Education AI auttaa onnistumaan jatkuvassa oppimisessa
Julkaistu : 20.12.2019

Jatkuva oppiminen on valtiovallan korkeakouluille antama uusi tehtävä. Mutta miten kiireinen aikuinen onnistuu yhdistämään osaamista täydentävän opiskelun ja vaativan työelämän? Miten oppimisanalytiikka ja tekoäly voisivat auttaa tällaista oppijaa sulautumaan opiskelun maailmaan?  

Jatkuva oppiminen haastaa opiskelun perinteiset toimintamallit

Perinteinen koulutusjärjestelmä ja opiskelun prosessit eivät ole optimaalisia elinikäisen oppimisen tarpeille. Jatkuva oppiminen tuo korkeakouluun joukon sellaisia opiskelijoita, jotka eivät ole tottuneita opiskelemaan korkeakoulussa ja jotka eivät välttämättä tunne omia oppimistyylejään. Tämä asettaa uusia haasteita kaikille osapuolille. Tarvitsemme uudenlaisia työn ja opiskelun toisiinsa yhdistäviä koulutusrakenteita sekä opiskelua ja oppimista avustavaa uutta teknologiaa, jotta nämä uudet opiskelijat löytäisivät itselleen sopivan tarjonnan sekä heille sopivat tavat opiskella ja oppia. Tarvitsemme uudenlaisia ratkaisuja varmistamaan, että mahdollisimman moni opiskelija kykenee suorittamaan opintonsa valmiiksi.

Tekoäly ja oppimisanalytiikka voivat auttaa opiskelijaa hänelle parhaiten soveltuvien yksilöllisten opiskelumenetelmien valinnassa ja tuoda opiskelun edistymisen aiempaa selkeämmin näkyviin sekä oppijalle että oppilaitokselle. Näin voimme yksilöllistää ja tehostaa akateemista opinto-ohjausta.

Tekoäly tuntee oppijan 

Oppimisanalytiikan avulla pyritään ymmärtämään ja optimoimaan opiskeluprosesseja, oppimista ja oppimisympäristöjä. Siihen liittyvä teknologia tarjoaa uudenlaisia mahdollisuuksia opiskelun etenemisen ja oppimisen kuvailemiseen, selittämiseen, ennustamiseen ja ohjaamiseen sekä yksilö- että ryhmätasolla.  

Tekoälyn avulla verkko-oppimisympäristöistä voidaan tehdä adaptiivisia ja oppijaa henkilökohtaisesti ohjaavia. Koneen täytyy kuitenkin tietää oppijasta ja hänen opiskelustaan riittävästi. Opiskelijan historia oppijana voi kertoa koneelle, millainen oppija on kyseessä. Millaisia taipumuksia hänellä on oppimistehtävien suorittamisessa? Millaisia ovat hänen vahvuutensa ja heikkoutensa opiskelussa? Oppijan toiminnasta kerättyjen tietojen avulla analytiikka voi antaa sellaisia signaaleja, joiden avulla opettaja voi proaktiivisesti ohjata oppijaa ja oppija voi itse tehdä korjaavia toimenpiteitä.  

Millaista analytiikka voisi olla lähitulevaisuudessa? Nykyteknologian avulla on mahdollista rakentaa verkkoympäristöön entistä älykkäämpi chatbot eli keskustelurobotti, joka ei toimisi vain valmiiden vastausten antajana, vaan osaisi myös tuottaa tilannekohtaisesti personoitua sisältöä oppijalle. Tällainen chatbot voisi olla kuin kokenut henkilökohtainen opinto-ohjaaja, jolle opiskelija voisi kirjoittaa tai puhua huolensa. Kone kykenisi vastaamaan ja tarjoamaan kysyjälle sopivia ratkaisuja. Chatbot ei olisi vain asiantuntija teknisissä asioissa, vaan se kykenisi myös toimimaan opiskelijan henkilökohtaisena motivaattorina ja sparraajana.

Oppijakeskeisyys on tärkeää teknologian soveltamisessa

Oppijan tulee olla ”Education AI” -tyyppisen tekoälyn rakentamisen keskiössä. Tämä asia sisältyy myös Euroopan komission High Level AI Groupin eettisiin ohjeisiin. Omien henkilötietojensa suojaamiseksi oppijalla täytyy olla oikeus valita, kuinka paljon tietoa hän antaa analytiikkaa varten. Mitä enemmän tietoa oppija antaa analytiikan käyttöön omasta opiskelustaan ja elämästään, sitä paremmin analytiikka ja tekoäly voivat kuitenkin palvella, ohjata ja motivoida häntä.

Opiskelijan ja opettajan muuttuva maailma

Aiempaa heterogeenisemmissa oppimisympäristöissä ja opiskelijajoukoissa yksilöt katoavat helposti opettajan ulottuvilta. Vastuu oman opiskelu- ja oppimisprosessin hallinnasta siirtyy yhä enenevässä määrin oppijalle itselleen. Oppimisanalytiikka ja tekoäly avaavat uusia mahdollisuuksia personoituun opiskeluun ja sen ohjaamiseen.

Uuden tekniikan avulla oppija voi hahmottaa ja hallita opiskelunsa ja oppimisensa edistymistä aiempaa selkeämmin. Lisäksi tekniikan mahdollistama opiskelun personointi ja proaktiivinen ohjaus tekevät työn ja opiskelun yhdistämisestä aiempaa sujuvampaa. Samalla opettajalle jää enemmän aikaa koulutuksen kehittämiseen ja oppimissisältöjen jatkuvaan uudistamiseen. Oppimisanalytiikan täysimittainen hyödyntäminen vaikuttaa koulutuksen pedagogiseen suunnitteluun ja opettaja tarvitseekin entistä enemmän aikaa oppimiskokonaisuuksien uudenlaiseen järjestämiseen. Jatkuva analytiikka on mahdollinen vain, mikäli opiskeluun ja oppimiseen liittyvistä teoista kertyy jatkuvasti dataa järjestelmän käyttöön.