Data ja visualisoinnit oppimisen ja ohjauksen tukena (eOppimiskeskus)

Teksti: Kari A. Hintikka
Kuva: Markus Kitola

Digitalisaation myötä yhteiskunnan kaikilla osa-alueilla syntyy nykyään niin paljon dataa, että ihmismieli ei hahmota sitä perinteisin keinoin, kuten vaikkapa tulostettuina paperilistoina. Samalla digitalisaatio tarjoaa uudentyyppisiä työkaluja. Niiden avulla datasta voidaan nähdä kokonaisuuksia sekä asioiden välisiä suhteita ja merkityksiä, joiden esiinsaaminen on lähes mahdotonta perinteisin keinoin.

Data ja sen visualisointi ovat tulleet arkeen esimerkiksi liikuntasovellusten ja älykännyjen myötä. Sovellusten avulla ihmiset voivat helposti seurata edistymistään, suhteuttaa suorituksiaan olosuhteisiin ja tehdä liikuntasuunnitelmia.

Toisena esimerkkinä ovat internetin ruokavalio-palvelut. Niissä haetaan päivittäistä kaloritarvetta varten tiedot ruokien ravintoarvoista esimerkiksi Fineli.fi:sta. Ihmisen kokoon suhteutettuna on helppo laatia päivittäiset ateriat.

Verkko-oppimisympäristöjen suosion myötä data ja sen analysointi on alkanut yleistyä myös oppimisessa, opetuksessa ja oppilaanohjauksessa. Opiskelijan digitaalisten jalanjälkien analysointia kutsutaan oppimisanalytiikaksi.

Oppimisanalytiikan hyödyntämisellä on paljon etuja. Opetus ja ohjaus voidaan kohdentaa niitä eniten tarvitseviin oppilaisiin. Mahdollisiin ongelmiin voidaan puuttua varhaisessa vaiheessa. Analytiikalla voidaan jopa ennakoida opiskelumenestystä ja keskustella ennakkoon opiskelijan kanssa millaisia tuloksia hän tavoittelee.

Matematiikassa oppimisvaikeudet voidaan tunnistaa automaattisesti solmukohdittain ViLLEn analytiikkatyökalujen avulla

Oppimisanalytiikalla ja visualisoinneilla voidaan myös analysoida kurssin tai ryhmän sisäistä dynamiikkaa. Ketkä ovat vuorovaikutuksessa keskenään tai kääntäen, onko paljon yksin opiskelevia ja pitäisikö asiaan tarttua.

Luonnollisestikaan digityökalut eivät korvaa opetusta tai henkilökohtaista oppilaanohjausta, mutta ne tarjoavat runsaasti työkaluja olemassa olevan tilanteen hahmottamiseen ja opetuksen ja ohjauksen suunnittelun tueksi.

Oppimisanalytiikkaa on tutkittu Suomessa muutama vuosi, pääasiassa yliopistoilla ja ammattikorkeakouluissa. Yksittäiset oppilaitokset ovat tehneet analyyseja Excelilla, mutta pidemmän päälle valmistyökalut helpottavat varsinaista analysointia.

Moderneissa suomalaisissa oppimisympäristöissä alkaa olla myös analysointi- ja visualisointityökaluja. Esimerkiksi matematiikassa oppimisvaikeudet voidaan tunnistaa automaattisesti solmukohdittain ViLLEn analytiikkatyökalujen avulla (ks. kuva).

