DigiKilta: Arviointijuna - Lasse Leponiemi, operatiivinen johtaja, HundrED
ITK-datapaja: Esimerkkejä ja kokeiluja oppimisanalytiikasta - Kari A. Hintikka
1. Esimerkkejä ja kokeiluja oppimisanalytiikasta
ITK17, Aulanko
Datapaja 5.4.
Otavan Opisto
Kari A. Hintikka
2. Esityksen sisältö
● Otavan Opisto, oppimisympäristö Muikku ja oppilashallinto Pyramus
● Oppimisanalytiikka
● My Data ja digitaalinen jalanjälki
● Oppimisanalytiikan perusprosessi
3. Otavan Opisto lyhyesti
● Kansanopisto, joka tutkii, tuottaa, kehittää ja ylläpitää koulutuksen,
opetuksen ja oppimisen palveluita
● Kehittävä ja kokeilulaboratoriomainen toiminta sekä tulevaisuuksien
tutkimus
● Perustettu 1892, noin 700 etäopiskelijaa ja 30 kampus-opiskelijaa
● Nettilukio, nettiperuskoulu, Internetix
5. Pyramus
● Avoimeen lähdekoodiin perustuva oppilaitoksen hallinnointi- ja
suunnittelujärjestelmä
● Tallennetaan henkilö- ja yhteystietojen lisäksi mm. opiskeluun,
opintojen etenemiseen ja suoritteisiin liittyviä tietoja
6. Oppimisanalytiikka (learning analytics)
● Uudenlainen analysointi- ja suunnittelukokonaisuus, joka perustuu
oppilaan itsensä tuottamiin digitaalisiin jalanjälkiin esimerkiksi
kurssisuorituksissa ja aktiviteeteissa verkotetuissa
oppimisympäristöissä
● Datan avulla voidaan ennakoida:
○ oletettavia pudokkaita
○ hitaasti eteneviä
○ keskimääräistä nopeammin valmistuvia
○ oppia nopeammin ja itsenäisesti suoriutuvien opiskelusta
→ Voidaan arvioida opiskelijoiden ohjaustarpeita varhemmin ja
henkilökohtaisemmin.
7. My Data ja digitaalinen jalanjälki
● My Datalla (omadata, mydata) tarkoitetaan ihmisen itsensä
tuottamaa dataa. Nykyään suosittuja ovat muun muassa
hyvinvointirannekkeet sekä mobiilisovellukset, jotka mittaavat unta
● My Data mahdollistaa opiskelijakohtaisen opetussuunnitelman, jolla
voidaan tukea opiskelijaa aiempaa tehokkaammin.Se tarjoaa myös
opiskelijalle itselleen mahdollisuuden oman oppimisen reflektointiin
ja työkaluja itseohjautuvuuden kehittämiseen.
8. Oppimisanalytiikan perusprosessi
1. Oppilaasta kerätään dataa tietosuoja huomioiden
2. Dataa verrataan joko toisiin opiskelijoihin (kuten MOOC-kurssi) tai
aiempiin opiskelijoihin (kuten Otavan Nettilukio) erilaisilla
analyysityökaluilla, kuten
a. Neuroverkko
b. Verkostoanalyysi
c. Excel- ja muut taulukko/tilastosovellukset
d. MOOC:ien sovellukset, kuten EdX
3. Datasta tuotetaan usein visualisointi, joka helpottaa erityisesti
suurien opiskelijamäärien hahmottamista
4. Havaintojen pohjalta arvioidaan opiskelijoiden ohjaustarpeita ja
suunnitellaan ja tarvittaessa kehitetään ohjausta (tai kehitetään
MOOC-kurssia etc)
5. Henkilökohtainen ohjaus (tai kurssin kehittäminen etc.)
10. Miksi tehdään? Runsaasti hyötyjä
● Opiskelijamäärät suuria
● Opiskelijoiden lähtötilanteet hyvin erilaisia
● Opintojen etenemisen seuraaminen perinteisillä menetelmillä vie
paljon ohjaajien aikaa.
● Helpottaa ohjaustarpeiden arviointia - yksilöllinen tukeminen
● Työkaluja ohjaajille puuttua oikeisiin asioihin (oikeaan aikaan)
● Opintojen keskeyttämisen ehkäiseminen
● Opiskelijan oman opiskeluprosessin tukeminen
● Nopeasti eteneviltä opiskelijoilta oppiminen
● Pedagogiikan ja oppimisympäristön kehittäminen
11. Otavan Opisto oppimisanalytiikan kimpussa
● Mitä on tehty tähän mennessä
○ Neuroverkko-kokeiluja oppimisprofiilien ja pudokkaiden
tunnistamiseksi
○ Verkosoanalyysi-kokeiluja oppimisprofiilien ja pudokkaiden
tunnistamiseksi
○ ‘Liikennevalot’ opiskelijoista opiskelutahdin havaitsemiseksi
● Mitä tehdään Poluttamossa, esimerkkejä
○ Automatisoidut ilmoitukset opintojen viivästymisestä opiskelijalle
○ Vapauttaa ohjaajien työaikaa sekä saadaan dataa myös niistä jotka
eivät opiskele
○ VOPS - visuaalinen henkilökohtainen opintosuunnitelma
○ Oppilasprofilointi - millaiset opiskelijat opiskelevat
12. Neuroverkko
● Mikä on neuroverkko?
● Ilmoittautumiskäyttäytymisen ja suoritteiden korrelaatio →
15. Verkostoanalyysi
● Verkostoanalyysi on menetelmä, jossa tarkastellaan kytköksiä ja
verkoston jäsenten välillä
● Verkostoanalyysi ei kerro yksittäisestä opiskelijasta, vaan
esimerkiksi opiskelijoiden taustamuuttujien suhteista (kuten ikä,
elämäntilanne)
● Voidaan esimerkiksi valita 23-43-vuotiaat keskeyttäneet opiskelijat
ja tarkastella, millä taustatekijöillä on voimakas kytkös toisiinsa
● Näin voidaan olettaa, että uusi opiskelija, jolla on tietyt taustatekijät,
voidaan ottaa ohjaukseen jo ennen opintojen alkamista
17. ○ VOPS - visuaalinen henkilökohtainen opintosuunnitelma -
○ Tuore VOPS-katsaus julkaistu
18. Pohdintoja matkan varrelta
● Miksi tätä tehdään?
● Mitä tietoja saa kerätä?
● Mitä tietoja halutaan kerätä ja siihen liittyvää eettistä pohdintaa
● Opiskelijoille tiedottaminen
● Muuttujien valinta
○ Mitkä muuttujat parhaita indikaattoreita
○ Mitkä muuttujat toimivat neuroverkossa
19. Kysymyksiä ja jatko
● Miten huomioida että opiskelija opiskelee myös muualla?
○ Opiskelu josta ei jää jälkeä
● Data ei ole neutraalia!
● Millainen oppimiskäsitys taustalla?
● Datan keräämistä pyritään tehostamaan
○ Erityyppisten oppijoiden tunnistaminen vahvemmaksi
● Esim. opiskelijan toiminta oppimisympäristössä
● Oppimisympäristön kehitystyö
● Eettiset pohdinnat