1.
Analytiikan avulla
parempaa oppimista?
Oppimisanalytiikka ja
oppimisen suunnittelu
Marko Teräs (TAMK)
Minna Koskinen (JAMK)
Pedaforum 2019, Helsinki
http://apoa.tamk.fi
Facebook.com/TheApoaProject
twitter.com/TheApoaProject

2.
Oppimisanalytiikan (yksi) määritelmä
”…oppijasta kertyvien tietojen keräämistä, mittaamista, analysointia ja
raportointia siten, että tarkoituksena on ymmärtää ja optimoida oppimista ja
oppimisympäristöjä”
(Siemens 2013, suomennos Auvinen 2017)

3.
Oppimisanalytiikan potentiaalista
Oppimisanalytiikka on identifioitu lupaavimmaksi teknologiaksi joka tukee
oppimisen personointia, ja muuttaa koulutuksen ja jopa kurssisuunnittelun
data-pohjaisten oivallusten ansiosta.
(esim. Schmitz, Van Limbeek, Greller, Sloep, & Drachsler (2017), s. 210)

4.
Opiskelijadatan keräämisestä
Argumentti:
Opiskelijoista ja heidän käyttäytymisestään kerätään oppimisalustoilla,
järjestelmissä ja laitteiden avulla paljon dataa. … Nämä opiskelijoiden
oppimisprosessia ja käyttäytymistä kuvaavat tiedot auttavat opettajia
muokkaamaan kurssejaan ja oppimistehtäviä lennossa kurssin aikana.
(Schmitz ym. 2017, s. 210).

5.
Avoimia kysymyksiä
1. Entä jos kurssi on lähtökohtaisesti ”huonosti” suunniteltu ja/tai se ei
kerrytä (oikeanlaista) dataa oikeaan aikaan?
2. Mutta vielä tärkeämmin, millaista on se data joka tukee parempaa
kurssisuunnittelua varsinkin silloin kun (suuri) osa aktiivisuudesta
tapahtuu dataa keräävien alustojen ulkopuolella (esim. Whatsapp,
informaalit tilanteet?) mutta joilla on opiskelijoille tärkeä rooli
oppimisessa?

6.
Esimerkkiopintojakso ja esimerkkejä mahdollisista
dataa kerryttävistä oppimistilanteista
Oppimistilanne Selite/kysymyksiä/esimerkkilainaus
1. Simulaatioympäristön käyttö ”Eikä se anna sulle palautetta, jos sä saat tulokset, sä
oot umpiossa ja katot, ”Onks tää hyvä, vai onks tää
huono?” Ja opettaja koittaa sanoo, että näin se on ja
kenellekään ei tainnu jäädä siitä yhtään mitään käteen.”
Ei käytetty datana.
2. Kentällä annettava työnäyte ”…sitä ei välttämättä pureta ikinä. Sitte vaa saadaan
arvosana. että ’Noin sulla meni.’ Mun mielestä mulla
meni se ihan hyvin ja mä sain siitä ykkösen, enkä mä tiiä
mitä mä tein siinä väärin.” Ei käytetty datana?
3. Tentti ”Sit kun tentti lähestyy, niin oppiminen nousee, ihan
omaehtoinen oppiminen, koska tulee pieni pakko”.
Opiskelijat usein lukevat aineistoja offline, aktiivisuus
kertyy opintojakson loppuosioon.

7.
Esimerkkiopintojakso ja esimerkkejä mahdollisista
dataa kerryttävistä oppimistilanteista
Oppimistilanne Selite/kysymyksiä/esimerkkilainaus
4. Vapaamuotoiset ruokapöytäkeskustelut, tarinoiden
jakaminen ja Whatsapp-viestintä
Tärkeitä oppimisen kannalta, ei kerrytä tai ei käytetty
datana.
5. Vierailu alan ammattilaisten keskuudessa Keskustelut ammattilaisen kanssa aidossa tilanteessa
koettiin opettavaksi, ymmärrys oman osaamisen
tasosta kasvoi. Henkilökohtaiset raportit jotka purettiin
ryhmässä. Millaista kehitysdataa tämä voisi olla?

8.
Kuinka autenttisena ja hyvänä datanlähteenä pidätte
seuraavaa opintojaksoesimerkkiä ja kuinka se voisi
tukea analytiikan kautta opetuksen ja oppimisen
kehittämistä sekä kurssi- ja oppimisympäristöjen
suunnittelua?