Oppimisanalytiikka opettajan työvälineeksi -koulutus

Suomen eOppimiskeskus ry järjestää vuonna 2018 yhdessä Otavan Opiston ja Turun yliopiston Oppimisanalytiikkakeskuksen kanssa perusasteen, toisen asteen ja vapaan sivistystyön opetushenkilöstölle suunnatun koulutuskokonaisuuden, joka tarjoaa digitaalisia valmiuksia ja itsenäistä soveltamistaitoa oppimisanalytiikan hyödyntämiseksi oman kurssin sähköistyksen suunnittelussa ja toteutuksessa sekä ideoita jo käytössä olevien oppimateriaalien ja menetelmien nykyaikaistamiseen jatkuvan arvioinnin suuntaan. Tarjolla on lisäksi uudentyyppistä tietoa ja mahdollisuuksia arvioida ja ohjata oppijan osaamisen kehitystä sekä uusia henkilökohtaisen oppilaanohjauksen menetelmiä ja välineitä.

Koulutus koostuu kahden opintopisteen laajuisesta perusosasta sekä neljän opintopisteen syventävästä osasta, jotka sisältävät asiantuntijoiden vetämiä pajapäiviä, itsenäistä työskentelyä sekä webinaareja.

Lisätiedot ja ilmoittautuminen löytyvät Suomen eOppimiskeskus ry:n koulutusblogista >>>

Tuotu lähteestä: eOppimiskeskus

Vuosi 2017 alkaa olla pulkassa (Poluttamo)

Vau, mikä hankevuosi! Monet sellaiset asiat, jotka kolme vuotta sitten hankehakemusta kirjoitettaessa olivat vielä unelmia ja haaveita, alkavat hiljalleen muotoutua oikeiksi käytänteiksi.

Oman polun löytyminen, sen kiemuroiden seuraaminen ja uusien alkujen mahdollisuus on tänä päivänä jotain muuta kuin se aikoinaan hankkeen suunnitteluvaiheessa oli. Vuodenvaihteessa voimaan tuleva ammatillisen koulutuksen reformi tarjoaa mahdollisuuden jatkuvalle haulle, osaamisperusteiselle opintojen etenemiselle, henkilökohtaisesta tarpeesta lähtien.

Poluttamo-hankkeella on luotu pohjaa, jolla reformi voidaan myös ihan käytännössä toteuttaa. Visuaaliset HOPSit, oppimisanalytiikka ja näitä hyödyntävä ohjaus, erilaiset mentoroinnin menetelmät ja kaiken sitova sähköinen ePortfolio. Siinä on meidän kokonaishaave “Jepen” tuetulle opiskelumatkalle.

Hanketyössä ei aina kaikki asiat luista, joskus pilotit myöhästyvät, koodi ei valmistu, tai yksinkertaisesti tuntuu, ettei aika riitä siihen kaikkeen mitä pitäisi tehdä. Meillä täällä koordinaatioissa on kuitenkin ollut aina vahva usko, että asiat saadaan ratkaistua. Ja näin on aina onnistuttukin tekemään. Uskomattomat hanketoimijamme ovat keksineet uusia polkuja eteenpäin, joista osa on osoittautunut paremmiksi reiteiksi kuin ne alkuperäiset, joita yhdessä reittikarttaan piirrettiin.

Ilman todellista yhteistyötä ei näitä asioita saataisi vietyä eteenpäin. Oppimisanalytiikkaan on muodostunut osaajaverkosto, joka tutkii, arvioi, selvittää ja jakaa tietämystään kaikkien käyttöön. Erityisesti Turun yliopiston Oppimisanalytiikkakeskuksen ViLLE-tiimille lämpimät kiitokset tästä vuodesta. Olette olleet meille supertärkeitä kumppaneita.

On aika kiittää kaikkia Poluttamon yhteistyötahoja; verkostoja, serkkuhankkeita, Suomen eOppimiskeskuksen jäseniä ja muita kumppaneita. Hyvää joulunaikaa ja onnellista uutta vuotta 2018.

Teksti: Kaisa Honkonen


Tuotu lähteestä: Poluttamo

Poluttamo mukana SeOppi 2/2017 -lehdessä (Poluttamo)

Poluttamo-hankkeen etenemisestä SeOppi-lehdessä:

Tuotu lähteestä: Poluttamo

Learning analytics helping study advisors (Poluttamo)

Article first published on SeOppi 2/2017.

