppimistilanne ja skriptata yhteisöllisiä oppimisprosesseja jne. Näiden pohjalta meillä on tietoa keskeisistä oppimista tukevista elementeistä. Analytiikan avulla nämä elementit pitää saada näkyviksi. Tavoitteena on tukea oppilaiden pedagogisesti mielekästä toimintaa, tukea heidän opiskelutaitojen kehittymistä hyödyntäen kasvatustieteen tarjoamaa tutkimustietoa.     

Lähteet:

Elmoazen, R., Saqr, M., Tedre, M., & Hirsto, L. (2022). A Systematic Literature Review of Empirical Research on Epistemic Network Analysis in Education. IEEE Access 10, doi: 10.1109/ACCESS.2022.3149812.​

Hirsto, L., López-Pernas, S., Saqr, M., Sointu, E., Valtonen T., & Väisänen, S. (painossa) (toim.). Proceedings of the First Finnish Learning Analytics and Artificial Intelligence in Education Conference (FLAIEC 2022), Joensuu, Finland 2022

Hirsto, L., Saqr, M., López-Pernas, S., & Valtonen, T. (painossa). A systematic narrative review of learning analytics research in K-12 and schools. Teoksessa, L. Hirsto, S. López-Pernas, M. Saqr, E. Sointu, T. Valtonen, & Väisänen S. (toim.) Proceedings of the First Finnish Learning Analytics and Artificial Intelligence in Education Conference (FLAIEC 2022), Joensuu, Finland 2022.​

Hirsto, L., Sointu, E., Valtonen, T., Turtiainen, M. & Väisänen, S. (2022). Learning analytics in teaching and learning processes in multiple contexts. Teoksessa, T. Bastiaens (toim.), Proceedings of EdMedia + Innovate Learning (pp. 359-361). New York City, NY, United States: Association for the Advancement of Computing in Education (AACE). Retrieved from https://www.learntechlib.org/primary/p/221312/.  

Hirsto, L., Valtonen, T., Saqr, M., Hallberg, S., Sointu, E., Kankaanpää, J., & Väisänen, S. (2022). Pupils’ experiences of utilizing learning analytics to support self-regulated learning in two phenomenon-based study modules. Teoksessa, E. Langran (toim.), Proceedings of Society for Information Technology & Teacher Education International Conference (pp. 1879-1885). San Diego, CA, United States: AACE.

Kleimola, R., López-Pernas, S., Väisänen, S., Saqr, M., Sointu, E., & Hirsto, L. (arvioitavana). Learning Analytics to Explore the Motivational Profiles of Practical Nurse Students: A Mixed-Methods Approach. Empirical Research in Vocational Education and Training. SpringerOpen.

López-Pernas, S., Kleimola, R., Väisänen, S., & Hirsto, L. (painossa). Early detection of dropout factors in Vocational Education: A large-scale case study from Finland. Teoksessa, L. Hirsto, S. López-Pernas, M. Saqr, E. Sointu, T. Valtonen, & Väisänen S. (toim.) Proceedings of the First Finnish Learning Analytics and Artificial Intelligence in Education Conference (FLAIEC 2022), Joensuu, Finland 2022. ​

Elmoazen, R., Saqr, M., Tedre, M. & Hirsto, L. (painossa). How Social interactions kindle productive online Problem Based Learning: an exploratory study of the temporal dynamics. Teoksessa, L. Hirsto, S. López-Pernas, M. Saqr, E. Sointu, T. Valtonen, & Väisänen S. (toim.) Proceedings of the First Finnish Learning Analytics and Artificial Intelligence in Education Conference (FLAIEC 2022), Joensuu, Finland 2022.​

Saqr, M., Elmoazen, R., Tedre, M., López-Pernas, S. & Hirsto, L. (2022). How well centrality measures capture student achievement in computer-supported collaborative learning? – A systematic review and meta-analysis. Educational Research Review 35, 100437.https://doi.org/10.1016/j.edurev.2022.100437

Saqr, M. & López-Pernas, S. (painossa). The idiographic paradigm shift needed: bringing the person back into research and practice. Teoksessa, L. Hirsto, S. López-Pernas, M. Saqr, E. Sointu, T. Valtonen, & Väisänen S. (toim.) Proceedings of the First Finnish Learning Analytics and Artificial Intelligence in Education Conference (FLAIEC 2022), Joensuu, Finland 2022.​

Saqr, M., Tuominen, V., Valtonen, T., Sointu, E., Väisänen S. & Hirsto, L. (2022). Teachers’ Learning Profiles in Learning Programming: The Big Picture! Frontiers in Education, advanced online publication, https://doi.org/10.3389/feduc.2022.840178

Sointu, E., Hirsto, L., Väisänen, S., Cutucache, C. & Valtonen, T. (2022). Insight of supporting the learning of a challenging content for special education preservice teachers with learning analytics. Teoksessa, T. Bastiaens (toim.), Proceedings of EdMedia + Innovate Learning (pp. 861-869). New York City, NY, United States: AACE. Retrieved from https://www.learntechlib.org/primary/p/221384/ ​

Sointu, E., Saqr, M., Valtonen, T., Hallberg, S., Väisänen, S., Kankaanpää, J., Tuominen, V., & Hirsto, L. (2022). Emotional behavior in quantitative research methods course for preservice teachers. Learning analytics approach. Teoksessa, E. Langran (toim.) Proceedings of Society for Information Technology & Teacher Education International Conference (pp. 1880-1889). San Diego, CA, United States: Association for the Advancement of Computing in Education (AACE). Retrieved from https://www.learntechlib.org/primary/p/220997/.

Sointu, E., Valtonen, T., Hallberg, S., Kankaanpää, J., Väisänen, S., Heikkinen, L., Saqr, M., Tuominen V., & Hirsto, L. (2022). Learning analytics and Flipped Learning in onlineteaching for supporting preservice teachers’ learning of quantitative research methods. Seminar.net – International Journal of Media, Technology & Life-long Learning, 18(1). https://doi.org/10.7577/seminar.4686 . 

Sointu., E., Valtonen, T., Väisänen, S. & Hirsto, L. (painossa). Flipped Online Approach with Learning Analytics for Supporting Higher Education Students’ Learning. Course Feedback Results. Teoksessa, L. Hirsto, S. López-Pernas, M. Saqr, E. Sointu, T. Valtonen & S. Väisänen (toim.) Proceedings of the Finnish Learning Analytics and Artificial Intelligence in Education Conference (FLAIEC22), Joensuu, Finland. CEUR Workshop Proceedings. Forthcoming

Valtonen, T., Hirsto, L., Sointu E., & Väisänen, S. (2022). Learning Analytics Pedagogy – Possibilities and Challenges. Teoksessa, T. Bastiaens (toim.), Proceedings of EdMedia + Innovate Learning (pp. 362-366). New York City, NY, United States: AACE. Retrieved from https://www.learntechlib.org/primary/p/221313/​

Valtonen, T., López-Pernas, S., Saqr, M., Vartiainen, H., Sointu, E. T., & Tedre, M. (2022). The nature and building blocks of educational technology research. Computers in Human Behavior, 128, 107123.​

Väisänen, S., Hallberg, S., Valtonen, T., Tervo I.-A., Kankaanpää, J., Sointu, E., & Hirsto, L. (2022). Pupils’ experiences of learning analytics visualizations in supporting self-regulated learning in an elementary school classroom. Seminar.net – International Journal of Media, Technology & Life-long Learning, 18(1). doi: 10.7577/seminar.4690

Posted on

OAHOT-blogi 4/2022: Teknologis-pedagogisia pohdintoja OAHOT-matkan varrelta

Kirjoittajat:

Susanne Hallberg, projektitutkija, Soveltavan kasvatustieteen ja opettajankoulutuksen osasto, Filosofinen tiedekunta, Itä-Suomen yliopisto, susanne.hallberg@uef.fi

&

Jenni Kankaanpää, väitöskirjatutkija, Soveltavan kasvatustieteen ja opettajankoulutuksen osasto, Filosofinen tiedekunta, Itä-Suomen yliopisto, jenni.kankaanpaa@uef.fi

Uutta oppimisympäristöä käyttöön otettaessa tai opintojaksoa muuten uudelleen järjestellessä on paljon pohdittavaa. OAHOT-hankkeessa oltiin uuden äärellä, kun opintojaksoja ja oppimiskokonaisuuksia (myöh. opintojaksot) rakennettiin uudelle verkkoalustalle: oli huomioitava alustan ominaisuudet ja toiminnot paitsi pedagogisesta, myös oppimisanalytiikan näkökulmasta. Tässä blogitekstissä kerromme kokemuksia ja havaintoja, joista voi olla hyötyä vastaavien opintojaksojen suunnittelussa ja toteutuksessa, ja miksei oppimisanalytiikan ja oppimisympäristöjen kehittämisessäkin.

