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

Datatalous
Energiansäästöä datalla – yhteistyöllä kohti energiatehokkaampaa kiinteistönhallintaa työhyvinvointi huomioiden
Datatalous

Energiansäästöä datalla – yhteistyöllä kohti energiatehokkaampaa kiinteistönhallintaa työhyvinvointi huomioiden

Rakennettu ympäristö kuluttaa merkittävän osan energiasta ja tuottaa suuren osan päästöistä. Energiansäästöä datalla -hanke tarttuu tähän haasteeseen yhdistämällä isännöintipalvelujen, kiinteistöhallinnan, huoltopalveluiden ja teknologiaosaajien voimat. Tavoitteena on kehittää datan hyödyntämistä energiatehokkuuden parantamiseksi siten, että samalla edistetään alan ammattilaisten työhyvinvointia.

Nina From
Digitaalinen taloushallinto
Peppol-kouluttajakoulutus käynnistyi – Uutta osaamista digitaaliseen taloushallintoon
Digitaalinen taloushallinto

Peppol-kouluttajakoulutus käynnistyi – Uutta osaamista digitaaliseen taloushallintoon

Syyskuussa käynnistynyt Peppol-kouluttajakoulutus tuo Suomeen uudenlaista osaamista digitaalisen taloushallinnon saralle. Koulutus toteutetaan TIEKEn ja Jyväskylän ammattikorkeakoulun yhteistyönä, osana Datatalouden Uudet Mahdollisuudet (DUM) -hanketta. TIEKE vastaa koulutuspakettien tuottamisesta ja kouluttajien kouluttamisesta, loppuvuonna Jamk alkaa kouluttamaan keskisuomalaisia yrityksiä datan hyödyntämisessä liiketoiminnassa, jolle Peppol-sanomat luovat hyvää pohjaa.

Nina From
Datatalous
Datalla Energiansäästöä -hanke mukana Taloasema-päivillä Hämeenlinnassa
Datatalous

Datalla Energiansäästöä -hanke mukana Taloasema-päivillä Hämeenlinnassa

Datalla Energiansäästöä -hanke tuo uutta näkökulmaa isännöinti- ja kiinteistö-palvelualalle hyödyntämällä vertailudataa energiatehokkuuden parantamiseksi. Hankkeen tavoitteena on auttaa isännöitsijöitä ja taloyhtiöitä tunnistamaan säästömahdollisuudet, perustelemaan energiatehokkuustoimet osakkaille ja muuttamaan ne konkreettisiksi euroiksi. Taloasema-päivillä Hämeenlinnassa hankekumppanit esittelivät käytännön ratkaisuja ja innosti alan toimijoita mukaan kehitystyöhön.

Teemu Lehtinen, KIRAHub (KIRA-InnoHub ry)