Omille poluille! Yksilöllisen pedagogiikan ja ohjauksen koulutuspäivä (Poluttamo)

Teksti: Saara Kotkaranta, Riikka Turpeinen ja Sari Jaaranen
Kuvat: Aki Luostarinen

Lauantaina 7.4. kokoonnuimme Otavan Opiston juhlasaliin oppimaan yksilöllistä ohjausta ja pedagogiikkaa. Tällä kertaa koulutuspäivän järjesti Poluttamo-hanke.

Koulutuspäivän avasi Merja Saarela HAMK:sta aiheenaan multimodaalisuus ja universal design for learning (UDL). Hän kertoi meille, kuinka voimme erilaisin menetelmin ja välinein auttaa opiskelijoita motivoitumaan paremmin ja opiskelemaan tasavertaisemmin sekä toisaalta tuomaan omaa osaamistaan esiin paremmin. Merja toi vahvasti esiin sen, että ei ole olemassa keskiverto-oppijaa, vaan on olemassa monenlaisia oppijoita, joilla on erilaisia vahvuuksia tai toisaalta erilaisia oppimisen rajoitteita. Näin ollen oppimateriaalikin pitäisi tarjota erilaisissa muodoissa. Ensi syksynä tähän yhdenvertaiseen materiaalien saavutettavuuteen meitä julkisia tahoja velvoittaa saavutettavuuslakikin.

Merja Saarela esittelee multimodaalisuutta

Miksi kannattaa käyttää multimodaalisia tehtävänantoja? Merja Saarela esittelee aihetta osallistujille.

Pääsimme kokeilemaan ihan käytännössä kuinka esimerkiksi puhelin kääntää puhetta saman tien kirjoitetuksi tekstiksi, tai kuinka kirjoitettua tekstiä voi kuunnella sopivalla sovelluksella. Tai kuinka voimme tehdä tekstitettyjä videoita. Mietimme myös kuinka voimme omassa työssämme tehdä multimodaalisia tehtävänantoja tai tarjota monipuolisia oppimateriaaleja.

Linkki Merjan esitysmateriaaliin

Iltapäivällä järjestettiin kaksi työpajakierrosta. Työpajojen aiheina olivat oppimisanalytiikka, sähköinen arviointi, hyvinvointisovellukset, visuaalinen HOPS eli VOPS sekä Muikku-oppimisympäristö.

Oppimisanalytiikkaa esittelivät Markus Kitola Turun yliopiston ViLLE-tiimistä sekä Anu Konkarikoski koulutuskuntayhtymä Tavastialta. Kitola kertoi ViLLE-analytiikkatyökalun pilottikokemuksista lukio-opinnoissa: ViLLEä on tähän mennessä testattu mm. matematiikan ja äidinkielen kursseilla, jolloin osa oppitunneista on muutettu sähköiseksi ViLLE-tunneiksi. Näillä tunneilla harjoitellaan opiskeltavia asioita erilaisten automaattisesti arvioitavien tehtävien ja pelien avulla. Tavoitteena on ollut parantaa opiskelijoiden oppimistuloksia ja motivaatiota ja luoda opiskelijalle oma henkilökohtainen opintopolku, jossa järjestelmä poimisi kullekin opiskelijalle soveltuvia tehtäviä.Tavastialla ViLLE-työkalu on ollut käytössä Pintakillan opinnoissa. ViLLEn pelillisyydellä ja visuaalisuudella on saatu edistettyä opintoja ja parannettua yhteistyötä koulun ja työssäoppimispaikkojen välillä.

Kuva koulutustilasta, Anne Rongas esiintyy

Anne Rongas esitteli Pulssi-hankkeen kyselytuloksia.