Työskentelimme hankkeen työpaketeissa TP2 ja TP3 vastaten kunkin opintojakson rakentamisesta alustalle, hallinnoiden ympäristöä sekä tukien opettajia, oppijoita ja opettajaopiskelijoita. TP2:n korkeakoulukontekstissa opettajat suunnittelivat opintojaksonsa soveltaen käänteistä opetusta (flipped classroom/learning, ks. esim. Toivola ym., 2017) ja verkko- ja kontaktiopetusta eri tavoin yhdistelevää sulautuvaa oppimista (blended learning, ks. esim. Boelens ym., 2018). TP3:n peruskoulukontekstissa puolestaan työskentelimme yhdessä opettajaopiskelijoiden ja alakoulun luokanopettajien kanssa rakentaen ilmiökokonaisuuksia sekä pohtien yhteistoiminnallista oppimista alustaa hyödyntäen. Opettajilla oli hyvin erilaiset pedagogiset taustat, opintojaksojen opiskelijamäärät vaihtelivat kolmestakymmenestä pariin sataan ja opintojaksojen sisällöt olivat keskenään erityyppisiä.

Kaikilla opintojaksoilla oppimisympäristönä käytettiin samaa verkkoalustaa, jonka toiminnallisuudet painottuivat hieman eri tavoin riippuen opintojaksosta. Ympäristö koostui viikoittain avautuvista teemasivuista, jotka sisälsivät ohjeita, tehtäviä sekä oppimismoduuleja, jotka olivat mm. tekstejä, kuvia, videoita, sekä monivalinta- ja kirjoitustehtäviä sisältäviä diaesitys-tyyppisiä kokonaisuuksia. Moduulien käytöstä kerääntyi oppimisanalytiikkadataa, josta oppijat pystyivät seuraamaan edistymistään opintojaksolla ja sen tehtävissä. Lisäksi opettajat pystyivät seuraamaan oppijoiden etenemistä omasta näkymästään.

Opintojaksojen parissa työskentelyä voisi kokonaisuutena hahmottaa esimerkiksi Kohlerin ja Mishran (2009) TPACK-mallin kautta, jossa yhdistyvät sisältötieto (content knowledge, CK), pedagoginen tieto (pedagogical knowledge, PK) ja teknologinen tieto (technological knowledge, TK). Kaikki nämä elementit ovat yhteydessä toisiinsa yhdessä ja erikseen niin, että keskiössä on TPACK, teknologis-pedagoginen sisältötieto.

Käytännössä työmme oli tukea opettajia suunnittelu- ja toteutustyössä, jotta alusta tukisi oppimista mahdollisimman mielekkäällä tavalla. Luonnollisesti suunnittelutyön aikana aiheita käsiteltiin monesta eri näkökulmasta esimerkiksi sisältöjä ja pedagogista lähestymistapaa pohdittaessa. TPACK-mallissa roolimme sijoittuikin erityisesti teknologis-pedagogiselle rajapinnalle (TPK), kun taas opettajat ovat oman alansa sisällön (CK) asiantuntijoita.

Koska alustan tekniset ominaisuudet olivat meillekin uusia, olimme materiaaleja alustalle tehdessämme paljon yhteyksissä oppimisympäristön kehittäjän suuntaan. Syntyikin mielenkiintoista vuoropuhelua, jossa toimimme ikään kuin tulkkeina pedagogiikan ja teknologian rajapinnalla. Keskusteluissa oli huomioitava opettamisen ja oppimisen mielekkyys, ja pyrittävä samalla tunnistamaan teknologian tuomat mahdollisuudet ja haasteet pedagogisen lähestymistavan toteuttamiselle.

Suunnitteluvaihe

Oppimisanalytiikan näkökulma ja datan kertyminen tuli huomioida jo opintojaksojen suunnittelussa. Meidän oli ymmärrettävä, millaista tietoa alustalta voi kerätä ja nähdä, ja miten tieto voisi tukea opetusta ja oppimista. Tätä ymmärrystä pyrimme välittämään parhaamme mukaan opettajille selvittäen samalla heidän tarpeitaan.

Jotta oppijan toimintaa eli käyttäjädataa saatiin kerättyä, oli alustalla käytettävä tiettyjä toimintoja, esim. materiaalit ja tehtävät sijoitettava moduuleihin. Opettajat saattoivat myös luonnollisesti hyödyntää enemmän sellaisia tehtävätyyppejä ja työkaluja, joita he osasivat varmuudella käyttää. Pohdimmekin useaan otteeseen, mennäänkö ratkaisuissa pedagogiikka vai teknologia edellä, ja missä määrin analytiikan kerääminen tai alusta ohjaavat pedagogisia valintoja. Sisällöntuotannon ja alustan käyttämisen onkin oltava vaivatonta, jotta opettaja voi tarvittaessa soveltaa sitä erilaisiin pedagogisiin ratkaisuihin.

Suunnittelussa oli mietittävä tarkkaan, millaista palautetta oppija tarvitsee, sekä milloin annettava palaute olisi automaattista ja milloin opettajan antamaa. Joillakin opintojaksoilla opettajat hyödynsivät monivalintatehtäviä, joihin he määrittivät automaattisia palautteita oikein ja väärin menneistä vastauksista. Palautteet tarjosivat lisätietoa aiheesta. Ideoimme tehtäviä tarvittaessa opettajien kanssa ja valmistelimme ne mahdollisine palautteineen alustalle opettajien toiveiden mukaisesti. Kaikkiaan suunnittelu ja valmistelu vei runsaasti aikaa, mutta samalla opettajilta vapautui aikaa muihin asioihin opintojakson aikana.

Opintojaksojen aikana

Opintojaksojen ollessa käynnissä työtehtävissämme painottui sisältöjen näkyvyyksien sekä käyttäjien hallinta. Avasimme kokonaisuuksia näkyviin opettajan määrittelemässä aikataulussa, ja oppijat pystyivät seuraamaan etenemistään avoinna olevissa sisällöissä. Opintojakson vaiheittaisessa etenemisessä tavoitteena oli paitsi selkeys myös ohjauksellinen elementti, jotta oppijalle olisi helpompaa hahmottaa se, mitä milloinkin tuli opiskella ja mitä tehtäviä tehdä. Opintojaksojen aikana toimimme myös teknisenä tukena, mikäli joku asia ei oppijoilla näkynyt ja toiminut. Opettajien kanssa kävimme läpi etenemisen seurantaa ja sitä, mistä oppijoiden vastauksia pääsi katsomaan tarkemmin.

Opettajat olivat kiinnostuneita oppijoiden oppimisesta ja pulmista, ja reaaliaikainen etenemisen seuraamisen ja koontinäkymien tarve korostui. Suunnitteluvaiheessa punnittiin, mitä kaikkea on tärkeää kerätä analytiikan avulla, ja milloin jokin alustan ulkopuolelta löytyvä ratkaisu olisi tarkoituksenmukaisempi oppimisen ja opetuksen kannalta. TP3:n opintojaksoilla oppijat työskentelivät luokassa, joten opettajat seurasivat työskentelyä ja auttoivat tarvittaessa. TP2:n opintojaksoilla opiskeltiin pääsääntöisesti etänä ja kontaktitapaamiset olivat verkossa. Opettajat halusivat vähentää luennointia ja lisätä sosiaalista vuorovaikutusta esimerkiksi keskustelujen ja ryhmätehtävien avulla. Opintojaksot etenivät melko nopeasti ja sisältöjä oli paljon. Opettajat kokosivat tietoa etenemisestä ja pulmista erilaisten tehtävä- ja sovellusratkaisujen kautta kontaktitapaamisille. Tähän osa löysi ratkaisun alustan eri tehtävätyyppien hyödyntämisestä, osa käsitteli asiaa kontaktitapaamisissa ja osa hyödynsi jotakin muuta sovellusta kysymysten keräämiseen ja niihin vastaamiseen, sillä varsinaista keskustelufoorumia alustalla ei ollut käytössä ja keskustelun herättäminen verkkoympäristöissä saatetaan kokea haasteellisena. Anonyymin kirjoittamisen ympäristön oppijat kokivat kiinnostavana ja hyödyllisenä, koska kysymyksiä käytiin läpi kontaktikerroilla opettajan kanssa. Keskustelumahdollisuus loi turvan ja vuorovaikutuksen tunnetta, sillä oppija sai tarvittaessa apua pulmiinsa, eikä jäänyt etäopiskelussa pohdintojensa kanssa yksin. Lisäksi moni oppija kaipasi nimenomaan opettajan palautetta ja varmistusta siitä, onko ymmärtänyt asian oikein.

Opintojaksojen lopussa opettajat halusivat erityisesti tietää oppijoiden suoriutumisesta, nähdä suoritetut sisällöt ja tehtävät, sekä mahdolliset korjattavaksi palautettavat ja uudelleen arvioitavat tehtävät. Tässäkin vaiheessa koonnit ja visualisoinnit olisivat olleet hyödyksi arviointityössä.

Pohdintaa ja loppuaatoksia

Kaikkea emme pystyneet suunnitteluvaiheessa vielä huomioimaan, koska alusta oli meillekin uusi. Meillä itsellämme ei ollut varsinkaan hankkeen alussa vankkaa tietämystä, miten analytiikka toimii ja miten sitä kannattaisi hyödyntää, joten esimerkit valmiista toteutuksista olisivat auttaneet meitä ottamaan haltuun analytiikkaa sekä ohjaamaan opettajia sen käytössä. Opettajien opastamisessa alustan käyttöön haasteita toi myös se, että analytiikkadataa kertyy alustalle luonnollisesti vasta sitten, kun oppijat alkavat käyttää alustaa.

