Oppimisanalytiikkaesitys Haaga-Helia 2017

Sami Suhonen 20.11.2017

OPPIMISANALYTIIKKATYÖPAJA

1. Määritelmä

2. Data

3. Analytiikan tasot

4. Esimerkkejä

5. Analytiikkaa opiskelijalle

6. Työpaja

Haaga-Helia 20.11.2017

Sisältö:


DigimentoriPedagoginenR & D

Fysiikan yliopettaja

• Opettajandigitaaliset työkalut

• Kollekoidenauttaminen, opettajien koulutusja työpajat

• Pedagoginennäkökulma

• Oppimisanalytiikka(Learning Analytics)

• Opiskelijakokemus• Oppimistulokset

• Käänteinen opetus(Flipped Learning)

• Opiskelu- ja opetustapojenkehitystyö

• Verkko-opetus

[email protected]

KUKA?


1. Suhonen, S. (2016) Learning Analytics View to Students' HomeworkActivity in Engineering Physics. INTED2016 Proceedings, pp. 3998-4005.

2. Suhonen, S. (2016) Put Theory into Practice: Measurement Assignmentsin Physics Theory Courses. INTED2016 Proceedings, pp. 4478-4484.

3. Suhonen, S., Tiili, J. (2015) Students’ Online Activity on a Fully Online Introductory Physics Mechanics Course, Proceedings of SEFI2015 43rd Annual Conference, Orleans, France

4. Suhonen, S., Puranen, J., (2015) Enhancing Learning in Integrated Physics Laboratory Course: Physics, Mathematics and Communications, 43rd Annual SEFI Conference June 29 -July 2, 2015 Orléans, France

5. Tiili, J., Suhonen, S. (2015) Students’ Experiences on Modern Fully Online Introductory Mechanics Physics Course, Proceedings of SEFI2015 43rd Annual Conference, Orleans, France

6. Hockicko, Peter, and Juho Tiili. "Comparison of the Entering Students’ FCI Results–Tampere UAS and University of Žilina", Proceedings of SEFI2015 43rd Annual Conference, Orleans, France

7. Tiili, J., Manninen, R., Puranen, J., Suhonen, S., (2015) Development of Simple Public Assessment Sheet and its Use in Elementary Physics Laboratory Course, , Proceedings of SEFI2015 43rd Annual Conference,

8. Suhonen, S., Tiili, J.Combining good practices in fully online learningenvironment – introductory physics course, Proceedings of SEFI2014 42nd Annual Conference, Birmingham, UK

9. Tiili. J., Suhonen, S. Using video solutions and “hi-score-list” to increaseand to monitor student’s homework activity, PTEE2014

10. Suhonen, S., Tiili, J. Enhancing scientific analyzing and reporting skills –integrated physics laboratory course, PTEE 2014

11. Tiili, J., Suhonen, S. (2014). Analysis of Analytics - Videoclip WatchingActivity in Introductory Physics. Proceedings of SEFI 42nd AnnualConference, Birmingham, UK

12. Manninen, R., Tiili, J. Using pre-lecture assignments to enhancestudents' learning in introductory physics, PTEE2014

13. S. Suhonen, J. Tiili (2014) Simple Measurement Assignments as Activators in Elementary Engineering Physics, INTED2014 Proceedings, pp. 4057-4066.

14. Suhonen, S., Tiili, J. (2014), Active Engaging Video Assisted Physics Studies - Preliminary Results, World Conference on EducationalMultimedia, Hypermedia and Telecommunications Vol. 2014, No. 1 (Jun23, 2014) pp. 1636–1644

15. S. Suhonen, J. Tiili (2014) Simple Measurement Assignments as Activators in Elementary Engineering Physics, INTED2014 Abstracts

16. Tiili, J., Suhonen S. (2013) Combining Good Practices : Method to studyIntroductory Physics in Engineering Education, Proceedings of the SEFI annual conference 2013, Leuven, Belgium

Julkaisuja


Google Trends -hakutermi:

"Learning analytics"

“Learning analytics is the

measurement, collection, analysis and

reporting of data about learners and their

contexts, for purposes of understanding

and optimizing learning and the

environments in which it occurs”

10 vuotta

1. MÄÄRITELMÄ

”Oppimisanalytiikka hyödyntää

oppimisprosessista syntyviä tietoja

opetuksen ja ohjauksen kehittämiseksi

sekä oppimisen tueksi.”

