Blogi

Uncategorized

Learning analytics course at the University of Oulu 

Egle Gedrimiene, Suvi Kauppi, Jenni Kunnari

University of Oulu 

The multidisciplinary team from the faculties of Education and Information Technology and Electrical Engineering got together to create and implement a new online learning analytics course at the University of Oulu. The goal of the course was to offer students multidisciplinary information on learning analytics applications in different contexts, and to develop and test the materials and design of the course. 

The course consisting of 5 modules and 10 ECTS credits introduced the field of learning analytics and covered such topics as students’ engagement, teacher and guidance perspectives in the use of learning analytics tools, principles of working with big data and big data ethics. After the completion of the introductory course, students were able to select the modules they wanted to continue further. Each class in the modules consisted of a pre task, topic presented by the teacher in the class, and a group and individual assignment.  

Students’ feedback at the end of the course was encouraging, as overall the experience of teaching and studying on this course module seemed to be positive. When asked which elements supported students’ learning the best from their own point of view, they mentioned for example the content of the course, materials as chosen articles and lecture recordings that they could go back to, interactions and discussions with teachers and other students and reflection tasks they were given.  

The teacher interactions (on and off class), the learning resources, group and reflection tasks as well as the structure of the individual lessons. The reflection questions were simple yet thought-provoking. What I really liked and deeply appreciate is the openness with which each teacher has engage with the students and differing points of view. For this, as a student, it makes me feel safer to convey my thoughts. The individual feedback received at the end of the course (not only pass/fail or rubric oriented) was quite comprehensive and motivated me as a learner consistently. 

On the other hand, learning tasks were also mentioned as things to be improved: some students wished for example more hands-on practices with one or more LA tools, more individual assignments rather than group assignments and quizzes for checking if they have understood what they have studied. There were also wishes for some Finnish material for the support for their learning. 

A custom tailored LA tool is necessary for the course, so you can teach LA using LA. Moodle is kind of LA, but it lacks the good features of an effective LA tool. Another module can be added which would be entirely practical where one student will prepare a lecture / test using LA tool, deliver it to his/her group and the group member will comment on how good the lecture was. 

“It would be nice to have some reading material (or videos perhaps?) in Finnish, because the whole subject area is unfamiliar to me. It was quite challenging at some points to understand the terminology, lectures or the articles, because the vocabulary was new. 

After reflecting on the students’ feedback, the course teachers Anni Silvola, Egle Gedrimiene (Educational Psychology research group), Satu Tamminen and Lauri Tuovinen (Biomimetics and Intelligent Systems Group, BISG research group) and the course administrator Suvi Kauppi are currently discussing various possibilities to further develop the course materials and design. 

The course was created and piloted after receiving innovation funding from the University of Oulu. The course was offered to University of Oulu and Open University students during the April-August period in 2021. 

The work in AnalytiikkaÄly-project (AnalyticsAI, 2018–2021) continues as AnalytiikkaÄly-Etäohjaus-project (AnalyticsAI-Distance guidance, 2021–2022), funded by the Finnish Ministry of Education and Culture. The project includes seven partners and is led by the University of Oulu. The partners are Aalto University, Tampere University, University of Turku, LUT-University, University of Lapland, and University of Eastern Finland. The focus is still on learning analytics, but the emphasis is on distance learning and guidance. We aim to understand how the learning analytics tools could be applied as a part of distance guidance. Also, we research and develop the conditions for guidance with learning analytics. Follow our website, Twitter, and Facebook for latest news and events on learning analytics! 

