Blogi – Page 3

Oppimisanalytiikan tarkoitus on opiskelijoiden koulupolun ongelmakohtien löytäminen ja niiden poistaminen. Koulupolku itsessään on prosessi, jossa on tuntematon määrä toisiinsa vaikuttavia asioita. Koulupolkuun vaikuttavia seikkoja ovat mm. oppilaitosten fyysiset tilat, tilassa olevat ihmiset, oppiaineet, työelämän vaatimukset ja erityisesti opiskelijoiden omat toiveet sekä odotukset. Vaikuttavia tekijöitä on lukemattomia muitakin, mutta oleellista on, että tekijöiden yhteisvaikutukset saattavat hankaloittaa joidenkin opiskelijoiden opiskelua tarpeettoman paljon. Näitä yhteisvaikutuksia voidaan kutsua vaikkapa ”sekoittaviksi tekijöiksi”.

Opiskelijat reagoivat sekoittaviin tekijöihin kukin omalla tavallaan. Useimmat heistä pystyvät hallitsemaan tilannetta ja suoriutuvat koulupolustaan ilman suurempia hankaluuksia. Toisaalta on myös sellaisia opiskelijoita, jotka saattavat kokea jonkin asian ylipääsemättömän vaikeana ja pahimmassa tapauksessa he lopettavat opintonsa kokonaan.

Karkeasti ajatellen voisi sanoa, että useimmilla opiskelijoilla on voimakas sisäinen motivaatio, jonka avulla he kulkevat koulupolkunsa läpi. Osa opiskelijoista on kuitenkin sellaisia, joilta tämä sisäinen motivaatio puuttuu ja he opiskelevat enemmänkin ulkoa tulevan motivoinnin varassa. Ulkoa tuleva motivointi ei usein ole riittävän ”laadukasta” ja se ei ehkä riitä viemään koulupolkua loppuun saakka.

Ajattelenkin nyt, että oppimisanalytiikkaa kannattaisi lähestyä erityyppisten motivaatioiden suunnalta. Sisäisen motivaation kannalta oppimisanalytiikka voisi pyrkiä motivaation ylläpitoon. Ulkoa tulevan motivoinnin tilanteessa voitaisiin tarkastella sitä, miten se voisi muuttua sisäiseksi motivaatioksi. Tämä voisi olla mahdollista jonkinlaisen mallittamisen (toiminnallinen esimerkki) kautta. Lisäksi tässä olisi tärkeää löytää nopeasti häiritsevät ulkoiset tekijät, pyrkiä vähentämään niitä sekä ottaa käyttöön opiskelijoille sopivimmat pedagogiset menetelmät.

———–

Kirjoittaja Jyrki Rasku työskentelee Tampereen ammattikorkeakoulussa projektiasiantuntijana, erityisesti data-analytiikon roolissa. Hän tarkastelee APOAssa mm. sitä millaista analyysia opintosuoritusten perusteella voidaan tehdä, ja miten sitä voidaan käyttää tukemaan opiskelijoiden opintopolun rakentumista.

Blogikirjoitus on laadittu osana APOA – avain parempaan oppimiseen AMKeissa -hanketta.

ExCel London -konferenssikeskus.

BETT 2019 (British Educational Training and Technology Show, https://www.bettshow.com/) on vuosittain Lontoossa pidettävä koulutuksen ja opetusteknologian tapahtuma, jossa vierailevat kymmenet tuhannet koulutusalan ammattilaiset. Näytteilleasettajia löytyy heitäkin useita satoja.

Robotiikkaa BETTissä.

Pääsin pyörähtämään BETTissä tänä vuonna ensimmäistä kertaa ja nähtävää oli vähintäänkin riittävästi. Robotiikka ja siihen liittyvät ohjelmointisovellukset saivat paljon näkyvyyttä. Yksi erittäin mielenkiintoinen ja minulle uusi tuttavuus oli pi-top 4 (https://www.pi-top.com/products/pi-top-4), joka perustuu Raspberry Pi -tietokoneeseen. Pi-topin avulla opiskelijat pystyvät oppimaan ohjelmointitaitoja ja näkemään käytännössä ohjelmointinsa tuloksia mm. sääpallon, Mars-mönkijän ja dronen kautta.

Tekoälyyn pohjautuvat sovellukset ovat myös nosteessa. Tällä saralla huomioni kiinnittyi oppimisalustaan nimeltään CENTURY (https://www.century.tech/). Alusta koostuu opetuspaketeista, joista oppija voi valita itseään kiinnostavia aiheita. Paketit sisältävät opetusmateriaalia niin video- kuin tekstimuodossa ja monivalintatehtäviä opitun arviointia varten. Opettajat pystyvät myös rakentamaan alustalle omia kokonaisuuksia. Kehittäjien mukaan CENTURY mukautuu oppijan tarpeisiin ja osaa kiinnostusten mukaan ehdottaa sopivia opetusmateriaaleja ja oppimispolkuja.