0%

10%

20%

30%

40%

50%

60%

70%

80%

90%

100%

20

07

-11

20

08

-06

20

09

-01

20

09

-08

20

10

-03

20

10

-10

20

11

-05

20

11

-12

20

12

-07

20

13

-02

20

13

-09

20

14

-04

20

14

-11

20

15

-06

20

16

-01

20

16

-08

20

17

-03

20

17

-10

Maailma

Suomi

Su

hte

elli

ne

n e

siin

tyvyys

eAMK-hanke:

LAK -13 konferenssi:


Oppijan toiminta,Lokitiedot

Oppimistulokset

Analysointi ja ennusteet

Data

Ajankohdat, kestot, sekvenssit, sosiaaliset verkot, klusterointi,

profilointi, opintomenestys jne.

Fyysinen ympäristöDigitaalinen ympäristö

Data

PaikannusTilojen käyttöaste

Fyysiset oppimisympäristöt

IhminenKeinoäly

2. DATA


Opettaja

• Osaamisen visualisointi• Opiskelupolun personointi• Muistutukset, interventio• Ranking• Heat Map

Oppija

• Materiaalien käyttö• Opiskelijoiden

ajankäyttö• Opiskeluajankohdat• Opintojaksojen kehitys

Johto ja hallinto

• Tilastointi• 55 op• pullonkaulat• Luokittelut• Osallistuminen• Suoritukset

Iko

nit

: h

ttp

://w

ww

.ico

ns-

lan

d.c

om

2. DATA


Kuvaileva (Descriptive)

Diagnostinen (Diagnostic)

Ennustava (Predictive)

Ohjaava (Prescriptive)

Mitä on tapahtunut? Mitä on tehty?

Miksi tietty asia tapahtui? Perustuu tason 1 dataan.

Mitä tapahtuu seuraavaksi? Miten oppiminen tulee etenemään?

Mitä pitäisi tehdä seuraavaksi?

3. ANALYTIIKAN TASOT


LÄHDE: Bier, N., Lip, S., Strader, R., Thille, C., & Zimmaro, D.

(2014). An Approach to Knowledge Component/Skill Modeling in

Online Courses. Open Learning.

Kurssin sisältö jaettu osaamisiin

Analytiikka arvioi

opiskelijan osaamisen

tason

OKEi dataa Ei osaaVaarassa pudota

Samaa osaamista testataan useissa

tehtävissä

Tehtävän ratkaiseminen vaatii

useita osaamisia

4. ESIMERKKEJÄ

Esimerkki

Stanfordista:

Esim. viestintä osaamis-kategorioittain

Dataan voi kaivautua yksittäiseen

opiskelijaan asti


4. ESIMERKKEJÄ

TAMK

Fysiikka

Moodle


Viikkokokeet

Loppukoe

4. ESIMERKKEJÄ

TAMK

Fysiikka

YouTube

TAMKin fysiikan tiimi:

4 kanavaa1400 videota

Katsottu:500 000 min150 000 kertaa


Includes two students who hadwatched all video clips 3-9 times –unlike the others

The two studentsremoved.

Previous study about blended implementation(Sefi2014)

4. ESIMERKKEJÄ

TAMK

Fysiikka

Moodle


0…

1 m

in

1…

2 m

in

2…

3 m

in

3…

4 m

in

5…

6 m

in

6…

7 m

in

7…

8 m

in

8…

9 m

in

9…

10

min

10

…1

1 m

in

11

…1

2 m

in

13

…1

4 m

in

14

…1

5 m

in

4…

5 m

in

12

…1

3 m

inKuplan koko = katselukertojen määrä

TAMKin fysiikan tiimi:

4 kanavaa1400 videota

Katsottu:500 000 min150 000 kertaa

4. ESIMERKKEJÄ


Why Videos?

Nursing students: 86Answers: 74 (86 %)

Engineering students: 111Answers: 68 (61%)

4. ESIMERKKEJÄ


Video types in physics at Tampere University of Applied Sciences:

A) Present theory of physical phenomena

B) Show lecture demonstrations and measurements

C) Present solutions to homework exercises

D) Instruct laboratory work.

4. ESIMERKKEJÄ


Type of videoNumber of

videosAverage length

Average number of

views

Average percentage

watched

Theory

Demonstration

Exercise

Laboratory

9

2

30

9

6:28

1:34

6:45

11:40

437

358

573

383

60 %

80 %

55 %

52 %

Table 1. Characteristics of videos in this study.

