ݺߣ

ݺߣShare a Scribd company logo

Oppimisanalytiikan nykytila, käyttöönoton haasteet ja tulevaisuus

•
•
J
Joonas Pesonen

Onko oppimisanalytiikka jo mullistanut oppimisen? Millaisia haasteta liittyy oppimisanalytiikan laajamittaiseen käyttöönottoon? Miten oppimisanalytiikka muovaa oppimista tulevaisuudessa?

1 of 51
Download to read offline
Oppimisanalytiikan nykytila, käyttöönoton haasteet ja tulevaisuus Joonas Pesonen Tutustu oppimisanalytiikkaan - webinaari 26.3.2021
Kuka? JOONAS PESONEN Helsingin yliopisto, Kasvatustieteellinen tiedekunta https://researchportal.helsinki.fi/fi/persons/joonas-antero-pesonen OPPIMISANALYTIIKAN VÄITÖSKIRJATUTKIJA Perustajaosakas, Rapida Oy, www.rapida.fi CPO, Annie Advisor Oy, www.annieadvisor.com YRITTÄJÄ
Mitä? Onko oppimisanalytiikka jo mullistanut oppimisen? NYKYTILA Millaisia haasteta liittyy oppimisanalytiikan laajamittaiseen käyttöönottoon? KÄYTTÖÖNOTON HAASTEET Miten oppimisanalytiikka muovaa oppimista tulevaisuudessa? TULEVAISUUS
Nykytila
1st International Knowledge on Learning Analytics and Knowledge (2010) ”the measurement, collection, analysis and reporting of data about learners and their contexts for purposes of understanding and optimizing learning and the environments in which it occurs”
Analytiikan tasot ja kypsyys AKTIVITEETTI ANALYYSIN TASO KURSSI KOULUTUS- OHJELMA OPPILAITOS KOULUTUS- JÄRJESTELMÄ
Analytiikan tasot ja kypsyys KYPSYYS AKTIVITEETTI ANALYYSIN TASO KURSSI KAUPALLINEN TUOTE KOULUTUS- OHJELMA OPPILAITOS KOULUTUS- JÄRJESTELMÄ TUTKIMUS OPPILAITOKSEN KÄYTÄNTÖ
Analytiikan tasot ja kypsyys KYPSYYS AKTIVITEETTI ANALYYSIN TASO KURSSI KAUPALLINEN TUOTE KOULUTUS- OHJELMA OPPILAITOS KOULUTUS- JÄRJESTELMÄ TUTKIMUS OPPILAITOKSEN KÄYTÄNTÖ ”Learning Analytics” ”Academic/ Institutional Analytics”
Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
SAATAVILLA OLEVA DATA TARVITTAVA DATA ”The Data Gap”
SAATAVILLA OLEVA DATA TARVITTAVA DATA ”The Data Gap” DATA JOTA ON OK KÄYTTÄÄ
Society for Learning Analytics Research Position Paper, September 2020 ”In short: our EdTech systems are currently generating large amounts of low quality data that, while providing surface level insights, offers few avenues for improving student learning and the environments in which it occurs.” Kitto, K., Whitmer, J., Silvers, A. & Webb, M (2020). Creating Data for Learning Analytics Ecosystems. Society for Learning Analytics Research Position Paper. Available: https://www.solaresearch.org/wp- content/uploads/2020/09/SoLAR_Position-Paper_2020_09.pdf
Käyttöönoton haasteet
ESTEET OPPIMISANALYTIIKAN LAAJAMITTAISEEN KÄYTTÖÖNOTON KORKEAKOULUISSA Klein, C., Lester, J., Rangwala, H., & Johri, A. (2019). Learning analytics tools in higher education: Adoption at the intersection of institutional commitment and individual action. The Review of Higher Education, 42(2), 565-593.
