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.

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. 

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

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

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.

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.

OAHOT-blogi 1/2021: ”Oppiminen ja oppimisanalytiikka – tutkimuksellisia näkökulmia” – ”Learning and Learning Analytics – Research-based Perspectives” -OAHOT-blog

Tämä blogi ”Oppiminen ja oppimisanalytiikka – tutkimuksellisia näkökulmia” on perustettu Business Finlandin rahoittaman ”Oppimisanalytiikan hyödyntäminen itseohjatun oppimisen tukemisessa koulutuspolun eri vaiheissa -OAHOT” -tutkimus- ja kehittämisprojektin yhteydessä. Blogissa on tarkoitus tarkastella oppimisanalytiikkaan ja oppimiseen liittyviä ajankohtaisia kysymyksiä. OAHOT -hankkeen erityisenä tavoitteena on tutkia miten ja millaisella oppimisanalytiikalla edistetään itseohjautuvaa/itseohjattua oppimista sekä selvittää oppimisanalytiikan keinoin oppimisprosessien keskeisiä korkealaatuisen osaamisen kehittymistä tukevia elementtejä eri konteksteissa. Blogissa oppimisen ja oppimisanalytiikan käsittelemisessä voidaan tarkastella teemaa myös laajemmin. Blogi kirjoitukset voivat olla suomeksi taikka englanniksi.

Blogin toimituskunta: Professori Laura Hirsto, Professori Matti Turtiainen, Professori Teemu Valtonen, Yliopistotutkija (tenure track) Erkko Sointu ja Tutkijatohtori Sanna Väisänen

Tervetuloa uuteen blogiimme! Jos sinulla on mielessäsi kiinnostava teema, jota mielestäsi oli kiinnostavaa käsitellä tässä blogissa, laita ehdotuksesi osoitteeseen oahot (a) uef.fi

—-

“Learning and Learning Analytics – Research-based Perspectives” -blog has been established in connection with the research and development project “Utilization of Learning Analytics in Supporting Self-Directed Learning at Different Stages of the Educational Path” funded by Business Finland (2020-2022). The blog is intended to look at current issues related to learning analytics and learning in general and in various context. The specific goal of the OAHOT -project is to study how and what kind of learning analytics promote self-regulated/self-directed learning and to find out the key elements supporting the development of high-quality competence in different contexts by means of learning analytics. In the blog, when dealing with learning and learning analytics, the theme can also be looked at more broadly. Blog posts can be in Finnish or English.

Editorial board of the OAHOT-blog: Professor Laura Hirsto, Professor Matti Turtiainen, Professor Teemu Valtonen, Assistant professor (tenure track) Erkko Sointu ja Post-doctoral researcher Sanna Väisänen

Welcome to your new blog! If you have suggestions for interesting themes that should be discussed in this blog, please email your suggestion to us oahot (a) uef.fi