oppimisanalytiikkaesitys

1. 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:

2. Sami Suhonen 20.11.2017
DigimentoriPedagoginen
R & D
Fysiikan yliopettaja
• Opettajan
digitaaliset työkalut
• Kollekoiden
auttaminen,
opettajien koulutus
ja työpajat
• Pedagoginen
näkökulma
• Oppimisanalytiikka
(Learning Analytics)
• Opiskelijakokemus
• Oppimistulokset
• Käänteinen opetus
(Flipped Learning)
• Opiskelu- ja
opetustapojen
kehitystyö
• Verkko-opetus
sami.Suhonen@tamk.fi
KUKA?

3. Sami Suhonen 20.11.2017
1. Suhonen, S. (2016) Learning Analytics View to Students' Homework
Activity in Engineering Physics. INTED2016 Proceedings, pp. 3998-4005.
2. Suhonen, S. (2016) Put Theory into Practice: Measurement Assignments
in 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 learning
environment – introductory physics course, Proceedings of SEFI2014
42nd Annual Conference, Birmingham, UK
9. Tiili. J., Suhonen, S. Using video solutions and “hi-score-list” to increase
and 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 Watching
Activity in Introductory Physics. Proceedings of SEFI 42nd Annual
Conference, Birmingham, UK
12. Manninen, R., Tiili, J. Using pre-lecture assignments to enhance
students' 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 Educational
Multimedia, Hypermedia and Telecommunications Vol. 2014, No. 1 (Jun
23, 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 study
Introductory Physics in Engineering Education, Proceedings of the SEFI
annual conference 2013, Leuven, Belgium
Julkaisuja

4. Sami Suhonen 20.11.2017
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%
2007-11
2008-06
2009-01
2009-08
2010-03
2010-10
2011-05
2011-12
2012-07
2013-02
2013-09
2014-04
2014-11
2015-06
2016-01
2016-08
2017-03
2017-10
Maailma
Suomi
Suhteellinenesiintyvyys
eAMK-hanke:
LAK -13 konferenssi:

5. Sami Suhonen 20.11.2017
Oppijan toiminta,
Lokitiedot
Oppimistulokset
Analysointi ja
ennusteet
Data
Ajankohdat, kestot, sekvenssit,
sosiaaliset verkot, klusterointi,
profilointi, opintomenestys jne.
Fyysinen ympäristöDigitaalinen ympäristö
Data
Paikannus
Tilojen käyttöaste
Fyysiset oppimisympäristöt
IhminenKeinoäly
2. DATA

6. Sami Suhonen 20.11.2017
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
Ikonit:http://www.icons-land.com
2. DATA

7. Sami Suhonen 20.11.2017
 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

8. Sami Suhonen 20.11.2017
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 osaa
Vaarassa
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

9. Sami Suhonen 20.11.2017
4. ESIMERKKEJÄ
TAMK
Fysiikka
Moodle

10. Sami Suhonen 20.11.2017
Viikkokokeet
Loppukoe
4. ESIMERKKEJÄ
TAMK
Fysiikka
YouTube
TAMKin fysiikan tiimi:
4 kanavaa
1400 videota
Katsottu:
500 000 min
150 000 kertaa

11. Sami Suhonen 20.11.2017
Includes two students who had
watched all video clips 3-9 times –
unlike the others
The two students
removed.
Previous study about blended implementation
(Sefi2014)
4. ESIMERKKEJÄ
TAMK
Fysiikka
Moodle

12. Sami Suhonen 20.11.2017
0…1min
1…2min
2…3min
3…4min
5…6min
6…7min
7…8min
8…9min
9…10min
10…11min
11…12min
13…14min
14…15min
4…5min
12…13min
Kuplan koko = katselukertojen määrä
TAMKin fysiikan tiimi:
4 kanavaa
1400 videota
Katsottu:
500 000 min
150 000 kertaa
4. ESIMERKKEJÄ

