Poweria (BI) ohjaukseen: Kuule analy­tiikan kutsu, osa 2

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. Edelli­sessä artik­ke­lissa kuvattiin hankkeen taustaa ja suunni­tel­missa havaittuja puutteita. Tässä artik­ke­lissa keski­tytään kuvaamaan hankkeen loppu­tu­losta sekä havaittuja jatkokehitystarpeita. 

Erityyp­piset visua­li­soinnit palve­levat niin opiske­lijaa kuin ohjaa­jiakin 

Kuvassa 1 on esitetty niin sanottu huoli­lista. Se kertoo, ketkä opiske­li­joista ovat mahdol­li­sesti putoa­massa, jotta kuraattori voi rajata kinttu­pol­kueh­dokkaat opiske­li­joiden henki­lö­koh­taisen tilanteen perus­teella. Mikäli opiskelija on visua­li­soin­nissa tarkas­tet­ta­vassa tilassa, se tarkoittaa opiske­lijan tilanteen täyttävän tietyt kriteerit, joiden perus­teella hän voi olla putoa­massa.  

Kuvassa 2 esitetään opiske­lijan tämän­het­kinen piste­kertymä suhteu­tettuna jonkin aiemman opinto­jakson ryhmän suori­tus­pis­te­ker­tymään. Tämän perus­teella ohjaaja pystyy seuraamaan opiske­lijan edisty­mistä ja päättämään mahdol­li­sista tukitoi­mista. Lisäksi visua­li­sointi voi kannustaa opiske­lijaa itseoh­jau­tu­vuuteen ja korjaavien liikkeiden tekemiseen. On hyvä muistaa, että visua­li­sointi toimii ainoastaan kilpai­lu­hen­ki­sillä opiske­li­joilla, joita kiinnostaa verrata omaa suori­tustaan muihin. 

Kuvassa 3 näkyy eri opinto­jak­sojen vuosittain suorit­ta­neiden opiske­li­joiden arvosa­na­ja­kaumat. Tämän avulla voidaan vertailla opiske­lijan suoriu­tu­mista opinto­jak­sojen vaati­vuuteen nähden sekä tarvit­taessa pohtia toisia toteu­tus­tapoja. Lisäksi visua­li­soin­nissa on nähtä­vissä opiske­li­ja­määrien vaihtelut eri vuosina. 

Kuvassa 4 puolestaan nähdään millä tavoin jokin ryhmä suhteutuu muiden ryhmien samalla opinto­jak­solla tuottamiin keskiar­voihin. Visua­li­soin­nista on päätel­tä­vissä, eteneekö jokin ryhmä keskiarvon poikkeaman perus­teella huonommin eri vuosi­kurssien ryhmiin nähden. Visua­li­sointi palvelee kuraat­toria ja opinto-ohjaajaa tarjoa­malla vertai­lu­tietoa muilta kanavilta saadun tiedon lisäksi, jolloin on mahdol­lista päästä mututun­tu­masta eroon. Tällä hetkellä visua­li­soin­nissa voidaan vertailla vain saapu­mis­ryhmän tasolla, toteu­tuksen pienryhmiä ei valitet­ta­vasti voi vielä hyödyntää. 

Viimei­sessä kuvassa 5 on tarkas­tel­ta­vissa opiske­li­joiden tehdyt ja tekemät­tömät tehtävät. Tarkas­teltava ajanjakso on palau­tus­päivien perus­teella kaksi edellistä viikkoa oletus­a­se­tuksen mukai­sesti, mutta ajan voi tarvit­taessa säätää halua­makseen. Kinttu­po­lulla olevan opiske­lijan on helpompi hahmottaa, mitä häneltä käytän­nössä odotetaan opinto­pis­teiden saami­seksi. Vastaa­vasti ohjaaja pystyy kohdis­tamaan tavoit­teiden asetta­misen opiske­lijan kanssa sekä “lempeällä painos­tuk­sella” kannus­tamaan opintojen suorittamiseen. 