Anne Rongas kertoi meneillään olevan Pulssi-hankkeen aikana tehdyn kyselyn tuloksista omassa työpajassaan. Hyvinvointisovellus-työpajassa kokeiltiin Suomen
Mielenterveysseuran kehittämää Mun mieli -sovellusta Kari A. Hintikan johdolla. Muikku- ja VOPS-pajoissa tutustuttiin Otavan Opiston omaan oppimisympäristöön Muikkuun ja sen yhteyteen laadittuun opintojen visualisointityökaluun. Esittelijöinä olivat Miia Siven, Sari Jaaranen, Riikka Turpeinen ja Saara Kotkaranta.

Päivän lopuksi Leena Ståhlberg Suunta-palveluista herätteli ajatuksia siitä, kuinka lukio voisi tukea nuorta omannäköisen elämän rakentamisessa. Tästä puheenvuorosta päällimmäisenä jäi mieleen se, kuinka suuri merkitys opiskelijan kohtaamisella on. Yksittäiset kohtaamiset eivät ole koskaan yhdentekeviä ja siksikin – myös kiireen keskellä – tulisi keskittyä opiskelijaan ja muistuttaa itseään siitä, että minä olen tätä ihmistä varten juuri nyt.

Tuotu lähteestä: Poluttamo

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

Apua sieppareille ruispellossa − oppimisanalytiikka opintojen ja opetuksen tukena (Poluttamo)

Artikkeli julkaistu SeOppi 1/2017 -lehdessä

Teksti: Rolf Lindén & Mikko-Jussi Laakso, Turun yliopisto
Kuvat: ViLLE-team

SeOppi 1-2017 sivu 8J. D. Salingerin vuoden 1951 klassikko Sieppari ruispellossa kuvailee 16-vuotiaan Holden Caulfieldin elämää ja ajatusten kulkua, kun hänet erotetaan huonojen arvosanojensa takia viidennen kerran koulusta. Elämää sävyttävät aiemmat tragediat, vaikea suhde vanhempiin ja eteerinen haaveilu merkityksellisyydestä, jota kuvastaa hyvin kirjan nimeksikin valikoitunut haaveammatti siepparista, joka estää leikkiviä lapsia näkymättömiltä vaaroilta.

Vaikka ajatus viidesti koulusta erotetusta pojasta tuntuu nyky-Suomessa kärjistetyltä, kirja kuvailee hyvin hapuilevaa nuorta, joka ei saa tarvitsemaansa tukea eikä löydä etsimäänsä suuntaa elämälleen. Holden tekee saman valinnan monen nykyaikaisen vertaisensa kanssa eikä hae tarvitsemaansa tukea heiltä, jotka voivat häntä auttaa.

Nykynuorten etuna Salingerin aikakauden nuoriin on, että apua on mahdollista saada jo ennen kuin sitä pyytää, ja huonosti menestyviä pyritään erottamisten sijaan auttamaan. Sähköiset oppimisjärjestelmät keräävät systemaattisesti tietoa opiskelijan toiminnasta järjestelmässä, ja sisään- ja uloskirjautumisten ja tehtäväpalautusten ohella tietoa kertyy muun muassa vastausten oikeellisuudesta, tehtävien avaamisista ja sulkemisista sekä eri toimenpiteisiin käytetystä ajasta. Kun tietoa kerätään samanaikaisesti riittävän suurelta määrältä opiskelijoita, kerätystä datasta voidaan tiedonlouhinnan ja tilastollisten menetelmien avulla havaita toimintaa kuvaavia säännön alaisuuksia. Eräs esimerkki tällaisten säännön alaisuuksien tunnistamisesta on Lasse Seppäsen SeOppi-lehden numerossa 02/2016 kuvailema keskeyttämisriskin alaisten opiskelijoiden tunnistaminen opiskelijoiden kirjautumiskäyttäytymisen avulla. Taustalla vaikuttava ajatus on selvä – motivoituneet opiskelijat tekevät tehtäviä ja hyödyntävät tarjottua kurssimateriaalia, ja samalla kirjautuvat säännöllisesti kurssijärjestelmään.

Opettaja näkee luokkansa tuen tarpeen aihealueittain yhdellä silmäyksellä ja voi kohdentaa aikansa eniten apua tarvitseviin oppilaisiin.

