←Palaa mitä lisäarvoa digitalisointi tuo? -sivulle
OPPIMISEN MONITOROINTI: Miten digitaalisuus auttaa monitoroimaan oppimista?
Lisäarvo:
- Digitaaliset oppimisen arvioinnin menetelmät lisäävät opiskelijan motivaatiota ja sitoutumista: aktiviteetit ovat usein osallistavia ja interaktiivisia sekä tarjoavat jotakin uutta ja viihdyttävää. [1], [2]
- Oppijat voivat seurata oppimistaan esimerkiksi arviointityökalun avulla. Heillä on mahdollisuus saada välitöntä, henkilökohtaista palautetta edistymisestään, mikä antaa heille mahdollisuuden ohjata omaa oppimistaan. [2], [3]
- Digitaaliset menetelmät auttavat opettajia ja kurssisuunnittelijoita havainnoimaan oppijoiden toimintaa, minkä ansiosta he voivat tarvittaessa ohjata esimerkiksi haastavissa aktiviteeteissa ja räätälöidä opintopolkuja henkilökohtaisten tarpeiden mukaan. Näin ne tarjoavat mahdollisuuden syvempään ja tehokkaampaan oppimiseen. [2], [4], [5]
- Tutkimusten mukaan oppimisanalytiikan käyttö johtaa parempaan oppimiseen. [2]
- Palautetta voidaan tarjota kirjallisesti, puhutussa muodossa tai kuvien ja videon avulla. Digitaaliset välineet ovat jo mahdollistaneet multimodaalisuuden.
- Kehittyvät teknologiat mahdollistavat tulevaisuudessa sellaisen automaattisen palautteen antamisen kielellisestä tuotoksesta, joka aikaisemmin vaati opettajan panoksen. [6], [7], [8], [9].
- Sosiaaliset virtuaaliset verkostot tarjoavat rakenteen, jossa vertaisarvioijat voivat olla olennainen osa yhteistyötä. [10]
- Digitaalisia mahdollisuuksia käyttämällä opiskelijat löytävät keinoja monitoroida oppimistaan formaalin koulutuksen ulkopuolella, mikä auttaa heitä jatkamaan opintoja todellisissa tilanteissa koko elämän ajan.
Edellytykset:
- Oppimisanalytiikka mahdollistaa tietojen keräämisen opiskelijoista niin, että voimme tutkia oppimisen malleja ja arvioida vuorovaikutuksen tehokkuutta. Tästä nousee eettisiä kysymyksiä, kuten kysymys yksityisyydensuojasta ja tiedon puolueettomuudesta. [3], [11]
- Opettajat ja koulutussuunnittelijat eivät välttämättä osaa tulkita opiskelijan toiminnasta kerättyjä tietoja, jolloin vaarana ovat väärät johtopäätökset ja sopimattomat ohjaustoimenpiteet. [3]
- Mittaukset oppijan toiminnasta tuottavat tietoa, jossa ei huomioida yksilöllisen taustan ja olosuhteiden vaikutusta. Oppimisanalytiikka voikin saada opettajat suunnittelemaan interventioita, jotka eivät ota huomioon oppijan tilannetta tai lähestymistapaa oppimiseen. [12]
- Jos oppimisen monitorointi johtaa henkilökohtaisiin oppimispolkuihin, on olemassa vaara, että oppijoita rohkaistaan käyttämään rajallista määrää heidän tarpeisiinsa sopivia resursseja ja aktiviteetteja, sen sijaan että he kokeilisivat erilaisia, koko ryhmän saatavilla olevia resursseja ja aktiviteetteja. [12]
- Opiskelijoiden digitaalista toimintaa seuraavat lähestymistavat ovat helposti behavioristisia. Syvempi ymmärrys oppijan ajattelun kehityksestä jää saamatta. [12]
- Kun opiskelijoiden toimintaa ja edistymistä seurataan, he voivat keskittyä aidon oppimisen sijaan mekaanisiin tuloksiin, kuten pisteisiin tai suoritettujen aktiviteettien määrään.
