Oppimisanalytiikka tarkoittaa oppimisprosessin aikana syntyvän datan hyödyntämistä opiskelijoiden ohjauksen, arvioinnin ja opetuksen kehittämisen tukena. Tämä data voi koostua opiskelijan toiminnasta, kuten tehtävien palautuksista ja kurssialueella liikkumisesta, tai digityökalujen tuottamasta lokitiedosta. Oleellista on, että analytiikan avulla voidaan tukea oppimista, ymmärtää oppimisprosessia ja kehittää opetusta.
Oppimisanalytiikkaa voidaan tarkastella neljän eri analytiikkatyypin kautta:
1. Kuvaileva analytiikka – Mitä on tapahtunut?
Kuvaileva analytiikka tarjoaa yleiskuvan opiskelijoiden toiminnasta. Se vastaa kysymykseen mitä opintojaksolla on tapahtunut. Esimerkiksi opiskelijan eteneminen kurssilla, tehtävien palautusmäärät tai osallistuminen verkkokeskusteluihin ovat kuvailevan analytiikan piiriin kuuluvia tietoja. Tämä analytiikka auttaa hahmottamaan kokonaiskuvaa ja tilannetta tarkasteltavan asian kohdalla.
2. Diagnostinen analytiikka – Miksi näin tapahtui?
Diagnostinen analytiikka menee syvemmälle ja pyrkii selittämään miksi tietyt asiat ovat tapahtuneet. Se voi auttaa tunnistamaan oppimisen esteitä, kuten tehtävien vaikeustasoa tai opiskelijan motivaation puutetta. Diagnostinen analytiikka voi esimerkiksi paljastaa, että opiskelijat eivät lue palautteita tai että tietty tehtävä aiheuttaa poikkeuksellisen paljon virheitä. Tämä analytiikkatieto auttaa ymmärtämään opiskelijoiden käyttäytymisen taustalla olevia syitä ja tunnistamaan oppimisen esteitä.
3. Ohjaava analytiikka – Miten kannattaa toimia jatkossa?
Ohjaava analytiikka tukee päätöksentekoa ja vastaa kysymykseen miten kannattaa jatkossa toimia. Sen avulla voidaan esimerkiksi lähettää automaattisia muistutuksia lähestyvistä määräajoista tai ehdottaa opiskelijalle etenemispolkua kurssilla. Ohjaava analytiikka tukee opiskelijaa etenemään kurssilla ajallaan ja auttaa opettajaa kohdentamaan ohjausta oikea-aikaisesti.
4. Ennustava analytiikka – Mitä tulee mahdollisesti tapahtumaan?
Ennustava analytiikka pyrkii arvioimaan tulevaa. Se voi esimerkiksi ennustaa opiskelijan todennäköisyyttä suorittaa kurssi hyväksytysti tai tunnistaa riskissä olevat opiskelijat ajoissa. Ennustava analytiikka perustuu aiempaan dataan ja malleihin, jotka arvioivat tulevaa käyttäytymistä tai suorituksia. Analytiikka mahdollistaa varhaisen puuttumisen ja tukitoimien kohdentamisen opiskelijoille, jotka ovat riskissä jäädä jälkeen.
Oppimisanalytiikka ei ole vain opettajan työkalu. Opiskelijan näkökulmasta oppimisanalytiikka tarjoaa arvokkaan työkalun oman oppimisen seuraamiseen ja kehittämiseen. Sen avulla opiskelija voi tarkastella omaa etenemistään, kuten tehtävien palautuksia, kurssialueella vietettyä aikaa ja aktiivisuutta keskusteluissa. Ohjaavan analytiikan avulla opiskelija saa suosituksia seuraavista oppimistehtävistä tai muistutuksia määräajoista, mikä tukee ajanhallintaa ja tavoitteellista työskentelyä. Ennustava analytiikka puolestaan voi antaa vihjeitä siitä, kuinka todennäköisesti kurssi tulee suoritettua nykyisellä tahdilla, mikä voi motivoida tekemään tarvittavia muutoksia ajoissa. Kun opiskelija oppii tulkitsemaan ja hyödyntämään analytiikkaa, hän voi ottaa aktiivisen roolin oman oppimisensa ohjaamisessa.
Oppimisanalytiikan hyödyntäminen
Oppimisanalytiikkaa voidaan hyödynnetään monipuolisesti opiskelijan oppimisen tukemisessa, ohjauksessa, sisällön kehittämisessä ja arvioinnissa. Sen avulla voidaan tehdä näkyväksi oppimisprosessin eri vaiheita ja kohdentaa toimenpiteitä oikea-aikaisesti ja tarkoituksenmukaisesti. Analytiikkaa voidaan hyödyntää muun muassa seuraavasti:
- Opiskelijan eteneminen: Analytiikka tukee opiskelijan etenemistä tarjoamalla näkyvyyttä, joka voi auttaa opiskelijaa pysymään aikataulussa ja motivoimaan opiskelijaa.