Oppimisanalytiikan parissa työskentelevien toimijoiden löytäminen oli yllättävän haasteellista. Erilaisia valvontaan ja turvallisuuteen keskittyviä palveluita oli paljon esillä. Turvallisuus tuli vastaan niin tietoturvallisuuden kuin fyysisen turvallisuuden muodossa. Osa esillä olevista palveluista käytti analytiikkaa apuna, kun toiset keskittyivät fyysisempiin palveluihin. Tutustuin näin suomalaiselle vieraalta tuntuvaan apuvälineeseen eli “apunappulaan”, jolla pystyy pyytämään apua hetkessä paikalle luokkaan, jos uhkaava tilanne pääsee yllättämään. Myös opettajan henkilökohtainen kaulassa roikotettava valvontakamera tuli vastaan.

Pääsin vierailemaan Sunborn Yacht -hotellilaivalla itslearning-oppimisalystan kehittäjien vieraana kuuntelemassa ja keskustelemassa itslearningin analytiikkamahdollisuuksista. Oppimisalustan keskeisin analytiikkaratkaisu kulkee nimellä 360-raportit (https://users.itslearning.fi/index.php/fi/2018/08/20/360-raportti-pahkinan-kuoressa/). Raportointinäkymä kuuluu alustan ominaisuuksiin ilman lisämaksua ja se tarjoaa opettajille mahdollisuuden seurata opiskelijoiden edistymistä ja aktiivisuutta kursseilla. Tarjolla on yleisraportteja visualisointeineen, opiskelijakohtaisia raportteja sekä lämpökartta (heatmap) aktiviteeteista.

Sunborn Yacht -hotellilaiva ja itslearning.

Tällä hetkellä raporttien tulkinta itslearningissa on käyttäjän vastuulla, mutta jatkossa erilaiset automaattiset ilmoitukset ja toimintasuositukset saattavat olla mahdollisia. Opiskelijoille ei ainakaan vielä tarjota analytiikkaa omasta edistymisestä tai edistymisestä suhteessa muihin opiskelijoihin, mutta palvelu kehittyy jatkuvasti, joten sellaista saattaa olla luvassa joskus myöhemmin.

Itslearningin yksi suurimmista kilpailijoista Suomessa on Moodle, joka on laajasti käytössä korkeakouluissamme. Moodle tarjoaa monenlaisia analytiikkalisäosia ja erillisen analytiikkamoottorin, joka kulkee nimellä Inspire Analytics, mutta näistä lisää myöhemmin.

———–

Kirjoittaja Jarmo Vihmalaakso työskentelee Tampereen ammattikorkeakoulussa e-oppimisen suunnittelijana.

Blogikirjoitus on laadittu osana APOA – avain parempaan oppimiseen AMKeissa -hanketta.

Jatkuvasti muuttuva maailma asettaa uudenlaisia vaatimuksia osaamiselle. 2000-luvun tai uuden vuosituhannen osaamista on jäsennetty eri puolilla maailmaa (esim. Partnership of 21st Century Skills –hanke, ATC21S, Oivallus -raportti), ja keskeisiksi osaamisiksi on nostettu mm. luovuus, kriittinen ajattelu ja ongelmanratkaisu, oppiminaan oppiminen, metakognitiiviset taidot, viestintä- ja yhteistyötaidot, informaation ja teknologian lukutaito.

Jatkuva muutos, työelämän uudet vaatimukset ja osaamistarpeet kaikuvat nyt joka puolelta ja asettavat vaatimuksia myös koulutuksen ja opetuksen kehittämiselle. Nämä teemat ovat vahvasti läsnä jo perusopetuksen päivitetyssä opetussuunnitelmassa, ja oppilaitosten perusasteelta korkeakouluihin tulisi opettaa ja tukea tämänkaltaisten osaamisten kehittymistä.

Haaste analytiikalle

Miten oppimisanalytiikka voisi tässä auttaa? Miten ilmaista määrällisesti tällaisia henkilökohtaisia ominaisuuksia ilman, että ne samalla supistuvat merkityksettömäksi statistiikaksi? Miten kerätään dataa erilaisista elämän konteksteista? Miten teoreettiset rakenteet käännetään luotettavasti algoritmeiksi, joilla arvioidaan käyttäytymistä verkossa?

Journal of Learning Analyticsin vuoden 2016 numerossa 2 esitellään analytiikkakokeiluja 2000-luvun taitojen tueksi. Kun keskitytään tukemaan tulevaisuuden taitoja, oppimisanalytiikan painopistenä on useissa teemanumeron artikkeleissa oppijan saaman palauteen parantaminen, jotta hän voisi kantaa enemmän vastuuta omasta oppimisestaan, keskustella paremmin vertaisoppijoiden ja opettajien kanssa ja tulla tietoiseksi omista henkilökohtaisista ominaisuuksistaan (kuten avoimuus muutokselle, vastoinkäymisten sietokyky, reflektiivinen metakognitio).