ESTEET OPPIMISANALYTIIKAN LAAJAMITTAISEEN KÄYTTÖÖNOTON KORKEAKOULUISSA Klein, C., Lester, J., Rangwala, H., & Johri, A. (2019). Learning analytics tools in higher education: Adoption at the intersection of institutional commitment and individual action. The Review of Higher Education, 42(2), 565-593. 1 Luotettavan teknologiainfrastruktuurin puuttuminen
ESTEET OPPIMISANALYTIIKAN LAAJAMITTAISEEN KÄYTTÖÖNOTON KORKEAKOULUISSA Klein, C., Lester, J., Rangwala, H., & Johri, A. (2019). Learning analytics tools in higher education: Adoption at the intersection of institutional commitment and individual action. The Review of Higher Education, 42(2), 565-593. 1 2 Luotettavan teknologiainfrastruktuurin puuttuminen Työkalujen ominaisuudet ja käyttäjien tarpeet eivät kohtaa
ESTEET OPPIMISANALYTIIKAN LAAJAMITTAISEEN KÄYTTÖÖNOTON KORKEAKOULUISSA Klein, C., Lester, J., Rangwala, H., & Johri, A. (2019). Learning analytics tools in higher education: Adoption at the intersection of institutional commitment and individual action. The Review of Higher Education, 42(2), 565-593. 1 2 3 Luotettavan teknologiainfrastruktuurin puuttuminen Työkalujen ominaisuudet ja käyttäjien tarpeet eivät kohtaa Eettiset huolet dataan, visualisointeihin ja algoritmeihin liittyen
TEKNOLOGIAINFRASTRUKTUURI Pesonen, J., Fomkin, A., & Jokipii, L. (2018). Building Data Science Capabilities into University Data Warehouse to Predict Graduation. European Journal of Higher Education IT 2018 (1). Suomessa uniikit olosuhteet teknologiainfrastruktuurin suhteen!
TEKNOLOGIAINFRASTRUKTUURI Pesonen, J., Fomkin, A., & Jokipii, L. (2018). Building Data Science Capabilities into University Data Warehouse to Predict Graduation. European Journal of Higher Education IT 2018 (1). Suomessa uniikit olosuhteet teknologiainfrastruktuurin suhteen!
OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407.
OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) 1
OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) Ominaisuus joka auttaa kertaamaan aiempien lukukausien opintojen ydinsisältöjä (M=4.12 / 5) 1 2
OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) Ominaisuus joka auttaa kertaamaan aiempien lukukausien opintojen ydinsisältöjä (M=4.12 / 5) Itsearviointikehotteet ja niiden perusteella palaute osaamisesta ja osaamisen puutteista (M=4.07 / 5) 1 2 3
OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) Ominaisuus joka auttaa kertaamaan aiempien lukukausien opintojen ydinsisältöjä (M=4.12 / 5) Itsearviointikehotteet ja niiden perusteella palaute osaamisesta ja osaamisen puutteista (M=4.07 / 5) Automaattinen palaute kirjallisista tuotoksista (rakenne, sisältö, plagiointitarkastus, kehittämisehdotukset) (M=4.07 / 5) 1 2 3 4
OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) Ominaisuus joka auttaa kertaamaan aiempien lukukausien opintojen ydinsisältöjä (M=4.12 / 5) Itsearviointikehotteet ja niiden perusteella palaute osaamisesta ja osaamisen puutteista (M=4.07 / 5) Automaattinen palaute kirjallisista tuotoksista (rakenne, sisältö, plagiointitarkastus, kehittämisehdotukset) (M=4.07 / 5) Suositukset opiskeltavista sisällöistä (M=3.98 / 5) 1 2 3 4 5
OPETTAJIEN NÄKEMYKET OPPIMISANALYTIIKASTA Kollom, K., Tammets, K., Scheffel, M., Tsai, Y. S., Jivet, I., Muñoz-Merino, P. J., ... & Ley, T. (2021). A four-country cross-case analysis of academic staff expectations about learning analytics in higher education. The Internet and Higher Education, 49, 100788.