Text: Maija Kerkola, HAMK University of Applied Sciences

I remember how I, a study advisor, walked the hallways of my university of applied sciences when the semester break approached and looked for certain students, my lost sheep. The tools with which I could have found the possible drop-outs were not many. In practice, I was relying on my eyesight, looking for and hoping to encounter students whom I did not think I had seen at school recently. I mingled and asked teachers and students if they had seen this or that other student. Universities of applied sciences do not enforce compulsory attendance, and it was only that I was worried about certain students and did not think everything was in order, fearing that they might be at risk of dropping out. There is a holistic model underlying this sort of a caring counselling culture. It means that we are genuinely interested in every single student. I find it particularly important that we detect potential drop-outs as early as possible.

Study advisors’ work at universities of applied sciences

Study advisors monitor the progress of students’ studies. In earlier times, students, teachers and advisors met face to face in classrooms and hallways, but now that teaching takes place online, advisory work takes place online as well, and learning analytics is the advisors’ new tool.

The learning analytics system collects data and is able to provide the study advisors with weekly reports concerning students who did not log in or logged in only worryingly few times to the Moodle learning platform. We know that goal-oriented studies require several logins per week. Therefore, alarm bells ring weekly, and the study advisors are notified of the possibility that certain students may be in danger of dropping out. In this way, the study advisors have the chance to act pre-emptively.

Research has shown that study advisors’ guidance work produces long-range outcomes (Helander and Kemppi 2006, 24–25). The importance of guidance is also championed in the writings of Raimo Vuorinen and Maarit Virolainen of the Finnish Institute for Educational Research at the University of Jyväskylä. They refer to recent research and note that guidance reduces drop-out rates and accelerates students’ studies. In addition, in their view, guidance is one of the indicators of the efficiency of a school system. Guidance increases students’ commitment to their studies and helps them clarify their personal study paths. (Vuorinen and Virolainen 2017, 7.)

Now that guidance has gone online, study advisors’ tools include e.g. email, Skype, WebEx, chat, WhatsApp and Snapchat. They are what the advisor will use to reach a certain student. A study advisor’s work involves a great deal of counselling and passing on sufficient and correct information. They introduce various options and assess the impacts of these options on the current points of interest. The idea is for such guidance to help students in decision making; however, study advisors are not providers of services intended to solve problems on behalf of the students themselves (Onnismaa 2007, 23-25).

Sources

Helander, J. & Kemppi, J. 2006. Jos meijät on istutettu tänne jotaki tarkotusta varte: puheenvuoroja hämeenlinnalaisten nuorten osallisuudesta ja hyvästä [If we’ve been made to sit in here for some purpose: contributions to a discussion concerning the possibilities for participation and good life for Hämeenlinna youth]. HAMK University of Applied Sciences.

Onnismaa, J. 2007. Ohjaus- ja neuvontatyö: aikaa, huomiota ja kunnioitusta [Counselling and guidance work: time, attention and respect]. Gaudeamus.

Vuorinen, R. & Virolainen, M. 2017. Editorial. Opinto- ja HOPS-ohjauksesta urasuunnittelutaitojen vahvistamiseen ja ohjauspalveluiden laadun arviointiin [From advising about studies and study planning to improving career planning skills and assessing the quality of counselling services]. Journal of Professional and Vocational Education. 19 (2), 7.

Tuotu lähteestä: Poluttamo

Challenges for learning analytics (Poluttamo)

Article first published on SeOppi 2/2017.

Text: Lasse Seppänen, Häme University of Applied Sciences (HAMK)

Learning analytics is becoming very popular in student administration. Study performance and students in danger of dropping out can be monitored. If a student’s activity level decreases at some point during the school year, the monitoring of only grades and courses passed would reveal this, in the worst case, as late as the following year.