Esimerkki: Tekstin tunnistus

Artikkeleissa esiteltiin mm. australialainen kokeellinen tutkimus Towards the Discovery of Learner Metacognition from Reflective Writings, jossa opiskelijoiden tuottamista reflektiivisista kirjoituksista etsittiin viitteitä oppijan metakognitiivisista taidoista avulla. Tuotetun algoritmin avulla tunnistettiin tekstistä esimerkiksi oppijan kuvailemia tunteita, oman toiminnan säätelyä, tavoitteen asettelua ja tiedollista osaamista. Seuraavassa vaiheessa olisi tarkoitus yhdistää tunnistettu tieto palautteeseen eli järjestelmä voisi antaa palautetta esimerkiksi reflektiotekstistä puuttuvista näkökulmista.

Esimerkki: Lokidata + itsearvioinnit

Toisessa artikkelissa Revealing Opportunities for 21st Century Learning: An Approach to Interpreting User Trace Log Dataa tarkasteltiin, miten lokidatan sekä itsearviointien avulla voidaan havaita oppijoiden työskentelystä kaavoja, jotka kuvaavat oppijoiden itseohjautuvuutta, luovuutta ja sosiaalista oppimista verkkoympäristössä. Tässä mallissa aihetta lähestyttiin laajasti ja hyödynnettiin sekä järjestelmästä saatavaa lokidataa, oppijoiden itsearviointia sekä laajempaa haastattelututkimusta. Tarkoituksena oli luoda mahdollisimman syvä ymmärrys käytössä olevasta ympäristöstä ja sen ominaisuuksista, oppijoista ja opettajasta sekä opettajan käyttämästä pedagogiikasta, jotta järjestelmästä saatavaa lokidataa osattaisiin tulkita.

Järjestelmästä kerättiin tietoa toiminnoista ja objektityypeistä. Toimintoja olivat:

kirjautuminen
lukeminen (sisällön katsominen)
luominen (median tai blogimerkinnän postaus)
kommentointi (keskusteluun osallistuminen tai töiden kommentointi)
arviointi (itse- tai vertaisarviointi)

Objektityyppejä olivat blogipostaus, video, kuva, käyttäjä ja ryhmä.

Seuraavaan taulukkoon on tiivistetty luotu viitekehys, jossa on kuvailtu eri teemat (luovuus, itseohjautuvuus, sosiaalisuus), niihin liittyvät suunnitellut tehtävät ja toiminnot sekä järjestelmän keräämä data toiminnasta.

Vaikka työ on vasta alussa, tulokset ovat rohkaisevia. Lokitiedoista oli havaittavissa kaavoja, jotka vastasivat niitä itseraportoituja taitoja, joita opetus ja alusta oli suunniteltu tukemaan.

Artikkelissa todetaan ”quantitative data begins to tell the story, but to design better environments and practices within those environments, – – we need other strategies to piece together a more complete picture of what is going on.” Tämä on hyvä pitää mielessä myös hankkeemme seuraavissa vaiheissa.

Vielä ollaan vaiheessa

Useissa artikkeleissa todettiin, että tämän tyyppinen oppimisanalytiikka on vielä varhaisessa kehittämisen vaiheessa ja vaatii jatkotutkimusta ja -kehittelyä. Artikkeleiden kirjoittajat olivat yksimielisiä siitä, että analytiikan pitää pohjautua kasvatustieteelliselle tutkimukselle. Jotta digitaalisia jälkiä ja kehittyneitä koneoppimisen menetelmiä voidaan hyödyntää kognitiivisten ja sosiaalisten oppimiseen liittyvien prosessien sekä käyttäytymisen mallintamiseen, täytyy niillä olla kasvatusteoreettinen perusta.

Moni esimerkki myös yhdisti järjestelmästä saatavaa lokidataa oppijan itsetuottamiin arviointeihin. Tämä koettiin erittäin tärkeäksi, jotta ilmiöstä saisi kokonaiskuvan ja järjestelmätason dataa voisi tulkita oikealla tavalla. Tämä muistutti mieleen alla olevan kuvion, jota olemme hankkeessammekin käyttäneet ja joka jäsentää oppimisanalytiikan kokonaiskuvaa mielestäni hyvin.

Jatkoa luvassa

Mielenkiintoista on nähdä, mitä lehden seuraava 2000-luvun taitoja ja analytiikkaa käsittelevä teemanumero tuo tullessaan. Teemanumero julkaistaan 2020 joten hankkeemme näkökulmasta se tulee valitettavasti hieman liian myöhään.

———–

Kirjoittaja Minna Koskinen työskentelee JAMKissa verkkopedagogiikan asiantuntijana.

Blogikirjoitus on laadittu osana APOA – avain parempaan oppimiseen AMKeissa -hanketta.

