1/2017

Oppimisdata hallintotietokannasta koulutuksen peruskiveksi

Kirjoittajat: Anne Rautanen ja Jari-Pekka Kaleva

Hallinnollista dataa kerätään korkeakouluissa suhteellisen paljon. Tällaista dataa ovat esimerkiksi opiskelijoiden ikä, sukupuoli, tilojen käyttöaste, kursseille ilmoittautuneiden opiskelijoiden määrä ja yksittäisten opettajien opettamat kurssit. Opiskelijoiden oppimista mittaavaa oppimisdataa tai oppimistyökalujen ja metodien vaikuttavuutta mittaavaa pedagogista dataa kerätään kuitenkin huomattavasti vähemmän. Palautetta ja taustatietoja oppimisesta kerätään lähinnä toisen asteen arvosanoista, opintomenestystä mittaavista kurssiarvosanoista ja opintopisteseurannalla. Opetusta tuetaan lähinnä kurssikohtaisella opiskelijapalautedatalla ja alumnipalautteella opintojen koetusta hyödyllisyydestä.

Yksi syy datan heikkoon hyödyntämiseen on se, että koulutusdata-analytiikka on ottamassa korkeakouluissa vasta ensi askeliaan. Kokonaisvaltaiseen oppimis- ja opetusanalytiikkaan, jossa johtamisen, oppimisen ja opetuksen tueksi kerätään, yhdistellään ja analysoidaan järjestelmällisesti dataa, on vielä matkaa. Oppimisanalytiikka ja oppimisdata ovat kuitenkin yhä kasvavan tutkimusmielenkiinnon kohteena (Slam 2017). Lisäksi kehittyneimmät digitaaliset oppimisalustat ovat tuoneet korkeakoulujen saataville aikaisempaa parempia työkaluja datan hyödyntämiseen (esim. Claned 2017).

Jo olemassa olevalla datalla opinnoista voidaan tunnistaa ne kurssikokonaisuudet, joissa heikko pärjääminen ennustaa vaikeuksia myöhemmissä opinnoissa. Mikäli osa opiskelijoista jättää opintonsa kesken, järjestelmän on mahdollista havaita missä kohdin näin tapahtuu tai tunnistaa ne opiskelijat, joiden kohdalla riski on suurin. Näin opiskelijoille voidaan tarjota oikeaa tukea oikeaan aikaan. Tämän tapaista oppimisanalytiikkaa on käytetty esimerkiksi Islannissa. (Studia 2017.)

Vastaavasti opettajille olisi mahdollista antaa ennen kurssia alkua anonyymi kooste kurssille osallistuvien opiskelijoiden keskimääräisestä aiemmasta opintomenestyksestä ja yleisimmistä kritiikin kohteista aiempien kurssien kurssipalautteessa.

Lisäksi hallinnollisesta datasta olisi otettavissa paljon enemmän irti opintojen tukemiseksi. Nykyjärjestelmä olisi pienillä muutoksilla parannettavissa siten, että opiskelijan kalenterissa olisi lähiopetusaikataulujen lisäksi arvio kurssin vaatimasta itsenäisestä työmäärästä. Eri korkeakoulujen opintohallintojärjestelmien tulisi kommunikoida keskenään siten, että eri korkeakouluissa suoritettavat opinnot näkyvät yhdessä kalenterinäkymässä ja tulisivat huomioiduksi kokonaisopintoajassa.

Seuraava askel olisi luoda jokaiselle opiskelijalle yksilöllinen arvio todellisesta opiskeluun tarvittavasta ajasta. Tämän voisi toteuttaa joko aiemman opintomenestyksen, lähtötietojen tai lähtötasotestien perusteella. Yhdistämällä tämä tieto opiskelijan henkilökohtaisen kalenterin tuottamaan arvioon opintoihin käytettävissä olevasta ajasta henkilökohtaisia opintosuunnitelmia olisi mahdollista muuttaa vastaamaan kulloistakin todellista tilannetta kunkin yksilön kohdalla.

Digimurros vai toimintatapojen muutos?