Our study monitored weekly logins to the learning platform. In the fall of 2016, the Adaptable Learning Paths project at HAMK University of Applied Sciences constructed a system that monitors students’ weekly logins and sends the study advisor weekly messages about students with reduced login rates. The target group was initially the students of computer sciences, but other students were included later.

In computer studies, if a student is to drop out, it most often takes place during the first year, or, alternatively, the student is not able to complete his or her final thesis at the end of the studies. The early detection of the potential drop-outs among first-year students is very important. The thesis process was modified in 2017 to structure it so that it would not be easy to leave it incomplete.

In computer sciences, the learning platform Moodle is in active use. Moodle is in frequent use in all studies during the first two years, and in practice, students must log in daily or almost daily. The algorithms we developed are based on this fact.

The standard working day at HAMK consists of two parts separated by the lunch break. It is natural to think that students would log in to Moodle at least twice each day, achieving a minimum of 10 logins per week. However, students are required to complete a great deal of group work and one group member may submit the work of all others as well. This may lower the login frequency of group members even if they are active in their studies.

Monitoring weekly logins, we first put the threshold at four logins. We thought it a logical conclusion that if a student logs in to Moodle only 0 – 3 times a week, all cannot be well. Later, we tentatively raised the threshold to eight logins and noticed we obtained a great deal of data concerning students who were doing just fine. We then lowered the threshold to six. That gave us a smaller quantity of data in emails, which was easier to manage. It is likely that we will study further the appropriateness of this threshold as well.

We applied the same threshold in our monitoring of the activity of online evening students and observed that the same value does not function properly. For example, we set the threshold at six for the last week of September, and the system generated alarms concerning 24 students. Of these students, only five had zero logins and eleven had 3 – 5 logins. We saw a clear difference between evening students and daytime students: evening students do more during one online session.

Challenges due to the upcoming Data Protection Regulation

The upcoming Data Protection Regulation will bring challenges to the use of learning analytics. Any list containing names of students can be classified as a personal data register – and this is in essence what the weekly email from the learning analytics system entails. The view has been proposed that analytics could be used if they do not impact any single student. However, the whole point of this analytics is that the study advisor be able to contact a single student and to do this easily. In addition, the system profiles students. We must give thought to how we make the system work in compliance with the regulation so that we may continue to support students who are encountering difficulties.

Sources

Oppimisanalytiikan keskus [Learning Analytics Centre]. Mitä on Oppimisanalytiikka? [What is learning analytics?] www.learninganalytics.fi/fi/oppimisanalytiikka

Seppänen, L. Learning analytics call out for action, SeOppi 02/2016

Tuotu lähteestä: Poluttamo

Oppimisanalytiikka opon apuna (Poluttamo)

Artikkeli julkaistu SeOppi 2/2017 -lehdessä.

Teksti: Maija Kerkola, HAMK

Oppimisanalytiikka opon apuna - kuva SeOppi-lehden artikkelisivustaMuistan, kuinka vielä muutama vuosi sitten ammattikorkeakoulun opinto-ohjaajana, opona, kiertelin syysloman lähestyessä pitkin koulun käytäviä ja etsin ”kadonneita lampaita”. Välineet, joilla olisin voinut tunnistaa opinnoista mahdollisesti pudonneet opiskelijat, olivat vähissä. Käytännössä minä omiin näköhavaintoihin perustuen etsin opiskelijoita, joita en ollut koululla mielestäni nähnyt viime viikkoina. Kiertelin kyselemässä opettajilta ja muilta opiskelijoilta, onkohan tätä ja tätä opiskelijaa näkynyt. Läsnäolopakkoa kun ei ammattikorkeakoulussa tunneta. Minulla oli vain huoli, että joku on nyt pielessä, ja riski opiskelijan opintojen keskeyttämiseen kasvaa. Tällaisen välittävän ohjauskulttuurin takana on holistinen malli. Se tarkoittaa, että ollaan aidosti kiinnostuneita jokaisesta opiskelijasta. Erityisen tärkeäksi koen, että putoamassa olevat opiskelijat tunnistetaan mahdollisimman varhaisessa vaiheessa.