4. ESIMERKKEJÄ


4. ESIMERKKEJÄ


100 %

80 %

60 %

40 %

20 %

0 %

120 %

2 m

in

4 m

in

6 m

in

8 m

in

10

min

0 m

in

12

min

14

min

ResultsHomework solution videos

Characteristic shape

4. ESIMERKKEJÄ


min

4 m

in

6 m

in

8 m

in

10

min

0 m

in

100 %

80 %

60 %

40 %

20 %

0 %

120 %

ResultsTheory videos


4. ESIMERKKEJÄ


ResultsLaboratory instruction videos


100 %

80 %

60 %

40 %

20 %

0 %

120 %

2 m

in

4 m

in

6 m

in

8 m

in

10

min

0 m

in

12

min

14

min

16

min

18

min

20

min

4. ESIMERKKEJÄ


Results

4. ESIMERKKEJÄ


Conclusions: Laboratoryinstruction videos

Theory videosHomeworksolution videos

Provide also a written answer ora snapshot of thelast frame.

To improve: Try to make themmore engaging…

Add interactivity

List the content of thevideo. Provide directlinks to them.

4. ESIMERKKEJÄ


𝑦 = 423 𝑒−0,0442 𝑥

T1/2 = 15,68

𝑦 = 423 𝑒−0,0442 𝑥

Opiskeluinnon puoliintumisaika on

16 vrk

4. ESIMERKKEJÄ


0

50

100

150

200

250

0 10 20 30 40 50 60 70 80 90 100

Opiskelijan ID

1

0

50

100

150

200

250

0 10 20 30 40 50 60 70 80 90 100

Opiskelijan ID

2

0

50

100

150

200

250

0 10 20 30 40 50 60 70 80 90 100

Opiskelijan ID

3

0

50

100

150

200

250

0 10 20 30 40 50 60 70 80 90 100

Opiskelijan ID

4

0

50

100

150

200

250

0 10 20 30 40 50 60 70 80 90 100

Opiskelijan ID

5

0

50

100

150

200

250

0 10 20 30 40 50 60 70 80 90 100

Opiskelijan ID

6

0

50

100

150

200

250

0 10 20 30 40 50 60 70 80 90 100

Opiskelijan ID

7

0

50

100

150

200

250

0 10 20 30 40 50 60 70 80 90 100

Opiskelijan ID

8Viikko:

Loki

tap

ahtu

mie

n m

äärä

HyväksyttyHylätty

Hylätyn arvosanan ennustettavuus:

Kriteeri: 10 tap./viikko

Viikko 1: 64 % 18 %

Viikko 2: 61 % 26 %

Viikko 3: 45 % 9 %

Viikko 4: 55 % 3 %

Viikko 5: 73 % 6 %

Viikko 6: 94 % 15 %

Viikko 7: 97 % 9 %

Viikko 8: 94 % 12 %

4. ESIMERKKEJÄ TAMKin verkko- opintojakso ”Mekaniikka”:

Sami Suhonen 20.11.2017Sami Suhonen 2016

4. ESIMERKKEJÄ

TAMKin verkko-opintojakso ”Mekaniikka”

Moodlen lokidata


4. ESIMERKKEJÄ

Lasse

Minna

Mark

Sosiogrammit

http://leaderboardx.herokuapp.com/#/graph-editor

Iko

nit

: h

ttp

://w

ww

.ico

ns-

lan

d.c

om

http://leaderboardx.herokuapp.com/#/graph-editor


Mittaritietoa matkan taittumisesta

Reittiohjeita

5. ANALYTIIKKAA

OPISKELIJALLE

Oppimismatkaa helpottaa, jos oppijalla on tarvittava mittaritieto ja reittiohjeet helposti saatavilla.

Vrt. automatka


Hienoa! Olet aikataulussa

10.15 Mekaniikka12.00 Laboratoriotyö E2-12

13.15 Sound Plan16.00 Kenttämittaus kartta

17.00 Sulkapallo18.00 Henkilökohtainen

5. ANALYTIIKKA

OPISKELIJALLE Tee mekaniikan harjoitus…

Ilmoittaudu tenttiin…

Visio…Mittaritietoa

Aikataulut,lukujärjestys

Tilat, reittiohjeet

Muistutukset


Moodle

Who?When?What?How long?What next?

Excel

Data MiningFiltering

Categorizing

6. TYÖPAJA


6. TYÖPAJA

Jakauma päiville

Jakauma kellonajan mukaan


6. TYÖPAJA

Tarkastele omaa dataasi:

• Kuinka monta erilaista tehtävää, materiaalia, linkkiä tms. kurssillasi on? (Event context)

• Kuinka moneen eri kategoriaan lokitiedot jakautuvat? (Component)

• Tuottaako Moodle nyt kurssistasi sellaista dataa, josta on hyötyä?

• Miten kurssin rakennetta tai sisältöjä pitäisi muuttaa, jotta saisit kerättyä haluamasi tiedot?


KIITOS!

[email protected]