Learning Locker on Learning Record Store (LRS) -järjestelmä, jolle ehkäpä kuvaavin käännös on oppimistapahtumatietueiden tallennuspaikka. Learning Lockerin on kehittänyt HT2 Labs, ja järjestelmä on saatavilla niin avoimena lähdekoodina, kuin maksullisena pilvipalvelunakin. Learning Locker hyödyntää oppimistapahtumien tallentamisessa sähköistä oppimiseen liittyvää ohjelmointirajapintaa. Rajapinnasta käytetään nimitystä xAPI, tai Experience API tai TinCan API. XAPIn tapahtumat esitetään verkkosovellusten usein suosimassa tiedostomuodossa (JSON).

Learning Locker mahdollistaa erilaisista ulkoisista järjestelmistä koostetun tiedon yhdistämisen samaan tietovarastoon jatkokäsittelyä varten, sekä tarjoaa muutamia erilaisia visualisointityökaluja datan käsittelyyn. Maksullisessa versiossa visualisointityökaluja on tarjolla kattavammin. Learning Lockerin dokumentaation (2018) mukaan se on integroitavissa laajennosten avulla erilaisiin ulkoisiin oppimisalustoihin, kuten Moodleen, Blackboard Learniin ja ehkäpä Suomessa vähemmän tunnettuun Articulateen. Lisäksi tarjolla on Yammer-laajennos.

Miksi Learning Locker?

Learning Lockerin valintaan vaikuttivat erityisesti avoin lähdekoodi, ilmaisuus ja mahdollisuus asentaa se paikallisesti omille palvelimille – erityisesti EU-GDPR:n asettamien vaatimusten osalta pilvipalveluiden käyttäminen ei ole enää niin suoraviivaista. Myös Weissin (2017) mukaan Learning Locker on sijoittunut vuonna 2017 neljänneksi yhdeksän vertaillun LRS-järjestelmän kesken.

Learning Lockerin ominaisuuksista sai vaikutelman kattavasta ratkaisusta, jolla olisi mahdollista tallentaa oppimisanalytiikkadata sekä visualisoida se helposti. Lisäksi xAPIn avulla tapahtuva tiedon siirtäminen eri organisaatioiden LRS-järjestelmien kesken olisi helpompaa. Tästä olisi erityisesti hyötyä ristiinopiskelussa, sillä opiskelijoille esitettävän oppimisanalytiikkadatan on katettava kaikki hänen suorituksensa – riippumatta siitä, missä oppilaitoksissa hän opiskelee.

Learning Lockerin tietovarasto on toteutettu MongoDB:n avulla, joten sen sisältämää tietoa on mahdollista käyttää ulkoisissa visualisointityökaluissa kohtalaisen helposti – olettaen toki, että hallussa on ohjelmointiosaamista.

Kokemukset

Ensimmäiset kokemukset Learning Lockerista ovat varsin myönteisiä; sinällään järjestelmän käyttöönotto ja hyödyntäminen on varsin suoraviivaista. Hankalinta on ehkä saada järjestelmään merkityksellistä dataa järjestelmään sisälle. Kuten tulikin jo mainittua, Moodle-oppimisympäristöön on saatavilla erillinen laajennos, jonka voi konfiguroida lähettämään Moodlen keräämät tapahtumat Learning Locker-palvelimelle. Tämä vaatii myös palvelimen näkyviin julkisesti verkkoon, joten jätin tämän vaiheen pois ja rakensin erillisen työkalun, joka koostaa xAPI-tapahtumat Moodlen lokitiedostojen perusteella ja lähettää ne halutulle Learning Locker –palvelimelle, jota voi ajaa vaikkapa paikallisesti virtuaalikoneessa.

Pilotoinnin perusteella Learning Lockerin visualisointityökalut ovat erinomaisia nopeita testejä sekä yksinkertaisia visualisointeja varten, joissa dataa ei tarvitse yhdistellä tai käsitellä erityisesti – näkyvää saa aikaan muutamassa minuutissa, kuten esimerkiksi alla olevan aktiivisuutta esittävän kaavioyhdistelmän. Mikäli tarvetta on monimutkaisemmille kyselyille, on syytä käyttää muita työkaluja visualisoinnin tukena.

Tietojen siirrettävyys saa apuja Learning Lockerin käytöstä; minkä tahansa kyselyn tiedot voi siirtää CSV-muodossa olevaan tekstitiedostoon. Tekstitiedosto sisältää JSON-muodossa kunkin kyselyn palauttaman xAPI-tapahtuman, joten se on pienellä vaivalla mahdollista lukea ohjelmallisesti sekä siirtää toiseen xAPI-rajapinnan toteuttavaan järjestelmään.

Miten tästä eteenpäin?

Learning Lockeria on kokeiltu Karelia-ammattikorkeakoulun tietojenkäsittelyn sekä kielten opintojen verkkokurssien datan avulla. Vuonna 2018 olemme hyödyntäneet Learning Lockeria ja xAPIa visualisointiin liittyvissä piloteissa, ja oppimisanalytiikkadatan hallinnassa järjestelmä on osoittautunut varsin toimivaksi.

