LUT-yliopistolla on jo useamman vuoden ajan toteutettu etämaisteriohjelmia, joissa opiskelijat ovat taustaltaan joko ammattikorkeakoulusta valmistuneita insinöörejä tai tekniikan kandidaatteja. Tavoitteena heillä on valmistua diplomi-insinööreiksi joustavasti työn ohessa opiskellen, ja pääosa opinnoista suoritetaan etäopetusmateriaaleja ja etäyhteyksiä hyödyntäen.
Etäopiskeluohjelmissa opiskelevien opiskelijoiden taustat voivat olla hyvinkin erilaisia, osalla heistä edellisistä opinnoista on kulunut jo useita vuosia, kun taas osa saattaa jatkaa DI-opintoja suoraan insinööriopintojensa jatkeeksi, eli katkosta opiskelujen väliin ei tule. Lisäksi suurin osa etäopiskelijoista käy päivätöissä samanaikaisesti opintojensa kanssa, mikä luo ajankäytöllisiä haasteita opiskeluun, vaikka toki ohjelma onkin niin suunniteltu, että työnteko opintojen kanssa yhtä aikaa on mahdollista.
Edellä mainitut seikat ja opiskelijoiden erilaiset taustat asettavat haasteita opiskelijoiden ohjaukseen ja osaltaan myös opintojaksojen suunnitteluun, sillä taustatiedot eivät luonnollisesti ole opettajien eikä ohjaajien tiedossa, vaan tarvitaan oikeudet näiden tietojen käyttöön ennustuksia tehdessä. Eräänlaiseksi haasteeksi voi muodostua myös se, että etäohjelmiin osallistujat suunnittelevat usein tutkintonsa suoritusajan eripituiseksi verrattuna kampuksella läsnäoleviin opiskelijoihin. Tämän seurauksena HOPS saattaa sisältää samat opintojaksot esimerkiksi kahdelle, kolmelle tai jopa neljälle vuodelle rytmitettyinä, mutta silti kyseessä on opiskelijan näkökulmasta ihannetoteutusmalli. Opiskelijakohtaisten valintojen tunnistaminen opintojen viivästymisestä onkin siten yksi AnalytiikkaÄly-sovellukselta vaadittavista lisäominaisuuksista.
Ymmärrettävää toki on, että opiskelijoiden tarkemmat taustatiedot ja esimerkiksi tieto aikaisemmin hankitusta osaamisesta eivät ole yleisesti saatavilla, ja niiden tietojen käyttöön tarvitaan oikeudet. Näin etäopiskelijoiden opintojen ohjaustyöhän osallistuvina toivoisimme näkevämme joskus, jo mahdollisesti lähitulevaisuudessa, esimerkiksi jonkinlaisen ennustemallin/-ratkaisun, joka edesauttaisi opettajia ja ohjaajia ymmärtämään opiskelijoiden etenemistä perustuen heidän erilaisiin taustoihinsa ja ennakko-osaamiseensa.
Aikaisemmin opitun hyödyntäminen tutkinnossa (AHOT) vaatii AnalytiikkaÄly-sovelluksilta erityispiirteitä, jotka tulisi voida rakentaa opintojaksokohtaisesti siten, että opiskelijakohtaisesti voidaan tunnistaa AHOT-prosessiin sopiva osaaminen ja siirtää tieto ennustemalliin. Jos/kun AHOT-mahdollisuuden tunnistaminen on nykyisinkin suhteellisen vaativa prosessi, on se sitä varmasti pyrittäessä hyödyntämään AHOT-tunnistustoimintoja osana ennustemallia. Haasteita siis riittää, mutta toivottavasti näihin kuitenkin löytyy jonkinlaisia ratkaisuja, jos ei nyt vielä AnalytiikkaÄly-hankkeessa, niin mahdollisissa jatkoyhteistyökuvioissa lähitulevaisuudessa.
Toinen tärkeä seikka nyky-yliopistossa yliopiston näkökulmasta on yritysmaailman osaajatarpeiden ymmärtäminen ja sinne tarvittavan tulevaisuuden työvoiman tuottaminen. Olisi tärkeää osata yhdistää koulutustuotteiden sisällöt näihin osaajatarpeiden täyttämisiin, tämä voisi olla mahdollista esimerkiksi tuottamalla oikeanlaisia sivuopintokokonaisuuksia. Tässä onkin yksi suurista haasteista analytiikan näkökulmasta, kuinka osataan ennustaa esimerkiksi viiden vuoden päähän tätä tarvetta?
Katriina Mielonen ja Harri Eskelinen
Lappeenrannan-Lahden teknillinen yliopisto LUT