Silloin, kun oppimisjärjestelmää käytetään tehtäväpalautusten ohella myös itse tehtävien tekoon, kertyvästä datasta paljastuu tietoa myös opiskelijoiden opiskelutottumuksista ja ajanhallinnasta. Osalla opiskelijoista on taipumuksia tehdä saamiaan tehtäviä öisin, jolloin säännöllinen unirytmi kärsii ja opiskelija menestyy opinnoissaan huonommin. Kun tehtävät tehdään suoraan oppimisjärjestelmään, huono toimintamalli voidaan tunnistaa ja siihen vaikuttavat ylläpitävät tekijät voidaan selvittää yhdessä opiskelijan kanssa. Ajatus on siis sama kuin Seppäsen esimerkissä, mutta erityyppinen data tarjoaa vaihtoehtoisia käyttötarkoituksia.

Esimerkki eräältä Turun yliopiston kurssilta, kun kurssin alkamisesta on kulunut pari viikkoa. Kurssilta myöhemmin putoavat opiskelijat (0) alkavat erottua muista opiskelijoista.

Huonot opiskelutottumukset ja heikentynyt motivaatio heijastuvat useille kursseille samanaikaisesti, mutta opiskelijalla voi vastaavasti olla ongelmia myös yksittäisten kurssien kanssa. Tarkasteltava ajanjakso on tällöin paljon lyhyempi — olennaista tietoa opiskelijan opintomenestyksestä on yleensä tarjolla vain muutamalta viikolta kurssin alusta. Erityisesti suurilla kursseilla opettaja ei ehdi saada riittävän tarkkaa kuvaa yksittäisten opiskelijoiden taidoista, eikä opiskelija aina osaa Holdenin tavoin itse arvioida oman osaamisensa riittävyyttä. Toistuvasti luennoitavilla suurilla kursseilla voidaan kuitenkin hyödyntää aiemmilta vuosikursseilta kertynyttä dataa, jonka avulla voidaan ennustaa opiskelijan opintomenestystä meneillään olevalla kurssilla. Keskeisenä ajatuksena on, että vaikka yksittäiset opiskelijat vaihtuvatkin vuosittain, eri vuosikurssit ovat silti keskenään melko samanlaisia. Kun opiskelija lähtee kulkemaan kurssilla polkua, jollainen on jo usein aiemmin johtanut huonoon lopputulokseen, hänelle voidaan tarjota apua kurssin suorittamisessa. Tämänhetkisten tutkimustulosten perusteella kolme neljäsosaa seitsemänviikkoisen korkeakoulukurssin pudokkaista voidaan tunnistaa pelkästään tehtäväpalautusten ja saavutettujen pistemäärien perusteella luotettavasti jo muutaman viikon jälkeen, vaikka iso osa kurssin sisällöstä on edelleen opettamatta. Ennakoivia tekijöitä täydentämällä tunnistus voidaan tehdä vielä tätäkin aikaisemmin.

Yhdistämällä erilaisia analytiikalla avustettuja tukitoimia arvioimme saavuttavamme keskimääräiselle opiskelijalle noin kymmenen opintopisteen parannuksen vuositasolla. Holdenin kaltaisille nuorille on siis mahdollista saada apua ajoissa, mutta miten pidetään huolta siitä, että kiireellisesti apua tarvitsevia nuoria on alun alkujaankin mahdollisimman vähän?

Oppimisjärjestelmän päätehtävä on helpottaa opettajan arkea ja vapauttaa hänet rutiininomaisista tehtävistä oppilaiden tueksi. Turun yliopistossa kehittämämme ViLLE-oppimisjärjestelmä on rakennettu tämän ajatuksen pohjalta. Valtaosa sen tehtävistä on satunnaisesti generoituja ja automaattisesti arvioituja eli oppilas voi harjoitella opeteltavaa asiaa saman tehtävän avulla useita kertoja ilman, että tehtävä toistaa itseään. Satunnaisuus ja automaattinen arviointi mahdollistavat myös välittömän palautteen, jolloin oppilas näkee tehtävän malliratkaisun sekä tehdyn ratkaisun kannalta hyödyllistä tietoa.