Teknisestä näkökulmasta olemme jo hyvin perillä Learning Lockerin ja xAPIn mahdollisuuksista. Jatkamme jo alkaneiden pilottien parissa, sekä jakamaan niistä saatuja tuloksia laajemmin. Toki edessä on vielä selvitystyötä rajanpintojen parissa, kuten esimerkiksi Peppi-järjestelmän sisältämän datan integrointi Learning Lockeriin.

———–

Kirjoittaja Anssi Gröhn työskentelee Karelia-ammattikorkeakoulussa lehtorina, ja APOAn paikallisena projektipäällikkönä. Hänen kiinnostuksen kohteisiin kuuluu mm. oppimisanalytiikan sekä virtuaali- ja jaetun todellisuuden kehitys.

Blogikirjoitus on laadittu osana APOA – avain parempaan oppimiseen AMKeissa -hanketta.

Olen muutaman kerran käyttänyt personal trainerin palveluja tukemaan omaa kuntosalitreenini kehittymistä. PT-jakson ollessa käynnissä huomaan käyttäväni treeniin myös enemmän aikaa. Ohjattu tieto ja palaute treenin oikea-aikaisuudesta, oikealla tekniikalla tehdyistä treeniliikkeistä, sarjoista, toistoista, ravinnosta ja palautumisesta on otettavissa kuitenkin haltuun myös muutakin kautta.

Kuitenkin motivaatio syntyy autenttisesta vuoropuhelusta PT:n kanssa. Saan palautetta ja tukea valmennusjakson ajan. Myöskin sosiaalinen paine lisää motivaatiota salakavalasti – kehtaanko mennä seuraavaan ohjattuun treenisessioon ja kertoa jättäneeni ohjeita noudattamatta. Mittaan itseäni myös älykellolla, joka kertoo minulle päivittäin aktiivisuudestani sekä tallentaa liikuntasessioni. Ranteessani oleva älykello muistuttaa ja kannustaa minua aktiivisuuden tärkeydestä, joka intensiivisessä tietotyössä on periaatteessa mahdollista unhoittaa täysin.

Myös koulumaailmassa on yhä enemmän mitattavaa ja arvioitavaa. Mitäpä, jos opiskelija voisikin palkata opiskelunsa oheen oman ”opiskelun PT:n”? Periaatteessahan meillä on jo opettajat ja muu tukipalveluhenkilökunta, jotka toteuttavat uudistuvissa tutkinnon perusteissa jokaisella koulutusasteella yhä enemmän henkilökohtaisen ohjauksen ja opetuksen opiskelijalähtöistä mallia. Tämän on kuitenkin kritisoitu vievän aikaa, mikä varmasti on tottakin, jollei prosesseja kehitetä vastaamaan olemassa olevaa toimintarakennetta ja -arkkitehtuuria.

Näen, että erilaisilla teknologioilla on tässä paljon annettavaa, sillä pelkästään yleisesti käytössä olevien staattisten verkko-oppimisympäristöjen avulla ei voida luoda opiskelijaa tukevaa oppimisprosessia, jossa opiskelija on keskiössä. Opiskelijasta voidaan kerätä tietoa samalla tavalla kuin minä kerään tietoa itsestäni esim. älykellolla. Samalla tavoin voisimme kytkeä datankeräyspisteitä erilaisiin oppimisympäristöihin, kuten oppimispeleihin, luokkatiloihin, verkko-oppimisympäristöihin. Näiden lähteiden kautta on mahdollista koota dataa yhteen järjestelmään ja siten päästä kiinni isoon anonymisoituun dataan. Tästä datasta puolestaan voidaan luoda erilaisia ennustemalleja sekä tukea opiskelijan opintopolkua yhä henkilökohtaisemmin hyödyntäen olemassa olevia data-analytiikkatyökaluja ja –visualisointeja.

APOA – avain parempaan oppimiseen AMKeissa –hankkeessa etsimme ja pilotoimme erilaisia ratkaisuja sekä käytäntöjä tähän teemaan. Hankkeen alkuvaiheessa työn alla on työpajat kaikissa hankeorganisaatioissa. Työpajoissa käymme läpi opettajien ja opiskelijoiden ajatuksia oppimisanalytiikasta. Näistä ajatuksista saamme muodostettua konkreettisia toiveita oppimisanalytiikan käytölle ja sekä pilottiaihioita, joita aletaan ensi keväänä toteuttamaan.

Piip! Alussa mainitsemani älykello kehottaa minua nousemaan työpisteeltäni ja jaloittelemaan. Ehkäpä jonain päivänä kelloni kannustaa ja tukee myös jatko-opintojani?

———–

Kirjoittaja Henry Paananen työskentelee HAMKin ammatillisen osaamisen tutkimusyksikössä TKI-tehtävissä.

