Data-analytiikka ja opetuksen suunnittelu verkkoympäristössä liittyvät yhä kiinteämmin yhteen. Keskeisinä tavoitteina ovat opiskelijoiden oppimisen ja opintojen etenemisen tukeminen. Data mahdollistaa tarpeellisen informaation kokoamisen kurssin suunnittelun avuksi, jotta sisällöt ja prosessi tukisivat oppimista.

Millaisia keinoja data tarjoaa opettajan työn tueksi?

Haaga-Helia Ammatillisessa opettajakorkeakoulussa data-analytiikkaa on tutkittu oppimisanalytiikan näkökulmasta. Mahdollisuuksia tarkastellaan juuri pedagogiikan näkökulmasta: mitä ja millaista dataa halutaan ja tarvitaan. Tietysti pohditaan myös datan hyödyntämisen mahdollisuuksia.

Datatietoa voi kerätä esimerkiksi jo kurssin alkupuolella. Data kertoo, ovatko opiskelijat päässeet opintojaksolla hyvään alkuun. Moodleen on mahdollista laatia myös eräänlainen ”hälytysjärjestelmä”. Tällöin opettaja saa automaattisesti viestin, jos opiskelija ei ole aloittanut opintojaksoa tai aloituksessa on ongelmia. Mahdolliset pulmat voi ratkoa jo alkuvaiheessa.

Datan avulla voi tarkastella opiskelijoiden liikkumista sivustolla ja sitä, miten paljon aikaa he käyttävät materiaaleihin perehtymiseen. Tällaista informaatiota voi hyödyntää opintojakson aikatauluja suunniteltaessa. Jos opiskelijat viipyvät pitkään jossakin kohdin kurssia, on ehkä syytä miettiä, ovatko tehtävät haastavia tai olisiko tehtävänantoa aiheellista muuttaa.

Toiveena visusalisoitu data

Data-analytiikka tarjoaa paljon hyötyä ja iloa myös opiskelijoille. Turun yliopiston opettajankoulutuslaitoksen kyselyissä on todettu, että opiskelijat ovat kiinnostuneita opintojaan koskevasta datatiedosta. Opiskelijoiden toiveena on ollut saada näkyville etenkin visualisoitua datatietoa.

Visualisointiraportit eivät vielä tällä hetkellä ole Haaga-Helian opiskelijoiden hyödynnettävissä. Opintojen etenemistä eri kursseilla voi seurata Moodlessa näkyvän edistymisen seurannan eli ”madon” avulla. Opettaja voi määritellä tehtävät ja aineistot, joiden suoritustilanne ilmenee väreinä. Punainen muuttuu vihreäksi, kun tehtävä on palautettu tai suoritettu. Tämä yksinkertainen visualisointi ilmaisee kuitenkin vain määrää, ei opiskelun laatua tai opiskelijan etenemistä suhteessa muihin opiskelijoihin.

Dataa on mahdollista kehittää myös oppimisen ilmaisemisen tueksi. Opettaja voi seurata oppimista laatimalla kysymyksiä ja pieniä tehtäviä. Dataa voidaan hyödyntää myös opiskelijoiden tuntemusten kartoittamiseen, opintojakson arviointiin tai sillä koota tietoa opintojen etenemisestä.

Data lisää luovuutta

Kaikkia data ja sen kokoaminen ei innosta. Tutkimukset meiltä ja maailmalta kuitenkin osoittavat, että suurinta osaa opettajista ja opiskelijoista datasta saatavat tiedot innostavat. Opettajat haluavat kehittää opintojaksojaan ja ohjaavat opettajat seurata opiskelijoiden opintojen etenemistä. Opiskelijat haluavat edetä samassa tahdissa muun ryhmän kanssa.

