Analytiikan avulla parempaa oppimista? Oppimisanalytiikka ja oppimisen suunnittelu (Pedaforum-päivät 2019)

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