9.
Koko ryhmän kesken niin WhatsAppin kautta ja jos opettajaan pitää olla
yhteydessä, niin sähköpostilla ja saatetaan laittaa koko luokalle viestiä samalla
ja sitte joissain kursseissa on sitten, että on semmosia keskustelualustoja, siel
(Moodlessa) juurikin, niin sinne pitää käydä laittamassa viestiketjua, sitä
käytetään jonkun verran. Ne on sit semmosia pakollisia, et sinne on pakko
käydä kirjoittamassa vähintään kolmeen kohtaan.
Ne on todella kömpelöitä ja tosi vaikee seurata, se alustana ei oo mikään paras
viestisovellus.
Yritetään kirjoittaa se kirjalliseen muotoon, mitä me siel ruokapöydässä
ollaan puhuttu.
Niin ja pakosta.”
”

10.
Yhteenveto 1
Argumentti: Opiskelijoista kertyy dataa jonka avulla voidaan ymmärtää ja kehittää
oppimista, oppimisympäristöjä ja opintokokonaisuuksia.
Todellisuus: Aina ei kerry merkityksellistä dataa kurssien aikana, koska
1. Oppimisen teot tapahtuvat ”järjestelmien” ulkopuolella tai niistä ei kerry tai kerätä
käytettävää dataa (ruokapöytäkeskustelut, Whatsapp, harjoittelu, vierailut, projekti)
2. Kurssisuunnittelu pohjautuu pääsääntöisesti tiedonvälittämiseen ja loppukokeeseen
(loppupainotteinen kurssisuunnittelu), jolloin kurssinaikaisia oppimisen tekoja 1) ei
kenties juurikaan ole, 2) niistä ei kerry dataa tai 3) mahdollisesti kertyvää dataa ei
hyödynnetä arvioinnissa tai palautteessa. Myös: monet opiskelijat lataavat kaiken
koneelleen ja työskentelevät offline.
Päätelmä: Tällöin ei luultavasti kerry tarpeeksi laadukasta dataa, jonka avulla kehittää ja
optimoida opetusta, oppimista ja oppimisympäristöjä, varsinkaan ”on the go”.

11.
Yhteenveto 2
Loogisesti, jos oppimisanalytiikkaa halutaan käyttää kehittämiseen ja
optimoimiseen, opintojen pitää olla pedagogisesti suunniteltu sillä tavalla,
että oikeanlaista dataa kertyy ja että se tulkitaan oikealla tavalla.
Mitä tarkoittaa oikea data ja tulkinta vaatii edelleen syvempää aiheen
ymmärtämistä erilaisissa oppimiskonteksteissa (kts. esim.
tieteenalakohtaiset erot opetuksellisissa lähestymistavoissa Nevgi,
Lindblom-Ylänne ja Levander 2009).

12.
Yhteenveto 2: Pohdittavaksi
Jos muutamme kursseja ja oppimisympäristöjä siihen suuntaan, että dataa
kertyy lisää, pilaammeko mahdollisesti jotain mikä on jo hyvää mutta ei tuota
dataa, esimerkiksi informaaleja oppimisen tilanteita?

13.
“Let’s not forget:
Learning analytics are
about learning”
Gašević, Dawson ja Siemens (2015)

14.
Lähteet
Auvinen, A.-M. (2017). Oppimisanalytiikka tulee - oletko valmis? Suomen eoppimiskeskus
Ry. https://poluttamo.fi/2017/08/02/oppimisanalytiikka-tulee-oletko-valmis/
Gašević, D., Dawson, S., & Siemens, G. (2015). Let’s not forget: Learning analytics are
about learning. TechTrends, 59(1), 64-71. https://doi.org/10.1007/s11528-014-0822-x
Schmitz, M., van Limbeek, E., Greller, W., Sloep, P., & Drachsler, H. (2017). Opportunities
and Challenges in Using Learning Analytics in Learning Design. In Proceedings,
European Conference on Technology Enhanced Learning (pp. 209-223). Springer,
Cham.
Siemens, G. (2013). Learning analytics: The emergence of a discipline. American
Behavioral Scientist, 57(10), 1380-1400.

15.
Marko Teräs
Email: marko.teras@tuni.fi
Twitter: @markoteras
Minna Koskinen
Email: minna.koskinen@jamk.fi
http://apoa.tamk.fi
Facebook.com/TheApoaProject
twitter.com/TheApoaProject
APOA font Kitten Family by Zetafonts http://www.zetafonts.com/collection/521