Kategoriat
Blogi

Älykelloanalytiikan hyödyntämistä oppimisanalytiikan suosituksia rakennettaessa

Aktiivisuusrannekkeet ja älykellot ovat jo arkinen osa elämäämme ja toivomme oppimisanalytiikan siirtyvän samaan joukkoon lähivuosien kuluessa.

Älykello kerää valtavasti dataa: askeleet, suoritukset (kesto, etäisyys, sijainti jne.), syke, positiivinen ja negatiivinen stressi, uni, kalorit, valon avulla ihosta mitattu happisaturaatio (pulssioksimetria) ja jopa ekg. Kellon keräämän datan perusteella puhelinsovellus antaa esim. hengitysohjeita stressitilanteessa, suosituksia nukkumaanmenosta, ruokailusta ja jopa avun kutsumiseen hätätilanteessa. Käyttäjään liittyvää dataa voidaan täydentää myös älysormusten, -sukkien ja esim. patjan alle laitettavien anturien mittaustulosten sekä muiden sovellusten yhteiskäytön avulla.

Garmin Connect -sovelluksen ohjenäkymä kertoo, miten stressiä ja lepoa mitataan sykevaihtelun avulla.
Kuvakaappaus Garmin Connect -sovelluksesta.

Datan avulla saa kannustavia viestejä tavoitteiden saavuttamisesta –  ja suosituksia parantaa toimintaansa saman tien. 

Sovellus ilmoittaa, että käyttäjä on voittoputkessa askeltavoitteensa suhteen.
Kuvakaappaus Garmin Connect -sovelluksesta.
Sovellus kannustaa kävelemään lisää, jotta käyttäjä saavuttaa tavoitteensa. Kaksi ympyräkuviota visualisoivat päivän ennakoidun kokonaisaskelmäärän (4000) sekä todellisen, saavutetun askelmäärän (864).
Kuvakaappaus Garmin Connect -sovelluksesta.

Puhelinsovelluksessa voi verrata omaa dataansa muiden vastaavien käyttäjien dataan. Se myös kannustaa nostamaan tavoitteiden rimaa maltillisesti.

Sovellus kertoo pylväsdiagrammien ja tekstin avulla, että käyttäjä kerää enemmän askelia kuin 22 % muista käyttäjistä ja enemmän nukkumisaikaa kuin 16 % muista käyttäjistä.
Kuvakaappaus Garmin Connect -sovelluksesta.

Dataa on mahdollista tuoda haluamiinsa muihin sovelluksiin, mikä mahdollistaa sen vielä laajemman yhdistelyn vaikkapa oppimiseenkin.

Toisaalta älykellolta jää keräämättä kunnon kannalta olennaista tietoa kuten juoksuun, pyöräilyyn tai kuntosaliin liittyvät suorat terveysvaikutukset. Tämä saattaa kannustaa valitsemaan vain niitä lajeja, jotka parhaiten kerryttävät älykellon dataa. Maailmalta tunnetaan myös esimerkki Garmin-brändin palveluiden useamman vuorokauden katkoksesta: liikunnan määrä laski monella radikaalisti. Oman vastuun ulkoistaminen tietokoneohjelmalle ei tässä tilanteessa koitunut liikkujan hyödyksi. Kaikkien dataa hyödyntävien on hyvä olla tarkkana myös mittausten mahdollisista virheistä ja epätäydellisyyksistä ja jatkaa edelleen myös omien aivojen käyttöä.

Vastaavasti myös erilaiset oppimisen järjestelmät keräävät monipuolisesti erilaista dataa käyttäjistään: askelista kohti kokonaisten tavoitteiden haltuunottoa, lokitietoja aktiivisuudesta järjestelmissä eri vuorokaudenaikoina tai vaikkapa simulaattorisuoritusten asteittaisesta kehitymisestä. Analytiikan avulla data voi tarjota älykellon kaltaisia näkymiä opintojen etenemiseen. Missä olen hyvä? Missä kaipaan vielä harjoitusta? Miten olen kehittynyt? Parhaimmillaan oppimisanalytiikan visualisoinnit motivoivat älykellon lailla oppijaa eteenpäin opintopolulla.

Kategoriat
Blogi

Oppimisanalytiikan sanastotyö on käynnistynyt

Olemme kevään aikana käynnistäneet DOT-hankkeessa oppimisanalytiikkaan liittyvän sanastotyön. Tavoitteenamme on koota oppimisanalytiikan käsitteistöä ja määritelmiä ammatillisen koulutuksen kontekstissa liittyen datan hyödyntämiseen opiskelijan osaamisen hankkimisen tukemisessa erilaisissa oppimisympäristöissä ja yksilöllisen opintopolun eri vaiheissa.

