Oppimisanalytiikka ohjausprosessin tukena

Yhä enemmän opiskelu siirtyy ajallisesti tavoitteellisemmaksi. Määräajassa valmistuminen on ammattikorkeakouluissa yksi keskeinen rahoituksen mittari tulevaisuudessa. Kun samalla opintoja siirtyy enemmän verkkoon ja opettajan lähikosketus opiskelijaan vähenee, kasvaa opintojen etenemisen seuraamisen merkitys. Oppimisanalytiikalla kerätään dataa opiskelusta etenkin ubiikeissa ympäristöissä tapahtuvissa opinnoissa. Näin pyritään saamaan tietoa ja ymmärrystä opiskelijan opintojen etenemisestä sekä niihin vaikuttavista tekijöistä. Tavoitteena on hyödyntää oppimisanalytiikkaa oppimisprosessin tukena. Oppimisanalytiikka ei ole kuitenkaan taikatemppu, jolla oppiminen, oppimisen kokemukset tai opetus- ja ohjaustyö hetkessä muuttuisivat. 

Oppimisanalytiikalla pystytään keräämään dataa mm. siitä kuinka usein opiskelija kirjautuu opiskelualustalle, kauanko hän käyttää siellä aikaa, mitkä materiaalit keräävät eniten käyttöä ja mitkä ovat ehkä kiinnostavia tai tarpeelliseksi koettuja. Tai mihin vuorokauden aikaan tai viikonpäivänä opiskelijat käyttävät alustaa. Jos opiskelija kirjautuu alusta pääasiassa öisin, voi hänen elämänhallinnassa olla riskitekijöitä joiden aikaisesta tunnistamisesta hyötyy opiskelija, oppilaitos sekä koko yhteiskunta.

Oppimisanalytiikasta saamansa datan avulla opettaja pystyy muokkaamaan tarvittaessa mm. materiaaleja, rakennetta tai aikataulutusta. Kertyneistä tiedoista on mahdollista analysoida esimerkiksi opiskelijoiden vahvuuksista ja heikkouksista sekä tunnistaa opiskelijoiden erilaisia oppimistyylejä. Oppimisalustan tuottaman analytiikan perusteella opiskelijan yksilöllistä edistymistä voidaan ohjata aiempaa paremmin. Analytiikan perusteella voidaan teoriassa tarjota jopa henkilökohtaista tukea opintojen edistymiseen ja opiskelua edistävää materiaalia yksilöllisesti kullekin opiskelijalle. Käytännössä tämä saattaa olla haasteellista isoilla massaopintojaksoilla.

Keskeyttämisvaarassa olevien tunnistaminen

Analyyttiikkaa hyväksi käyttämällä voidaan tunnistaa myös esimerkiksi keskeyttämisuhan alla olevia opiskelijoita, saada siten pienennettyä keskeyttämisprosentteja niin opintojakso - kuin tutkintotasollakin. Oppimisanalytiikan avulla on suhteellisen helppoa löytää sellaiset opiskelijat, jotka ovat kurssin tai opintojen keskeyttämisvaarassa. Kun keskeyttämisvaarassa olevat opiskelijat tunnistetaan ajoissa, heille voidaan tarjota erityistä tukea opintojen jatkamiseen.

Keskeyttämisvaarassa olevat opiskelijat on mahdollista tunnistaa siitä, että he eivät kirjaudu lainkaan, tai kirjautuvat vain harvoin järjestelmään. Motivoituneet opiskelijat puolestaan kirjautuvat säännöllisesti järjestelmään, tekevät tehtäviä ja hyödyntävät tarjottua kurssimateriaalia.
Hämeen ammattikorkeakoulussa selvitettiin osana Poluttamo-hanketta, onko verkkokurssista kertyvästä tiedosta mahdollista havaita aikaisessa vaiheessa opiskelija, joka on vaarassa keskeyttää kurssi. Tulokseksi saatiin, että jo pelkän yhden muuttujan perusteella on mahdollista tunnistaa keskeyttämisvaarassa olevia opiskelijoita. Kurssin keskeyttäneet opiskelijat jättivät jo aikaisessa vaiheessa kirjautumisia väliin.

Se, että analytiikan kautta tunnistamme keskeyttämisuhan alla olevan opiskelijan, ei riitä. Meillä pitää olla ajatus siitä, mitä voimme tehdä. Mitä tarjottavaa meillä on tälläiselle opiskelijalle? Onko vaihtoehtoisia suoritustapoja tai materiaalia, tarvitaanko ohjausta ja jos niin millaista? Tai onko ylipäätään tarvetta puuttua asiaan lainkaan? Jos opiskelija on vaikka huomannut aiheen tai alan olevan hänelle sopimaton, niin on ehkä opiskelijankin etu, keskeyttää opinnot mahdollisimman aikaisessa vaiheessa.

Kerätty tieto ja etiikka

Tyypillisesti oppimisen ja opetuksen hallintatyökaluista sekä digitaalisista oppimisympäristöistä (esimerkiksi Moodlesta) kerääntyvä aineisto liittyy vastausten oikeellisuuteen, ennen vastausta käytettyyn aikaan tai vinkkien pyytämiseen, väärien vastausten toistamiseen ja virheisiin, harjoitteluun käytettyyn aikaan ja harjoittelukertojen määrään, klikkausten määrään, ajoissa ja myöhässä palautettujen tehtävien määrään sekä keskusteluihin osallistumiseen. Muita kerättyjä tietoja on mm. sosioekonomiset tiedot, aiemmat opintotiedot ja niiden tulokset, standardoitujen testien ja pääsykokeiden tulokset, kurssien valinta ja suorittaminen sekä jopa sensoridataa koskevat fyysiset reaktiot. (Järvinen ym. 2017.)

Mikäli tieto, mitä oppilaitoksissa kerätään yksittäisistä opiskelijoista, on yhdistettävissä takaisin tiettyyn henkilöön, luokitellaan tällainen tieto henkilötietolain alaiseksi henkilötiedoksi. Henkilötietojen käsittelyyn luetaan kuuluvaksi kaikki henkilötietoihin kohdistuvat toimenpiteet, kuten tietojen kerääminen, tallentaminen ja poistaminen, mutta myös mahdolliset siirtämiset ja luovuttamiset toiselle taholle. Lisäksi henkilötiedoiksi luetaan kaikki luonnollisia henkilöitä sekä hänen ominaisuuksiaan ja elinolosuhteitaan kuvaavat merkinnät, jotka ovat tunnistettavissa joko henkilöä tai hänen perhettään koskeviksi. Laista löytyy varsin yksityiskohtaisia säädöksiä, jotka ohjeistavat ja rajoittavat oppilaitosten mahdollisuuksia kerätä ja käsitellä opiskelijoista kerättyjä tietoja.

Oppilaitoksilla on nykyisessä digimaailmassa runsaasti mahdollisuuksia kerätä opiskelijoistaan tietoja ja hyödyntää niitä erilaisiin tarkoituksiin. Tietoja kerättäessä ja käsiteltäessä on kuitenkin varmistettava, että opiskelijoiden tietosuojaan liittyvät oikeudet tulevat täytetyiksi. Oppilaitos ei voi esimerkiksi ottaa käyttöön ilman, että tiedottaa siitä opiskelijoille, erilaisia oppimisanalytiikan työkaluja. Ei vaikka tietojen keräämisen tarkoituksena olisi auttaa opiskelijoita heidän oppimistuloksiensa parantamisessa.

Mari Järvenmäki/Digisokki