Opinto-ohjaus ammattikorkeakoulussa

Opiskelijan opintojen edistymisen seuranta on opon työtä. Ennen opiskelijat, opettajat ja ohjaajat tapasivat kasvotusten luokkahuoneissa ja koulujen käytävillä, mutta opetuksen siirryttyä verkkoon, on myös ohjaus siirtynyt verkkoon, ja oppimisanalytiikka on opon uusi työkalu.

Kertyvän datan ansiosta opo saa joka viikko sähköpostiinsa raportin opiskelijoista, jotka eivät ole kirjautuneet, tai ovat kirjautuneet vain huolestuttavan vähän Moodle-oppimisalustalle. Tavoitteellinen opiskelu kun edellyttää useita kirjautumisia viikossa. Viikoittain siis ”kellot alkavat soida”, opossa herää huoli, että jollakin opiskelijalla on riski
pudota. Näin ohjauksessa on päästy ennaltaehkäiseviin toimiin.

Onkin tutkittu, että opiskelijoiden ohjauksella on kauaskantoisia seurauksia (Helander ja Kemppi 2006, 24–25). Ohjauksen tärkeyden puolesta kirjoittavat myös Jyväskylän yliopiston Koulutuksen tutkimuslaitoksen Raimo Vuorinen ja Maarit Virolainen. He viittaavat tehtyihin tutkimuksiin ja toteavat, että ohjaus vähentää opiskelijoiden keskeyttämisiä ja nopeuttaa valmistumisaikoja. Lisäksi heidän näkemyksen mukaan ohjaus on yksi tehokkaan koulutusjärjestelmän indikaattori. Ohjauksella vahvistetaan opiskeluun sitoutumista ja selkeytetään henkilökohtaisia opintopolkuja. (Vuorinen ja Virolainen 2017, 7.)

Ohjauksen siirryttyä digiaikaan opon työkaluja ovat mm. sähköposti, Skype, WebEx, chat, WhatsApp ja Snapchat. Niiden avulla hän ryhtyy tavoittamaan opiskelijaa. Opon työ sisältää paljon tiedottamista ja neuvontaa. Hän antaa opiskelijalle oikeata tietoa ja riittävästi. Opo myös esittelee erilaisia vaihtoehtoja ja arvioi eri vaihtoehtojen vaikutuksia käsillä olevaan asiaan liittyen. Tavoite on, että neuvonta auttaa opiskelijaa päätöksien tekemisessä. Opo ei kuitenkaan koskaan ole sellaisen palvelun tarjoaja, joka ratkaisee ongelman opiskelijan puolesta (Onnismaa 2007, 23–25).

Lähteet

Helander, J. & Kemppi, J. 2006. Jos meijät on istutettu tänne jotaki tarkotusta varte: puheenvuoroja hämeenlinnalaisten nuorten osallisuudesta ja hyvästä. Hämeen ammattikorkeakoulu.

Onnismaa, J. 2007. Ohjaus- ja neuvontatyö: aikaa, huomiota ja kunnioitusta. Gaudeamus.

Vuorinen, R. & Virolainen, M. 2017. Pääkirjoitus. Opinto- ja HOPS-ohjauksesta urasuunnittelutaitojen vahvistamiseen ja ohjauspalveluiden laadun arviointiin. Ammattikasvatuksen aikakausikirja. 19 (2), 7.