Dataa kerätään jatkuvasti yhä enemmän ja siihen liittyvät tarpeet on huomioitava nykyistä paremmin, kun korkeakoulut investoivat uusien oppimistyökalujen ja -ympäristöjen hankintaan. Erityisesti on kiinnitettävä huomiota siihen, miten nämä työkalut ja ympäristöt pystyvät tuottamaan tietoa opiskelijoille, opettajille ja korkeakouluille oppimisesta ja opintojen etenemisen ongelmakohdista. Kun asiaa pohditaan jo suunnitteluvaiheessa, järjestelmistä on mahdollista saada käyttökelpoista tietoa. Toisaalta tämä edellyttää myös toimintatapojen ja johtamisjärjestelmän toimivuuden miettimistä: tietoa tulisi kerätä päätöksenteon tueksi ja sen käyttöön tulisi olla selkeät toimintatavat.

Jotta teknologiasta voidaan hyötyä kehittää toimintaa sen avulla, pitää perusasioiden olla kunnossa. Jokaisen korkeakoulussa työskentelevän ja opiskelevan tulee ymmärtää, mikä on oppimisen ja opetuksen tavoite. Kun dataa kerätään, niin opiskelijoilla kuin henkilökunnalla on oltava osaamista sen analysoimiseen ja hyödyntämiseen. Kun data tuo esille ongelmia, korkeakoululla on oltava selkeät toimintatavat ja riittävät tukiresurssit ongelmien ratkaisemiseen.

Kun lähiopetuksen sijaan käytetään videoituja luentoja, tulisi luennoitsijoille tarjota riittävät resurssit sekä luentovideoiden luomiseen että niiden kehittämiseen. Olisi hyödyllistä, jos luennoitsijalle tarjottaisiin myös tietoa siitä, missä vaiheessa opiskelijoiden keskittyminen videoon herpaantuu, mitä osia opiskelijat joutuvat katsomaan poikkeuksellisen paljon uudelleen. Tärkeää olisi myös verrata sitä, miten eri tavoin toteutetut luentovideot vaikuttavat tenttituloksiin.

Datan kerääminen on samalla myös eettinen, regulatorinen ja viestinnällinen haaste. EU:n uusi tietosuoja-asetus nostaa yksityisyyden suojan rimaa hyvästä syystä entistä korkeammalle, mutta sen tavoitteena ei ole estää datan hyödyntämistä. Käyttäjien yksityisyydensuoja on varmistettava, eikä henkilötietoja luovuteta tai kerätä ilman opiskelijan tai opettajan lupaa, ja käyttäjien data on voitava pyydettäessä poistaa tietokannoista. Oleellista on suunnitella järjestelmät alun alkaen siten, että yksittäiseen käyttäjään yhdistettävissä olevaa dataa on järjestelmissä mahdollisimman vähän. (Valtiovarainministeriö 2016; Drachsler & Greller 2016.)

Jos uusilla työkaluilla ei onnistuta tuottamaan lisäarvoa eikä niiden käyttämiseen sitouduta, tai dataa käytetään esimerkiksi vain opinto-oikeuden rajoittamiseen, on opiskelijoilla ja henkilökunnalla aiempaa enemmän keinoja kieltäytyä heitä koskevan datan hyödyntämisestä. Tätä edesauttaa uusi tietosuojalainsäädäntö. Uusien työkalujen käyttöönotto ei siis onnistu ellei niille saada koko korkeakouluyhteisön tukea.

Opintojen etenemisen valvomisesta oppimisen tukemiseen?

Opintojen etenemistä mittaavasta datasta ollaan nopeasti siirtymässä oppimista itseään mittaavaan ja tukevaan dataan. Tällöin tavoitteena on tehdä näkyväksi opintojen läpäisyn lisäksi se, kuinka hyvin kursseilla käytetyt opetusmetodit, -sisällöt ja -ympäristöt itse asiassa toimivat. Perinteisen opetuksen rinnalle on hiljalleen kasvamassa digitaalisten oppimistyökalujen maailma MOOC-kursseineen ja digitaalisine oppimistyökaluineen ja -ympäristöineen, jotka tarjoavat entistä tarkempaa tietoa yksilöllisestä oppimisesta. Tämä mahdollistaa aikaisempaa yksityiskohtaisemman palautteen oppimista parhaiten tukevista fyysisistä ja digitaalisista oppimisympäristöistä, aikatauluista, sisällöistä, työkaluista sekä metodeista niin yksilöille itselleen kuin koulutuksen järjestäjille.