- Kieltenopettajat pystyvät harvemmin käyttämään oppimisanalytiikkaa itsenäisesti. Tarvitaan eri alojen asiantuntijoita, mistä syntyy kustannuksia korkeakouluille. [13]
Lähteet
[1] M. Kuuskorpi, T. Kuuskorpi, K. Sipilä, J. Heikkinen, and R. Tamminen, ”Oppimismotivaation muutokset opetustila- ja oppimateriaaliuudistusten yhteydessä,” in Digitaalinen oppiminen ja oppimisympäristöt, M. Kuuskorpi, Ed. Opetushallituksen tuella Kaarinan kaupunki ja kirjoittajat. Tampere: Juvenes Print – Suomen Yliopistopaino Oy, 2015, pp. 107-108.
[2] C.A. Chapelle and S. Sauro, The Handbook of Technology and Second Language Teaching and Learning. Hoboken, N.J.: Wiley, 2017.
[3] N. Sclater, A. Peasgood, J. Mullan, and JISC (2016, April). Quick Guide – Learning analytics in higher education [Online]. Available: https://www.jisc.ac.uk/reports/learning-analytics-in-higher-education
[4] D. Clow, “An overview of learning analytics,” Teaching in Higher Education, vol. 18, no. 6, pp 683-695, Aug. 2013. doi.org/10.1080/13562517.2013.827653
[5] M.D. Pistilli, “Learner Analytics and Student Success Interventions,” New Directions for Higher Education, vol. 179, Sept. 2017. doi: 10.1002/he.20242
[6] P. Kessler, and G. Hubbard, “Language Teacher Education and Technology,” in The Handbook of Technology and Second Language Teaching and Learning, C. A. Chapelle and S. Sauro, Eds. Hoboken, N.J.: Wiley, 2017, pp 278-292.
[7] E. Cotos. (2011, Jan.) Potential of Automated Writing Evaluation Feedback. CALICO Journal, [Online]. vol. 28 (no. 2), pp. 420-459. Available: https://search.proquest.com/docview/869637846?accountid=13031
[8] V. Hegelheimer, A. Dursun, and Z. Li, “Automated Writing Evaluation in Language Teaching: Theory, Development, and Application,” CALICO Journal, vol. 33, no. 1, pp. i-v. Jan. 2016. doi:http://dx.doi.org/10.1558/cj.v33i1.29251
[9] A. Lee, and J.R. Glass, “Context-dependent pronunciation error pattern discovery with limited annotations,” in INTERSPEECH-2014, 2014, pp. 2877-2881.
[10] S.M. Witt, “Automatic error detection in pronunciation training: Where we are and where we need to go,” Proc. IS ADEPT, 2012.
[11] N. Arnold, and T. Paulus, “Using a social networking site for experiential learning: Appropriating, lurking, modeling and community building,” Internet and Higher Education, vol. 13, no. 4, pp. 188–196, Dec. 2010. doi:10.1016/j.iheduc.2010.04.002.
[12] J.A. Johnson, ” Ethics and Justice in Learning Analytics,” in Learning Analytics in Higher Education: New Directions for Higher Education, no. 179, J. Zilvinskis and V.M.H. Borden, Eds. Malden, MA: Wiley, 2017, pp. 77–86.
[13] A. Wilson, C. Watson, T.L. Thompson, V. Drew, and S. Doyle, “Learning analytics: challenges and limitations,” Teaching in Higher Education, vol. 22, no. 8, pp. 991-1007, May 2017. doi: 10.1080/13562517.2017.1332026
[14] J. Zilvinskis, and V.M.H. Borden, Eds., Learning Analytics in Higher Education: New Directions for Higher Education, no. 179. Malden, MA: Wiley, 2017.