On MOOC-verkkokursseja, joissa opiskelee tuhansia opiskelijoita. Olennaista niillä on, että opiskelijoille syntyy illuusio siitä, että opettaja on läsnä. Silloin opiskelija oppii paremmin kuin päinvastaisessa tilanteessa. Miten illuusio luodaan?

Sisältö ratkaisee kaikessa opetuksessa. Opetusmateriaali voi olla tekoälyn verkosta kokoamaa avointa dataa tai opettajan huolellisesti, henkilökohtaisesti ja aikaa vievästi valitsemaa tietoa – tärkeintä on, että opiskelijalla on koko ajan tunne siitä, että verkkokurssilla opetellaan oikeita asioita. Se on ensimmäinen ehto, että hänellä voi syntyä luottamus siihen, että opettaja on läsnä ja ohjaa oppimista.

Kurssien pitää olla toimivia paitsi opetusmateriaaleiltaan, myös oppimisen kohdetta palvelevilla tehtäviltään. Opettaja voi käyttää oppimisanalytiikkaa kehittäessään kurssejansa. Kurssin oppimisalustalta tutkitaan, mitä opiskelijoiden tekemisten jälkiä sinne on tallentunut.

Esimerkiksi selvitetään, miten osallistujat ovat käyttäneet materiaaleja tai millä aikaviiveellä he ovat tehneet tehtäviä. Ovatko verkkokurssin tehtävät olleet koukuttavia vai eikö joitakin tehtäviä tai tehtäviä ole vilkaistukaan? Näitä asioita käytiin läpi ITK-koulutuspäivillä.

 

Esimerkiksi Moodle tarjoaa kyllä jo paljon lokitietodataa, mutta sitä hyödynnetään aika vähän oman materiaalin kehitystyössä hyväksi, kertoi fysiikan yliopettaja Sami Suhonen eAMK-hankkeesta.

Harri Ketamo Headaista määritteli, että oppimisanalytiikan tavoitteena on kuvata, mitä oppija tekee. Vähintään se tarkoittaa erilaisia tilastograafeja oppimisesta.

Tulevaisuudessa oppimisanalytiikka on yksilöllistä oppimista tukevaa toimintaa eli se ohjaa oppijaa suorittamaan hänelle tarpeelliset tehtävät ja tutustumaan hänelle tarpeelliseen materiaaliin. Näin tekniset ratkaisut eriyttävät opetusta. Tämä ei vielä ole todellisuutta, mutta tulossa se on.

Petri Ihantola, Helsingin yliopiston oppimisanalytiikan professori, puolestaan kuvasi, että meillä on tarve kehittää opetusta ja oppimisanalytiikka on avain siihen: ”Esimerkiksi massiivisia opiskelijamääriä houkuttavat MOOCit mahdollistavat todella isojen aineistojen keräämisen siitä, miten ihminen toimii, kun hän harjoittelee jotain uutta”. Koneoppimisen menetelmiä voidaan soveltaa MOOCeista saadun datan hyödyntämisessä ja näin antaa opiskelijoille viitteitä siitä, miten voi selviytyä tietystä kurssista.

Kaikki, missä yritetään mallintaa tai matkia ihmisen toimintaa, on tekoälyä, kuvailee Harri Ketamo Headaista.

Oppimisanalytiikkaan liittyy myös tekoäly, jolla on paljonkin tekemistä opetuksen tulevaisuuden kanssa. Tekoäly voidaan kouluttaa spesifisti omaan kurssiin täsmääväksi.

Koneelle syötetään riittävästi aineistoa, ns. training dataa, esimerkiksi teknisiä tai matemaattisia aiheita käsittelevistä esseetehtävistä. Kun on riittävästi training dataa (se voi olla myös avointa dataa verkosta), tekoäly voi päätellä, onko henkilö ymmärtänyt asiat ja niiden väliset suhteet, ja pystyykö henkilö kommunikoimaan asiasta järkevällä tavalla.

Kun tekoäly koulutetaan arvioimaan yksinkertaisia tekstejä, voidaan tuottaa pienellä vaivalla yksilöllisiä palautteita. Tämä näkyy opiskelijalle runsaampana feedbackinä opettajan mahdollisesti heittämän ”Ihan ok essee!”, -kommentin tai pahimmillaan pelkän suoritusmerkinnän sijaan.

Tavoitteena lähitulevaisuudessa esimerkiksi Harri Ketamon firmalla Headailla on, että koneelle puhutaan muutama lause, jonka jälkeen tekoäly kuratoi oppimateriaalin verkosta ja luo kurssin sekä arvioi suoritukset. Opiskelijalle jopa visualisoidaan käsitekartalla, missä taidoissa ja tiedoissa ko. aiheessa opiskelijalla vielä on puutteita.

Opettajien rooliksi jäävät tulevaisuudessa mentorointi ja valmennus, eivät niinkään materiaalin haaliminen ja rasittavat, toistuvat työtehtävät (kuten linkkien luominen manuaalisesti). Sekä äidinkielen esseiden tarkistaminen, nimittäin niiden syvälliseen analysointiin tekoäly ei tutkijoiden mukaan vielä lähiaikoina taivu.

Virheettömän kielen tuottamiseen on jo olemassa tuotteita, mutta mitä rikkaampaa ja ilmaisuvoimaisempaa kieli on, sitä hankalampaa tekoälyn on sitä analysoida, kuvaili Harri Ketamo.

Tässä nykyisessä etäopiskelumallissa jotakuta saattaa huolestuttaa se, että opiskelijat teettävät esseensä toisilla esimerkiksi maksua vastaan. Tähän tekoälyn tutkijoilla on ratkaisu: kone oppii tunnistamaan, että tämä henkilö on suurella todennäköisyydellä se henkilö, joka väittää olevansa.

Ihmiset nimittäin tekevät tyypillisesti tiettyjä virheitä, jotka toistuvat (esimerkiksi sanajärjestyksessä tai näppäilyssä). Opiskelijalle tämä voi näyttäytyä illuusiona opettajan läsnäolosta: pääasia on, että joku varmistaa, että opiskelijat ovat tasa-arvoisessa asemassa ja kaikki tekevät yhtä paljon arvosanan saadakseen.

Chatbot eli kone, joka chattailee tai antaa vastauksia tai arviointeja, kuuluu olennaisesti opetukseen (jo nyt). Chatbotin etuna on, että se ei väsy eikä sillä ole tunnesidettä opiskelijaan. Opettajan uupumus tai opiskelijan pärstäkerroin eivät siis tulevaisuudessa vaikuta arvosanaan.

Esimerkiksi Petri Ihantolan käytännön kokemusten mukaan ohjelmointikurssin opiskelijat saivat käytännön oivalluksia chatbotilta, joten chatbox oli omalta osaltaan luomassa illuusiota opettajan läsnäolosta – ennenhän sitä ajateltiin, että opettaja mahdollistaa oivallukset.

 

Kirjoittajat

Kukka-Maaria Raatikainen
suomen kielen ja viestinnän lehtori, digimentori
Salla Ruuska
eläintuotannon tuntiopettaja, digimentori
Savonia-amk

 

ITK-päivät 11.-13.4.2018, Hämeenlinna
Interaktiivinen tekniikka koulutuksessa
Katso lisää: www.itk.fi

Tekoäly ja oppimisanalytiikka hyödyksi verkkokursseilla

Leave a Reply

Your email address will not be published.