Tietämyksemme aiheesta kasvoi kuitenkin opintojakso kerrallaan. Etenimme suunnittelussa ja toteutuksessa kokeilevalla otteella, ja pystyimme hyödyntämään oppimaamme aina seuraavan opintojakson suunnittelussa ja opettajien opastamisessa. Huomasimme myös opettajien kanssa, että monien tehtävien toimivuus, sekä oppijoiden että opettajien näkökulmista, selvisi vasta opintojaksojen aikana. Näin ollen suunnitelmat, sisällöt ja tehtävät elivät ja muovautuivat opintojakson edetessä, mikä on yleensäkin tyypillistä opettajan työssä. Kaikkea ei ole mielekästä tai edes mahdollista suunnitella ennakkoon, joten oppimisympäristöjen pitäisi myös joustaa.

Erityisesti opettajien kanssa työskennellessä korostuivat koontien selkeys, alustan helppokäyttöisyys sekä pedagogiset ominaisuudet. Uskomme näiden tekijöiden palvelevan myös sellaisia koulutuksen ja oppimisen parissa työskenteleviä henkilöitä, jotka eivät ole pedagogiikan tai oppimisanalytiikan ammattilaisia.

Kaiken kaikkiaan lopuillaan oleva hanke oli erittäin opettavainen kokemus oppimisympäristöjen ja oppimisanalytiikan maailmaan ja jopa tietyllä tavalla ”kulissien taakse”. Pääsimme oppimaan paljon uutta mutta myös hyödyntämään omaa osaamistamme opintojaksoja rakentaessamme. Iso ja lämmin kiitos kaikille, joiden kanssa olemme yhteistyötä tehneet!

LÄHTEET

Boelens, R., Voet, M., & De Wever, B. (2018). The design of blended learning in response to student diversity in higher education: Instructors’ views and use of differentiated instruction in blended learning. Computers & Education, 120, 197–212. DOI: https://doi.org/10.1016/j.compedu.2018.02.009

Koehler, M., & Mishra, P. (2009). What is technological pedagogical content knowledge? Contemporary Issues in Technology and Teacher Education, 9(1), 60–70.

Toivola, M., Peura, P., & Humaloja, M. (2017). Flipped Learning. Käänteinen oppiminen. Edita.

Posted on

OAHOT-blogi 3/2022: Yliopisto-opiskelijoiden kokemuksia opintoihin kiinnittymisestä erilaisissa oppimisympäristöissä

Kirjoittaja:

Jenni Bäckman, projektitutkija, väitöskirjatutkija, Soveltavan kasvatustieteen ja opettajankoulutuksen osasto, Filosofinen tiedekunta, Itä-Suomen yliopisto, jenni.backman@uef.fi.

Tässä blogitekstissä tarkastelen ensimmäisen vuoden yliopisto-opiskelijoiden opintoihin kiinnittymisen rakentumista erilaisissa oppimisympäristöissä, joita tutkin pro gradu -tutkielmassani. Tutkielmassa tarkastelin opiskelijoiden kokemuksia opintoihin kiinnittymisestä poikkeusajan oppimisympäristöissä, jotka olivat käytössä koronapandemian aikaisessa opetuksessa. Opetus järjestettiin pääsääntöisesti etäopetuksena, mutta mahdollisuus lähiopetukseen ja siten opiskeluun hybridimallin mukaisesti oli mahdollista. Poikkeusajan opetuksella tarkoitetaan opetusta, joka jouduttiin koronapandemiasta johtuen äkillisesti siirtämään etäopetuksena järjestettäväksi (Hodges ym., 2020). Täten opetusjärjestelyiden osalta huomioitiin opetuksen järjestäminen terveysturvallisesti.

Opintoihin kiinnittyminen alkaa rakentua heti opintojen alkuvaiheesta lähtien ja siten opintoihin kiinnittymisen tutkiminen on tärkeää yliopisto-opintoihin siirtymisvaiheen kriittisyyden vuoksi. Keskeistä on, että opiskelija kokee sopeutuvansa opintoihinsa, jolloin opinnoissa pysyminen on todennäköisempää (Coertjens ym., 2017). Opiskelijan opintoihin kiinnittymiseksi tulisi hänen integroitua osaksi yliopiston akateemista ja sosiaalista elämää (Tinto, 1975). Tällöin opiskelija esimerkiksi arvioi opintojen mielekkyyttä ja tutustuu vertaisiin sekä siten muodostaa ystävyyssuhteita opiskeluyhteisössään. Se kuinka opiskelija tässä integroitumisprosessissaan onnistuu, edellyttää aktiivisuutta opiskelijalta itseltään. Tämän lisäksi opiskelijalle tulisi taata sellainen ympäristö, jossa opintoihin kiinnittymisen muotoutumista tuettaisiin (Krause & Coates, 2008).

Oppimiskäsitys korkeakoulukontekstissa on muuttunut opiskelijakeskeiseksi ja opetuksessa hyödynnetään aktiivisen oppimisen menetelmiä yhä enemmän. Aktiivisen oppimisen opetusmenetelmien keinoin voidaan tukea opiskelijan opintomenestystä ja pysyvyyttä opinnoissa (Freeman ym., 2014; Haak ym., 2011). Siten opetuksessa olisi tärkeää hyödyntää opiskelijan aktiivisuutta tukevia opetuskäytänteitä. Se kuinka oppimisympäristö mahdollistaa opiskelijakeskeisen opetuksen toteuttamisen, edellyttää tietoisuutta siitä, kuinka oppimisympäristöä ja sen ominaisuuksia käytetään aktiivisen oppimisen toteuttamiseksi. Tarve tiettyjen pedagogisten ja fyysisten ominaisuuksien suunnitteluun oppimisympäristöjen suhteen onkin kasvanut (Sasson ym., 2022).

Tutkielmassa tarkastelin poikkeusajan oppimisympäristöissä käytössä olleita opetusmalleja, etä-, hybridi- ja primetime-mallia. Etämallilla tarkoitetaan opetusta, joka on toteutettu täysin verkko-opetuksena. Tällöin luennot järjestettiin kokonaan etäyhteyden kautta. Hybridimallilla puolestaan tarkoitetaan opetusta, joka on toteutettu etä- ja lähiopetusta yhdistäen. Tällöin opetukseen on voinut halutessaan osallistua joko paikan päällä tai etänä. Primetime-tapaamiset puolestaan järjestettiin joko kokonaan etä- tai lähiryhmissä. Tutkielmaan osallistuneet opiskelijat osallistuivat lähitapaamisiin. Primetime-malli pohjautuu käänteiseen opetukseen (Koskinen ym., 2018), jossa opiskelijoiden aktiivisuutta omaa oppimistaan kohtaan korostetaan.

Tutkimuskysymysten mukaisesti tarkastelin tutkielmassa opintoihin kiinnittymistä erityisesti akateemisen ja sosiaalisen kiinnittymisen osalta. Akateemisella kiinnittymisellä tarkoitetaan akateemisten toimintamallien omaksumista, joka rakentuu opetuksellisessa vuorovaikutuksessa. Sosiaalisella kiinnittymisellä puolestaan tarkoitetaan sosiaalisten toimintamallien omaksumista, joka liitetään kaikkeen yliopisto-opintoihin liittyvään vuorovaikutteiseen toimintaan, kuten vertaissuhteisiin. Akateemisen ja sosiaalisen kiinnittymisen ulottuvuuksia ei kuitenkaan tulisi ajatella toisistaan täysin erillisinä, vaan ne nivoutuvat toisiinsa ja ovat osin toisistaan riippuvaisia.

Tutkielman tulosten mukaan opiskelijat kokivat tiettyjen pedagogisten käytänteiden tukeneen heidän akateemisen ja sosiaalisen kiinnittymisen muotoutumista. Opiskelijat toivoivat erityisesti etäopetukseen aktiivisen oppimisen mahdollisuuksia, kuten pienryhmätoimintojen (breakout-room) käyttöä, jossa he aktivoituivat työskentelemään yhdessä vertaisten kanssa. Tämän lisäksi opiskelijat kertoivat opintoihin kiinnittymistä tukevaksi käytänteeksi opettajan vierailut pienryhmissä, jolloin opiskelijat pystyivät pyytämään tukea tehtävien teossa. Sen sijaan opiskelijat kokivat passivoituneensa opettajajohtoisilla suurryhmäluennoilla, jolloin he kertoivat erityisen haastavaksi opetukseen osallistumisen ja siten myös keskittymisen etäluennon seuraamiseen.  

Opiskelijat kertoivat poikkeusaikana käytössä olleen hybridimallin haastavaksi erityisesti kahden ryhmän (etä ja lähi) välisen vuorovaikutuksen toteuttamiseksi. Puutteellinen tekniikka koettiin syyksi ryhmien väliseen heikkoon yhteyteen. Tällöin opettaja esimerkiksi kykeni keskittymään vain toisen ryhmän opettamiseen kerrallaan eikä siten luontevaa vuorovaikutusta kahden eri paikassa opiskelevan ryhmän välille muodostunut. Siten poikkeusajan hybridimallin koettiin heikosti tukeneen vertaisryhmien välistä akateemista ja sosiaalista opintoihin kiinnittymistä.