OPETTAJIEN NÄKEMYKET OPPIMISANALYTIIKASTA Kollom, K., Tammets, K., Scheffel, M., Tsai, Y. S., Jivet, I., Muñoz-Merino, P. J., ... & Ley, T. (2021). A four-country cross-case analysis of academic staff expectations about learning analytics in higher education. The Internet and Higher Education, 49, 100788. Työkalu oppimisaktiviteettien parempaan ymmärtämiseen 1
OPETTAJIEN NÄKEMYKET OPPIMISANALYTIIKASTA Kollom, K., Tammets, K., Scheffel, M., Tsai, Y. S., Jivet, I., Muñoz-Merino, P. J., ... & Ley, T. (2021). A four-country cross-case analysis of academic staff expectations about learning analytics in higher education. The Internet and Higher Education, 49, 100788. Työkalu oppimisaktiviteettien parempaan ymmärtämiseen Mahdollisuus palautteen tarjoamiseen opiskelijoille 1 2
OPETTAJIEN NÄKEMYKET OPPIMISANALYTIIKASTA Kollom, K., Tammets, K., Scheffel, M., Tsai, Y. S., Jivet, I., Muñoz-Merino, P. J., ... & Ley, T. (2021). A four-country cross-case analysis of academic staff expectations about learning analytics in higher education. The Internet and Higher Education, 49, 100788. Työkalu oppimisaktiviteettien parempaan ymmärtämiseen Mahdollisuus palautteen tarjoamiseen opiskelijoille Mahdollisuus mukauttaa opetussuunnitelmaa vastaamaan paremmin opiskelijoiden tarpeita 1 2 3
EETTISET HUOLET O'neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown. ”Matikkatuhoaseen” kolme ominaisuutta
EETTISET HUOLET O'neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown. ”Matikkatuhoaseen” kolme ominaisuutta 1. Läpinäkymättömyys: Mallin tulosten oikeutusta ei voi kiistää, kun ei ole mahdollista selittää miten malli toimii
EETTISET HUOLET O'neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown. ”Matikkatuhoaseen” kolme ominaisuutta 1. Läpinäkymättömyys: Mallin tulosten oikeutusta ei voi kiistää, kun ei ole mahdollista selittää miten malli toimii 2. Käytön laajuus: Vaikka virheiden osuus olisi pieni, niin laajassa käytössä aina osuu jonkun kohdalle
EETTISET HUOLET O'neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown. ”Matikkatuhoaseen” kolme ominaisuutta 1. Läpinäkymättömyys: Mallin tulosten oikeutusta ei voi kiistää, kun ei ole mahdollista selittää miten malli toimii 2. Käytön laajuus: Vaikka virheiden osuus olisi pieni, niin laajassa käytössä aina osuu jonkun kohdalle 3. Negatiivisten vaikutusten kehä: Jos mallia käytetään heikentämään yksilön asemaa, malli voi päätyä vahvistamaan olemassa olevia tasa-arvo-ongelmia
Tulevaisuus
TULEVAISUUDEN TEKNOLOGIOIDEN TUTKIMINEN: ”MIND UPLOAD” (LAAKASUO ET AL. 2021)
TULEVAISUUDEN TEKNOLOGIOIDEN TUTKIMINEN: ”MIND UPLOAD” (LAAKASUO ET AL. 2021) How moral do you find the scientist's decision? How acceptable was the scientist's decision? How appealing was the scientist's decision?
”Machiavellismi ennustaa mind upload - teknologioiden hyväksymistä” Laakasuo, M., Repo, M., Drosinou, M., Berg, A., Kunnari, A., Koverola, M., ... & Sundvall, J. (2021). The dark path to eternal life: Machiavellianism predicts approval of mind upload technology. Personality and Individual Differences, 177, 110731.
OPPIMISEN ITSESÄÄTELY Suunnittelu ja tavoitteiden asettaminen Itsemonitorointi ja kontrolli Mukautuminen ja reflektio Panadero, E. (2017). A Review of Self-regulated Learning: Six Models and Four Directions for Research. Frontiers in Psychology, 8, 422.