Tuotu lähteestä: Poluttamo

Oppimisanalytiikka opettajan työvälineeksi (2+4 op) (Suomen eOppimiskeskus ry:n koulutustarjontaa)

Oppimisanalytiikan avulla voidaan tunnistaa opiskelun esteitä jo varhaisessa vaiheessa, lisätä opintosuorituksia ja suunnata opettajan ajankäyttöä rutiinitöistä opiskelijoiden henkilökohtaiseen ohjaukseen. Analytiikalla voidaan analysoida parhaiten edistyviä opiskelijoita ja omaksua heiltä toimintatapoja muille. Lisäksi oppimisanalytiikalla voidaan tarjota aiempaa tarkemmin oppijoille oikea-aikaisesti yksilöllisiä tukivaihtoehtoja ja vähentää opintojen keskeyttämisiä.

Oppimisanalytiikka opettajan työvälineeksi -koulutuksen tavoitteena on

  • antaa opettajille digitaalisia valmiuksia ja itsenäistä soveltamistaitoa oppimisanalytiikan hyödyntämisestä oman kurssin sähköistyksen suunnittelussa ja toteutuksessa.
  • nykyaikaistaa opettajan käytössä olevia oppimateriaaleja ja menetelmiä jatkuvan arvioinnin suuntaan. Analytiikan avulla opettaja saa hiljaisen tiedon rinnalle uudentyyppistä tietoa ja mahdollisuuksia arvioida ja ohjata oppijan osaamisen kehittymisessä.
  • datan visualisoinnin avulla ottaa käyttöön uusia henkilökohtaisen oppilaanohjauksen menetelmiä ja välineitä.

Koulutus jakaantuu kahteen moduuliin, joista ensimmäiseen (2 op) osallistuvat kaikki opettajat. Ensimmäisen moduulin tarkoitus on antaa yleiskuva mistä on kyse sekä hands-on kokemus, miten dataa voidaan hyödyntää.

Toinen moduuli on syventävä osa (4 op), joka on tarkoitettu opettajille, jotka haluavat hyödyntää oppimisanalytiikkaa omassa työssään.

SeOppi ja Otavan Opisto vastaavat yleisen osan toteuttamisesta ja Oppimisanalytiikan keskus syventävästä osasta.

Koulutukseen osallistuvat luovat sähköisen kurssin omaan opetukseensa ja jaettavaksi muille opettajille. Opettajat voivat käyttää omia aineistojaan ja sovelluksia tai Otavan Opiston tarjoamia avoimia oppimateriaaleja kymmeniin perus- ja toisen asteen kursseihin (CC).

Oppimisanalytiikan keskuksen ViLLE tarjoaa kymmeniä tuhansia valmiita tehtäviä sekä yli 100 tehtäväeditoria, joilla voidaan tuottaa jatkuvaa arviointia tukevia uusia tehtäviä. ViLLEssä tehdyt ja tuotetut aineistot ovat maksutta halukkaiden käytössä.

Data oppimisanalytiikan pohjana – perustaso (2 op)

Koulutusosiossa opitaan oppimisanalytiikan perusteet osana pedagogista työtä.

  • Digitaaliset jalanjäljet (MyData) sekä oppimisympäristöjen ja mobiililaitteiden tuottama data
  • Datan jalostaminen informaatioksi ja tiedoksi työkaluja hyödyntäen (esim.Google Maps, Excel)
  • Datan visualisoinnin esitystapoja ja työkaluja
  • Oppilasdata, oppilashallintajärjestelmät ja tietosuoja
  • Oppimisanalytiikan perusteita: datan analysointi
  • Erilaiset opiskelurytmit
  • Opiskelijoiden oppimisprofiilit, kuten pudokkaat, verkkaiset ja nopeimmin oppivat sekä erityyppiset aineistot
  • Keskeyttämisriskien tunnistaminen
  • Oppimisympäristön tuottaman datan hyödyntäminen, kuten automaattihälytykset

Koulutus toteutetaan hands-on-tyyppisinä tehtävinä, osa yhteisissä asiantuntijoiden vetämissä pajapäivissä ja osa itsenäisenä työskentelynä, jota tuetaan viikottaisilla verkkoklinikoilla.