Opiskelijat kertoivat primetime-mallin edistäneen heidän aktiivisuuttaan opintoja kohtaan. He valmistautuivat primetime-tapaamisiin tekemällä ennakkotehtävät, jotta kykenisivät osallistumaan opetuksessa käytyyn keskusteluun niin vertaisten kuin opettajan kanssa. Siten opiskelijat näkivät primetime-mallin aktivoineen heitä ja edistäneen heidän vastuuntuntoaan opintoja kohtaan. Opiskelijat myös kertoivat osallistuneensa primetime-mallin lähitapaamisiin aina, kun se oli mahdollista. Tapaamisten jälkeen opiskelijat jäivät opiskelemaan yliopiston tiloihin yhdessä vertaisten kanssa terveysturvallisuus huomioiden. Tämä mahdollisuus koettiin tärkeänä erityisesti poikkeusaikana, sillä se oli yksi harvoista keinoista tutustua muihin vuosikurssin opiskelijoihin aidossa vuorovaikutuksessa.  

Tutkielman tulosten osalta voidaan ajatella opiskelijoiden kiinnittyneen opintoihin hyvin eri tavoin erilaisissa oppimisympäristöissä. Opiskelijoiden kokemusten mukaan aktiivisen opiskelun mahdollisuuksia tulisi tarjota näissä ympäristöissä. Erityisesti etämallissa ja suurryhmäluennoilla kiinnittymisen ongelmat tulivat odotetusti esille. Tällaisia opetusmalleja hyödyntäessä oppimisanalytiikka opiskelijoiden oppimisen tukemisessa ja opettajien pedagogisen päätöksenteon tukena voisi jatkossa tarjota uusia keinoja opiskelijoiden kiinnittymisen edistämisessä. Tulosten perusteella opetuksen pedagogiset valinnat tulisi suhteuttaa myös tilaan, jossa opetus järjestetään. Tällöin opiskelijoiden opintoihin kiinnittymistä kyettäisiin myös tukemaan erilaisin pedagogisin keinoin erilaisissa oppimisympäristöissä. Tämän kokemuksen mukaisesti opetuksen suunnittelussa keskeistä olisi huomioida oppimisympäristön edellytykset opiskelijakeskeisen pedagogiikan toteuttamiseen opiskelijan opintoihin kiinnittymisen tukemiseksi.   

Lähteet

Coertjens, L., Brahm, T., & Trautwein, C. (2017). Students’ transition into higher education from an international perspective.  Higher Education, 73, 357–369.

Freeman, S., Eddy, S. L., McDonough, M., Smith, M. K., Okoroafor, N., Jordt, H., & Wenderoth, M. P. (2014). Active learning increases student performance in science, engineering, and mathematics. Proceedings of the National Academy of Sciences of the USA, 111(23), 8410–8415.

Haak, D. C., HilleRisLambers, J., Pitre, E., & Freeman, S. (2011). Increased structure and active learning reduce the achievement gap in introductory biology. Science, 332(6034), 1213–1216.

Hodges, C. Moore, S., Lockee B., Trust, T., & Bond, A. (2020). The difference between emergency remote teaching and online learning. Educause review. Retrieved from https://er.educause.edu/articles/2020/3/the-difference-between-emergency-remote-teaching-and-online-learning.

Koskinen, P., Lämsä, J., Maunuksela, J., Hämäläinen, R., & Viiri, J. (2018). Primetime learning: collaborative and technology-enhanced studying with genuine teacher presence. International Journal of STEM Education, 5(20). https://doi.org/10.1186/s40594-018-0113-8

Krause, K. & Coates, H. (2008). Students’ engagement in first-year university. Assessment & Evaluation in Higher Education 33(5), 493–505. 

Sasson, I., Malkinson, N., & Oria, T. (2022). A constructivist redesigning of the learning space: the development of a sense of class cohesion. Learning Environments Research 25, 183–197.

Tinto, V. (1975). Dropout from Higher Education: A theoretical Synthesis of Recent Research. Review of Higher Education 45, 89–125. 

Posted on

OAHOT Blogi 2/2022: Alakoulun oppilaiden kokemuksia oppimisanalytiikkavisualisoinneista

Kirjoittaja:

Sanna Väisänen, tutkijatohtori, OAHOT-hankkeen projektipäällikkö, Soveltavan kasvatustieteen ja opettajankoulutuksen osasto, Filosofinen tiedekunta, Itä-Suomen yliopisto, sanna.m.vaisanen(at)uef.fi

Tässä blogitekstissä tarkastelen alakouluikäisten oppilaiden kokemuksia oppimisanalytiikkavisualisointien hyödyntämisestä heidän oman oppimisensa tukena pohjaten konferenssiesitykseen ja siitä kirjoitettuun artikkeliin (kts. Väisänen et al., in press). Vaikka oppimisanalytiikkaa on enenevissä määrin hyödynnetty ja tutkittu korkeakoulussa, on sen käyttö ja tutkimus olleet huomattavasti vähäisempää nuorempien oppijoiden kohdalla. Erilaisten teknologioiden muutettua fyysisiä ja digitaalisia oppimisympäristöjä on teknologia kuitenkin tarjonnut monia mahdollisuuksia tukea ja parantaa oppimista. Myös OAHOT-hankkeessamme lähdimme tutkimaan, kuinka oppilaat ja opettajat voivat tukea oppimisen itsesäätelyä ja työskentelyä hyödyntäen opetusteknologian mukanaan tuomia mahdollisuuksia.

Tärkeänä lähtökohtana oli rakentaa oppimisalusta (a learning management system, LMS) ja oppimisympäristö, joka tukee ja ohjaa oppijaa oppimisessaan. Keskeisenä teoreettisena lähtökohtana pidimme tässä Zimmermanin (2002) teoriaa oppimisen itsesäätelystä. Oppimisalustan rakenteeseen oli siis sisällytetty omien tavoitteiden asettelua oppimiselle, oman oppimisen seuraamista sekä tavoitteiden mukaisen oppimisen arviointia jokaisen oppitunnin osalta. Tämä voidaan nähdä merkityksellisenä esimerkiksi siksi, että Murdoc-Eatonin ja Whittlen (2012) mukaan oppijoiden tulisi saada taitoja elinikäiseen oppimiseen sekä oppimisen itsesäätelyyn ja mukautua joustaviin oppimisympäristöihin. Oppimisen itsesäätely nähdäänkin keskeisenä kouluissa nykyisin. Lisäksi oppimisanalytiikan nähdään tarjoavan tehokkaita tapoja tukea opettajien pedagogisia käytänteitä, jotka korostavat oppijoiden itsesäätelyä ja metakognitiivista ajattelua (Ifenthaler & Schumacher, 2016).

Tutkimuksessamme digitaalisen oppimisjärjestelmän kautta toteutuva opiskelu ja oppiminen tapahtuivat fyysisessä luokkatilassa, jossa myös opettajat antoivat tarvittaessa ohjausta ja kohdennettua tukea oppilaille. Viidennen ja kuudennen luokan oppilaat tutustuivat ilmiölähtöisen opintojakson aikana avaruuteen lukien erilaisia, valmiiksi heille tuotettuja sisällöllisiä tekstimuotoisia materiaaleja ja katsoen videoita sekä tehden tehtäviä paitsi oppimisalustalla myös konkreettisesti itse ja yhdessä toisten oppilaiden kanssa. Oppimateriaali ohjasi oppilaita asettamaan omalle oppimiselleen jokaiselle oppitunnille tavoitteet ja opetuskerran jälkeen myöskin tarkastelemaan omaa oppimistaan. Lisäksi erilaiset lyhyet kyselyt ohjasivat oppilaita pysähtymään opiskelunsa äärelle ja pohtimaan sitä. Oppimisympäristön kautta oppilaat pystyivät myös seuraamaan omaa edistymistään esimerkiksi suoritusprosenttien ja suorituksen tilan sekä tehtävien automaattisen tarkistuksen kautta. 

Tutkimuksemme kautta huomasimme, että alakoulukontekstissa oppimisen itsesäätelyn ennakointivaiheeseen kuuluva tavoitteiden asettelu oli haastavaa osalle oppilaista, samaten kuin näiden tavoitteiden seuraaminen, vaikkakin oppimisalusta oli rakennettu tavoitteiden asetantaa ja seuraamista silmällä pitäen. Tätä ajatellen opetuksessa olisikin merkityksellistä pohtia, kuinka tietoisesti ohjata oppilaita asettamaan oppimiselleen tavoitteita, ja miten digitaaliset oppimisalustat voisivat tukea oppilaita tässä paremmin. Tutkimuksemme tulokset osoittivat myös, että yleisesti ottaen oppilaat kykenivät reflektoimaan omaa oppimistaan sen suhteen, mitä olivat oppineet ja mikä puolestaan oli häirinnyt oppimista.

Tutkimuksemme osoitti myös, että oppilaat saivat tukea ja ohjausta eri läheistä sisältäen tukea sekä oppimisalustasta ja sen tarjoamasta oppimisanalytiikkatiedosta että opettajalta ja vertaisilta. Havaitsimmekin, että vaikka oppimisalusta itsessään oli rakennettu vahvasti itsenäiselle tekemiselle, olivat vertaisten tuki ja oppimisen yhteissäätely myös merkityksellisiä oppilaiden oppimisprosessissa. Oppimisalusta tarjosi oppilaille myös ohjeita, kuvia ja videoita, jotka vähensivät avun tarvetta opettajien suunnasta. Oppilaat ottivat vastuuta omasta oppimisestaan, vaikkakaan he eivät seuranneet aivan oletetun mukaisesti omaa oppimistaan alustan tarjoaman Oma eteneminen -sivun kautta. Oppilaat kuitenkin kertoivat seuraavansa saamiaan suoritusprosentteja aktiivisesti ja ne myös koettiin motivoivina. Osa oppilaista esimerkiksi tavoitteli korkeita suoritusprosentteja, ja he tekivät tehtäviä uudelleen tavoitteidensa mukaisesti.