Blogikirjoitus on laadittu osana APOA – avain parempaan oppimiseen AMKeissa -hanketta.

2nd Annual Learning & Student Analytics Conference was held during October 22-23 at University of Amsterdam. Some of the APOA-project team members attended to the conference. The conference brought together practitioners, lecturers and researchers to share ongoing practices and research related to learning analytics. Following the most interesting topics and presentations are shortly introduced.

Timothy A. McKay from the University of Michigan kept an interesting key note speech regarding to using LA for probing equity in education. He gave i.e. examples about exploring performance differences in large STEM-courses with LA. They had compared students’ expected performance (based on GPA) and achieved performance in specific physics course and observed that women had performed worse than expected. Based on their investigations, McKay suggested to concentrate from who did well-or-poorly to who did better-or-worse than expected. McKay also told about the tools they use to personalize education. A tool called ECoach allows both to learn more and to experiment with possible interventions.

Here’s also an interesting article from McKay, Architecting for Learning Analytics

Scaling grassroots projects

“Scaling grassroots projects” -session was probably the best parallel session of the conference. This session included three concrete presentations about exploitability of LA. In this session we were presented the implementation of learning analytics at Nottingham Trent University and got insights from STELA & ABLE Erasmus+ projects.

Tom Broos from KU Luven suggested to start building LA from context, not from tools. He also recalled that building systems and tools require local knowledge of practitioners and end-users. This was also highly valued issue by Ed Foster from Nottingham Trent University. He highlighted that “the perfect tool needs perfect understanding of your institution and your systems. No vendor/internal IS specialist has this.”

NTU is already using a student dashboard that gives information to both the students and teaching staff. It presents an overall picture about each student’s engagement with their course. More info is available on their website, it is worth checking out!

The presentation about the STELA and ABLE projects was all about implementing institutional learning analytics. The picture below shows the steps used in ABLE. You can read more about the steps and the challenges behind them from here: https://oflablog.files.wordpress.com/2018/10/lsac-2018-presentation.pdf

Modelling implementing change

The conclusion of this all was that implementation process takes a long time. It requires patience and countless meetings with everyone involved in developing or using LA. Even though it is not easy it is still a thing one should do. There is no turning back.

Further information available at

http://stela-project.eu/

http://www.ableproject.eu/

https://livinglearninganalytics.blog/

Fred Pope from University of Amsterdam presented their research during which they had investigated students study tempo. They had noticed that high-performing first year students under performed in their second year, leading to delayed graduation or even dropping out. They had managed to develop a simple prediction model of students’ study tempo. In their investigations, all students that do not continue their tempo and dip more than 1 period, will delay their graduation more than 1 year.

Overall, it appears that while other nations are struggling with funding issues we have quite an unique and fruitful situation here in Finland. The Ministry of Culture and Education has funded this national project that has a potential to change practices not only locally but also in (inter)national level.

EUNIS learning analytics seminar at Aalto University

Some of our project members attended a learning analytics (LA) seminar organized by EUNIS (European University Information Systems) at Aalto University in Helsinki. There were many interesting presentations on learning analytics from different perspectives. Here‘s a short summary of the presentations I found most relevant to me at this point.

Christa Winqvist (CIO, Aalto University Foundation) welcomed attendees to Aalto. Her message was that Aalto University wants to be a data-driven university. She considers LA as an opportunity for fact-based decision making, and that we shouldn’t be afraid of this great opportunity. Therefore she considered the current work we are doing in this domain very important.

Jelena Matic (Student Academic Experience Officer) from Nottingham Trent University introduced the work they had done with student dashboards. She was originally involved in the project as a student representative, and among other things her role was to see that student data would not be mistreated. She was also involved in testing the proposed LA solutions, and to make sure that the end product works with student needs. I’m sure this is an important reminder to us all when we consider using LA in our institutions. Some information about their student dashboard here: https://www4.ntu.ac.uk/adq/running_a_course/student-success/ntu-student-dashboard/index.html

Paul Bailey from Jisc, a national body that provides digital solutions for UK education and research, introduced the work they had done with learning analytics in a national initiative.

Lessons learned from LA by Paul Bailey from Jisc

Paul said that LA development has been much slower than expected. One of the main lessons from his presentation was that LA implementation strategy needs to be clear, include co-creation and governance and student buy-in. Otherwise LA implementation can fail. Paul also gave an informative workshop with Gill Ferrell (EUNIS) in connecting ABC learning design model to learning analytics.

Find more about Jisc learning analytics here: https://www.jisc.ac.uk/learning-analytics

Yi-Shan Tsai (University of Edinburgh) gave a presentation on developing learning analytics policy across Europe through the recently ended SHEILA project. Also our project has had the chance to link with the SHEILA project when Maren Scheffel from OUN gave a presentation in our kick-off seminar in Tampere in September.