OPPIMISANALYTIIKKA JA OPPIMISEN ITSESÄÄTELY OPPIJA ANALYTIIKKA- SOVELLUS OPETTAJA Analytiikkasovellus auttaa opettajaa tukemaan oppijan itsesäätelyä Opettaja tukee oppijan itsesäätelyä Analytiikkasovellus tukee oppijan itsesäätelyä Opettaja ja analytiikkasovellus yhdessä tukevat oppijan itsesäätelyä
OPPIMISANALYTIIKKA JA OPPIMISEN ITSESÄÄTELY ANALYTIIKKA- SOVELLUS ANALYTIIKKA- SOVELLUS OPPIJA Interventio itsesäätelyn kehittämiseksi Ihmisen ja teknologian hybridi OPPIJA VAI
Kuvitellaan älykäs teknologia, joka valtavaan oppijan tavoitteista ja toiminnasta kerättyyn datamassaan perustuen pyrkii optimoimaan tämän oppimista ohjaamalla oppijan käyttäytymistä tavoiteltavaan suuntaan.
Käyttäisitkö tätä teknologiaa? Antaisitko oppijoiden käyttää tätä teknologiaa?
”Replika provides some level of companionship that can help curtail loneliness, provide a ’safe space’ in which users can discuss any topic without the fear of judgment or retaliation, increase positive affect through uplifting and nurturing messages, and provide helpful information/advice” Ta, V., Griffith, C., Boatfield, C., Wang, X., Civitello, M., Bader, H., ... & Loggarakis, A. (2020). User experiences of social support from companion chatbots in everyday contexts: thematic analysis. Journal of medical Internet research, 22(3), e16235.
Kiitos! Mitä kysymyksiä heräsi? JOONAS PESONEN http://linkedin.com/in/japesone +358 503575130

More Related Content

Oppimisanalytiikan nykytila, käyttöönoton haasteet ja tulevaisuus

  • 1. Oppimisanalytiikan nykytila, käyttöönoton haasteet ja tulevaisuus Joonas Pesonen Tutustu oppimisanalytiikkaan - webinaari 26.3.2021
  • 2. Kuka? JOONAS PESONEN Helsingin yliopisto, Kasvatustieteellinen tiedekunta https://researchportal.helsinki.fi/fi/persons/joonas-antero-pesonen OPPIMISANALYTIIKAN VÄITÖSKIRJATUTKIJA Perustajaosakas, Rapida Oy, www.rapida.fi CPO, Annie Advisor Oy, www.annieadvisor.com YRITTÄJÄ
  • 3. Mitä? Onko oppimisanalytiikka jo mullistanut oppimisen? NYKYTILA Millaisia haasteta liittyy oppimisanalytiikan laajamittaiseen käyttöönottoon? KÄYTTÖÖNOTON HAASTEET Miten oppimisanalytiikka muovaa oppimista tulevaisuudessa? TULEVAISUUS
  • 5. 1st International Knowledge on Learning Analytics and Knowledge (2010) ”the measurement, collection, analysis and reporting of data about learners and their contexts for purposes of understanding and optimizing learning and the environments in which it occurs”
  • 6. Analytiikan tasot ja kypsyys AKTIVITEETTI ANALYYSIN TASO KURSSI KOULUTUS- OHJELMA OPPILAITOS KOULUTUS- JÄRJESTELMÄ
  • 7. Analytiikan tasot ja kypsyys KYPSYYS AKTIVITEETTI ANALYYSIN TASO KURSSI KAUPALLINEN TUOTE KOULUTUS- OHJELMA OPPILAITOS KOULUTUS- JÄRJESTELMÄ TUTKIMUS OPPILAITOKSEN KÄYTÄNTÖ
  • 8. Analytiikan tasot ja kypsyys KYPSYYS AKTIVITEETTI ANALYYSIN TASO KURSSI KAUPALLINEN TUOTE KOULUTUS- OHJELMA OPPILAITOS KOULUTUS- JÄRJESTELMÄ TUTKIMUS OPPILAITOKSEN KÄYTÄNTÖ ”Learning Analytics” ”Academic/ Institutional Analytics”
  • 9. Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
  • 10. Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
  • 11. Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
  • 12. Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
  • 13. Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
  • 14. Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
  • 15. Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
  • 16. Tiedonkeruumenetelmät Data type Method/Tool Cognition Metacognition Emotion Motivation Process Screen recordings YES YES NO NO Think-aloud YES YES MAYBE MAYBE Eye-tracking YES YES MAYBE MAYBE Log files YES NO NO NO Facial expressions NO NO YES NO Physiological sensors YES NO YES MAYBE Product Quizzes YES NO NO NO Summaries YES NO NO NO Self-reports Questionnaires YES YES YES YES Knowledge Construction Note-taking and drawing YES NO NO NO Classroom discourse YES YES YES YES Oppimisen dynaamisen luonteen tavoittamiseksi tarvitaan prosessidataa Emotionaalis-motivationaaliset tekijät ovat erittäin keskeisiä Olemassaolevat menetelmät eivät skaalaudu! Adapted from: Azevedo, R. (2015). Defining and Measuring Engagement and Learning in Science: Conceptual, Theoretical, Methodological, and Analytical Issues. Educational Psychologist, 50(1), 84–94.