Kokemukseni mukaan oppimisalusta, joka tarjoaa oppijoille tietoa oppimisprosessista sekä antaa vahvan tuen itseohjautuvalle tekemiselle, voi toimia tehokkaana tukena opiskelun eri vaiheissa. Oppilaita, etenkin alakoulukontekstissa, on hyvä kuitenkin ohjeistaa seuraamaan omaa oppimistaan aina tietoisesta tavoitteiden asettamisesta oman oppimisen seuraamisen kautta oman oppimisen reflektointiin. Zimmermanin (2002) mukaan oppimisen itsesäätely onkin syklinen prosessi ja esimerkiksi asetetuilla tavoitteilla on merkitystä oppimisen reflektoinnin kannalta. Oppilaita olisikin merkityksellistä tukea monin eri tavoin tarkastelemaan aktiivisesti omaa oppimistaan ja ottamaan vastuuta omasta oppimisprosessista ja näin saavuttamaan nykypäivänä paljon korostettuja elinikäisen oppimisen taitoja kyetäkseen vastaamaan alati muuttuvan maailman vaateisiin.

Lähteet

Ifenthaler, D., & Schumacher, C. (2016). Student perceptions of privacy principles for learning analytics. Educational Technology Research and Development, 64(5), 923–938. doi: 10.1007/s11423-016-9477-y

Murdoch-Eaton, D., & Whittle, S. (2012). Generic skills in medical education: Developing the tools for successful lifelong learning. Medical Education, 46(1), 120–128. doi: 10.1111/j.1365-2923.2011.04065.x

Väisänen, S., Hallberg, S., Valtonen, T., Tervo I.-A., Kankaanpää, J., Sointu, E., & Hirsto, L. (in press). Pupils’ experiences of learning analytics visualizations in supporting self-regulated learning in an elementary school classroom. Seminar.net. Media, Technology & Lifelong Learning.

Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory into Practice, 41, 64–79. doi:19.1207/s15430421tip4102_2

Posted on

OAHOT BLOG 1/2022: Finnish Learning Analytics and Artificial Intelligence in Education Conference 2022 – Emphasizing educational perspectives in LA and AI research

Writer:

Sanna Väisänen, post-doctoral researcher, project manager of OAHOT, School of applied educational science and teacher education, Philosophical faculty, University of Eastern Finland, sanna.m.vaisanen(at)uef.fi

In cooperation with Business Finland funded OAHOT project, and DIGS Research Comminuty, University of Eastern Finland (UEF) is organizing the first Finnish conference on learning analytics and artificial intelligence (FLAIEC 2022), with a special research interest in the aspects of teaching, learning and education. The conference will be arranged in Joensuu, Finland, on September 29–30, 2022. The main focus of the conference is how learning analytics and artificial intelligence can support teaching and learning in all contexts of education. In the FLAIEC 2022, we bring together researchers from different countries and various disciplinary traditions to present their research in the field of learning analytics and artificial intelligence, to discuss the use of them to support learning and the role of education and educational science in learning analytics and artificial intelligence.

FLAIEC 2022 conference will bring together researchers in various stages from doctoral students to professors. The two-day conference will include four world-class keynote speeches as well as many presentations. Our distinguished keynote speakers are well-known scholars from Australia (Professor Dragan Gašević), Germany (Professor Dirk Ifenthaler) and Finland (Professor Sanna Järvelä; Professor Laura Hirsto) representing the fields of learning analytics and education.

Dragan Gašević is Professor of Learning analytics of the Faculty of Information technology and Director of the Centre of Learning analytics at Monash University. His research focuses on computational methods that advance understanding of self-regulated and collaborative learning. Sanna Järvelä is Professor in the field of learning and educational technology at the University of Oulu. Her research interests are in social aspects of self-regulated learning (SSRL). Dirk Ifenthaler is Professor and Chair of Learning, Design and Technology at University of Mannheim. His research focuses on cognitive psychology, educational technology, and data analysis. Laura Hirsto is Professor of Educational Science at the University of Eastern Finland. Her research interests are in higher education students’ and primary school level pupils’ learning and motivational processes, and in variations of effective teaching and learning environments.

The FLAIEC 2022 conference also includes conference proceedings in CEUR Workshop Proceedings where the results of conference can be read. Moreover, the OAHOT blog will introduce more conference greetings in the fall.

More information about FLAIEC 2022: https://sites.uef.fi/flaiec/

FLAIEC 2022 -flyer
Posted on

OAHOT-blog 4/2021: Learning analytics from general insights to personal control

Writer:

Mohammed Saqr, senior researcher, project researcher in the OAHOT-project

We are living in a digitized world, where almost every service is digitized in Finland. The digitalization of services resulted in large amounts of data about users. Consequently, data took the center stage in our life and has become the driver for improving many services. For instance, data is used to help improve banking services and to better recommend products (Romero & Ventura, 2020). Investing in the possibilities of data is at its highest in history and is expected to continue to rise as more and more digital services are consumed (Saqr, 2017). Learning is no exception; learners generate massive amounts of data that can be used to improve learning, teaching and the learning platforms (Saqr, 2015).

Learning analytics has emerged to harness the potential of data in learning environments (Saqr, 2015). In simple words, learning analytics tries to translate students’ clicks into recommendations and advice (Romero & Ventura, 2020). In doing so, the results of research can help a teacher to understand how his/her class is doing, who needs support and what kind of support they need (Saqr et al., 2019). As we understand learning better, we have the opportunity to improve it and offer our students a better service (López-Pernas et al., 2021). Learning analytics can also help decision makers so that decisions about students are better informed by the data.

So far, there have been many examples where learning analytics have helped students, teachers and administrators to improve learning, or improve decision making. But, it is not as easy as it seems, learning is complex and dynamic, by complex I mean it involves all of our senses, is influenced by environment and peers, and develops over time (dynamic). Therefore, we still have many unexplored potential and opportunities (Romero & Ventura, 2020).

Learning analytics is not without challenges. However, the most pressing challenge is how to balance privacy with usability. This is not a trivial issue, since we should never compromise students’ privacy and right to control over their data, and in the same time, be able to help them with their learning. There is intensive work going to solve this dilemma, such as proposing guarantees, policies and strict protocols. The bottom-line of such efforts is that students’ privacy and autonomy are preserved and well-respected (Tsai & Gasevic, 2017). 

A new innovative approach gives the student total control over their data to be collected, saved and analyzed on the student device (López-Pernas & Saqr, 2021; Saqr & López-Pernas, 2021). In that approach, students have control over which data is collected from which devices and apps. This control implies that students can add data sources and choose which data are collected and for how long. Algorithms are trained locally (e.g., on the phone) using  student’s own data. The concept of training means in simple words that algorithms need some data to learn. The algorithms try to learn some patterns in the data and generate rules or predictions. For instance, for an algorithm to learn to identify giraffe photos we feed it with many photos of giraffes. The algorithm will learn that an animal with a long neck is probably a giraffe. In the same way, if we feed the algorithm data from the same student, it will be able to learn more relevant information about that student. This is in contrast to current implementations that collect data from many different people and algorithms generate insights based on it.

The implementation on the student’s own phone will make insights generated and displayed in a personalized learning analytics dashboard based on students’ own data. If the students want, they can enable sharing data and/or insights. Which implies that the student can opt-in sharing and choose which data to share, for how long, and with whom. An advantage of this approach is that the student retains the data between institutions, figure (1).

Algorithms are not foolproof, and humans are far from predictable or consistent and therefore, learning from past data may not tell us how the future unfolds. Nonetheless, it may offer reasonable guidance and help.

Figure 1 proposed personal learning analytics model (López-Pernas & Saqr, 2021)

References

López-Pernas, S., & Saqr, M. (2021). Idiographic learning analytics: A within-person ethical perspective. Companion Proceedings 11th International Conference on Learning Analytics & Knowledge (LAK21), 310–315.

López-Pernas, S., Saqr, M., & Viberg, O. (2021). Putting it all together: Combining learning analytics methods and data sources to understand students’ approaches to learning programming. Sustainability: Science Practice and Policy, 13(9), 4825.

Romero, C., & Ventura, S. (2020). Educational data mining and learning analytics: An updated survey. WIREs Data Mining and Knowledge Discovery, 10(3), e1355.

Saqr, M. (2015). Learning analytics and medical education. International Journal of Health Sciences, 9(4).

Saqr, M. (2017). Big data and the emerging ethical challenges. International Journal of Health Sciences, 11(4), 1–2.

Saqr, M., & López-Pernas, S. (2021). Idiographic learning analytics: A single student (N=1) approach using psychological networks. Companion Proceedings 11th International Conference on Learning Analytics & Knowledge (LAK21), 397–404.

Saqr, M., Nouri, J., & Jormanainen, I. (2019). A learning analytics study of the effect of group size on social dynamics and performance in online collaborative learning. In M. Scheffel, J. Broisin, V. Pammer-Schindler, A. Ioannou, & J. Schneider (Eds.), Lecture Notes in Computer Science (Vol. 11722, pp. 466–479). Springer, Cham.