Toistaiseksi datavetoisten oppimistyökalujen kehittäminen ja niiden tuomat tuotot ovat keskittyneet erityisesti varhaiskasvatukseen ja perusasteen ensimmäisiin vuosiin (Benville 2013), joiden aikana lastensa oppimisen tukemisesta kiinnostuneet vanhemmat ovat valmiita maksamaan esimerkiksi lukemis- ja laskemispeleistä. Investoinnit korkeakouluille suunnattuihin oppimistyökaluihin ovatkin vielä toistaiseksi olleet jäljessä sekä suoraan kuluttajille myytäviä sovelluksia että varhaiskasvatukseen ja peruskoulujen ensimmäisille vuosille kehitettäviä tuotteita (Adkins 2017). Nyt peruskouluun siirtyvät sukupolvet tottuvat siis jo kauan ennen korkeakouluopintojen aloitusta odottamaan oppimiselta myös sujuvuutta ja hauskuutta.

Lähitulevaisuudessa korkeakouluissakin siirrytään opiskelun osalta perinteisistä luentovideoista ja verkkotehtävistä lähemmäksi oppimiskokemuksen hauskuuden, oppimisdatan yksityiskohtaisemman keräämisen ja käytön mahdollistavia oppimispelejä. Nämä uudet tehokkaammat oppimisvälineet ja työkalut ovat keino vapauttaa opiskelijoiden ja henkilökunnan aikaa oppimisen hyödyntämiseen ja soveltamiseen ja laajempien kokonaisuuksien hallitsemiseen. Massaluentojen ja suoritusmerkintöjen täyttämän tutkintopolun sijaan oleellista on, onnistuuko korkeakoulu tarjoamaan yksilöllisesti optimoidun oppimisympäristön ja valmiudet henkilökohtaiseen kasvuun ja työuralle etenemiseen.

Siirtymä kohti oppimisen mittaamista edellyttää myös koulutusjärjestelmän identiteetin muutosta. Tutkintojen suoritusaikojen ohella tulisi tarkastella sitä, kuinka tehokkaasti eri taustoista ja elämäntilanteissa olevat ihmiset omaksuvat ne tarvittavat tiedot, valmiudet ja verkostot, joita he työelämässä tarvitsevat. Opiskelijoille tulee viestiä se, mihin korkeakoulutuksessa kannattaa käyttää aikaa ja mitä koulutuksen aikana voi parhaimmillaan saavuttaa. Opettajavetoisesta oppimisesta voidaan siirtyä aidosti siihen, että opiskelijoille annetaan tarvittavat valmiudet ja työkalut itseohjautuvaan oppimiseen ja heitä kannustetaan itsensä ylittämiseen (esim. Oulu Game Lab 2017).

Jaettu resurssi on kaksinkertainen resurssi

Oppimisympäristöjen, -työkalujen ja -analytiikan kehittämisessä tullaan tulevaisuudessa tekemään enemmän yhteistyötä yritysten ja muiden korkeakoulujen ulkopuolisten toimijatahojen kanssa. Jokaisen toimijan ei kannata alkaa itse suunnittelemaan, toteuttamaan ja ylläpitämään erilaisia oppimisinfrastruktuureita sekä -palveluita. Tämä asettaa teknologisia haasteita sille, kuinka oppilaitosten ja palveluntarjoajien tietojärjestelmät saadaan keskustelemaan keskenään turvallisesti. Paljon suurempi haaste korkeakouluille on kuitenkin luoda oppimistyökaluille aidot markkinat, jotka eivät ole muutaman suuren globaalin toimijan hallinnassa.

Oppimisdatan suhteen oppilaitosten suurin haastaja ei lopulta ole toinen korkeakoulu vaan monikansalliset digitaalisten aineistojen jakelukanavat.

Microsoft, Google ja muut isot toimijat kehittävät omia oppimispalveluitaan (Schaffhauser 2016) ja pian koulutusta voi hankkia näiden tukemilta alustoilta samaan tapaan kuin nyt elokuvia Netflixistä. Tieteellisten julkaisusarjojen nopeasti kohonneet hinnat osoittavat, mihin muutaman yksittäisen suuren toimijan varaan pohjautuva järjestelmä voi pahimmillaan johtaa.

Korkeakoulujen tarjoamien digitaalisten oppimistyökalujen ja fyysisten sekä digitaalisten oppimisympäristöjen laadusta on tulossa keskeinen kilpailutekijä. Oppimisdatan suhteen oppilaitosten suurin haastaja ei lopulta olekaan toinen korkeakoulu vaan aiemmin mainitut suuret monikansalliset digitaalisten aineistojen jakelukanavat. Jo muutaman vuoden päästä moni opiskelija voi pohtia, onko ylipäätään järkevää käyttää vuosia oppitunneilla istumiseen, jos samat tiedot ja taidot on mahdollista saada suoraan verkosta.