13. Sami Suhonen 20.11.2017
Why Videos?
Nursing students: 86
Answers: 74 (86 %)
Engineering students: 111
Answers: 68 (61%)
4. ESIMERKKEJÄ

14. Sami Suhonen 20.11.2017
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

15. Sami Suhonen 20.11.2017
Type of video
Number of
videos
Average
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

16. Sami Suhonen 20.11.2017
4. ESIMERKKEJÄ

17. Sami Suhonen 20.11.2017
100 %
80 %
60 %
40 %
20 %
0 %
120 %
2min
4min
6min
8min
10min
0min
12min
14min
Results
Homework solution videos
Characteristic shape
4. ESIMERKKEJÄ

18. Sami Suhonen 20.11.2017
2min
4min
6min
8min
10min
0min
100 %
80 %
60 %
40 %
20 %
0 %
120 %
Results
Theory videos
Characteristic shape
4. ESIMERKKEJÄ

19. Sami Suhonen 20.11.2017
Results
Laboratory instruction videos
Characteristic shape
100 %
80 %
60 %
40 %
20 %
0 %
120 %
2min
4min
6min
8min
10min
0min
12min
14min
16min
18min
20min
4. ESIMERKKEJÄ

20. Sami Suhonen 20.11.2017
Results
4. ESIMERKKEJÄ

21. Sami Suhonen 20.11.2017
Conclusions: Laboratory
instruction videos
Theory videosHomework
solution videos
Provide also a
written answer or
a snapshot of the
last frame.
To improve: Try to make them
more engaging…
Add interactivity
List the content of the
video. Provide direct
links to them.
4. ESIMERKKEJÄ

22. Sami Suhonen 20.11.2017
𝑦 = 423 𝑒−0,0442 𝑥
T1/2 = 15,68
𝑦 = 423 𝑒−0,0442 𝑥
Opiskeluinnon
puoliintumisaika on
16 vrk
4. ESIMERKKEJÄ

23. Sami Suhonen 20.11.2017
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:
Lokitapahtumienmäärä
Hyväksytty
Hylätty
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”:

24. Sami Suhonen 20.11.2017Sami Suhonen 2016
4. ESIMERKKEJÄ
TAMKin verkko-
opintojakso
”Mekaniikka”
Moodlen lokidata

25. Sami Suhonen 20.11.2017
4. ESIMERKKEJÄ
Lasse
Minna
Mark
Sosiogrammit
http://leaderboardx.herokuapp.com/#/graph-editor
Ikonit:http://www.icons-land.com

26. Sami Suhonen 20.11.2017
Mittaritietoa matkan
taittumisesta
Reittiohjeita
5. ANALYTIIKKAA
OPISKELIJALLE
Oppimismatkaa
helpottaa, jos
oppijalla on
tarvittava
mittaritieto ja
reittiohjeet
helposti saatavilla.
Vrt. automatka

27. Sami Suhonen 20.11.2017
Hienoa!
Olet aikataulussa
10.15 Mekaniikka
12.00 Laboratoriotyö E2-12
13.15 Sound Plan
16.00 Kenttämittaus kartta
17.00 Sulkapallo
18.00 Henkilökohtainen
5. ANALYTIIKKA
OPISKELIJALLE Tee mekaniikan harjoitus…
Ilmoittaudu tenttiin…
Visio…
Mittaritietoa
Aikataulut,
lukujärjestys
Tilat,
reittiohjeet
Muistutukset

28. Sami Suhonen 20.11.2017
Moodle
Who?
When?
What?
How long?
What next?
Excel
Data Mining
Filtering
Categorizing
6. TYÖPAJA

29. Sami Suhonen 20.11.2017
6. TYÖPAJA
Jakauma päiville
Jakauma kellonajan
mukaan

30. Sami Suhonen 20.11.2017
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?

31. Sami Suhonen 20.11.2017
KIITOS!
sami.suhonen@tamk.fi