  • 19. Society for Learning Analytics Research Position Paper, September 2020 ”In short: our EdTech systems are currently generating large amounts of low quality data that, while providing surface level insights, offers few avenues for improving student learning and the environments in which it occurs.” Kitto, K., Whitmer, J., Silvers, A. & Webb, M (2020). Creating Data for Learning Analytics Ecosystems. Society for Learning Analytics Research Position Paper. Available: https://www.solaresearch.org/wp- content/uploads/2020/09/SoLAR_Position-Paper_2020_09.pdf
  • 21. ESTEET OPPIMISANALYTIIKAN LAAJAMITTAISEEN KÄYTTÖÖNOTON KORKEAKOULUISSA Klein, C., Lester, J., Rangwala, H., & Johri, A. (2019). Learning analytics tools in higher education: Adoption at the intersection of institutional commitment and individual action. The Review of Higher Education, 42(2), 565-593.
  • 22. ESTEET OPPIMISANALYTIIKAN LAAJAMITTAISEEN KÄYTTÖÖNOTON KORKEAKOULUISSA Klein, C., Lester, J., Rangwala, H., & Johri, A. (2019). Learning analytics tools in higher education: Adoption at the intersection of institutional commitment and individual action. The Review of Higher Education, 42(2), 565-593. 1 Luotettavan teknologiainfrastruktuurin puuttuminen
  • 23. ESTEET OPPIMISANALYTIIKAN LAAJAMITTAISEEN KÄYTTÖÖNOTON KORKEAKOULUISSA Klein, C., Lester, J., Rangwala, H., & Johri, A. (2019). Learning analytics tools in higher education: Adoption at the intersection of institutional commitment and individual action. The Review of Higher Education, 42(2), 565-593. 1 2 Luotettavan teknologiainfrastruktuurin puuttuminen Työkalujen ominaisuudet ja käyttäjien tarpeet eivät kohtaa
  • 24. ESTEET OPPIMISANALYTIIKAN LAAJAMITTAISEEN KÄYTTÖÖNOTON KORKEAKOULUISSA Klein, C., Lester, J., Rangwala, H., & Johri, A. (2019). Learning analytics tools in higher education: Adoption at the intersection of institutional commitment and individual action. The Review of Higher Education, 42(2), 565-593. 1 2 3 Luotettavan teknologiainfrastruktuurin puuttuminen Työkalujen ominaisuudet ja käyttäjien tarpeet eivät kohtaa Eettiset huolet dataan, visualisointeihin ja algoritmeihin liittyen
  • 25. TEKNOLOGIAINFRASTRUKTUURI Pesonen, J., Fomkin, A., & Jokipii, L. (2018). Building Data Science Capabilities into University Data Warehouse to Predict Graduation. European Journal of Higher Education IT 2018 (1). Suomessa uniikit olosuhteet teknologiainfrastruktuurin suhteen!
  • 26. TEKNOLOGIAINFRASTRUKTUURI Pesonen, J., Fomkin, A., & Jokipii, L. (2018). Building Data Science Capabilities into University Data Warehouse to Predict Graduation. European Journal of Higher Education IT 2018 (1). Suomessa uniikit olosuhteet teknologiainfrastruktuurin suhteen!
  • 27. OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407.