Tsai, Y.-S., & Gasevic, D. (2017). Learning analytics in higher education — challenges and policies: a review of eight learning analytics policies. Proceedings of the Seventh International Learning Analytics & Knowledge Conference, 233–242.

Posted on

OAHOT-blogi 3/2021: Ei oppi(misanalytiikka) ojaan kaada. Tutkimusperustaista esimerkkiä oppimisanalytiikkaa hyödyntävästä etäopetuksesta

Kirjoittaja:

Erkko Sointu, yliopistotutkija (tenure track), OAHOT-hankeen yliopistokontekstityöpaketin (TP2) johtaja, Kasvatustieteiden ja psykologian osasto (KAPSY), Filosofinen tiedekunta (FILO), Itä-Suomen yliopisto (UEF), erkko.sointu (a) uef.fi 

Tässä blogikirjoituksessa tarkastelen oppimisanalytiikkaa (OA) mikrotasolla sitä hyödyntävän yliopistokontekstin opettajan ja tutkijan näkökulmasta. Jos analytiikan tarkastelun tasot eivät tule heti mieleen, suosittelen vilkaisemaan Hirston ja Väisäsen (2021, huhtikuu) erinomaista OAHOT-blogitekstiä niistä ja yleisemminkin. Blogitekstissäni käyn läpi hieman OA:n taustaa valitsemastani pedagogisesta vinkkelistä, minkä jälkeen pureudun OA:a hyödyntävään pedagogiikkaan esimerkkien avulla, avaan omaa opetustani, sen suunnittelua ja etäyhteysteknologioiden käyttöä, vuorovaikutusta sekä lopuksi kerron hieman saamastani opintojaksopalautteesta ja uunituoreista tutkimustuloksista.

OA:n hyödyntämistä oppimisessa ja opettamisessa on nostettu viime vuosina voimakkaasti esiin. OA tarkoittaa yksinkertaisesti sitä, että tietokoneelta kertyvää tietoa opiskelijan työskentelystä sekä oppimisesta hyödynnetään reaaliaikaisesti oppilaan oppimisen seurantaan. Myös opettajat voivat siis hyödyntää tietoa oppimisen ja työskentelyn tukemisessa. OA antaa opettajille työkalun yksilöllistää opetustaan erilaisille oppijoille (Kuhl ym., 2009) ja tukea opetusta sekä opiskelijoiden oppimista (Siemens, 2013). OA:a voidaan hyödyntää niin kasvokkain tapahtuvassa opetuksessa kuin myös etäopetustilanteissa. Esimerkiksi Koronan aiheuttaman pakotetun digiloikan ja etäopetuksen myötä, OA:n käytöstä tuli oiva väline opettajan työkalupakkiin oppimisen yksilöllistämisen ja tuen näkökulmasta. OA-dataa voidaan käyttää myös tutkimuksessa, mutta tutkimuseettisesti ja tietosuojan kannalta tutkimusta on tärkeä pohtia heti suunnittelusta alkaen. Vaikka OA:n käyttö kuulostaa yksinkertaiselta, sen toteuttaminen niin oppijan kuin opettajan näkökulmasta on haastavaa. Erityisenä haasteena on sellaisen koulutuksen puute opettajille, jossa voitaisiin huomioida OA pedagogisia käytänteitä tukea opiskelijoita (vrt. Kuhl ym., 2019; Leitner ym., 2019). Miten siis käytännössä oppimisanalytiikkaa opetuksessa voitaisiin lähteä tutkimusperustaisesti kehittämään?

OAHOT-hankkeen tarkoituksena on tutkia oppimisanalytiikkaa oppijan – niin oppilaiden (peruskoulu) kuin opiskelijoiden (yliopisto) – itsesäätelyn näkökulmasta. Oppimiseen liittyy aina vahvasti opetus, sen vuoksi OAHOT-hankkeessa tarkastellaan tutkimusperustaisesti OA:n käyttöä pedagogiikassa. Hanke onkin tarjonnut tämän blogitekstin kirjoittajalle erinomaisen mahdollisuuden tutkimukseen, mutta erityisesti tutkimusperustaiseen kehittämiseen opettajan näkökulmasta. ’Kädet saveen’ ja menoksi on hieno tapa ymmärtää opettamista ja pedagogista ajatteluaan. Toteutin elämäni ensimmäisen opintojakson OAHOT-hankkeen yhteistyökumppanin Valamiksen alustalla loppuvuodesta 2020. Opintojaksona toimi ehkä kaikkien opettajaopiskelijoiden eniten rakastama (lue inhoama) Kvantitatiivinen tutkimus 2 harjoitukset. Vaikka opintojakso on haasteellinen, jopa pelottava opiskelijoille, olen aiemmin pyrkinyt opetukseni toteuttamaan siten, että määrällisten menetelmien tutkimusmaailma aukeaisi paremmin, olisi vähemmän pelottava, jopa mielekäs, osoittaen ettei oppi ojaan kaataisi. Samat lähtökohdat rakensivat opintojaksoani myös nyt. Pedagogiseksi lähestymistavaksi valitsin flippauksen (ks. lisätietoa Sointu ym., 2021) etäopetusmoodilla. Osaamistavoitteiden ohella flippauksessa on opiskelijatutkimuksen mukaan tärkeää avata heille käytettävä opetuksellinen lähestymistapa, luoda turvallinen opiskeluilmapiiri, antaa rakentavaa palautetta ja tähdätä opetuksessa ymmärrystä lisäävään oppimiseen käyttäen mielekkäitä pedagogisia keinoja (esim. Hyypiä ym., 2019; Sointu ym., 2019).

Omassa opetuksessani avaankin opetuksellisen lähestymistavan ja ajatukset oppimisympäristön taustalla, jossa opiskellaan, sekä kerron opiskelijoiden itsesäätelyn, ajankäytön ja oman tavoitteenasettelun ymmärtämisen tärkeydestä. Oppijan aktiivista roolia lähdetään tällä tavoin rakentamaan opetuksen alusta alkaen. Turvallinen ilmapiiri luodaan opettajan läsnäololla ja halulla auttaa sekä ymmärtää opiskelijoita haasteellisissakin tilanteissa. Etäopetuksessa tästä on erityisesti huolehdittava, sillä opettajalla ei ole kontaktiopetuksen vuorovaikutusta käytössä. Rakentava ja aktiivinen palaute toteutuu vuorovaikutuksessa opiskelijoiden kanssa niin koko ryhmän kesken, pienryhmissä kuin yksilöohjauksessakin. Ymmärtämään tähtäävä opetus nousee esiin opettajan pedagogisesta ajattelusta, valinnoista ja toisaalta opettajaidentiteetistä. Oletko tiedon siirtäjä (perinteinen opetus) vai oletko oppimisen ohjaaja? Ymmärtämiseen tähtäävä opetus rakentuu aina suunnittelusta lähtien, jossa opettaja tarkastelee sisällön (kvantitatiiviset menetelmät) pedagogiikkaa (flippaus ja etäopetus) oman ammattitaitonsa ja ymmärryksensä myötä.

Vaikkakin etäopetus Korona-aikaan on aiheuttanut harmaita hiuksia opettajien keskuudessa, flippaus tarjosi mainiot lähtökohdat opetuksen toteuttamiseen. Opintojakso toteutettiin siten, että opetus rytmitettiin oppimisen kannalta mielekkäiksi osiksi oppimistavoitteita seuraten kuuteen harjoituskertaan ydinainesanalyysin (eli opintojakson sisällön tarkemman pohdinnan) perusteella. Opiskelijoilla oli sähköisessä oppimisympäristössä saatavilla lyhyitä sisältö- (esim. miksi tehdään ja mihin tarkoitukseen) ja ohjevideoita (miten tehdään opintojaksolla käytössä olleella ohjelmalla). Videoihin liittyi aina pdf-muotoiset kirjalliset ohjeet. Näiden pohjalle rakennettiin tehtäviä, joita tehtiin tilasto-ohjelmalla. Tehtävien vastaukset palautettiin monivalintakysymyksiin vastaamalla tai lyhyillä kirjallisilla raportointitehtävillä. Monivalintatehtävissä annettiin vastaajalle automaattisesti tieto oikeista vastauksista ja väärien vastausten jälkeen sai tiedon oikeasta vastauksesta sekä ohjeen siitä, mitä kannattaisi vielä kerrata. Opiskelijat kokivat opintojaksostapalautteen perusteella nämä tiedot hyödyllisiksi ja käytännön hyvin toimivaksi. Kirjallisten tehtävien vastauksia tarkastin manuaalisesti ja tarvittaessa kommentoin niitä. Lisäksi aina ennen harjoituskertaa oli lähtötiedon testi ja lopuksi lopputiedon testit, jolloin opettajana pystyin seuraamaan tilannetta, yksilöllistämään opetusta sekä ymmärtämään, miten asioita on opittu. Kokonaisuudessaan OA:n näkökulmasta pystyin saamaan tietoa opiskelijoiden opiskelusta heidän oppimisensa jälkiä seuraamalla, esimerkiksi videoiden ja pdf-ohjeiden käytöstä, tehtäviin vastaamisesta ja etenemisestä.