Uncategorized

Oppimisanalytiikkaa EARLIn virtuaalikonferenssissa

EARLI 2021 järjestettiin täysin virtuaalisesti ensimmäistä kertaa. Tuloksena oli valtava runsaudensarvi oppimisen, opettamisen ja koulutuksen aiheiden tutkimusta, kokeiluja, luentoja ja oivalluksia, ja alan ihmisten virtuaalisia kohtaamisia. Teemana oli ”Education and Citizenship: Learning and Instruction and the Shaping of Futures”, mikä ilmeni muun muassa jatkuvan oppimisen, koulutuksen ja opetuksen tulevaisuuden näkymissä ja virtuaalisten ja digitaalisten palveluiden kasvavien ja muuttuvien roolien aiheissa. Teemana tämä sopii hyvin kasvavaan oppimisanalytiikan kehitykseen ja sen potentiaalisten hyötyjen ja haittojen tutkimukseen, joiden avulla voimme käytännön kokeiluissa pyrkiä kohti toimivampia oppimisanalytiikkaratkaisuja, jotka soveltuvat käyttäjänsä tarpeisiin. Tutkimuksen avulla oli myös ennakoitu ja havaittu potentiaalisia ongelmakohtia, esimerkiksi käyttämistä vaikeuttavia aspekteja, avoimia eettisiä kysymyksiä tai erilaisille käyttäjille huonosti sopivia ratkaisuja.

Oppimisanalytiikkaa, oppimisen teknologia ja oppimisalustoja käsitteleviä aiheita nousi esiin niin kollaboratiivisen oppimisen, opiskelutaitojen, oppimista tukevan palautteen, koneoppimisen, etiikan, opintopolkujen kuin opettajakoulutuksen yhteyksissä useissa sessioissa. Oppimisanalytiikka ilmeni konferenssissa 46 esityksen tai session avainsanoissa, ilmaisten sen monimuotoista sisältymistä erilaisiin oppimisen ja opettamisen teemoihin. Erilaisia pilotteja, tutkimuksia ja kokeiluja esiteltiin laajalti eri konteksteissa alakoulusta yliopistoihin ja jatkuvaan oppimiseen. Oppimisanalytiikka korostui esimerkiksi monitieteisessä oppimisen tutkimuksessa sekä kehityksen kohteena että tutkimuksen välineenä. Oppimisanalytiikkaratkaisuja esiteltiin myös digitaalisten oppimisympäristöjen osana: Esimerkiksi opettajan tukena ryhmätyön fasilitoimiseksi ja monitoroimiseksi, sekä tarjoamaan opettajalle näkymää opiskelijoiden tyytyväisyyteen, taitoihin ja itsenäiseen opiskeluun. Esillä oli myös uusia ratkaisuja, joilla oppimisanalytiikkaa hyödynnettiin opiskelijalle annettavassa palautteessa. Tuloksissa korostui erityisesti palautteen sisällön, ja sen tarjoamien ehdotusten tai suositusten tärkeys, jotta opiskelijat kokivat annetun palautteen hyödylliseksi. Oppimisanalytiikkaa ja sen kehittämistä käsiteltiin osana valtavaa kirjoa erilaisia oppimisen, opettamisen, koulutuksen ja ohjauksen teemoja erilaisissa kontekstispesifeissä instansseissa. Lisäksi aiheiksi nousi oppimisanalytiikka ja sen tulevaisuuden suunnat yleisemmällä tasolla: Etenkin käsittelyistä nousi esiin kollektiivisesti tunnistettu tarve vahvemmin teoriapohjaisille menetelmille, tutkimuksille ja kehittämisprosesseille.

