Tässä artikkelissa kerrotaan Power BI -visualisoinnin kehittämisestä Vartu 2.0 -hankkeessa. Hankkeen yhtenä tavoitteena oli pilotoida oppimisanalytiikan työkalu, jonka avulla voidaan löytää tuetusta ryhmäohjauksesta hyötyvät Karelia-amk:n opiskelijat. Työkalua varten tuli määritellä ne ohjauksen mittarit, jotka voisivat osoittaa hiljaisia signaaleja oppimisen haasteista. Analytiikka on vielä pilotointivaiheessa, ja se on tarkoitus ottaa laajamittaiseen käyttöön Karelia-ammattikorkeakoulussa syksyllä 2022. Tässä artikkelissa keskitytään kuvaamaan hankkeen taustoja sekä suunnitelmissa havaittuja puutteita kehitystyön aikana.
Vartu 2.0 – Holistinen kinttupolku ohjaa opiskelijoita tuetun ryhmäohjauksen piiriin
Vartu tarkoittaa Varhaista tukea, joka koostuu ennaltaehkäisevistä toimenpiteistä, varhaisesta puuttumisesta opiskelun esteisiin sekä korjaavasta toiminnasta niiden ratkaisemiseksi. Sen keskeisiä tehtäviä on varmistaa sujuva oppiminen ja edistää tavoitteellista opiskelua sekä opiskelijan henkilökohtaista ja ammatilliseksi asiantuntijaksi kasvua. Vartu on keskeinen osa Karelian ohjaus- ja hyvinvointisuunnitelmaa, joka on opiskelijaohjauksen perustana. Vartun tavoitteena on saada kaikki apua tarvitsevat opiskelijat ohjauksen piiriin mahdollisimman aikaisessa vaiheessa.
Vartu-hanketta ryhdyttiin kehittämään yhdessä opiskelijakunta POKAn kanssa vuonna 2012 Otsakorpi-säätiön rahoituksella, ja se vakiintuikin nopeasti ohjaukseen. Kymmenessä vuodessa maailma ja opiskelijoiden ongelmat ovat kuitenkin muuttuneet. Vaikka Vartu toimii edelleen hyvin ohjauksen tukipilarina, Vartu 2.0 -mallin kehittämisen lähtökohtana on entistä parempi vastaaminen opiskelijoiden tämänhetkisiin haasteisiin sekä yhteiskunnallisiin muutoksiin. Myös teknologia on kehittynyt kymmenessä vuodessa, ja oppimisanalytiikka on mahdollistunut uusien välineiden kautta.
Vartu-toiminnan keskiössä on löytää ne opiskelijat, jotka tarvitsevat tai hyötyisivät erityisesti opinto-ohjauksesta senhetkisessä elämäntilanteessaan. Ohjauksen ongelmana on aina ollut löytää em. opiskelijat ja saada heidät sekä tulemaan ohjaukseen että vastaamaan ohjauksessa saatuun apuun. Ensisijainen ja kriittinen vaihe on opiskelijoiden ongelmien varhainen havaitseminen. Tähän tarpeeseen juuri oppimisanalytiikka vastaa.
Vartu 2.0 -hanke käynnistyi vuoden 2021 alussa William ja Ester Otsakorven säätiön rahoituksella. Hanke päättyy kesällä 2022.
Suunnittelutyön rooli korostuu – visualisointiin mahtuu silti yritystä ja erehdystä
Syksyllä 2020 hankkeessa aloitettiin suunnittelutyö visualisoinnin koostamiseksi. Alustava suunnitelma koostettiin APOA-hankkeessa kehitetyn suunnittelumallin avulla. Sillä varmistetaan, että kehittäjät ja käyttäjät puhuvat samasta asiasta, eikä aikaa kuluteta väärinkäsitysten oikomisiin. Lisäksi suunnitelmamalliin kirjataan aina syy, miksi jokin tietty ominaisuus tarvitaan, mikä ohjaa kehittäjää lähestymään toteutusta oikeasta näkökulmasta.
Koska kinttupolun tietotarpeet nojaavat varsin vahvasti opintosuorituksiin, tarvittiin lukuoikeudet suorituspisteet tallentavaan Karelia-Vipusen tietokantaan. Tietohallinto järjesti ystävällisesti oikeudet. Alustavaa visualisointia toteutettiin suhteuttamalla opiskelijan pistekertymää ryhmän pistekertymän keskiarvoon. Tämän alustuksen avulla saatiin paljon kokemusta Power BI -työkalun visualisoinnin toteuttamisesta sekä erityisesti datayhteyksien hyödyntämisestä vertailuja tehdessä.
Keväällä 2021 suunnittelumallin pohjalta tehtiin lisää tarkennuksia sekä sovittiin toimitettavaksi karkea visualisointi kevään loppuun mennessä. Työ auttoi luomaan perusidean visualisointia varten ja osoitti myös alkuperäisten visualisointisuunnitelmien ongelmat. Koska käytössä oleva arvosana-asteikko (0–5) ei ole oikeasti tasavälinen, rajattiin niihin kohdistuvat laskennalliset arvot alustavasti moodiin, joka kertoo mitä arvosanaa on eniten tietyssä joukossa, sekä keskiarvoon, vaikka se ei varsinaisesti tuotakaan haluttua tulosta.
Valitettavasti visualisointi ei tällä mittarilla mitattuna tuottanut haluttua lopputulosta missään muodossa. Tällainen visualisointi voi vaihdella lukumäärien muuttuessa paljonkin, eikä se kerro varsinaisesti mitään toteutuksen laadusta. Sen sijaan arvosanajakauman visualisointi kertoo paljon enemmän, jolloin nähdään arvosanojen kappalemäärä. Kehitysversioissa kokeiltiin monia tapoja asioiden esittämiseen. Kaikki ideat eivät aina palvelleet tarkoitustaan, kuten näkyy kuvasta 1. Taulukkomuodossa esitetyt keskiarvot ja moodit ei kerro nopealla vilkaisulla yhtään mitään.
Syksyllä 2021 tavoitteet täsmennettiin suunnittelumalliin, jolloin kehitystyö pääsi jatkumaan. Visualisoinnin ulkoasua ja muotoa kehitettiin eteenpäin palautteen perusteella. Piiloon jääneiden hyödyntämistarkoitusten tullessa esille visualisointia voitiin parantaa niin, että olennainen tieto löytyy yhdellä vilkaisulla. Esimerkkinä tästä on arvosanapoikkeamavisualisointi toteutusten välillä (kuva 2). Toki sitäkin on mahdollista vielä parantaa.
Kiinnostavinta antia visualisoinnissa ovat tietenkin toteutukset, joissa poikkeama on suurin. Tämä vaatii visualisoinnin, jossa taulukko opintojaksoista on esitettynä laskevassa järjestyksessä poikkeaman suuruuden mukaan. Silloin tärkeimmät kohteet ovat näkyvissä heti, ilman kaavion tutkimista.
Yhteenveto
Suunnittelu ja testaus kulkevat käsi kädessä hyödyllisen analytiikkavisualisoinnin kehittämisessä, jolloin alkuperäisistä ideoista saadaan jalostettua hyödyllisiä lopputuloksia. Seuraavassa artikkelissa käsitellään muun muassa visualisoinnin lopputulosta sekä miten EU:n tietosuoja-asetus on otettava huomioon.
Kirjoittajat
Anssi Gröhn, lehtori, Karelia-ammattikorkeakoulu
Joni Ranta, lehtori, Karelia-ammattikorkeakoulu
Vartu 2.0 -ohjausmallin pilotointi ja kehittäminen -hanke