Kohderyhmät: Perusaste, toinen aste ja vapaa sivistystyö
Laajuus: 2 op

Oppimisanalytiikka omassa työssäni – syventävä kokonaisuus (4 op)

Koulutusosion tarkoituksena on oppia, kuinka oppimisanalytiikkaa hyödynnetään osana oman pedagogisen työn suunnittelua ja toteutusta.

  • Avointen oppimateriaalien valinta
  • Avointen tehtävien valinta
  • Valitun oppimisympäristön työkalujen evaluointi ja kokeilut
  • Oman kurssin suunnittelu analytiikan mahdollisuuksia hyödyntäen
  • Käytettävien analytiikka-työkalujen valinta
  • Avointen oppimateriaalien käyttö
  • Avointen tehtävien käyttö
  • Opiskelijoiden edistymisen monitorointi ja ohjattu käytännön soveltaminen

Osallistujat kokeilevat oppimisanalytiikan hyödyntämistä omassa opetuksessaan.

Koulutus toteutetaan hands-on-tyyppisinä tehtävinä, osa yhteisissä asiantuntijoiden vetämissä pajapäivissä, osa itsenäisenä työskentelynä, jota tuetaan viikottaisilla verkkoklinikoilla.

Kohderyhmät: Perusaste, toinen aste ja vapaa sivistystyö
Laajuus: 4 op

Sisällöllisiä painotuksia tehdään ryhmä- ja oppilaitoskohtaisesti.

Koulutus on Opetushallituksen rahoittamaa opettajien täydennyskoulutusta. Koulutus on osallistujille maksutonta.

Toteutusaikataulu: Toteuksesta sovitaan oppilaitoskohtaisesti, alkaen syksyllä 2017.

Lisätietoja: Titi Tamminen, Suomen eOppimiskeskus ry (titi.tamminen@eoppimiskeskus.fi)





Tuotu lähteestä: Suomen eOppimiskeskus ry:n koulutustarjontaa

Oppimisanalytiikka tulee – oletko valmis? (Poluttamo)


Oppimisanalytiikka tulee – oletko valmis? -selvitys luo käytännönläheisen katsauksen oppimisanalytiikkaan ja sen avaamiin mahdollisuuksiin. Selvitys keskittyy neljään pääteemaan eli

  • tiiviiseen johdatukseen oppimisanalytiikkaan eli mitä oppimisanalytiikka on?
  • mitä hyötyjä oppimisanalytiikasta voisi olla eli miksi oppimisanalytiikkaa?
  • keitä oppimisanalytiikan käyttö voisi hyödyttää eli kenelle oppimisanalytiikkaa?
  • mitä oppimisanalytiikan käyttö edellyttää eli miten oppimisanalytiikkaa?

Oppimisanalytiikka on tutkimuksen ja kehittämisen alueena varsin nuori. Ala kehittyy nopeasti ja olemme liittäneet mukaan selvitykseen myös laajahkon kirjallisuusluettelon, josta saa hyvää taustatukea syvemmälle tiedonhankinnalle.

DigiKilta-tapaaminen 19.9.2017: Alustat & analytiikka (Digikilta)

DigiKilta-hanke järjestää digitaalisia oppimisalustoja sekä oppimisanalytiikkaa käsittelevän tapahtuman Tampereella 19.9.2017. Ohjelmassa on asiantuntijapuheenvuoroja sekä työpajoja.

Aika: 19.9.2017 klo 9-16
Paikka: Varalan urheiluopisto, Tampere

Tapahtuman tarkempi ohjelma julkaistaan myöhemmin.

Oppijan digitaalinen jalanjälki – suositukset oppilaitoksille (Poluttamo)

Mitä oppilaitosten tulee huomioida käsitellessään opiskelijoiden henkilötietoja? Mitä oppimisanalytiikan työkalujen käyttöönottoa harkittaessa tulee huomioida?
Oppijan digitaalinen jalanjälki – suositukset oppilaitoksille