Vaikka monet tulokset toivat esiin oppimisanalytiikan hyötyjä ja vaikutuksia, samaan aikaan ilmenee myös tietoinen korostus kontekstiriippuvuudesta, tarpeiden erilaisuuksista, ja käyttäjän taitojen ja tulkinnan tärkeydestä. Vaikka yleisiä ohjeita, neuvoja ja toimivia ratkaisuja voidaan ja ehdottomasti kannattaa jakaa ja soveltaa, sekä kasvatustieteelliset että oppimispsykologiset näkökulmat ja tulokset tuntuvat selkeästi tunnistavan oppimisanalytiikasta ja sitä hyödyntävistä ratkaisuista ja sovelluksista yleistyksiä, aspekteja tai ominaisuuksia, joilla on potentiaalia olla huonosti sopivia erilaisille käyttäjille tai erilaisiin konteksteihin. Pedagogisen osaamisen ja prosessikohtaisen ymmärryksen tulisikin olla keskeisessä roolissa oppimisanalytiikkaa kehitettäessä, jotta kontekstitietous korostuu järjestelmälähtöisen kehittämisen sijaan—mikä vaikuttaakin olevan yleinen käytäntö, ja jota on myös AnalytiikkaÄlyn yhteydessä korostettu. Toisaalta, vaikka monissa esityksissä korostui oppimisanalytiikkaratkaisuissa usein ilmenevä ”one-size-fits-all” -asetelma, konferenssin aikana yleisöä muistutettiin myös tämän asetelman olevan hyvin yleinen osa yliopisto-opetusta (eikä varmasti ainoastaan yliopisto-opetusta, vaan suurinta osaa muodollista opetusta), joten ongelma ei ole ainutlaatuinen oppimisanalytiikkakehitykselle. Visioita esiteltiin myös oppimisanalytiikan potentiaalille muuttaa tätä asetelmaa, jolloin oppimisanalytiikkaratkaisuja voisi mahdollisesti kehittää niin, että niitä voisi hyödyntää auttamaan erityisesti suurten kurssien opettajia huomaamaan oppimisen eroavaisuuksia ja tarjoamaan pienemmällä työmäärällä räätälöidympää tukea tai materiaalia opiskelijoiden oppimisen ja tarpeiden mukaan, esimerkiksi auttamalla materiaalien tai tehtävien strukturoinnissa.

AnalytiikkaÄlyn tuloksia ja kokemuksia oli myös esillä konferenssissa. Käyttäjälähtöistä kehitystä ja oppimisanalytiikan käyttöönottoon liittyviä koulutustarpeita ja käyttöönoton prosesseja esiteltiin posterisessiossa ja opiskelijan valmiuksien vaikutuksia oppimisanalytiikkavälineiden käyttökokemuksiin espressosessiossa, jonka voi nähdä myös videolta. Symposiumissa Hanni Muukkonen esitteli digitaalista yhteisoppimista ja paperisessiossa esiteltiin tekoälyn hyötyjä ja haasteita opettajille. Sessiossa nousi keskustelua muun muassa erilaisten opiskelijoiden tarpeiden huomioinnin samanaikaisesta tärkeydestä ja teknisestä haasteesta, jonka ratkaiseminen vaikuttaisi olevan edessä moninaisissa opiskelijoille kohdennetuissa oppimisanalytiikkaratkaisuissa. Samoin keskustelua heräsi liittyen oppimisanalytiikan tutkimuksen ja käyttöönoton kohdentamisesta, joissa hyvin vaihtelevia kokemuksia nousi esiin. Yleistä yhdenmielisyyttä tuntui nousevan erityisesti käyttäjäryhmälähtöisen tutkimuksen ja kehittämisen yhteen nivomisen hyödyistä sekä käyttäjien asenteisiin että kokemuksiin positiivisesti vaikuttavana aspektina. Osallistavat, opiskelijoiden, opettajien ja muiden yliopistotoimijoiden tarpeita, kokemuksia ja näkemyksiä kuuntelevat analytiikan ja sen kehittämisen metodit olivat ilmeisen positiivisesti koettuja keskusteluissa nousevien havaintojen perusteella.

Konferenssin aiheista laajemmin kiinnostuneille keynote -luentoja on katseltavissa nyt myös EARLIn Youtube-kanavalla. EARLIn sivuilla on saatavissa myös tiivistelmät kaikista esityksistä.

Amanda Sjöblom, Aalto yliopisto

Blogi

AnalytiikkaÄly-Etäohjaus

AnalytiikkaÄly-hankkeen työ jatkuu opetus- ja kulttuuriministeriön erityisavustuksella AnalytiikkaÄly-Etäohjaus-hankkeena vuoden 2022 toukokuuhun asti. Kehittämis- ja tutkimustyötä tehdään edelleen seitsemän yliopiston voimin Oulun yliopiston koordinoimana.

Edelliset puolitoista vuotta ovat asettaneet korkeakoulut uuden haasteen eteen. Etäopetus on ollut uutta usealle opiskelijalle ja opettajalle. Opetuksen lisäksi ohjaus, neuvonta ja muu yhteydenpito on toteutettu pääsääntöisesti etänä. Olemassa olevien työkalujen ja toimintamallien avulla on pidetty yhteyttä ja toteutettu opetusta. Uuden lukuvuoden alkaessa etä- ja hybridimuotoinen yhteydenpito asettaa jälleen uudet raamit vuorovaikutukselle korkeakoulukontekstissa. Sekä työkalut että toimintamallit ovat jo muotoutuneet osaksi opiskelijoiden ja opettajien arkea. On tärkeää kokeilla ja arvioida, miten oppimisanalytiikka voi myös tukea opiskelijoiden ja ohjaajien yhteistä työskentelyä. AnalytiikkaÄly-Etäohjaus-hankkeen tavoitteena on tukimallien ja analytiikkatyökalujen kehittäminen opiskelijoiden itseohjautuvien valmiuksien sekä etäohjauksen ja vuorovaikutuksen tueksi.

AnalytiikkaÄly-hankkeessa kehitettyjä työpöytiä ja käytäntöjä hyödynnetään nykyisen hankkeen kehittämis- ja tutkimustyössä. Pilotoinnit, simulaatiot ja työkalujen testaus jatkuu partneriyliopistoissa. Lisäksi työ eettisten kysymysten ja lainsäädännön osalta jatkuu osana oppimisanalytiikan hyödyntämistä etäohjauksessa. AnalytiikkaÄly-Etäohjaus-hankkeen työnä on myös ohjausprosessit. Etä- ja hybridiohjauksen analytiikkatietoa käyttävän tukimallin ja analytiikkatyövälineiden kokeilut tuottavat tietoa korkeakoulukentän käyttöön.

Jenni Kunnari, Oulun yliopisto

Uncategorized

Analytiikkaa opintojen ohjauksen tueksi

Tommi Haapaniemi, Itä-Suomen yliopisto

AnalytiikkaÄly-hankkeen kehittämistyön keskiössä on ollut alusta lähtien analytiikka, jonka datalähteenä on opiskelijarekistereissä oleva tieto opiskelijoiden toiminnasta ja opiskelun tuloksista.

Opiskelijoiden suoritustiedot kertovat menneestä

Opintorekisterissä olevat suoritustiedot ovat luonteeltaan historiallisia. Opintorekisterin tiedoissa viive on siinä mielessä merkittävä, että suoritukseen johtanut opiskeluprosessi on tyypillisesti suorituksen kirjaamisvaiheessa jo ohi. Analytiikan hyödyntämisen näkökulmasta opiskelijan tai opiskelijaryhmän opiskelussa on voinut tapahtua muutoksia ja tilanne saattaa olla tarkasteluhetkellä jo hyvinkin erilainen. Menneestä kertovan tiedon avulla on joissakin tapauksissa mahdollista arvioida ja ennustaa opiskelijoiden opintojen suuntaa hyödyntämällä tunnistettuja indikaattoreita. Haasteena kuitenkin on, että näiden indikaattoritietojen tunnistaminen on hankalaa, eivätkä niistä tehtävät päätelmät esimerkiksi yksittäisten opiskelijoiden kohdalla välttämättä pidä paikkaansa.

HOPSista suuntaa tulevaan

Yksi keskeisimmistä työvälineistä opiskelijan tavoitteiden ja suunnitelmien yhdistämiseksi analytiikkaa hyödyntävään opintopolun ohjaukseen näyttäisi olevan opiskelijan henkilökohtainen opintosuunnitelma eli HOPS. HOPSit otettiin opiskelijan ohjauksen välineenä käyttöön yliopistoissa laajasti 2006 tutkinnonuudistuksen yhteydessä (ks. esim. Ansela, Haapaniemi & Pirttimäki, 2005).

HOPSien käyttö on saanut niiden käyttöönoton jälkeen monia muotoja. Joissain tapauksissa niiden käyttö on voinut jäädä enemmän tai vähemmän teknisluontoiseksi. On myös voinut käydä niin, että HOPSit eri muotoineen ovat muodostuneet keskeiseksi osaksi opiskelijan ohjausta, mutta käytettävissä oleva teknologia ei ole tukenut kaikilta osin laajempaa soveltamista. Teknologian kehittyminen puolestaan luo sekä paineita, että mahdollisuuksia HOPSin ohjauksen ja opintohallinnollisten prosessien muutoksille.

Olemme UEFissa siirtymässä uuden opintotietojärjestelmän käyttöön. Sen myötä myötä saamme myös opiskelijoiden opintojen suunnittelun tueksi uusia työvälineitä. AnalytiikkaÄly-hankkeessa tehty kehitystyö on osoittanut, että HOPS voi saada oppimisanalytiikan näkökulmasta uusia merkityksiä. Kehittämisen mahdollisuudet ja reunaehdot ovat tällä hetkellä vielä osin avoimia, mutta olemme tunnistaneet hankkeen myötä sen, että opintopolun ohjauksen tueksi kehitettävässä analytiikassa tietoja tarvitaan sekä opiskelijan suunnitelmista, että toteutuneesta toiminnasta. Yliopisto-opiskelijoiden HOPSien merkitys ei siten ole vähenemässä, sillä oppimisanalytiikan monipuolinen hyödyntäminen itseohjautuvan opiskelijan ohjauksen tukena edellyttää HOPSiltakin uudenlaista dynaamisuutta.

Itseohjautuvan opiskelijan tukeminen analytiikkaa hyödyntävällä ohjauksella

Tähän mennessä olemme UEFissa kehittäneet suoritustietoihin ja palautteeseen pohjautuvaa analytiikkaa erityisesti yliopiston opetuksen johtamisen tarpeisiin. Seuraavissa vaiheissa tarkoituksena on siirtyä opiskelijoiden, opettajien ja ohjaajien oppimisanalytiikan välineiden kehittämiseen. Tavoitteena on luoda muun muassa välineitä ja toimintamalleja opiskelijoiden lisääntyneen etäopiskelun ja sen edellyttämän itseohjautuvuuden tuen tarpeisiin.

Itseohjautuvassa opiskelussa opiskelijan oman toiminnan suunnittelun ja sen arvioinnin merkitys korostuu. Knowlesin (1975) mukaan itseohjautuvuus on prosessi, jossa oppija on aloitteellinen. Itseohjautuva opiskelija toimii itsenäisesti tai toisten avulla oppimistarpeidensa havaitsemisessa, oppimistavoitteidensa määrittelyssä, tarvittavien oppimisresurssien hankkimisessa, itselleen sopivien oppimisstrategioiden valinnassa ja toteuttamisessa sekä oppimistulostensa arvioinnissa.

Itseohjautuva ei siis tarkoita yksinäistä oppimista. Siinä pyritään opiskelijan aloitteellisuuteen, mutta itseohjautuvaa opiskelua voidaan tukea ohjauksella ja tukemalla oman toiminnan arviointia esimerkiksi analytiikan tuottamalla tiedolla. Ohjauksen kohdentaminen sitä tarvitseville ja ajoittaminen opiskeluprosessin kannalta oikea-aikaisesti on haasteellista, mutta keskeistä ohjauksen onnistumiseksi. Kohdentamisen ja ajoittamisen kannalta keskeinen kysymys on se, minkälaista tietoa opiskelijan suunnitelmista, tavoitteista ja opintojen toteutumisesta ohjauksessa on käytettävissä.

Oppimisanalytiikan kytkeminen opiskelijan opintopolun ohjaukseen on vielä suurelta osin tuntematonta aluetta. Lisääntynyt etäopiskelu on teknistänyt opiskelua. Ja kun samaan aikaan yliopiston opintotietojärjestelmät uudistuvat, on hyvä pitää mielessä, että opiskelussa onnistumisessa ja merkityksellisessä oppimisessa ei ole kyse vain tekniikasta, suorittamisesta tai mitattavien asioiden toistojen määristä. Henkilökohtaiset kokemukset, kohtaamiset henkilökunnan kanssa ja opinnoille annettu merkitys ovat tärkeitä opiskelijoiden oppimiselle. Analytiikka voi tukea myös opettajan ja ohjaajan kehittymistä ja oman toiminnan reflektiota.

Oppimisanalytiikkatiedon tuella toteutettavia interventioita suunniteltaessa on tärkeää, että suhtaudumme kriittisesti perusoletuksiin, joita meillä on analytiikan käytöstä ja pohdimme kriittisesti ne tavat, joilla integroimme analytiikkatiedon käytön osaksi opiskelun arviointia ja ohjausta (Archer & Prinsloo, 2020). Tarvitsemme vielä lisää kokemusta ja tietoa analytiikan hyödyntämisestä opiskelijan opintopolun ohjauksessa.

Lähteet:

Archer, E. & Prinsloo, P. (2020) Speaking the unspoken in learning analytics: troubling the defaults, Assessment & Evaluation in Higher Education, 45:6, 888-900

Ansela, M., Haapaniemi, T. & Pirttimäki, S. (2005). Yliopisto-opiskelijan hops: Ohjaajan opas. Kuopion yliopisto, Oppimiskeskus.

Knowles, M. (1975). Self-directed learning. A guide for learners and teachers. Cambridge: Adult education.

Uncategorized

Askelmerkkejä oppimisanalytiikan eettisessä kehittämisessä ja käytössä

Kirjoittajat:

Jiri Lallimo, Aalto yliopisto

Anni Silvola, Oulun yliopisto

Oppimisanalytiikka voi tarjota monipuolista tukea opiskelijoille, ohjaajille, opettajille ja koulutuksen johtajille. Samalla se herättää uudenlaisia eettisiä kysymyksiä tiedon hyödyntämisestä osana koulutusinstituution käytänteitä. Oppimisanalytiikan etiikalla tarkoitetaan yleisesti oppimisanalytiikka käyttöön liittyvien arvojen tarkastelua eri käyttäjien näkökulmista, jotka yhdistyvät oppimisen ja opetuksen toivottuihin tai epäsuotuisiin toteutuksiin. Tyypillisesti keskustelu kohdistuu siihen,  millaiset asiat herättävät eri toimijoille kysymyksiä tai huolta esimerkiksi oppimisanalytiikan käyttötarkoituksesta, datan käsittelystä, oikeuksista dataan ja tuloksiin tai millaisia toimia analytiikan tuloksista tulisi seurata opiskelijan hyväksi. Tässä kirjoituksessa käymme lyhyesti läpi, millaisia oppimisanalytiikan eettisiä periaatteita korkeakouluissa on tunnistettu tähän mennessä tärkeiksi ja millaisia suuntaviivoja tutkimuskirjallisuus tarjoaa aiheeseen. Kun kirjoituksessa viittaamme yleisesti etiikkaan, tarkoitamme oppimisanalytiikan eettisiä kysymyksiä.

Eettisiin kysymyksiin liittyvä lainsäädäntö ja erityisesti vuonna 2018 voimaan tullut EU:n tietosuoja-asetus (GDPR, General Data Protection Regulation) sekä siihen liittyvät kansalliset tulkinnat ja ohjeistus datan käsittelystä vaikuttavat käytännön toteutuksiin. Tulkinnat ovat tällä hetkellä edelleen tarkentuvia. Koska oppimisanalytiikka on suhteellisen uusi elementti oppimisen ja opetuksen tukemiseksi, on aluksi tärkeää tunnistaa oppimisanalytiikan kehittämistä ja käyttöä ohjaavia eettisiä periaatteita. Periaatteiden taustalla vaikuttavat aiempi tutkimuskirjallisuus (esim. Slade & Prinsloo, 2013; Sclater, 2016), muissa Euroopan maissa toteutetut eettisen toiminnan linjaukset (esim. SURF ja JISC) sekä omat huomiomme. Keskeisiä periaatteita ovat:

  • Oikeus vaikuttaa omien henkilötietojen käsittelyyn
  • Oppimisanalytiikan tavoitteiden ja käytäntöjen läpinäkyvyys
  • Yliopiston julkistetut arvot, strategia ja toimintaperiaatteet oppimisanalytiikan kehittämisen pohjana
  • Tasapuolisuus eli erilaisten opiskelijoiden ja ryhmien omien tarpeiden tukeminen
  • Toiminnan laadun parantaminen eri toimijoiden omista näkökulmista
  • Positiivisen ja aktiivisen opiskelukokemuksen vahvistaminen
  • Henkilökohtaisen tuen ja palautteen tarjoaminen
  • Oppimisanalytiikka osana opettajan ja ohjaajan tarjoamaa tukea
  • Datan ja algoritmien kriittinen tarkastelu
  • Käyttäjäkeskeisyys oppimisanalytiikan kehittämisessä

Koulutusinstituutiot ovat valmistelemassa itselleen linjauksia, joissa yllä mainittuja periaatteita pyritään konkretisoimaan käytäntöjen näkökulmasta. Tämä on luonnollista, sillä koulutusinstituutiot tarvitsevat juridisen perustan sekä organisaatiokohtaisia määrittelyjä ohjaamaan oppimisanalytiikan kehittämistä ja käyttöä. Siinä yhdistyvät kysymykset organisaation tavoitteista, hallinnollisia linjauksia datan käytön rooleista ja oikeuksista, teknisiä elementtejä datan hallinnasta ja välineiden toteutuksista, sekä tärkeimpänä määrittelyjä käytännön analytiikkatoteutuksista opiskelijan, opettajan, ohjaajan,  palveluhenkilöstön ja johdon työskentelyn tueksi. Vaikka oppimisanalytiikan kokonaisuus on varsin monimuotoinen ja sisältää useita edelleen tarkentuvia elementtejä, erilaisilla linjauksilla ja yhteisillä päätöksillä turvataan, että oppimisanalytiikkaa käytetään yhteisesti sovittuihin tarkoituksiin ja että toimijoiden oikeudet ja tietosuoja toteutuvat.

Kansainvälinen kirjallisuus on painottanut opiskelijoiden ja henkilökunnan näkökulmia eettisiin kysymyksiin omina tarkasteltavina alueinaan, jotta erilaisiin käyttötapauksiin saadaan selkeitä ja käytännönläheisiä ratkaisuja. Opiskelijoiden rooli oppimisanalytiikan kehittämisessä ja käytössä on tunnistettu olennaiseksi, koska heidän toimintansa on pääasiallinen kerättävän tiedon lähde, mutta he ovat myös itse tiedon hyödyntäjiä. Tutkimuskirjallisuus on tunnistanut, että koulutusinstituutioiden oppimisanalytiikan kestävän toimintakulttuurin rakentamisessa on tärkeää osallistaa opiskelijat aktiivisesti oppimisanalytiikan kehittämisprosessin eri vaiheisiin (esim. Slade & Prinsloo, 2013). Opiskelijoiden toimijuuden tukeminen oppimisanalytiikalla on tunnistettu tärkeäksi myös oppimisen tukemisen näkökulmasta (Bennet & Folley, 2018). Koska opiskelijoiden osaaminen sekä identiteetti ovat jatkuvassa muutoksessa opiskelupolun aikana, on tärkeää tarkastella avoimesti ja kriittisesti, millaista tietoa opiskelijoiden toiminnasta on mielekästä kerätä ja millaiset mahdollisuudet opiskelijoilla itsellään on vaikuttaa opinnoista syntyvään digijalanjälkeen, datan käsittelyyn sekä analytiikkaa hyödyntävään tukeen. 

Henkilökunnan näkökulmia oppimisanalytiikan eettisiin kysymyksiin ei ole tutkittu kovin laajasti. On kuitenkin tarkasteltu esimerkiksi sitä, millaiset tekijät vaikuttavat oppimisanalytiikan hyväksymiseen, jotta sitä voitaisiin hyödyntää työkaluna erilaisissa tilanteissa. Klein ja muut (2019) huomasivat tutkimuksessaan, että opettajat eivät aina olleet selvillä siitä, miten heidän odotettiin hyödyntävän tarjolla olevia oppimisanalytiikan työkaluja työssään, ja tukisivatko työkalut opiskelijoita ja heidän hyvinvointiaan opettajien toivomalla tavalla. Lisäksi on tunnistettu, että teknologian käytettävyys ja sujuvuus, sekä opiskelijan tukeminen käyttöönoton päämääränä ovat opettajille ja ohjaajille usein tärkeitä (esim. Howell et al., 2018). Jos työkalujen käytöstä ei ole instituutiossa täyttä selvyyttä ja yksimielisyyttä, voi sen käyttö synnyttää helposti ammattieettisesti ristiriitaisia kokemuksia. 

Oppimisanalytiikan kehittäjät, sisältäen pedagogisen, data-analytiikka- ja teknologiaosaamisen, ovat keskeinen sidosryhmä eettisten työkalujen kehittämisessä. Vuoropuhelu eri ammattiryhmien välillä ja yhdessä loppukäyttäjien kanssa varmistaa eettisten kysymysten sisällyttämisen oppimisanalytiikan kehittämisprosesseihin, joissa  määritellään analytiikan loppukäytön muotoja. 

AnalytiikkaÄly-hankkeessa on kartoitettu laajasti käyttötarpeita ja työstetty opettajien, ohjaajien ja opiskelijoiden kanssa oppimisanalytiikan välineistöjä. Meneillään olevissa työpöytien testauksissa saamme tärkeää tietoa niihin liittyvistä käyttökokemuksista erilaisissa tilanteissa, kuten osana ohjausta tai omien opintojen suunnittelua, seurantaa ja ennakointia. Eettiset kysymykset eivät ole irrallista käsitteellistä pohdintaa, vaan saavat konkreetin muodon testauksen käyttökokemuksista uusien eettisten näkökulmien tunnistamiseksi oppimisen ja opettamisen analytiikkatuettujen käytäntöjen rakentamisessa.

Lähteet

Bennett, L., & Folley, S. (2019). Four design principles for learner dashboards that support student agency and empowerment. Journal of Applied Research in Higher Education, 12(1), 15-26. doi:http://dx.doi.org/10.1108/JARHE-11-2018-025

Howell, J. A., Roberts, L. D., Seaman, K., & Gibson, D. C. (2018). Are we on our way to becoming a “helicopter university”? academics’ views on learning analytics. Technology, Knowledge and Learning, 23(1), 1-20. doi:http://dx.doi.org/10.1007/s10758-017-9329-9

Klein, C., Lester, J., Rangwala, H., & Johri, A. (2019). Technological barriers and incentives to learning analytics adoption in higher education: Insights from users. Journal of Computing in Higher Education, 31(3), 604-625. doi:http://dx.doi.org/10.1007/s12528-019-09210-5

Sclater, N. (2016). Developing a code of practice for learning analytics. Journal of Learning Analytics, 3(1), 16-42

Slade, S., & Prinsloo, P. (2013). Learning Analytics: Ethical Issues and Dilemmas. American Behavioral Scientist, 57(10), 1510–1529. https://doi.org/10.1177/0002764213479366