- Ohjaus ja tukeminen: Opettaja voi analytiikan avulla tunnistaa opiskelijat, jotka tarvitsevat lisätukea. Yksittäisen opiskelijan etenemistä voidaan tarkastella raporttien avulla, ja koko ryhmän edistymisestä saadaan yleiskuva, jonka perusteella ohjausta voidaan kohdentaa tehokkaasti.
- Sisällön kehittäminen: Analytiikka paljastaa, miten opiskelijat käyttävät kurssin sisältöjä ja aktiviteetteja. Opettaja voi tarkastella, mitkä tehtävät tai aineistot ovat olleet aktiivisesti käytössä ja mitkä jääneet vähälle huomiolle. Näin voidaan kehittää opintojakson rakennetta ja sisältöä vastaamaan paremmin opiskelijoiden tarpeita ja oppimistapoja.
- Arviointi: Oppimisanalytiikka tukee arviointia tarjoamalla tietoa opiskelijoiden suorituksista eri tehtävissä, tenteissä ja palautteissa. Tämä auttaa opettajaa tekemään perusteltuja arviointipäätöksiä ja opiskelijaa ymmärtämään omaa osaamistaan.
Oppimisanalytiikan käyttö opetuksessa ja ohjauksessa vaatii harkintaa ja vastuullisuutta. On tärkeää muistaa, että analytiikka ei kerro kaikkea. Se tarjoaa näkymän opiskelijan toimintaan digitaalisessa ympäristössä, mutta ei välttämättä heijasta kaikkea osaamista, motivaatiota tai oppimisen laatua. Siksi analytiikkaa tulee tulkita osana laajempaa kokonaiskuvaa.
Huomioi myös, että opiskelijan motivaatio on keskeinen tekijä. Jos analytiikkaa käytetään vain puutteiden osoittamiseen, se voi lannistaa. On tärkeää tuoda esiin myös positiivisia signaaleja, kuten edistymistä ja aktiivisuutta, jotta opiskelija kokee analytiikan tukevan eikä arvioivan.
Opiskelijoille tulee kertoa selkeästi, mitä tietoa kerätään, mihin tarkoitukseen ja miten sitä käytetään. Tämä lisää luottamusta ja avoimuutta. Myös tietosuoja on huomioitava tarkasti. Oppimisanalytiikkaan liittyvä data tulee säilyttää ja käsitellä arviointisääntöjen ja tietosuojakäytäntöjen mukaisesti. Tiedot on poistettava asianmukaisesti, kun niitä ei enää tarvita.
Oppimisanalytiikan työkalut
Digitaaliset oppimisympäristöt, kuten Moodle ja Teams, keräävät jatkuvasti tietoa opiskelijoiden toiminnasta. Tämä data voi sisältää esimerkiksi kirjautumiskerrat, tehtävien palautusajankohdat, arvioinnit, keskusteluihin osallistumisen, videoiden katseluajan tai tehtävien suoritukset. Myös muista oppimisen tukena käytettävistä digityökaluista on usein saatavilla analytiikkatietoja.
Digityökalujen tuottamat lokitiedot muodostavat kokonaiskuvan oppimisprosessista. Esimerkiksi opettaja voi nähdä, mitkä kurssin osiot ovat eniten käytettyjä, missä vaiheessa opiskelijat hidastavat tahtiaan, tai ketkä opiskelijat ovat vaarassa jäädä jälkeen. Samalla opiskelijat voivat itse seurata omaa etenemistään ja saada palautetta, joka auttaa heitä suunnittelemaan oppimistaan tehokkaammin.
Miten valtavasta määrästä dataa erottaa olennaisen tai tekee oikeanlaisia johtopäätöksiä? Lokidataa on usein paljon ja niiden analysointi nouseekin isoon rooliin oppimisanalytiikan hyödyntämisessä. Oppimisympäristöt voivat myös tarjota visuaalisia raportteja ja automaattisia ilmoituksia, jotka tukevat sekä opettajan että opiskelijan päätöksentekoa. Kun analytiikkaa hyödynnetään pedagogisesti perustellusti ja läpinäkyvästi, se voi merkittävästi parantaa oppimiskokemusta ja tukea yksilöllistä oppimispolkua.
Tampereen korkeakouluyhteisössä käytössä olevien työkalujen oppimisanalytiikkaominaisuuksista kerrotaan Vinkkipankissa: Oppimisanalytiikan käyttötapoja
