osumatarkkuutta ohjaukseen itk15
TRANSCRIPT
OSUMATARKKUUTTA OHJAUKSEEN DATAN
AVULLA - AJATUKSIA OPPIMISANALYTIIKASTA
ITK15, Aulanko
Perjantai klo 09:30 - 10:00, Esityssali 35
Otavan Opisto
Miia Siven, Anna Harmaa, Kari A. Hintikka
Otavan Opisto
• Kansanopisto, joka tutkii, tuottaa, kehittää ja ylläpitää
koulutuksen, opetuksen ja oppimisen palveluita
• Kehittävä ja kokeilulaboratoriomainen toiminta
• Aikuislukio ja aikuisten perusopetus sekä kampuksella että
verkossa
• Nettilukiossa ja nettiperuskoulussa yhteensä n. 700 opiskelijaa
• aineopiskelijat Internetixissä
Ku
va: J
ere
Lau
ha
Lau
ha
MUIKKU
PYRAMUS
• Avoimeen lähdekoodiin perustuva oppilaitoksen hallinnointi- ja
suunnittelujärjestelmä
• Tallennetaan henkilö- ja yhteystietojen lisäksi mm. opiskeluun,
opintojen etenemiseen ja suoritteisiin liittyviä tietoja
KEITÄ OPISKELIJAMME OVAT?
OHJAUKSEN PAINOPISTEET
• alkuohjaus kaikille opiskelijoille
• ohjauskeskustelut, HOPS
• opintojen etenemisen seuranta ja
tukeminen
Ku
va: M
aria
nn
e H
eikk
inen
HAASTEITA
”Kuinka tarjota entistä laadukkaampaa ohjausta tälle porukalle tällä
porukalla tässä ympäristössä”
• heterogeenisyys
• suuri keskeyttämisprosentti
• verkko-opinnot + aikuisopiskelija = tuplahaaste
• ohjaajien resurssien kohdentaminen opiskelijoiden tarpeiden
mukaan
MIKSI OPPIMISANALYTIIKKAA?
ORGANISAATIO• toiminnan
tehostaminen• resurssien
kohdentaminen• pedagoginen
kehittäminen• oppimisympäristön
kehittäminen
OHJAAJA• perinteiset
menetelmät eivät riitä
• yksilöllisten ohjaustarpeiden arviointi
• resurssien tehokkaampi kohdentaminen
• oikea-aikaisuus• opintojen etenemisen
seurannan automatisointi
• seurantamahdollisuus
OPISKELIJA• opiskelun reflektointi• oman
opiskeluprosessin vahvistaminen
• opiskelun suunnittelun työkaluja (ajankäytön seuranta, herätteet, kurssiehdotukset..)
• hops ohjaamaan opintoja tiiviimmin
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
→ opiskelijoiden ohjaustarpeiden parempi ja nopeampi
tunnistaminen
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.
OPPIMISANALYTIIKAN PERUSPROSESSI
• Oppilaasta kerätään dataa tietosuoja huomioiden
• Dataa verrataan joko toisiin opiskelijoihin (kuten MOOC-kurssi) tai
aiempiin opiskelijoihin (kuten Otavan Nettilukio) erilaisilla
analyysityökaluilla, kuten
• Neuroverkko
• Verkostoanalyysi
• Excel- ja muut taulukko/tilastosovellukset
• MOOC:ien sovellukset, kuten EdX
• Datasta tuotetaan usein visualisointi, joka helpottaa erityisesti suurien
opiskelijamäärien hahmottamista
• Havaintojen pohjalta arvioidaan opiskelijoiden ohjaustarpeita ja
suunnitellaan ja tarvittaessa kehitetään ohjausta (tai kehitetään MOOC-
kurssia etc)
• Henkilökohtainen ohjaus (tai kurssin kehittäminen etc.)
ESIMERKKEJÄ OPPIMISANALYTIIKASTA
Turun yliopisto: ReadIT (s. 19-25)
MOOC:it - Oppimateriaalien ja kurssien kehittäminen
Opiskelijoiden voidaan esimerkiksi havaita pysähtyvän, hidastavan
tai keskeyttävän tietyn videojakson tai tehtävän kohdalla
Netflixin House of Cards-sarjan käsikirjoitusta rakennetaan sen
perusteella, milloin ihmiset pikakelaavat ja millaisia kohtauksia he
katsovat moneen kertaan
OPISKELIJASTA KERTYVÄÄ DATAA
✓ Henkilötiedot
✓ Aloituskysely
✓ Kursseille ilmoittautuminen
✓ Oppimateriaalien selaaminen
✓ Tehtävien suorittaminen
✓ Oppimateriaalien läpikäynnin järjestys
✓ Yhteydenpito ohjaajien kanssa
✓ Osallistuminen yhteisiin (netti)tapaamisiin jne.
✓ Arvosanat
✓ Kurssipalautteet
✓ Hops
MITEN?
➢Verkostoanalyysi
➢Neuroverkko
➢Oppimisympäristökehitys
NEUROVERKKO
• Jäsentää dataa etsimällä sieltä korrelaatioita
• Ilmoittumiskäyttäytymisen ja suoritteiden korrelaatio
ESIMERKKI NEUROVERKOSTA
VERKOSTOANALYYSI
• Verkostoanalyysi on menetelmä, jossa tarkastellaan kytköksiä
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
• Voidaan profiloida opiskelijoita ohjauksen tueksi alkuvaiheista
lähtien
ESIMERKKI VERKOSTOANALYYSISTA
POHDINTOJA MATKAN VARRELTA
Miksi tätä tehdään?
Mitä tietoja saa kerätä?
Mitä tietoja halutaan kerätä ja siihen liittyvää eettistä pohdintaa
Data ei ole neutraalia!
Opiskelijoille tiedottaminen
Muuttujien valinta
Mitkä muuttujat parhaita indikaattoreita
Mitkä muuttujat toimivat neuroverkossa
Kuinka huomioida opiskelu josta ei jää jälkeä?
Millainen oppimiskäsitys taustalla?
JATKO
• Datan keräämisen tehostaminen
• Erityyppisten oppijoiden tunnistaminen vahvemmaksi
• opiskelijan toiminta oppimisympäristössä
• Oppimisympäristön kehitystyö (Ohjaamo):
• opiskeluprosessi näkyväksi sekä opiskelijalle että ohjaajalle
• automaattinen seuranta (hälyyttää muutoksista)
• filtterit ohjaajan työkaluna
• Ohjauskäytänteiden kehittäminen
• Oppimateriaalin kehitystyö
Kiitos!
Ota yhteyttä!
miia.siven (a) otavanopisto.fi
anna.harmaa (a) otavanopisto.fi
kari.hintikka (a) otavanopisto.fi