Rajoja ja läpinä­ky­vyyttä – myös opiske­lijat voivat tarkas­tella dataa  

Läpinä­kyvyys oppimi­sa­na­ly­tiikan datan käsit­te­lyssä on tarpeen. Opiske­li­joille onkin tehty mahdol­lisuus tarkas­tella omaa dataansa. Yksilöivän datan osalta kukin opiskelija näkee vain omansa, mutta eri ryhmien keskiarvot ovat näkyvissä kaikille. Erityi­sesti tehtyjen ja tekemät­tömien tehtävien osalta opiske­lijan oma data voi osoit­tautua hyödyl­li­seksi. Samoin vuosit­tainen arvosa­na­ja­kauma voi tarjota opiske­li­jalle visuaa­lisen näkymän omaan toteu­tu­neeseen opiskeluun. 

Koska analyy­si­työkalu luokit­telee opiske­li­joita visua­li­soin­neissaan, toiminta on käytän­nössä automaat­tista profi­lointia. Tieto­suoja-vastaavan konsul­tointi osoitti, että automaat­tinen profi­lointi on sallittua koulu­tusor­ga­ni­saa­tiossa, mikäli se on tarpeen lakisää­teisen tehtävän noudat­ta­mi­seksi. Automaat­ti­sesta profi­loin­nista on kuitenkin lisättävä kuvaukset järjes­telmien rekisteriselosteeseen. 

Vaikka kunkin opiske­lijan on mahdol­lista tarkas­tella omaa dataansa, niiden hyödyl­lisyys voi jäädä kysee­na­lai­seksi. Tämän vuoksi opiske­li­joille on suunni­teltava oma näkymänsä, jolloin analy­tiik­ka­työkalu tuottaa opiske­lijan kannalta mielek­käitä asioita. 

Analy­tiik­ka­työkalu vapauttaa resursseja – testausta on vielä jatkettava 

Opiske­lijan ohjauksen lähtö­kohtana on aina opiske­li­joiden yksilöl­liset tarpeet, mutta analyy­si­työkalu ei anna suoria vastauksia. Suorien johto­pää­tösten vetäminen analy­tiikan tulok­sista voi pahim­millaan olla haital­lista. Analy­tiik­ka­työ­kalun voisi ajatella olevan nimenomaan ennal­taeh­käi­sevän ohjauksen työkalu. 

Analy­tiik­ka­tu­losten takana on hyvinkin henki­lö­koh­taisia ja senhet­kisiä syitä, joten tulokset kutsuvat ohjaajaa tutkimaan löydöksiä tai poikkeamia tarkemmin. Tämä vapauttaa resursseja massa­seu­lon­nasta, ja ohjaaja voi keskittyä syihin sekä varsi­naisen ohjauksen toteuttamiseen. 

Vartu2 pilotoi analyy­si­työ­kalua ensin tuetun ryhmä­oh­jauksen ryhmän muodos­ta­mi­sessa etsimällä ne opiske­lijat, jotka parhaiten voisivat hyötyä tällai­sesta ohjauk­sesta. Tuloksia analy­soi­taessa opinto-ohjaajien näkemykset ovat erittäin tärkeässä asemassa, sillä heillä – sekä tutoro­pet­ta­jilla – on lähioh­jaajina paras tuntemus opiske­li­joi­hinsa. Vartu2 on koulut­tanut opinto-ohjaajat työkalun käyttöön keväällä 2022. 

Not everything that can be counted counts,  
and not everything that counts can be counted. 

Albert Einstein

---

Kirjoit­tajat 

Anssi Gröhn, lehtori, Karelia-ammattikorkeakoulu 

Joni Ranta, lehtori, Karelia-ammattikorkeakoulu 

Vartu 2.0 -ohjaus­mallin pilotointi ja kehit­tä­minen -hanke 

---

Artik­ke­likuva: Kuvaaja Isaac Smith palve­lusta Unsplash