Oppimisanalytiikka perustuu digitaalisiin sovelluksiin ja ympäristöihin jääviin digitaalisiin jälkiin. Tällöin oppimisanalytiikka pystyy vain kuvaamaan sitä osaa oppimisen prosessista, joista näitä jälkiä jää. Oppimisanalytiikan käyttöä voidaan tarkastella niin oppijan, opettajan ja korkeakoulun kannalta, myös kansallisella tasolla.
Oppimisanalytiikka voi tukea opiskelijan omaa prosessia esimerkiksi mahdollistamalla nopean palautteen saamisen oppimistehtäviin kehitetyllä automatisoidulla arvioinnilla. Analytiikka ohjaa näin opiskelijan omaa toimintaa palautteen avulla.
Korkeakouluopettajat voivat saada oppimisanalytiikan keinoin tietoa oppijoiden suoriutumisesta, heidän kohtaamistaan ongelmista ja omasta ohjauksestaan. Korkeakoulutasolla voidaan tarkastella opiskelijaryhmiä ja koulutusohjelmia koskevaa dataa, jota hyödynnetään tietoperustaisen päätöksenteon ja johtamisen tukena.
Kansallisella tasolla taasen oppimisanalytiikka tarjoaa esimerkiksi tietoa opetuksen järjestäjistä, joiden sisäänpääsyperiaatteet ovat samankaltaiset. Analytiikka antaa tietoa alueellisista eroista sekä vertailutuloksia kansallisiin kriteereihin. (OKM Oppimisanalytiikkajaosto 2021.)
Tekoälyn monet mahdollisuudet
Tekoälyllä on paljon muutakin tarjottavaa oppimiseen. Viimeisen viiden vuoden aikana on tehty monia systemaattisia meta-analyysejä tekoälyn koulutuksellisista sovellutuksista (Zawacki-Richter ym. 2019; Zhai ym. 2021). Näissä laajoissa analyyseissä on tarkasteltu muun muassa, missä tehdään maantieteellisesti eniten koulutukseen liittyvää tekoälytutkimusta, millaisissa oppiaineissa ja millainen rooli tekoälyllä on opettajan työssä, opiskelijan oppimiskokemuksessa (Khare & Stewart 2018) sekä korkeakouluinstituution toiminnassa.
Tekoälyn tukemia sovelluksia käytetään jo monissa pedagogisissa ratkaisuissa, kuten sisällön kehittämisessä, opetusmenetelmissä, opiskelijoiden arvioinnissa sekä oppijoiden ja opettajien vuorovaikutuksessa (Chassignol ym. 2018).
Usein pelkästään tekoälyyn vihkiytyneet tutkijat ovat olleet synnyttämässä koulutukseenkin liittyviä teknologisia innovaatioita. Tämän vuoksi oppimisessa hyödynnettävissä tekoälyratkaisuissa olisi tärkeää huomioida entistä vahvemmin pedagoginen näkökulma. Tekoälyasiantuntijoilla ei ole tyypillisesti tietoa pedagogisista prosesseista. On epärealistista edellyttää koulutustutkijoita perehtymään tekoälyteknologioiden saloihin (Zhai ym. 2021).
Tekoäly tukemaan pedagogista vuorovaikutusta
Vuorovaikutteisuus on merkittävä osa pedagogista prosessia. Opiskelijoiden kohtaaminen onnistuu useimmiten hyvin lähiopetustilanteissa. Pandemia ja jatkuvan oppimisen tarve ovat lisänneet verkossa tapahtuvaa oppimisprosessien ohjausta räjähdysmäisesti, mutta yksi verkkototeutusten ongelmista on ollut vuorovaikutuksen puute tai sen vähäisyys. Pelillistäminen toimii hyvin esimerkiksi uuden kielen opiskelussa mobiilisovelluksen avulla. Nyt pohditaan, miten tekoälyn avulla voidaan lisätä pedagogista vuorovaikutusta verkkokurssilla.
Pedagogiseen vuorovaikutukseen liittyvistä tekoälysovelluksista on vielä vähän tutkimustietoa. Voisiko esimerkiksi chatbot neuvoa tai kannustaa oppijoita ja miten? Millaiset tekoälyyn pohjatuvat ratkaisut voisivat lisätä vuorovaikutusta ja vertaistukea oppimistilanteissa?
Olennaista on tarkastella tekoälyä ja oppimisen prosessia avoimin silmin. Tekoäly ei saa olla vain päälle liimattua teknologiaa, joka ei integroidu sujuvasti oppimisen tukemiseen. Tärkeintä on miettiä, mitä haluamme saada tekoälyllä aikaan ja sitä miten muotoillaan oppimisprosesseja, jotka tukevat tätä tavoitetta.
Opetus- ja kulttuuriministeriön rahoittamassa AI Driver! -hankkeessa tutkimme tekoälyn hyödyntämistä oppimisessa, ja erityisen kiinnostuksen kohteena meillä on pedagogisen vuorovaikutuksen lisääminen. Osana AI Driver! -hanketta tarkastelemme ja testaamme oppimista tukevien AI-ratkaisujen kykyä mahdollistaa pedagogista vuorovaikutusta ja tuotamme uutta tietoa toimijoiden avuksi.
Lähteet:
- Chassignol, M., Khoroshavin, A., Klimova, A., & Bilyatdinova, A. 2018. Artificial Intelligence trends in education: a narrative overview. Procedia Computer Science, 136, 16–24.
- Khare, K. Stewart, B. Khare, A. 2018. Artificial intelligence and the student experience: An institutional perspective. IAFOR Journal of Education, 6 (3) , 63-78. 10.22492/ije.6.3.04
- Opetus- ja kulttuuriministeriö, oppimisanalytiikkajaosto. 2021. Oppimisanalytiikan viitekehys Hyvät käytännöt oppimisanalytiikan käyttöönotossa ja hyödyntämisessä. Opetus- ja kulttuuriministeriön julkaisuja 2021:36.
- Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. 2019. Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16(1).
- Zhai, X., Chu, X., Chai, C. S., Jong, M. S. Y., Istenic, A., Spector, M., Liu, J.-B., Yuan, J., & Li, Y. 2021. A Review of Artificial Intelligence (AI) in Education from 2010 to 2020. Complexity, 2021, 1–18.
Kuva: www.shutterstock.com