Sanastotyön alustavana tavoitteena on koota n. 20 termiä, joille etsitään suomenkieliset määritelmät. Sanastotyössä ei ole mukana terminologia, joten työ ei noudata standardeja. Työssä ei laadita käsitekaavioita eikä etsitä vieraskielisiä termivastineita. Työn harmonisointi kaikkiin koulutusasteisiin sopivaksi jää OKM:n OKSA-työryhmälle ja analytiikkajaostolle, joiden kanssa pyrimme vuoropuheluun jo sanastotyön aikana.

Miksi oppimisanalytiikan sanastoa tarvitaan?

Koulutuksen järjestäjillä on käytössä eri digioppimisympäristöjä, sovelluksia ja laitteita, joihin kertyy oppimisanalytiikan kannalta mielenkiintoista dataa. Oppimisanalytiikan käsitteistö on kuitenkin hajanainen eikä siihen liittyvien tietojen yhteentoimivuus toteudu aina organisaatioiden sisälläkään. Yhteisesti sovittua ja määriteltyä oppimisanalytiikan sanastoa tarvitaan, jotta tietojen yhteentoimivuus eli tietojen hyödyntäminen ja vaihto eri tietojärjestelmien välillä mahdollistuu siten, että tietojen merkitys ja käytettävyys säilyvät.

Kirjoittaja: Riikka Lahtela, OSAO

Kategoriat
Blogi Tapahtumat Webinaarit

DOT-hanke vauhtiin

DOT – Data opiskelijan tukena on kevään 2019 valmisteluista startannut täyteen vauhtiin. Tapasimme livenä starttikokouksen merkeissä Careeriassa Vantaalla to 30.1. reilun kahdenkymmenen tekijän voimin. Kerran kaksi lukukaudessa tapaamisten lisäksi pidämme joka toinen torstai puolen tunnin pikapalaverin verkossa. Sen asialistalle jokainen voi nostaa itselle tärkeitä teemoja.

DOT-hanketoimijat iloisessa yhteiskuvassa 30.1.2020

Meillä on tämän vuoden 2020 aikana tarkoitus pilotoida sekä YTO- että ammatillisten tutkinnon osien opiskelijoiden opintojen aikana kerryttämän datan saamista opiskelijan tueksi sekä suoraan että opetushenkilöstön ohjauksen kautta. Osalla oppilaitoksistamme on pääasiallisena oppimisympäristönä Moodle, osalla Itslearning ja kaikilla kytkeytyy muitakin järjestelmiä oppimisen prosessiin. Arvelemme, että ryhmämuotoiseen etenemiseen viritettyjen oppimisympäristöjen omien analytiikkatyökalujen ominaisuuksien tarkastelu ei riitä. Ammatillisessa koulutuksessa iso osa ajasta tehdään myös käytännön työtä ja sen saaminen tarkasteluun on pelkässä digiympäristössä tehtävää kurssia haastavampaa. Jossain vaiheessa varmasti IoT-data auttaa meitä tässä.

Lisäksi yhtenä teemana on tarkastella, mitä dataa simulaattoreissa tehtävästä osaamisen hankkimisesta kannattaa tuoda opiskelijan omaan polkuun. Suoraviivaistettuna esimerkkinä tutkimme Pintakillan Unity-pohjaista Vive-VR-laseilla toimivaa ruiskumaalisimulaattoria: Mitä dataa tarvimme, jotta voimme seurata osaamisen kehittymistä ja löytää sen kohdan, jossa kunkin opiskelijan kannattaa siirtyä käyttämään oikeaa maaliruiskua 30-120 €/l maksavine maaleineen.

Kehittäjämme ovat moniosaava joukko sekä opettajia että syvemmin datan kimurantteja kysymyksiä hallitsevia eksperttejä. Ainakin aloitusleirin puheensorinan perusteella kaiken lisäksi meillä on vielä hauskaakin yhdessä.

Teksti: ITK2020

Ensimmäinen julkinen esiintyminen meillä on ti 3.3.2020 ITK-webinaarissa, jossa esitellään ke 1.4.2020 Aulangolla pidettävää työpajaa, johon voitte tulla kertomaan ja pohtimaan opiskelijoiden, opettajien ja ohjaajien tarpeita datan hyödyntämiseen. Tervetuloa molempiin!