Edellä mainittujen lähtökohtien ohella etäopetuksessa käytettiin kahta etäyhteysteknologiaa (Zoom ja Teams) vuorovaikutuksen mahdollistajana. Zoom oli koko harjoitusryhmän käytössä ja siellä käytiin yhteistä keskustelua aina harjoituskerran alussa ja lopussa. Opiskelijoiden toiveesta Zoom pidettiin muutoin rauhoitettuna, ellei analytiikka näyttänyt suurempaa tarvetta ohjaukselle. Jos opiskelija koki tarvetta käydä asiaa läpi yhdessä kanssani tarkemmin, ottivat he minuun yhteyttä Teamsin kautta, joka oli minulla auki toisella laitteella. Teams mahdollisti useamman henkilön ottamisen myös yhteiseen ryhmään, jolloin samaa asiaa voidaan yhdessä pohtia. Opiskelijoiden yhteiseen työskentelyyn en vaatinut mitään tiettyä vuorovaikutusteknologian käyttöä, ja monet opiskelijat käyttivätkin myös omia teknologioita (esim. WhatsApp) vertaisoppimiseen. Osa opiskelijoista muodosti myös yhteisiä ryhmiä toistensa koteihin koronarajoitukset huomioiden. Tällainen Zoom-Teams -tandemkäyttö antoi mahdollisuuden edetä omaan tahtiin ja pyytää tukea tarvittaessa. Oppimisanalytiikka yhdistettynä monipuoliseen etäyhteysteknologiaan antoi mahdollisuuden opettajalle reagoida oppimisen esteisiin niitä havaitessaan. Käyttämälläni OA:lla ja etäyhteysteknologioilla pystyin kompensoimaan etäopetuksessa heikompaan asemaan jäävän fyysisen vuorovaikutuksen. Toisin sanoen koen, että OA ja etäyhteysteknologian yhtäaikainen käyttö rikastavat mahdollisuuksia opettaa paremmin ja myös rakentaa opiskelijatuntemusta sekä vuorovaikutusta, etäisyydestä huolimatta.

No oliko tästä sitten mitään hyötyä? Tarkastelen tätä vielä lopuksi keräämäni opiskelijapalautteen ja alustavan tutkimusdatan näkökulmista. Opiskelijapalaute oli hyvin positiivista, esimerkiksi opintojakson opiskeluilmapiiriä, vuorovaikutusta ja toteutus- sekä suoritustapoja pidettiin kiitettävinä, jopa lähestyen erinomaista. Työmäärä oli 79 % mielestä sopiva opintopisteisiin suhteutettuna. Sanallisessa palautteessa opiskelijat arvostivat opintojen selkeää rakennetta, omaehtoista etenemistä, positiivista meininkiä ja vuorovaikutusta sekä sitä, että uskalsi kysyä tarvittaessa. Toisaalta kaivattiin vielä selkeämpiä pdf-ohjeita ja tarkempaa otsikointia oppimisalustan käytössä. Tutkimusdatana kerättiin sekä OA-dataa (eli opiskelijoiden käyttödataa ympäristöstä) että jatkettua OA-dataa viiden kyselyn muodossa. Kyselyissä tarkasteltiin itsesäätelyn näkökulmia, orientaatiota sekä tilastomenetelmien opiskelun koettua ahdistusta, tylsyyttä ja opiskelunautintoa. Ensimmäisen ja viidennen mittauspisteen välillä havaittiin kyselydatan perusteella, että opiskelijoiden ajanhallinta parani ja opiskelun välttelyorientaatio laski merkittävästi. Lisäksi tilastomenetelmien opiskelun koettu ahdistuneisuus ja tylsyys vähenivät. Toisaalta sisäinen motivaatio ja kvantiopintojen merkitys omalle opettajan ammatille laskivat.

Vaikkakin opettajalle työtä ja opiskelua riitti OA:sta, koin onnistuneeni, sillä sain opiskelijat oppimaan ja vähemmän ahdistumaan määrällisten menetelmien koukeroista. Toki kehitettävää merkityksen ja sisäisen motivaation lisäämisessä opetuksessa on ja materiaaleissa voin vielä parantaa. Mutta viimeinen johtopäätökseni olkoon, ettei oppi(misanalytiikka) ojaan kaada edes määrällisten menetelmien opetusta tahi opettajaa, saati opiskelijaa, vaan päinvastoin, OA tukee menetelmien oppimista, kunhan mielekkäitä pedagogisia lähestymistapoja käytetään ja opetusta suunnitellaan hyvin.

Lähteet 

Hirsto, L. & Väisänen, S. (2021, huhtikuu). Oppimisanalytiikkaa itseohjautuvan oppimisen ja pedagogiikan tueksi. OAHOT-blogi 2/2021, haettu osoitteesta https://blogs.uef.fi/oahot/. 

Hyypiä, M., Sointu, E., Hirsto, L., & Valtonen, T. (2019). Key components of learning environments in creating a positive flipped classroom course experience. International Journal of Learning, Teaching and Educational Research, 18(13), 61–86.  

Kuhl, P., Lim, S.-S., Guerriero, S., & van Damme, D. (2019). Developing minds in the digital age: Towards a science of learning for 21st century education. OECD Publishing. 

Leitner, P., Ebner, M., & Ebner, M. (2019). Learning analytics challenges to overcome in higher education institutions. Teoksessa D. Ifenthaler, J. Y.-K. Yau, & D.-K. Mah (toim.), Utilizing learning analytics to support study success (pp. 91-104). Springer. 

Siemens, G. (2013). Learning analytics: The emergence of a discipline. American Behavioral Scientist, 57(10), 1380–1400. 

Sointu, E. T., Kankaanpää, J., Saarelainen, M., Valtonen, T., Ronkainen, A., Heikkinen, L., Kaasinen, A. R., Pekkarinen, V., Atjonen, P., Manninen, J., Mäkitalo, K., & Hirsto, L. (toim.) [toim.] (2021). Flippausmanuaali, 2. painos. Haettu osoitteesta https://sites.uef.fi/flippaus/. ISBN: 978-952-61-3755-1 

Sointu., E., Valtonen, T., Kankaanpää, J., Hyypiä, M., Heikkinen, L. & Hirsto, L. (2019). Ingredients for a positive view of Flipped Classroom in higher education. In J. Van Braak et al., (Eds.), Proceedings of EdMedia: World Conference on Educational Media and Technology (pp. 1690-1697). Amsterdam, Netherlands: AACE. 

Posted on

OAHOT-blogi 2/2021: Oppimisanalytiikkaa itseohjautuvan oppimisen ja pedagogiikan tueksi

Kirjoittajat:

Laura Hirsto, professori, OAHOT-hankkeen johtaja, Soveltavan kasvatustieteen ja opettajankoulutuksen osasto (SKOPE), Filosofinen tiedekunta (FILO), Itä-Suomen yliopisto (UEF), laura.hirsto(a)uef.fi

&

Sanna Väisänen, tutkijatohtori, OAHOT-hankkeen projektipäällikkö, SKOPE, FILO, UEF, sanna.m.vaisanen(a)uef.fi

Peruskoulun oppilaiden ja korkeakouluopiskelijoiden itseohjautuvuuteen liittyvä osaaminen ja sen tukeminen on herättänyt viime aikoina paljon julkista keskustelua; missä määrin lapset ja nuoret ovat kykeneviä asettamaan tavoitteita, seuraamaan, monitoroimaan ja arvioimaan omaa oppimistaan, ja miten heitä pitäisi näissä taidoissa tukea. Itseohjautuvaa oppimista voidaan tarkastella vaiheittaisena prosessina, jossa tavoitteiden asettaminen, oman oppimisen seuraaminen ja arviointi seuraavat toisiaan (vrt. Zimmerman, 2000; Panadero, 2017). Itseohjautuvan oppimisen prosessin voidaan ajatella olevan käynnissä tavalla tai toisella kaikissa oppimistilanteissa, mutta tavoitteiden asettaminen ei välttämättä tapahdu tietoisesti tai ei onnistu mielekkäästi, taikka oppija ei aina osaa arvioida sitä, missä määrin hän on saavuttanut asetettuja tavoitteita. Itsesäätelyn vaiheittainen prosessi löytyy monesta oppimisen itsesäätelyn teoriasta (esim. Pintrich, 2004; Zimmerman, 2011; Panadero, 2017).

Yhtäältä näyttää siltä, että nyky-yhteiskunnan muutostahti ja koulutukselliset polut sekä valintojen aikaistuminen koulutuspolussa vaativat lapsilta, nuorilta ja nuorilta aikuisilta entistä enemmän määrätietoisuutta ja tavoitteellisuutta oman osaamisen jatkuvan kehittämisen harjoittelussa ja ylläpitämisessä. Toisaalta digitaalisten oppimismahdollisuuksien kehittäminen ja niiden luontainen joustavuus tarjoavat oppijalle mahdollisuuksia tällaiseen joustavaan ja omaehtoiseen itsensä kehittämiseen. Tämä vaatii kuitenkin opettajilta selkeää pedagogista osaamista. Myös työelämässä tarvittava oman osaamisen jatkuva kehittäminen ja oman oppimisen suuntaaminen ovat tärkeitä taitoja. Samaan aikaan tieto- ja viestintäteknologisten sovellusten ja sosiaalisen median monesti houkutteleviksi koetut viihteellisemmät sisällöt, ja näiden helppo saatavuus, ovat omiaan asettamaan haasteita oppijan oman toiminnan säätelylle ja siten määrätietoiselle itseohjatulle oppimiselle. Yksi lupaava itseohjautuvaa oppimista tukeva väline sekä oppijoille että opettajille on oppimisanalytiikka (eng. learning analytics), mutta se vaatii vielä tarkempaa tutkimusta ja tutkimusperustaisten toimivien pedagogisten mallien kehittämistä.