Data-analytiikkaan tutustuminen ja perehtyminen tukee erilaisten sisältöjen ja käyttömahdollisuuksien kehittämistä ja luomista. Tärkeä taito on datan tarjoamien tietojen ja lukujen analysointi- ja tulkintataito. Opettajilla on runsaasti pedagogista osaamista, joka ehdottomasti hyödyttää tulkintaa. Tietojen tulkinta ja sisältöjen suunnittelu tarjoaa tilaisuuden innovatiiviselle luovuudelle. Dataa ei missään nimessä kannata pelätä tai olla siitä huolissaan.

Opettaja voi esimerkiksi suunnitella opintojaksolle erityyppisiä palautepisteitä. Tällaiset välipalautteet voivat olla vaikkapa lyhyitä kysymyksiä, joihin vastaamiseen ei opiskelijalta kulu paljon aikaa. Hyvin aseteltu kysymys antaa runsaasti arvokasta tietoa. Opintojaksoa voi rakentaa teemoittain. Jokaisen teeman jälkeen opiskelija voi antaa pienen palautteen. Palautteet antavat tietoa, miten koko kurssi etenee ja mikä on yksittäisen opiskelijan tilanne.

Ongelmien tunnistamisen avuksi

Ihanteellisinta olisi, jos koottu data tukisi sekä opiskelijaa että opettajaa. Tämä ei kuitenkaan vielä ole mahdollista. Tulevaisuudessa on mahdollista saada analytiikkatietoa, joka kertoo opiskelijan tekstin lukemiseen käyttämän ajan tai tekstissä olevien kirjoitusvirheiden määrän ja sen, mitkä virheet tekstissä toistuvat. Nämä tekijät voivat olla yhteydessä lukihäiriöön. Lukihäiriön ja muidenkin oppimisvaikeuksien tai hahmottamisongelmien tukemiseen on nykyisin tarjolla monia keinoja ja mahdollisuuksia. Opiskelijaa pystytään auttamaan heti, kun asia havaitaan.

Data-analytiikkaa voidaan hyödyntää myös nopeasti etenevien opiskelijoiden tarpeiden ja toiveiden huomioimisessa. Mitä mahdollisuuksia data tarjoaa heidän opintojensa suunnittelussa? Kurssin aikataulu voidaan suunnitella siten, että yhden tehtävän tekeminen aukaisee seuraavan. Näin jokainen voi hallita omaa aikatauluaan ja suoritustaan.

Dataa liittyy vastuu

Verkkokursseja on mahdollista toteuttaa todella monella tavalla. On hyvä pohtia verkkokurssia oppimisen kannalta ja miettiä, miten oppimisen saisi sekä opettajalle että opiskelijalle näkyväksi. Kurssin arvosanan antamista voisi uudistaa siten, että se muodostuisi prosessista eikä tentistä tai laajasta kirjallisesta tehtävästä. Kirjallisen tehtävän voi pilkkoa pienempiin osiin tai osa tehtävästä voisi koostua lyhytvastauksista tai monivalintakysymyksistä.

Dataan ja data-analytiikkaan liittyvät olennaisena osana myös eettiset kysymykset: mitä dataa saadaan kerätä, kuka sitä näkee ja miten dataa käytetään. Näitä vasten tarvitaan koko organisaatiota koskevat linjaukset. Niin henkilökunnan kuin opiskelijoiden on tärkeää tietää toiminnan säännöt – vastuut, oikeudet ja velvoitteet.

Data-analytiikkaan ladataan tällä hetkellä paljon odotuksia niin oppilaitoksissa kuin laajemminkin yhteiskunnassa. Opiskelijamäärät kasvavat ja opintojen läpäisyä halutaan nopeuttaa. Ilman toimivaa analyyttista työkalua ei kaikkiin haasteisiin pystytä vastaamaan. Analytiikan työkalut kehittyvät nopeammin ja niistä muodostuu opetusalan eri toimijoille hyödyllisiä työvälineitä, kun eri osapuolet osallistuvat niiden kehittämiseen.