Onnistumisen kokemuksia ViLLE:n opintopolun parissa alakoulussa.

Alakoulussa sähköisiä tehtäviä voidaan hyödyntää monipuolistamaan opetusta ja opettamaan lapsille huomaamattomasti laitteiden käyttöä. Parhaimmillaan sähköiset tehtävät helpottavat eriyttämistä ja tarjoavat monipuolista tietoa oppilaiden osaamisesta. ViLLE:n matematiikan ja ohjelmoinnin sähköisen opintopolun avulla opettajalla on monta tapaa eriyttää oppilaitaan. Oppilaalle asetettua vaatimustasoa voidaan eriyttää ylöspäin, tarjota alaspäin mukautettuja perustehtäviä, tai luoda oppilaalle kokonaan yksilöllistetty matematiikan oppimateriaali, joka tukee hänen erityistarpeitaan. Toisto ja järjestelmän tarjoama palautesykli vahvistavat oppilaan osaamista ja tarjoavat mahdollisuuden kerrata yhdessä opittua sisältöä.

Oppimisjärjestelmän tarjoaman automaattisen palautesyklin ohella on tärkeää, että tieto oppilaan osaamisesta kulkee myös opettajan kautta. Analytiikan ansiosta opettajalle jää tarkka tieto oikeista ja vääristä vastauksista ja jopa tieto kotitehtäviin käytetystä ajasta. Oppilaiden laskemista matematiikan tehtävistä analysoidaan ViLLE:ssä tyypillisimmät solmukohdat, eli haastavimmat aihealueet matematiikan oppimisessa. Oppilaiden laskiessa tehtäviä opettaja näkee, ketkä oppilaista tarvitsevat lisää tukea, ja millä osa-alueilla tuen tarpeet ilmenevät. Näin oppimisanalytiikkaa voidaan hyödyntää kohdentamaan opettajan niukkoja resursseja paremmin sinne, missä niistä on eniten
apua. Automaattisesti arvioidut ja välitöntä palautetta antavat tehtävät auttavat vapauttamaan opettajan resursseja myös muilla tavoilla, sillä iso osa oppilaista pystyy etenemään välittömän palautteen avulla itsenäisesti, jolloin tarve opettajan antamalle avulle pienenee. Opettaja pystyy tällöin keskittymään sellaisten oppilaiden auttamiseen, jotka eivät selviä tehtävistä itsenäisesti.

Oppimisanalytiikka ja oppimisjärjestelmät tarjoavat yhdessä opettajalle työkalut pudokkaiden tunnistamiseen ja oppimisvaikeuksien synnyn ennaltaehkäisyyn, ja omalta osaltaan auttavat ennaltaehkäisemään Holdenin kaltaisten tapausten syntyä nykyisessä koulutusjärjestelmässä. On vaikeaa kuvitella tulevaisuutta, jossa nykyinen koulutusjärjestelmämme olisi kehittynyt yhtä paljon nykyisestä, kuin nykyjärjestelmämme on kehittynyt Salingerin aikaisesta verrokistaan ilman oppimisanalytiikan ja oppimisjärjestelmien tarjoamaa yhteistä ja johdonmukaista tukea.

Turun yliopisto on pioneeri oppimisanalytiikan ja sähköisen arvioinnin tutkimuksen saralla ja yliopistoon perustettiin syksyllä 2016 Oppimisanalytiikan keskus. Keskuksen tavoitteena on luoda tutkimuspohjainen ja oppimisanalytiikkaa hyödyntävä opetuksen kehittämisen malli taaperosta tohtoriin. Tätä varten keskus on mukana luomassa oppimisanalytiikan verkostoa, johon tarvitaan mukaan kaikki opetuskentän toimijat. Tämä verkosto kokoontuu seuraavan kerran ITK-päivillä huhtikuussa 2017 – Tervetuloa mukaan!