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.
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.
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.
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.
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
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 tutkimusinstituutti 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. Lue lisää
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.