Havaintoja oppimisanalytiikasta

Oppimisanalytiikan merkitys opettajan työn tukena kasvaa tasaisesti. Se on väline, jolla opettaja voi kehittää opetusta ja oppimista sähköisissä oppimisympäristöissä. Tässä kirjoituksessa esitellään esimerkkejä, millaista tietoa sen avulla voidaan käsitellä.

Kirjoittaja: Sami Heikkinen

Oppimisanalytiikka tarkoittaa opiskelijoiden oppimistapahtumissa tuottaman datan mittaamista, keräämistä, analysointia ja raportointia. Oppimisanalytiikan tavoitteena on tukea opiskelijoiden oppimista ja kehittää käytettäviä oppimisympäristöjä sekä oppimateriaaleja. (Suhonen & Kinnari-Korpela 2017.) Oppimisanalytiikka ei tarjoa suoraan ratkaisua siihen, millaisia asioita opetuksen kehittämiseksi täytyy tehdä (Siemens & Baker 2012). Tulkinta ja ratkaisut jäävät aina opettajan itsensä tehtäväksi.

Viime keväänä perehdyin aiheeseen eAMK-hankkeen tuottamalla Oppimisanalytiikan perusteet -verkkokurssilla. Kurssin innoittamana halusin kokeilla, millaista tietoa opintojaksoista on saatavilla, ja mitä tuon tiedon perusteella voi päätellä. Otin tarkasteluun liiketalouden monimuotoryhmälle suunnatun Projektinhallinta-opintojakson verkkototeutuksen. Uskoin saavani kokonaisuudessaan verkossa toteutetusta opintojakson toteutuksesta eniten analytiikan avulla hyödynnettävää tietoa näkyviin.

Opintojakson perustiedot

Pohdin aluksi millaisia tietolähteitä minulla tähän olisi saatavilla ja tunnistin seuraavat data-lähteet:

Moodlen analytiikan raportit (yleistietoa opiskelijoiden aktiivisuudesta alustalla)
Moodlesta ladattavat lokitiedot (tuo näkyviin jokaisen opiskelijan jokaisen teon opintojakson alustalla)
YouTuben tilastot (näyttää opintojakson videomuotoisten materiaalien käyttömäärät ja -ajat)
Google Analyticsin tilastot (tuo näkyviin eri opintojaksoalustan eri alasivujen käyttöajat, jotka eivät ilmene Moodlen omista lokitiedoista)
Arviointikirja (opiskelijoiden arvosanajakauma)

Tälle toteutukselle oli ilmoittautunut kaikkiaan 42 opiskelijaa. Tämä opiskelijajoukko on tuottanut lokitietoihin yhteensä 9835 riviä tietoa – eli jokainen opiskelija on tehnyt opintojakson aikana keskimäärin yli 200 tekoa opintojakson alustalla.

Opiskelijoiden aktiivisuus opintojakson aikana

Ensimmäinen minua kiinnostanut näkökulma oli opiskelijoiden aktiivisuuden jakautuminen opintojakson toteutusajalle. Tämän tiedon saa näkyviin analysoimalla Moodlen lokitietoja. Oheisesta kuviosta (kuvio 1) näkyy, että opintojakson tasolla aktiivisuus on melko tasaista koko opintojakson ajan. Tämä on hyvä merkki opintojakson oppimistavoitteiden saavuttamisen näkökulmasta. Säännöllinen työskentely johtaa todennäköisemmin haluttuihin tuloksiin. Kuvion oikeassa laidassa on näkyvissä opintojakson loppuun kohdistuva piikki, joka aiheutuu viime hetkellä tehdyistä tehtävistä ja niiden palautuksista. Tämän piikin pitäisi ihannetapauksessa olla mahdollisimman matala. Kiinnostavina yksityiskohtina näkyvissä ovat myös syyslomaviikon ja joulun pitkän viikonlopun aiheuttamat laskut aktiivisuudessa. Noina aikoina opiskelijat eivät ahkeroi tehtävien parissa.

Kuvio 1. Opiskelijoiden aktiivisuuden jakautuminen opintojakson toteutuksen ajalle. (Kuva: Sami Heikkinen)

Ajoituksen näkökulmasta tärkeää on selvittää myös opiskelijoiden aktiivisuuden jakautumista vuorokauden aikojen mukaan. Tähän tuo vastauksen Moodlen analytiikan raporttien automaattinen raportti, mistä saa näkyviin oheisen datan mukaisen kuvion (kuvio 2). Sen avulla voi havaita, että eniten aktiivisia opiskelijoita Moodlessa on iltaisin klo 17-20 välillä. Jos opintojaksolla on tarkoitus olla tapaamisia opiskelijoiden kanssa, on tuo paras ajankohta monimuotoryhmässä opiskeleville opiskelijoille.

Kuvio 2. Opiskelijoiden aktiivisuuden jakautuminen vuorokauden aikana. (Kuva: Sami Heikkinen)

Materiaalien ja tehtävien käyttö

Aikatauluihin liittyvien näkökulmien ohella kiinnostavaa tietoa on myös opintojakson oppimateriaalien käyttöön liittyvät yksityiskohdat. Tällä opintojaksolla oppimateriaalit ovat videomuotoisia. Videot on jaossa YouTuben välityksellä, mikä mahdollistaa sen analytiikkaraporttien käyttämisen. YouTuben käyttömääriä ja -aikoja kuvaavat tilastot nostavat esiin eri materiaalien suhteelliset erot. Oheisesta kuviosta (kuvio 3) voidaan nähdä, että osa materiaaleista on toisia materiaaleja enemmän seurattuja. Ehkä nämä materiaalit ovat keskimääräistä kiinnostavampaa sisältöä. Analytiikka ei kerro suoraan syytä materiaalin poikkeukselliseen suureen käyttömäärään, mutta auttaa tunnistamaan niitä materiaaleja, joita opiskelijat käyttävät enemmän.

Kuvio 3. Videomateriaalien käyttömäärät ja -ajat. (Kuva: Sami Heikkinen)

Materiaalien lisäksi, näkyviin voidaan saada myös tehtävänantojen parissa käytetty aika. Google Analyticsin avulla voidaan nähdä, kuinka kauan opiskelijat käyttävät eri tehtäviin tutustumiseen. Kuviosta 4 nähdään ajan olevan suhteellisen tasainen. Kahden tehtävän kohdalla käytetty aika on kuitenkin muita matalampi. Ehkä tämä antaa vihjeen siitä, että näiden tehtävien vaativuus on keskimääräistä alhaisempi.

Kuvio 4. Tehtävien katseluun käytetty aika. (Kuva: Sami Heikkinen)

Havainnot oppimisen tukena

Edellä kuvatut esimerkit tuovat näkyviin asioita, joita oppimisanalytiikan avulla voidaan selvittää. Oppimisanalytiikka ei itsessään tuo ratkaisuja siihen, miten opintojaksot pitäisi suunnitella, mutta se on arvokas apu opetuksen kehittämisessä sähköisissä oppimisympäristöissä. Näiden tietojen perusteella voidaan pohtia sitä, milloin opintojakson ohjaustapaamiset pitäisi ajoittaa, miten opintojakson työkuormaa voidaan tasapainottaa lukukauden aikana ja arvioida eri tehtävien kuormittavuutta. Etsimällä ratkaisuja näihin kysymyksiin voidaan tarjota entistä laadukkaampia oppimisympäristöjä ja mahdollistaa paremmat oppimistulokset.

Lähteet

Siemens, G. & Baker, R. S. 2012. Learning analytics and educational data mining: towards communication and collaboration. In: Proceedings of the 2nd. international conference on learning analytics and knowledge. ACM. 252-254.

Suhonen, S. & Kinnari-Korpela, H. 2017. Oppimisanalytiikka opetuksen ja oppimisen tukena. TAMKJOURNAL. [Viitattu 12.11.2020]. Saatavissa: https://tamkjournal.tamk.fi/oppimisanalytiikka-opetuksen-ja-oppimisen-tukena/