Osuvaa oppimisanalytiikkaa
Uutta osaamista

Osuvaa oppimisanalytiikkaa

Kuinka kehitämme ja arvioimme TVT-taitojen osaamismerkistöä oppimisanalytiikan menetelmillä? Osuvat taidot -hankkeessa hyödynnetään oppimisanalytiikkaa osaamismerkkityön jatkokehittämisessä.

Oppimisanalytiikalla (Learning Analytics) tarkoitetaan oppimisen ja koulutuksen tietojen keräämistä, analysointia ja raportointia (Larusson & White, 2014; Siemens & Baker, 2013).  Oppimisanalytiikassa tulkitaan laajasti kerättyä dataa, joka on kerätty opiskelijoiden jättämistä digitaalisista jäljistä opintojen etenemisen, ennusteiden ja mahdollisten interventioiden tekemiseksi (Johnson et al, 2011). Itsessään oppimisanalytiikka ei rajoitu pelkästään algoritmisesti tehtyihin tulkintoihin, vaan datan tulkinnassa voidaan käyttää apuna erilaisia toimenpiteitä kunnollisten analyysien muodostamiseksi (Johnson et al, 2011). 

Oppimisanalytiikka itsessään on monialainen tutkimusalue, joka sisältää elementtejä koneoppimisesta (Machine Learning, ML), tekoälystä (Artificial Intelligence, AI), tiedonhausta, tilastollisista menetelmistä sekä visualisoinneista (Chatti, M. A., et al, 2012). Oppimisanalytiikan tutkimusalueella lainataan useista lähellä olevista tutkimusalueista olevia elementtejä, joten se ei ole aidosti uusi tutkimusalue (Chatti, M. A., et al, 2012). Lähellä olevia tutkimusalueita ovat koulutusorganisaation analytiikka, toimintatutkimus, koulutuksellisen tiedonlouhinta, suosittelujärjestelmät ja henkilökohtaistettu adaptiivinen oppiminen. 

Datasta tiedoksi 

Koulutuksellinen tiedonlouhinta on ollut itsenäinen tutkimusalue jo 2000-luvun puolivälistä alkaen. Se soveltaa tiedonlouhintatekniikoita koulutukselliseen dataan tavoitteenaan analysoida dataa ymmärtääksemme oppimisen tilanteita. (Baker & Yacef, 2009; Barner et al 2009).  

Oppimisanalytiikan ja koulutuksellisen tiedonlouhinnan ympäristöt, data, toimintaprosessi ja tavoitteet ovat hyvin samankaltaisia. Molemmissa hyödynnetään dataa, jota tulee erilaisista koulutukseen liittyvistä tietojärjestelmistä, mutta käytetyt tekniikat ovat useasti hieman poikkeavia. Koulutuksellinen tiedonlouhinta keskittyy useasti käyttämään tiedonlouhintatekniikoita (esim. klusterointi, luokittelu ja sääntöluokittelut), mutta oppimisanalytiikka sisältää myös muita metodeja kuten tilastolliset ja visualisointityökalut ja sosiaalisen verkoston analysointityökalut (SNA Social Network Analysis). Oppimisanalytiikassa sovelletaan tekniikoita käytännössä ja tutkitaan oppimisen ja opettamisen vaikuttavuutta. (Chatti, M. A., et al, 2012). 

Osuvaa oppimisanalytiikkaa 

Osuvat taidot -hankkeessa hyödynnetään oppimisanalytiikkaa osaamismerkkityön jatkokehittämisessä. Keräämme dataa oppimisympäristöistä ja täydennämme sitä kyselyillä, jotta saamme selityksiä ja vahvistusta tulkinnoillemme. Kohteena datankeräämisessä ovat pääosin Moodle-oppimisympäristöä käyttävät koulutuksenjärjestäjät, joita Osuvat taidot -hankkeessa on useita.

Datankerääminen aloitetaan ensi syksynä tutkimusluvitusten ja muiden käytännön asioiden valmistuttua. Datankeräämisen jälkeen yhdistämme pseudonymisoituja aineistoja useista eri oppilaitoksista ja aloitamme aineiston analysoinnin. Tulossa mielenkiintoinen syksy! 

Lue seuraavaksi

Vastuullisuus
Työssäoppiminen DEI-teemojen äärellä – kokemuksia EDIFY-EDU-hankkeesta
Vastuullisuus

Työssäoppiminen DEI-teemojen äärellä – kokemuksia EDIFY-EDU-hankkeesta

EDIFY-EDU on eurooppalainen Erasmus+ -yhteistyöhanke, jonka tavoitteena on vahvistaa osaamista monimuotoisuuden, tasa-arvon ja inkluusion (DEI/EDI) teemoissa erityisesti pk-yritysten ja johtamisen näkökulmasta. Hanke tarjoaa monipuolisen koulutuskokonaisuuden, joka koostuu kaikille avoimesta englanninkielisestä MOOC-verkkokurssista, maakohtaisesti räätälöitävästä erikoistumiskurssista sekä työelämälähtöisestä työssäoppimisjaksosta.

Nina From
Digikyvykkyys
Yritysten kokemuksia kiertotalouden osaamismerkkien suorittamisesta
Digikyvykkyys

Yritysten kokemuksia kiertotalouden osaamismerkkien suorittamisesta

TIEKEn hallinnoima kiertotalouden osaamismerkistö tarjoaa valmiin, valtakunnallisen mallin asiantuntijatason kiertotalousosaamisen tunnistamiseen ja tunnustamiseen. Toukokuun aikana 15 erikokoisten ja erilaisten yritysten kiertotaloustehtävissä toimivaa henkilöä suoritti osaamismerkkejä yhteistyössä Helsingin Arabian kiertotaloushubin kanssa.

Mikko Eloholma ja Merja Sjöblom
Vastuullisuus
AI Act -tekoälyasetuksen täyteenpano etenee – mitä tämä tarkoittaa yrityksille?
Vastuullisuus

AI Act -tekoälyasetuksen täyteenpano etenee – mitä tämä tarkoittaa yrityksille?

AI Act -tekoälyasetus on maailman ensimmäinen oikeudellinen kehys tekoälylle. Asetus lähestyy tekoälyjärjestelmiä neliportaisen riskiluokittelun kautta, jossa sääntelyn tiukkuus riippuu toimintaan liittyvistä riskeistä. Ensimmäisten velvoitteiden soveltaminen on alkanut jo helmikuussa 2025.