  • 28. OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) 1
  • 29. OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) Ominaisuus joka auttaa kertaamaan aiempien lukukausien opintojen ydinsisältöjä (M=4.12 / 5) 1 2
  • 30. OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) Ominaisuus joka auttaa kertaamaan aiempien lukukausien opintojen ydinsisältöjä (M=4.12 / 5) Itsearviointikehotteet ja niiden perusteella palaute osaamisesta ja osaamisen puutteista (M=4.07 / 5) 1 2 3
  • 31. OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) Ominaisuus joka auttaa kertaamaan aiempien lukukausien opintojen ydinsisältöjä (M=4.12 / 5) Itsearviointikehotteet ja niiden perusteella palaute osaamisesta ja osaamisen puutteista (M=4.07 / 5) Automaattinen palaute kirjallisista tuotoksista (rakenne, sisältö, plagiointitarkastus, kehittämisehdotukset) (M=4.07 / 5) 1 2 3 4
  • 32. OPISKELIJOIDEN TOIVEET OPPIMISANALYTIIKALLE Schumacher, C., & Ifenthaler, D. (2018). Features students really expect from learning analytics. Computers in human behavior, 78, 397-407. Muistutustoiminto joka muistuttaa esimerkiksi ilmoittautumisten ja tehtävien määräajoista (M=4.2 / 5) Ominaisuus joka auttaa kertaamaan aiempien lukukausien opintojen ydinsisältöjä (M=4.12 / 5) Itsearviointikehotteet ja niiden perusteella palaute osaamisesta ja osaamisen puutteista (M=4.07 / 5) Automaattinen palaute kirjallisista tuotoksista (rakenne, sisältö, plagiointitarkastus, kehittämisehdotukset) (M=4.07 / 5) Suositukset opiskeltavista sisällöistä (M=3.98 / 5) 1 2 3 4 5
  • 33. OPETTAJIEN NÄKEMYKET OPPIMISANALYTIIKASTA Kollom, K., Tammets, K., Scheffel, M., Tsai, Y. S., Jivet, I., Muñoz-Merino, P. J., ... & Ley, T. (2021). A four-country cross-case analysis of academic staff expectations about learning analytics in higher education. The Internet and Higher Education, 49, 100788.
  • 34. OPETTAJIEN NÄKEMYKET OPPIMISANALYTIIKASTA Kollom, K., Tammets, K., Scheffel, M., Tsai, Y. S., Jivet, I., Muñoz-Merino, P. J., ... & Ley, T. (2021). A four-country cross-case analysis of academic staff expectations about learning analytics in higher education. The Internet and Higher Education, 49, 100788. Työkalu oppimisaktiviteettien parempaan ymmärtämiseen 1
  • 35. OPETTAJIEN NÄKEMYKET OPPIMISANALYTIIKASTA Kollom, K., Tammets, K., Scheffel, M., Tsai, Y. S., Jivet, I., Muñoz-Merino, P. J., ... & Ley, T. (2021). A four-country cross-case analysis of academic staff expectations about learning analytics in higher education. The Internet and Higher Education, 49, 100788. Työkalu oppimisaktiviteettien parempaan ymmärtämiseen Mahdollisuus palautteen tarjoamiseen opiskelijoille 1 2
  • 36. OPETTAJIEN NÄKEMYKET OPPIMISANALYTIIKASTA Kollom, K., Tammets, K., Scheffel, M., Tsai, Y. S., Jivet, I., Muñoz-Merino, P. J., ... & Ley, T. (2021). A four-country cross-case analysis of academic staff expectations about learning analytics in higher education. The Internet and Higher Education, 49, 100788. Työkalu oppimisaktiviteettien parempaan ymmärtämiseen Mahdollisuus palautteen tarjoamiseen opiskelijoille Mahdollisuus mukauttaa opetussuunnitelmaa vastaamaan paremmin opiskelijoiden tarpeita 1 2 3
  • 37. EETTISET HUOLET O'neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown. ”Matikkatuhoaseen” kolme ominaisuutta