Tutkintoperustaiselle koulutukselle tulee kehittää muitakin perusteluja kuin traditio. Siinä vaiheessa kun oppimisen arviointiin kyetään luomaan luotettavia tahoja ja tapoja säänneltyjen oppilaitosten ulkopuolelta, muutos tutkintokoulutuksesta opiskelijalähtöiseen oppimiskokonaisuuksien keräämiseen tapahtuu nopeasti (Codility 2017; Udacity 2017; Weller 2017). Näin tällä hetkellä on jo tapahtunut it-alalla, jossa korkeakoulututkintoa tärkeämpiä ovat usein erilaiset sertifikaatit, jotka tarjoavat tutkintoa ketterämmän ja nopeamman osoituksen osaamisesta.

Suomalaiset korkeakoulut tarvitsevat yhteisen vision sekä oman toimintansa fokuksesta että opintodatan nykyistä tehokkaammasta hyödyntämisestä ja datapohjaisen oppimisen mahdollistamisesta. Datan luovuttamiselle ulkopuolisten palveluntarjoajien käyttöön ja ulkopuoliselta palveluntarjoajalta korkeakoululle on luotava yhteiset pelisäännöt, rajapinnat ja standardit. Korkeakoulujen on luotava yhteinen näkemys siitä, miten uudet palvelut ja palveluiden tuottama data hyödyntää parhaiten suomalaisten korkeakoulujen toimintaa. Opiskelijan näkökulman ymmärtäminen ja oppimisen mahdollistaminen eri keinoin ovat korkeakoulujen tärkein kehityshaaste.

Kirjoittajat

Anne Rautanen, FM, avainasiakkuuspäällikkö, Caleidon oy, anne.rautanen(at)caleidon.fi
Jari-Pekka Kaleva, FM, Senior Policy Analyst, Neogames Finland ry, jari-pekka.kaleva(at)neogames.fi

Adkins, Sam. 2017. The 2016 Global Learning Technology Investment Patterns. Haettu 13.3.2017 osoitteesta: http://www.metaari.com/assets/Metaari_s-Analysis-of-the-2016-Global-Learning-Technology-Investment-Pat25875.pdf

Benville, Lee. 2013. Driven by Mobile, Edu-Games Market Expected to Top $2.3 Billion by 2017. Haettu 13.3.2017 osoitteesta http://www.gamesandlearning.org/2013/10/26/driven-by-mobile-edu-games-market-expected-to-top-2-3-billion-by-2017/

Claned. 2017. Haettu 12.2.2017 osoitteesta https://claned.com/service/

Codility. 2017. Haettu 12.2.2017 osoitteesta https://codility.com/

Drachsler, H. & Greller, W. 2016. Privacy and Analytics – it’s a DELICATE issue. A Checklist to establish trusted Learning Analytics. 6th Learning Analytics and Knowledge Conference 2016, April 25-29, 2016, pp. 89-98. Edinburgh, UK. DOI: http://dx.doi.org/10.1145/2883851.2883893.

Oulu Game Lab. 2017. Haettu 12.2.2017 osoitteesta: http://www.oulugamelab.net

Schaffhauser, Dian. 2016. What a Microsoft-Owned LinkedIn Means for Education, Campus technology,  haettu 12.2.2017 osoitteesta https://campustechnology.com/articles/2016/06/20/what-a-microsoft-owned-linkedin-means-for-education.aspx

Slam. 2017. Haettu 12.2.2017 osoitteesta http://www.slamproject.org

Studia. 2017. Haettu 12.2.2017 osoitteesta http://www.studia.is/en/

Udacity. 2017. Haettu 12.2.2017 osoitteesta https://www.udacity.com/nanodegree

Valtiovarainministeriö. 2016. EU-tietosuojan kokonaisuudistus, Vahti-raportti 1/2016, Vahti raportti 2016, Helsinki. Haettu 12.2.2017 osoitteesta https://www.vahtiohje.fi/c/document_library/get_file?uuid=c97ee414-1fc0-4a91-969c-2ef0657605d1&groupId=10128

Weller, Chris. 2017. The largest internet company in 2030?, World Economic Forum, haettu 12.2.2017 osoitteesta https://www.weforum.org/agenda/2017/01/the-largest-internet-company-in-2030-this-prediction-will-probably-surprise-you/

Edellinen artikkeliSeuraava artikkeli

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *