TRILA

Oppimisanalytiikan tutkimusinstituutti (Turku Research Institute for Learning Analytics) tutkii ja kehittää digitaalista opetusta ja oppimisanalytiikkaa. Toiminta on jakautunut kolmeen osa-alueeseen: digitaalisen opetuksen ja oppimisanalytiikan tutkimukseen, opetuksen ja ohjauksen materiaalien, välineiden ja käytänteiden edistämiseen sekä yhteiskunnalliseen vaikuttavuuteen digitaalisuuden ja analytiikan käytössä.

Konkreettinen esimerkki keskuksen toiminnasta on digitaalinen opetusjärjestelmä ViLLE, joka on laajasti käytössä peruskouluissa, ammattikouluissa, lukioissa, yliopistoissa, ja ammattikorkeakouluissa. Tutkimukset osoittavat ViLLE-järjestelmään perustuvan oppimisen olevan yhteydessä parempiin oppimistuloksiin, tehokkaampaan opinto-ohjaukseen ja suurempaan suoritettujen opintojen määrään useissa oppiaineissa.

Tutkimusinstituutti tekee yhteistyötä tutkijoiden ja opetuskentän kanssa sekä Suomessa että ulkomailla. Kutsummekin kaikki tutkimuksen ja oppimisen parissa työskentelevät osallistumaan TRILA-yhteistyöhömme. Yhteistyön kautta tarjoamme tutkijoille mahdollisuuden käytännönläheiseen tutkimukseen ja opettajille mahdollisuuden hyödyntää uusimpia arviointi- ja tukivälineitä.

Mitä on oppimisanalytiikka?

Oppimisanalytiikan päämääränä on tyypillisesti tarjota keinoja, välineitä ja metodeja opintojen etenemisen seurantaan ja mahdollisten vaikeuksien ennakointiin. Oppimisanalytiikan avulla voidaankin seurata ja tukea oppimisprosessia ja työskentelyn etenemistä.Erityiskiinnostuksena oppimisanalytiikassa on opintojen ohjaus ja oppimisen ja opetuksen avustuksen automatisointi. Keinojen avulla tavoitellaan testattuja, perusteltuja ja eettisesti kestäviä vaikutuksia oppimis-, opetus-, ohjaus- ja hallintoprosesseihin.

Esimerkki 1: Opintosuunnitelman tavoitteiden toteutuminen vuosikurssilla

Oppimisanalytiikassa on tyypillistä mallien muodostaminen olemassa olevasta datasta. Esimerkiksi tarkastelemalla vuosittaista opintopisteiden kertymistä riittävän suuresta datamassasta voidaan mahdollisesti ennakoida tulevina vuosina opiskelijoiden koko lukuvuoden opintopistekertymää jo hyvissä ajoin. Tällainen malli mahdollistaa aikaisen reagoinnin ja tilanteen mahdollisen korjaamisen silloin, kun korjauksia on vielä mahdollista tehdä.

Esimerkki 2: Opiskelutottumusten analysointi

Kyselyt voivat olla tehokkaita työkalujan oppimisanalytiikan vaatiman datan keräämisessä, erityisesti mikäli kyselydata voidaan yhdistää muilla keinoin kerättyyn dataan (esimerkiksi oppimisjärjestelmistä tai sensoreista automaattisesti kerätty data).

Pelkkien kyselyiden avullakin voidaan kuitenkin saavuttaa tärkeitä tuloksia. Oheisessa kuvaajassa on yhdistetty kaksi opiskelijoiden opiskelutottumuksia mittavasta kyselystä poimittua kysymystä.

Niin kuin kuvasta nähdään, ne opiskelijat, joilla on ystäviä, joiden kanssa tehdä tehtäviä, ilmoittavat selvästi harvemmin tuntevansa itsensä henkisesti tai fyysisesti väsyneeksi. Kuvan perusteella opiskelijoiden ryhmäytymisen edistämiseen kannattaa siis panostaa.

Esimerkki 3: Kurssin suoritusten ennakointi

Jatkuva arviointi ja kurssin suoritusten kokonaisvaltainen kerääminen mahdollistaa kurssisuorituksia ennustavan mallin rakentamisen. Oheisessa kuvassa on esitetty kahdeksan viikon mittaisen kurssin tilanne toisella viikolla.

Kuvassa olevat pallot kuvaavat jokainen yhtä kurssin opiskelijaa. Pallot on värikoodattu opiskelijoiden kurssilla saavuttaman arvosanan mukaisesti. Huomionarvoista on, että jo toisella viikolla voidaan mallin avulla tunnistaa 80 % niistä opiskelijoista, jotka eivät tule läpäisemään kurssia.

Esimerkki 4: Automaattinen oppimisanalytiikka

ViLLE tunnistaa automaattisesti oppilaiden oppimisvaikeuksia matematiikan eri osa-alueissa perustuen heidän suorituksistaan kerättyihin tietoihin.

Tutkimuksen mukaan ViLLEn käyttämät algoritmit tunnistavat oppimisvaikeuksia yhtä tehokkaasti kuin MAKEKO-testi. Automaattinen analytiikka mahdollistaa kuitenkin reaaliaikaisen tiedon esittämisen opettajalle koska tahansa ilman erillistä testausta.

Tutkimusaiheet

Tutkimuksemme keskittyy moni­puoli­sesti digitaa­liseen oppi­miseen ja oppimis­analy­tiikkaan. Tällä hetkellä tutki­muksemme paino­piste­alueita ovat muun muassa

  • oppimis­vaikeuksien tunnis­taminen,
  • oppilaan tuen mallit,
  • psykometriikka yhdis­tet­tynä oppimis­analy­tiikkaan,
  • ohjelmoinnin pedagogiikka ja
  • lisätyn todellisuuden oppimisympäristöt.

Työmme pohjautuu todellisiin yhteiskunnan tarpeisiin ja tarkoituksemme on tutkimuksen kautta tukea sekä opettajien työtä että oppilaiden oppimista. Tutkimuksen avulla tuotettua tietoa hyödynnetään esimerkiksi ViLLE-oppimisjärjestelmän ja sen materiaalien kehittämisessä. Tutkimuksemme tähtää kuitenkin tuottamaan tietoa kokonaisvaltaisesti koko opetuskentän avuksi.

Voit tutustua tutkimuksiimme julkaisuluettelostamme. Ohjaamme ja avustamme myös opiskelijoita opinnäytetöissä.

Jos olet kiinnostunut tutkimusyhteistyöstä, ota meihin yhteyttä.

Projektit

Oppimisanalytiikan keskus on laajasti mukana sekä kansallisissa että kansainvälisissä tutkimus- ja kehitysprojekteissa. Alla esimerkkejä muutamista keskeisistä projekteista.


Tutkimusprojekteja

Growing Mind

Kasvatukselliset transformaatiot yksilöllisen, sosiaalisen ja institutionaalisen uudistumisen tukemiseksi digitaalisena aikakautena. Hankkeen (2018-2023) tarkoituksena on tukea suomalaisten koulujen ja opettajien uudistumista korkeatasoisen akateemisen tutkimuksen tuella. Nuorten myönteinen kehitys on tulevaisuuden kestävän kasvun tärkein voimavara, jota hanke tukee 6 työpaketin välityksellä. Oppimisanalytiikan keskuksen rooli hankkeessa on suunnitella ja toteuttaa oppimisanalytiikkaan liittyvää tutkimusta sekä tukea hankkeen muita toimijoita analytiikkaan liittyvissä tehtävissä.

Turun yliopiston ja Salon kaupungin opetusteknologiayhteistyö

Salon kaupungin yliopisto-, korkeakoulu- ja tutkimuslaitosyhteistyön tavoitteena on pitää huolta salolaisen osaamisen kehittymisestä ja tukea samalla yliopiston tutkimusta. Oppimisanalytiikan keskus on jo vuodesta 2013 tutkinut ja kehittänyt ViLLEä ja sen sisältöjä yhteistyössä Salon opetuskentän kanssa. Tällä hetkellä työstämme Salon kanssa muun muassa toimintamalleja sähköisen diagnostiikan ja oppilaan tuen saralla.

FUNA

Olemme osa FUNA-konsortiota, joka kehittää sähköisiä materiaaleja oppilaan lasku- ja lukutaitojen arviointiin. Tavoitteena on kehittää opettajan käyttöön kansallisesti normitetut diagnostiset testit, joiden avulla oppilaiden tuen tarpeet voidaan tunnistaa entistä nopeammin ja tarkemmin.


Kehitysprojekteja

Matematiikan oppimisen ja opetuksen ekosysteemi (MOE) – tutkimusperustaiset matematiikan oppimispolut

MOE-hankkeessa toimiva asiantuntijakonsortio kehittää matematiikan oppimisen ekosysteemiä yhdistämällä ja kehittämällä ViLLEn opetus- arviointi- ja tukimateriaaleja. Ekosysteemi mahdollistaa entistä monipuolisemman opetuksen tarjoamisen sekä tutkimusperustaisten arviointimenetelmien hyödyntämisen osana arkiopetusta.

Bebras-yhteistyö

Liettuasta lähtöisin olevaa ohjelmoinnillista ajattelua mittaavaa Bebras-haastetta (bebras on liettuaa ja tarkoittaa majavaa) on aloitettu toteuttamaan ViLLE-oppimisympäristössä. ViLLEssä on monipuoliset mahdollisuudet järjestää laajoja kokeita ja kilpailuita ja niitä on hyödynnetty Bebras-haasteen järjestämisessä kansainvälisesti.

TeaEdu4CT

Olemme mukana TeaEdu4CT Erasmus+ hankkeessa (2019-2022), jossa on kehitetty ohjelmoinnillista ajattelua ja LUMA-aineiden (engl. STEAM; Science, Technology, Engineering, Arts ja Maths) yhdistämistä tukevia opetussisältöjä peruskouluun ja lukioon. Hankkeeseen on osallistunut kymmenen maata ja sen puitteissa on luotu kymmenen moduulia (1 op eli n. 27 tuntia/moduuli). Moduuleja voi opettaa erikseen tai niiitä voi yhdistellä isommiksi kokonaisuuksiksi. Kohderyhmänä ovat tulevat opettajat, mutta sisällöt sopivat myös aiheiden mukaisten kurssien luomiseen. Mooduulien aineistot ovat ilmaiseksi saatavilla ja vapaasti käytettävissä. Lisätietoa hankkeesta ja moduulien opetusmateriaalit löytyvät hankesivuilta.

CT&MathAble

CT&MathAble on projekti joka vahvistaa eurooppalaisen opetuksen kestävyyttä ja kapasiteettia toteuttamalla innovatiivisia opetussuunnitelmia, joiden avulla edistetään digitalisaatioon vaadittavia tärkeitä kansalaistaistoja, digitaalista osaamista ja ohjelmoinnillista lukutaitoa. Projektissa luodaan pedagogisia ratkaisuja ja työkaluja verkkomateriaalien tehokkaaseen hyödyntämiseen näiden tulevaisuudessa entistäkin tärkeämpien taitojen oppisessa ja arvioinnissa. Projekti tarjoaa avointa, ajankohtaista ja osallistujamaiden paikalliseen käyttöön sopeutettua sisältöä, jossa on huomioitu interaktiivisuus ja nykypäivän korkeat laatuvaatimukset.

CT&MathAble tarjoaa:

  • yksilöllisiä oppimispolkuja ohjelmoinnillisen ajattelun ja algebrallisen ajattelun alueille yhdistämällä oppimisjärjestelmäarkkitehtuurin ja oppimisanalytiikan uusimmat sovellutukset.
  • interaktiivisen toteuttamistavan, joka tutkitusti tehostaa oppimista tuomalla asian omaksumiseen osallisuuden tunteen.
  • viitekehyksen integroituun ja automaattiseen osaamisen arviointiin ohjelmoinnillisen ajattelun ja matematiikan oppimisessa.
  • laajamittaiset, erityisesti ohjelmoinnillisen ajattelun ja matematiikan taitojen oppimiseen suunnatut interaktiivisten tehtävien kirjastot.

CT&MathABLE project enhances European educational resilience and capacity leveraging digital transformation tools and pedagogies to realise innovative school curriculums to enable recognition and validation of skills and qualifications addressing future demands for citizens with the digital skills and computational literacy needed for digital transformation. The project delivers open, relevant and localized educational content with novel modes of interaction with high quality content.

CT&MathABLE delivers:

  • personalized learning trajectories (learning paths) in CT and Mathematical competence combining a learning architecture and cutting edge learning analytics.
  • technologies with interactive tasks that have been proven to engage learners in accelerated intellectual development.
  • competency frameworks for integrated and automated assessment of learning in CT and Mathematics.
  • large scale libraries of interactive tasks designed explicitly to hone CT and Algebraic skills.

Julkaisut

THE IMPACT OF SELF-THEORIES TO ACADEMIC ACHIEVEMENT AND SOFT SKILLS IN UNDERGRADUATE CS STUDIES: FIRST FINDINGS, Apiola, M. Laakso, M.-J.

Proceedings of the 2019 ACM Conference on Innovation and Technology in Computer Science Education (2019)

THE UNIQUENESS OF COMPUTATIONAL THINKING, Larsson, P. Apiola, M. Laakso, M.-J.

MiPRO 2019 – 42st International Convention on Information and Communication (2019)

WHAT DOES THE PEDAGOGICAL AGENT SAY? Christopoulos, A. Conrad, M. Shukla, M.

Proceedings of the 10th International Conference on Information, Intelligence, Systems and Applications. IEEE. (2019)

AUTOMATICALLY ASSESSED ELECTRONIC EXAMS IN PROGRAMMING COURSES, Rajala, T. Kaila, E.Lindén, R. Kurvinen, E. Lokkila, E. Laakso, M.-J. Salakoski, T.

In proceedings of the Eighteenth Australasian Computing Education Conference, ACM, Canberra, Australia (2016)

HOW TO IMPROVE K12 TEACHERS’ ICT COMPETENCE IN FINLAND: THE JOENSUU REGION CASE, Petrelius, M. Laakso, M.-J. Jormanainen, I. Sutinen, E.

ICT in Education in Global Context: The Best Practices in K-12 Schools, Lecture Notes in Educational Technology, Springer (2016)

INTERACTIVE EXERCISES FOR TEACHING LOGICS CIRCUITS, Karavirta, V. Lindén, R. Kurvinen, E. Laakso, M.-J.

21th Annual Conference on Innovation and Technology in Computer Science Education (ITiCSE 2016), Arequipa, Peru (2016)

PROGRAMMING MISCONCEPTIONS IN AN INTRODUCTORY LEVEL PROGRAMMING COURSE EXAM, Kurvinen, E. Hellgren, N. Kaila, E. Laakso, M.-J. Salakoski, T.

21th Annual Conference on Innovation and Technology in Computer Science Education (ITiCSE 2016), Arequipa, Peru (2016)

AUTOMATIC RECOGNITION OF STUDENT MISCONCEPTIONS IN PRIMARY SCHOOL MATHEMATICS, Lokkila, E. Kurvinen, E. Kaila, E. Laakso, M.-J.

EDULEARN15 — 7th International Conference on Education and New Learning Technologies (2015)

STUDENT FEEDBACK ABOUT ELECTRONIC EXAMS IN INTRODUCTORY PROGRAMMING COURSES, Rajala, T. Lokkila, E. Lindén, R. Laakso, M.-J.

EDULEARN15 — 7th International Conference on Education and New Learning Technologies (2015)

THE ROLE OF DEPENDENCY PROPAGATION IN THE ACCUMULATION OF TECHNICAL DEBT FOR SOFTWARE IMPLEMENTATIONS, Holvitie, J. Laakso, M.-J. Rajala, T. Kaila, E. Leppänen, V.

Ákoss Kiss (Ed.), 13th Symposium on Programming Languages and Software Tools, 2013, 61—75, University of Szeged (2013)

COMPUTER-ASSISTED LEARNING IN PRIMARY SCHOOL MATHEMATICS USING VILLE EDUCATION TOOL, Kurvinen, E. Lindén, R. Rajala, T. Kaila, E. Laakso, M.-J. Salakoski, T.