Oppimisanalytiikasta puhutaan paljon ja siitä ollaan kiinnostuneita myös opetuksen ja oppimisen tutkimuksen sekä kehittämisen kentällä. Teknologian ja sen käyttäjän välisestä vuorovaikutuksesta kerätty data on nähty lupaavana keinona edistää oppimisprosessin ymmärtämistä (esim. Gašević, Dawson, & Siemens, 2015). Viime vuosina tutkijoiden kiinnostus on kasvavissa määrin kohdistunut oppimisanalytiikkaan ja sen tutkimiseen. Myös opettajat ovat alkaneet jossakin määrin hyödyntää oppijoiden opintojen etenemiseen liittyvää oppimisanalytiikkaa, jota jonkin verran eri oppimisalustoilla on ollut tarjolla. Oppimisanalytiikkaa on määritelty pitkään alan ensimmäisessä konferenssissa (International Conference on Learning Analytics and Knowledge) esitetyn määritelmän mukaisesti. Sen mukaan oppimisanalytiikka tarkoittaa oppilaan tai opiskelijan oppimistapahtumissa tuottaman datan keräämistä ja analysoimista, jonka tarkoituksena on optimoida oppimista ja oppimisympäristöjä (LAK, 2011). Oppimisanalytiikkaa voidaan tarkastella makro-, meso- tai mikrotasolla (Buckingham Shum, 2012). Makrotasolla viitataan esimerkiksi kansalliseen opintojen etenemisen seurantaan, mesotasolla yliopistotasoiseen opintojen etenemisen seurantaan ja mikrotasolla oppijoiden yksilö- ja ryhmätasoiseen käyttäytymiseen ja vuorovaikutukseen erilaisilla oppimisalustoilla.

Sisältöjen oppimisen rinnalla yleisempien 2000-luvun taitojen oppiminen on noussut merkitykselliseksi eri kouluasteilla. 2000-luvun taidot pitävät sisällään esimerkiksi yhteistyötaitoja, tieto- ja viestintätekniikan käyttötaitoja sekä oppimaan oppimisen taitoja (esim. Voogt & Pajera Roblin, 2012). Näiden 2000-luvun taitojen oppiminen on asetettu koulutuksen tavoitteeksi eri kouluasteilla ja korkeakoulutuksessa, ja työelämässä ne ovat tärkeitä oman osaamisen jatkuvan kehittämisen näkökulmasta. Oppimisen itsesäätelyn ja itseohjautuvuuden osaaminen on elämänlaajuisen sekä jatkuvan oppimisen vaatimusten valossa keskeinen menestystekijä työelämän tarvitseman osaamisen kehittämisessä. On myös havaittu, että uudenlaisissa ja usein teknologialla tuetuissa oppimisen tavoissa itseohjautuvuus nousee yhä keskeisempään asemaan (Schunk & Zimmerman, 2008). Lisäksi oppimiskeskeisessä opetuksessa oppijat joutuvat säätelemään toimintaansa ja tehtäviään enemmän kuin perinteisessä opetuksessa, sillä se tarjoaa esimerkiksi enemmän autonomiaa ja omaa vastuunkantoa omasta opiskelusta ja oppimisesta (Pintrich, 2004). Tämä ei kuitenkaan tarkoita opettajan roolin merkityksen vähenemistä, mutta siihen kohdistuu oppijan oppimisen kannalta erilaisia tarpeita.

Erilaisilla pedagogisilla menetelmillä voidaan tukea oppijoita suunnitelmallisempaan opiskeluun. Esimerkiksi käänteisen opetuksen avulla heikommin omaa oppimistaan säätelevien opiskelijoiden näyttää olevan mahdollista pysyä opetuksessa paremmin mukana ja suoriutua opinnoissa samaan tapaan kuin hyvin omaa oppimista säätelevät opiskelijat, mutta jos heikossa säätelyssä yhdistyy tehtävää välttelevät toimintatavat, opiskelijoiden suoriutuminen voi olla heikompaa (esim. Hyppönen, Hirsto, & Sointu, 2019). Näyttää myös siltä, että oman oppimisen säätelynprosessi omien oppimistavoitteiden asettamisen näkökulmasta ei ole aivan itsestään selvä myöskään yliopisto-opiskelijoilla, jos se on haasteellista perusopetuksen oppilaille. Esimerkiksi Hirsto, Väisänen ja Arffman (2019) havaitsivat, että opettajaopiskelijat eivät näyttäneet asettavan selkeitä tavoitteita omalle oppimiselleen kurssitasolla.

OAHOT- ”Oppimisanalytiikan hyödyntäminen itseohjatun oppimisen tukemisessa eri konteksteissa” -tutkimushankkeessa tarkastellaan oppijoiden itseohjautuvan oppimisen osaamisen kehittymistä, oppimisprosessia ja sen keskeisiä elementtejä useammassa oppimisen kontekstissa samoja oppimisanalytiikan välineitä hyödyntämällä. Tutkimushankkeen tavoitteena on tutkia miten, ja millaisella oppimisanalytiikalla edistetään itseohjattua oppimista ja sitä tukevaa pedagogiikka sekä selvittää oppimisanalytiikan keinoin oppimisprosessien keskeisiä korkealaatuisen osaamisen kehittymistä tukevia elementtejä perusopetuksessa, yliopistossa ja ammatillisessa koulutuksessa.

Hankkeen tuloksena tavoitellaan tutkimusperustaisen ymmärtämisen lisäämisen lisäksi oppimisanalytiikkaa hyödyntävän mielekkään pedagogisen prosessin systeemisen mallin rakentamista joustavissa ja oppijan oppimisprosessiin optimoiduissa oppimisympäristöissä. Samalla tutkimushanke tarkastelee muun muassa seuraavia kysymyksiä: Miten ja millaisella oppimisanalytiikalla edistetään oppimista? Minkälaiset elementit ovat merkittäviä itseohjautuvuutta tukevan oppimisalustan suunnittelussa? Mikä tekee oppimisalustasta toimivan itseohjautuvan oppimisen tukemisen näkökulmasta? Minkälaista on oppimisanalytiikkaa mielekkäästi hyödyntävä pedagogiikka? Miten oppimisanalytiikan hyödyntäminen pitäisi huomioida pedagogisessa ja didaktisessa suunnittelussa? Näihin kysymyksiin tullaan pureutumaan tulevissa blogikirjoituksissa oppimisentutkijoiden ja oppimisanalytiikan tutkijoiden, oppimisanalytiikan hyödyntäjien ja sen kehittäjien näkökulmista.

Lähteet:

Buckingham Shum, S. (2012). Learning Analytics. Draft for comment: UNESCO IITE Policy briefing, http://simon.buckinghamshum.net/wp-content/uploads/2012/10/UNESCOIITE-LearningAnalytics.v4.pdf. Luettu 1.4.2021

Gašević, D., Dawson, S., & Siemens, G. (2015). Let’s not forget: Learning analytics are about learning. TechTrends, 59(1), 64-71.

Hirsto, L., Väisänen, S., & Arffman, A. (2019). Exploring students’ experiences of self-regulated learning during a large flipped classroom course in teacher education. International Journal of Learning, Teaching and Educational Research, 18(13), 107–132. doi: 10.26803/ijlter.18.13.6

Hyppönen, L., Hirsto, L., & Sointu, E. (2019). Perspectives on university students’ self-regulated learning, task-avoidance, time management and achievement in a flipped classroom context. International Journal of Learning, Teaching and Educational Research, 18(13), 87–106. doi: 10.26803/ijlter.18.13.5

LAK (2011). What is learning analytics? Osoitteessa https://www.solaresearch.org/about/what-islearning-analytics/. Luettu 1.4.2021.

Panadero, E. (2017). A Review of self-regulated learning: six models and four directions of research. Frontiers in Psychology 8, 1–28. doi: 10.3389/fpsyg.2017.00422

Pintrich, P. R. (2004). A conceptual framework for assessing motivation and self-regulated learning in college students. Educational Psychology Review, 16(4), 385–407.

Schunk, D., & Zimmerman, B. (2008). Motivation and self-regulated learning. Theory, Research, and applications. Routledge.

Voogt, J., & Pajera Roblin, N. P. (2012). A comparative analysis of international frameworks for 21st century competences: Implications for national curriculum policies. Journal of Curriculum Studies, 44(3), 299–321. doi: 10.1080/00220272.2012.668938

Zimmerman, B. (2000). Attaining self-regulation: A social cognitive perspective. Teoksessa M. Boekaerts, P. Pintrich & M. Zeidner (toim.), Handbook of self-regulation (pp. 13–39). Academic Press.

Zimmerman, B. (2011). Motivational sources and outcomes of self-regulated learning and performance. Teoksessa B.J. Zimmerman & D.H. Schunk (toim.), Handbook of self-regulation of learning and performance (pp. 49–64). Routledge.