  • 38. EETTISET HUOLET O'neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown. ”Matikkatuhoaseen” kolme ominaisuutta 1. Läpinäkymättömyys: Mallin tulosten oikeutusta ei voi kiistää, kun ei ole mahdollista selittää miten malli toimii
  • 39. EETTISET HUOLET O'neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown. ”Matikkatuhoaseen” kolme ominaisuutta 1. Läpinäkymättömyys: Mallin tulosten oikeutusta ei voi kiistää, kun ei ole mahdollista selittää miten malli toimii 2. Käytön laajuus: Vaikka virheiden osuus olisi pieni, niin laajassa käytössä aina osuu jonkun kohdalle
  • 40. EETTISET HUOLET O'neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. Crown. ”Matikkatuhoaseen” kolme ominaisuutta 1. Läpinäkymättömyys: Mallin tulosten oikeutusta ei voi kiistää, kun ei ole mahdollista selittää miten malli toimii 2. Käytön laajuus: Vaikka virheiden osuus olisi pieni, niin laajassa käytössä aina osuu jonkun kohdalle 3. Negatiivisten vaikutusten kehä: Jos mallia käytetään heikentämään yksilön asemaa, malli voi päätyä vahvistamaan olemassa olevia tasa-arvo-ongelmia
  • 42. TULEVAISUUDEN TEKNOLOGIOIDEN TUTKIMINEN: ”MIND UPLOAD” (LAAKASUO ET AL. 2021)
  • 43. TULEVAISUUDEN TEKNOLOGIOIDEN TUTKIMINEN: ”MIND UPLOAD” (LAAKASUO ET AL. 2021) How moral do you find the scientist's decision? How acceptable was the scientist's decision? How appealing was the scientist's decision?
  • 44. ”Machiavellismi ennustaa mind upload - teknologioiden hyväksymistä” Laakasuo, M., Repo, M., Drosinou, M., Berg, A., Kunnari, A., Koverola, M., ... & Sundvall, J. (2021). The dark path to eternal life: Machiavellianism predicts approval of mind upload technology. Personality and Individual Differences, 177, 110731.
  • 45. OPPIMISEN ITSESÄÄTELY Suunnittelu ja tavoitteiden asettaminen Itsemonitorointi ja kontrolli Mukautuminen ja reflektio Panadero, E. (2017). A Review of Self-regulated Learning: Six Models and Four Directions for Research. Frontiers in Psychology, 8, 422.
  • 46. OPPIMISANALYTIIKKA JA OPPIMISEN ITSESÄÄTELY OPPIJA ANALYTIIKKA- SOVELLUS OPETTAJA Analytiikkasovellus auttaa opettajaa tukemaan oppijan itsesäätelyä Opettaja tukee oppijan itsesäätelyä Analytiikkasovellus tukee oppijan itsesäätelyä Opettaja ja analytiikkasovellus yhdessä tukevat oppijan itsesäätelyä
  • 47. OPPIMISANALYTIIKKA JA OPPIMISEN ITSESÄÄTELY ANALYTIIKKA- SOVELLUS ANALYTIIKKA- SOVELLUS OPPIJA Interventio itsesäätelyn kehittämiseksi Ihmisen ja teknologian hybridi OPPIJA VAI
  • 48. Kuvitellaan älykäs teknologia, joka valtavaan oppijan tavoitteista ja toiminnasta kerättyyn datamassaan perustuen pyrkii optimoimaan tämän oppimista ohjaamalla oppijan käyttäytymistä tavoiteltavaan suuntaan.
  • 49. Käyttäisitkö tätä teknologiaa? Antaisitko oppijoiden käyttää tätä teknologiaa?
  • 50. ”Replika provides some level of companionship that can help curtail loneliness, provide a ’safe space’ in which users can discuss any topic without the fear of judgment or retaliation, increase positive affect through uplifting and nurturing messages, and provide helpful information/advice” Ta, V., Griffith, C., Boatfield, C., Wang, X., Civitello, M., Bader, H., ... & Loggarakis, A. (2020). User experiences of social support from companion chatbots in everyday contexts: thematic analysis. Journal of medical Internet research, 22(3), e16235.
  • 51. Kiitos! Mitä kysymyksiä heräsi? JOONAS PESONEN http://linkedin.com/in/japesone +358 503575130