12th Koli Calling International Conference on Computing Education Research, November 15th to 18th, 2012, Tahko, Finland (2012)

DESIGNING A GAME MODE FOR ONLINE LEARNING ENVIRONMENT, Haavisto, R. Holvitie, J. Kaila, E. Rajala, T. Laakso, M.-J. Salakoski, T.

ICEE 2012 — International Conference on Engineering Education, July 30th — August 3rd, Turku, Finland (2012)

ELECTRONIC EXAMS WITH AUTOMATICALLY ASSESSED EXERCISES, Holvitie, J. Haavisto, R. Kaila, E. Rajala, T. Laakso, M.-J. Salakoski, T.

ICEE 2012 — International Conference on Engineering Education, July 30th — August 3rd, Turku, Finland (2012)

NOVICE LEARNING, Laakso, M.-J. Rajala, T. Kaila, E. Salakoski, T.

Encyclopedia of the Sciences of Learning, 2012, Springer US (2012)

A ROBOT EXERCISE FOR LEARNING PROGRAMMING CONCEPTS, Holvitie, J. Haavisto, R. Rajala, T. Kaila, E. Laakso, M.-J. Salakoski, T.

ICEE 2012 — International Conference on Engineering Education, July 30th — August 3rd, Turku, Finland (2012)

IMPORTANT FEATURES IN PROGRAM VISUALIZATION, Kaila, E. Rajala, T. Laakso, M.-J. Salakoski, T.

ICEE: An International Conference on Engineering Education, 21—26 August 2011, Belfast, Northern Ireland, UK (2011)

EFFECTS OF COLLABORATION IN PROGRAM VISUALIZATION, Rajala, T. Kaila, E. Laakso, M.-J. Salakoski, T.

Technology Enhanced Learning Conference 2009 (TELearn 2009), October 6 to 8, 2009, Academia Sinica, Taipei, Taiwan (2009)

EVALUATION OF LEARNER ENGAGEMENT IN PROGRAM VISUALIZATION, Kaila, E. Laakso, M.-J. Rajala, T. Salakoski, T.

12th IASTED International Conference on Computers and Advanced Technology in Education (CATE 2009), November 22—24, 2009, St. Thomas, US Virgin Islands (2009)

AUTOMATIC ASSESSMENT OF PROGRAM VISUALIZATION EXERCISES, Kaila, E.Rajala, T.Laakso, M.-J. Salakoski, T.

8th Koli Calling International Conference On Computing Education Research, November 13.—16., Joensuu, Finland (2008)

DEFINE AND VISUALIZE YOUR FIRST PROGRAMMING LANGUAGE, Laakso, M.-J. Kaila, E. Rajala, T. Salakoski, T.

Proceedings of ICALT 2008 — the 8th IEEE International Conference on Advanced Learning Technologies. July 1st — July 5th, 2008 (2008)

EFFECTIVENESS OF PROGRAM VISUALIZATION: A CASE STUDY WITH THE VILLE TOOL, Rajala, T. Laakso, M.-J. Kaila, E. Salakoski, T.

Journal of Information Technology Education: Innovations in Practice, IIP, 7, 2008, 15—32 (2008)

OHJELMOINNIN PERUSOPETUKSEN VERKOSTOHANKE: LOPPURAPORTTI, Kaila, E.

Informaatioteknologian laitos, Turun yliopisto (2008)

VISUALISOINTI OHJELMOINNIN OPPIMISESSA, Kaila, E. Rajala, T. Laakso, M.-J.

XI Tietojenkäsittelytieteen päivät, Tampere, Finland, May 2008 (2008)

VILLE — A LANGUAGE-INDEPENDENT PROGRAM VISUALIZATION TOOL, Rajala, T. Laakso, M.-J. Kaila, E. Salakoski, T.

Proceedings of the Seventh Baltic Sea Conference on Computing Education Research (Koli Calling 2007), Koli National Park, Finland, November 15—18, 2007, 88, Australian Computer Society. Raymond Lister and Simon, Eds. (2007)