There are plenty of interesting LA policy content on the SHEILA project website. Find them here: http://sheilaproject.eu

Joonas Pesonen (University of Helsinki) gave a refreshing and somewhat critical presentation of LA. He brought up the fact that research in this domain is not clear if LA supports better, self-regulation learning. He also argued that Siemen’s often used LA definition could perhaps be extended as it might not include all the necessary dimensions (see picture below).

Fundamental Questions of LA (Winne 2017)

Joonas is doing interesting work in connecting LA with self-regulated learning. He basically argued that mood, motivation or self-efficacy is not very much present in current student data, but it would be needed in order to better support students. Their approach to using diaries as self-reported process data tries to bridge this gap in LA, and to implement LA in a more holistic way.

Elsa Cardoso, from ISCTE-IUL gave a very interesting talk on how gamification techniques have been combined with learning analytics in their institution in order to design a gamified student dashboard. Gamification elements such as leaderboards, alliances, and scores were implemented in order to see how they work as motivational drivers.

Student Dashboard design by Elsa Cardoso

Elsa also pointed out that an important aspect for LA development is involving students in designing the dashboard. This way we can better understand what learning analytics and gamification elements will be useful for them. She also gave a nice hand-on workshop, where we could try out how to doodle a dashboard with pen and paper based on possible student needs. Here is one paper related to their project: www.eunis.org/download/2017/EUNIS_2017_paper_65.pdf

Elsa plans to continue developing the combination of learning analytics and gamification in the future. If you want to know more (I know I want to!), she’ll most likely be in Trondheim for EUNIS congress in March 2019 (http://www.eunis.org/events/eunis-congress). Hope to meet you all there, and thank you to EUNIS for the lovely seminar!

Työpaja 13.9.2018 Tampere

APOA-hankkeen työryhmä tapasi 13.9. Tampereen ammattikorkeakoulussa. Pääaiheina olivat APOA-hankkeen pilottien valinta ja tutkimus, sekä GDPR (General Data Protection Regulation). Tapaamisessa esiteltiin myös hankkeen äänestyksen voittanut logo, valitut verkkopalvelut (blogi, Twitter ja Facebook) sekä viestintäsuunnitelma.

GDPR (General Data Protection Regulation)

Koko hankkeen projektipäällikkö Hanna Teräs piti työryhmälle esityksen GDPRstä (General Data Protection Regulation). Esityksen tarkoitus oli tuoda hankkeen jäsenet samalle tasolle GDPR-keskustelussa. Esityksen yksi pääviesteistä oli, ettei GDPR tarkoita sitä, ettei mitään voida enää tehdä liian tiukkojen tietosuoja-asetusten vuoksi, vaan ne ovat asetuksia jotka pitää ymmärtää ja jotka voivat tukea oppimisanalytiikan kehittämistä. Esimerkiksi Saksassa GDPR on tarkoittanut sitä, että tietosuoja-asetukset ovat jopa keventyneet GDPRn johdosta.

Tämä nostatti keskustelun siitä, että hankkeessa mukana olevissa korkeakouluissa on erilaisia näkemyksiä datan käytöstä, ja osa niistä voi hankaloittaa hankkeen pilottien tutkimusta. Tämä kuvastanee oppimisanalytiikan tilannetta myös globaalilla tasolla: asia on uusi, joten erilaisten virallisten linjausten kanssa keskustelevat organisaatiokohtaiset näkemykset. Eräässä keskustelussa tulikin ilmi kuinka eräässä organisaatiossa näkemys opiskelijadatan käytöstä on tällä hetkellä tiukka, mutta tämän nimenomaisen korkeakoulun päättäjät odottavat APOA-hankkeesta tulevia suosituksia ja tutkimustuloksia tulevaisuuden päätöksiä varten.

Keskustelua OA-piloteista ja tutkimuksesta

Työryhmän jäsenet olivat yksimielisiä siitä, että hankkeen pilotointiin ja tutkimukseen halutaan erilaisissa oppimisympäristöissä opiskelevia opiskelijoita, jotta saataisiin mahdollisimman kattava ymmärrys siitä mihin oppimisanalytiikka taipuu. Keskustelua käytiin mm. siitä, että ei jämähdettäisi tarkastelemaan esimerkiksi vain sitä kuinka kauan opiskelijat ovat viettäneet aikaa Moodlessa, vaan pyrittäisiin ymmärtämään miten oppimisanalytiikka voisi tuoda esiin mitä opiskelija on itseasiassa oppinut. Oppimisanalytiikan mahdollisuuksia haluttaisiin paremmin tarkastella myös oppimisympäristöissä, joissa opiskellaan itseohjautuvasti ryhmässä, ja jossa ei jää niin selkeää digijälkeä kuin esimerkiksi lineaariseksi suunnitellulla verkkokurssilla.

Työryhmä haluaa hyödyntää olemassa olevaa oppimisanalytiikkakartoitusta ja rakentaa jo tehdyn työn päälle. Tämän johdosta jäsenet aikovat tutustua tarkasti mm. eAMK-hankkeen (https://www.eamk.fi/fi/etusivu), eOppimiskeskuksen (https://www.eoppimiskeskus.fi) ja Sheila-projektin (http://sheilaproject.eu) tekemään tutkimukseen ja kehitykseen, ja oppia niistä. Varsinkin eAMKin laatukriteereistä (https://www.eamk.fi/fi/campusonline/laatukriteerit) ja miten ne suhteutuvat oppimisanalytiikkaan keskusteltiin vilkkaasti.

Osa partnereista on jo järjestänyt omia APOA Kick Off -tilaisuuksia. Ne partnerit jotka aikovat järjestää niitä lähitulevaisuudessa saivat tapaamisessa muiden tilaisuuksista ideoita. Jo järjestetyissä tapaamisissa on saatu kiitettävästi paikalle oppimisanalytiikasta kiinnostuneita opettajia ja pilottejakin on jo alettu valita.

APOAn viestintä

Tilaisuudessa esiteltiin myös APOAn äänestyksessä valittu logo, viestintäsuunnitelma ja verkkokanavat, sekä jaettiin muikeat APOA-läppäritarrat (kuva).

Viestinnän suhteen keskusteltiin siitä, että hanke ei jäisi viestimään itsestään vain Suomen rajojen sisään, vaan lähtisi rohkeasti viestimään englanniksi ja osallistamaan kansainvälisiä oppimisanalytiikka- ja oppimisverkostoja.

Tähän on perusteluna mm. useamman hankkeessa olevan korkeakoulun tällä hetkellä painottama kansainvälistyminen, mutta varsinkin tämän hetkinen kansainvälinen kiinnostus suomalaiseen koulutukseen sekä oppimisanalytiikkaan.

Tämän toiveen voimakkaammasta kansainvälisestä viestinnästä voisi kohdentaa suomalaisiin hankkeisiin laajemminkin, koska kiinnostusta suomalaisia koulutusinnovaatioita kohtaan riittää. Joten kerrotaan muillekin mitä kaikkea hienoa meillä on kehitteillä!

APOAn tämän hetkiset kanavat löytyvät seuraavasti:

Hankkeen verkkosivut löytyvät tällä hetkellä osoitteesta http://apoa.tamk.fi

APOAn löytää Twitteristä nimellä ”TheApoaProject” https://twitter.com/TheApoaProject ja #theapoaproject

Facebook-sivut löytyvät osoitteesta https://www.facebook.com/theapoaproject

The project had a great Kick Off seminar in Tampere with project partners from all over Finland, and an awesome keynote on learning analytics from the SHEILA project (http://sheilaproject.eu/) researcher, assistant professor Maren Scheffel of Open University Netherlands!

There has been a steady interest rising in regarding learning analytics in the recent years. Quite often the focus is driven by technological development and not meeting the end users’ needs. In the current educational context where the groups are becoming more heterogenous the educators need to better understand the needs of the learners.

The aim of the APOA project is to look at the use of learning analytics in the Universities of Applied Sciences (UAS) in Finland. The project is funded by the Finnish Ministry of Education and Culture. There are 11 Finnish higher education partners in the project.

The project has 4 subsections:

1. The users of learnin analytics (the pedagogical perspective). This is divided into two sections, 1a) the perspective of the learners and 1b) the perspective of the teaching staff.

2. Digital learning analytics environments. This section includes piloting existing systems and interfaces and developing visualisation solutions.

3. Pilot projects. Selection, execution and evaluation of pilot projects.

4. Recommendations. Dissemination of tested practices; conclusions and recommendations.

The APOA project has five main level main aims:

1. To research what kind of data the learners, educators and guidance staff who who utilize learning analytics need

2. Based on these needs, to pilot and develop the used digital environments in the universities of applied sciences

3. To pilot and evaluate the pedagogical processes that use learning analytics in different UASs

4. To create recommendations and policies for the effective and ethical use of learning analytics in the UASs

5. To up-skill UAS staff in the advanced use of learning analytics

Oppimisanalytiikka ja motivaatio

BETT 2019: löytyykö oppimisen analysoimista?

APOAlaisen ääni #3: 2000-luvun taidot ja oppimisanalytiikka

Haaste analytiikalle

Esimerkki: Tekstin tunnistus

Esimerkki: Lokidata + itsearvioinnit

Vielä ollaan vaiheessa

Jatkoa luvassa

APOAlaisen ääni #2: Oppimisanalytiikan kokeiluja eli: kuinka lakkasin olemasta huolissani ja rakastamaan LRS:ää

Miksi Learning Locker?

Kokemukset

Miten tästä eteenpäin?

APOAlaisen ääni #1: Oppimisen oma PT

International perspectives on learning analytics from LSAC2018

EUNIS Learning Analytics Event at Aalto University 11.-12.10.2018

Kick Off Seminar in Tampere

The APOA Project in short

Ota yhteyttä

APOA Facebook

APOA Twitter