Mis on õpianalüütika?

Enamasti on definitsioonid lühikesed ja kõikehõlmavad vaid reaalteadustes. Teistes valdkondades kipuvad definitsioonid kajastama oma subjekti vaid ühest konkreetsest vaatenurgast või aspektist lähtuvalt. Vastasel korral ähvardab definitsioonist saada terve raamatupeatükk või essee. Siin peitubki põhjus, miks haridusteaduste valdkonnas on uue teemaga tutvumisel vajalik otsida erinevaid definitsioone ning selgitusi, et mõista selle laiemat olemust.

HARNO Tehnoloogiakompassi “Suurandmed ja analüütika” peatükis kirjutab Laanpere (2019) õpianalüütika kohta: “Õpianalüütika on koondnimetus andmeanalüütika rakendustele hariduse kontekstis.” Samas allikas tuuakse välja, et andmeid kogutakse õppija, tema õppekeskkonna ja õppeprotsessi kohta – neid andmeid  analüüsitakse ja visualiseeritakse eesmärgiga õppimist paremini mõista, personaliseerida ja visualiseerida.

Õpianalüütikaks tarvilike sisendandmete kogumise kohta kirjutab Laanpere (2019), et andmete saamiseks on juba kehtestatud tehnilised standardid nagu xAPI ja Caliper, mis võimaldavad õpiekeskkondade ja õppevaradega integreerimise korral neist automaatselt andmeid koguda. Sellised masinloetavad andmed kombineerituna andmetega õppija eelistuste, huvide ja eesmärkide kohta, võimaldavad koostada õppijamudeli, mida saab kasutada näiteks soovitusteenuste loomiseks nii õppijatele kui õpetajatele (Laanpere, 2019).

Tammets ja Kollom (2021) toovad õpianalüütikast rääkides välja samuti hulga definitsioone. Neist esimene on  Siemensi (2010) [viidatud allikat enam ei eksisteeri] oma, mis võtab õpianalüütika kokku kui õppijate loodud andmete kasutamise ning selle põhjal tehtud mudelite analüüsimise informatsiooni ja sotsiaalsete seoste väljaselgitamiseks, et ennustada ja edendada õppimist.

See definitsioon ütleb meile, et õpianalüütika on vahend, mis aitab ennustada õppija tulemuslikkust ja võimalike probleemide tekkimist. Seega on see tööriist mis on mõeldud õpetajale õppija ja tema edukuse kohta informatsiooni saamiseks. 

See on aga üsna kitsas vaade õpianalüütikale, mida mõneti laiendavad Long ja Siemens (2011) oma artikklis, lisades õpianalüütika sihiks ka õpikeskkondada parendamise. Õpianalüütikast otsese kasu saajatena nimetavad  Long ja Siemens (2011) õppijat ja akadeemilist personali. Greller ja Drachsler (2012) lisavad oma väljapakutud õpianalüütika raamistikus huvitatud osapoolte (ja seega ka kasusaajate) hulka õpetamisega seotud institutsioonid. See tähendab, et õpianalüütika väljundite hulka lisandub nüüd ka õppekavade arendus, mille juures õpianalüütika aitab mõõta õpetamise efektiivsuse ja tõhusust (Tammets ja Kollom, 2021). 

Ülaltoodud definitsioonide põhjal võiksime õpianalüütika võtta kokku järgmiselt. See on vahend/protsess mille sisendiks on andmed õppija, tema õppeprotsessi ja õpikeskkonna kohta. Neid andmeid kogutakse peamiselt tehnoloogiliste ja automatiseeritud tööriistade abil ning analüüsitakse andmeanalüütika meetoditega. Eesmärgiks on parandada õpilase õpikogemust ning õpitulemusi (läbi kiirema, personaalsema ja tõestuspõhise tagasiside), toetada õpetaja tööd (andes informatsiooni õpilaste kohta, kes vajavad rohkem tähelepanu ning võimaldades õpetajal analüüsida oma meetodite tulemuslikkust ning neid parendada) aga ka laiemalt toetada õpetamisega tegelevate institutsioonide tegevust ja arengut andes tagasisidet õppekavade ja -protsesside kohta, mis on aluseks nende parendamisele ja edasiste otsuste tegemisele.

Miks on õpianalüütika oluline laiemas ühiskonnas?

Juba pikka aega ei toimu õppimine ja õpetamine ainult koolikeskkonnas. Märksõnadeks on saanud elukestev õpe ja  personaliseeritud õpitee. Järjest rohkem on avalikult kättesaadavat kvaliteetset digitaalset õppevara, mis on varustatud muuhulgas ka vahenditega õppija tegevuse kohta andmete kogumiseks. Populaarsust on võitnud MOOC-id. 

Sellised arengud aga eeldavad teistsugust lähenemist õppija toetamisele. Kuna õppija ei tegutse enam ainult koolikeskkonnas ning seetõttu on talle kättesaadav otsene tagasiside (mis klassikaliselt tulenes õpetajalt) oma õppimise kohta väiksem, siis vajab ta mehhanisme, mis mitte ainult ei teavitaks tehtud vigade kohta, vaid üritaks ennustada ka nende tekkepõhjuseid ning annaks soovitusi materjali kohta, mida õppimiseks valida. Selliste mehhanismide toimimine eelduseks on aga kvaliteetne õpianalüütika. Oskusliku rakendamise puhul võib õpianalüütika olla tõhus vahend õppimise personaliseerimiseks ning efektiivsema õpikeskkonna ja -kogemuse loomiseks (Fournier et al. 2011). 

Tammets ja Kollom (2021) toovad ka Eesti  kohta välja, et vastavalt aastateks 2021-2035 kehtestatud haridus- ja teadusstrateegiale peab haridussüsteem muutuma õppijakesksemaks ja lähtuma õppija võimetest ja vajadustest. Õpianalüütikast johtuvad võimalused pakuvad siin praktilisi lahendusi selleks, et õppurite erisused välja selgitada ning vastavalt sellele õppesisu, – meetodeid jms. õppijatele kohandada.

Ülaltoodud lõikudest jäi kõlama nõue, et õpianalüütika peab olema kvaliteetne ja ja seda tuleb rakendada oskuslikult. Tegemist on kindlasti olulise teemapüstitusega. Kuna õppija jääb järjest rohkem “üksi”, siis peavad teda toetavad vahendid kindlasti olema kvaliteetsed ja õigesti rakendatud. 

Knight ja Buckingham Shum (2017) toovad välja, et kindla õpianalüütika tööriista rakendamine tähendab ka sellele vastava haridusliku maailmavaate rakendamist ning seetõttu esitavad nad oma töös mõned “provotseerivad küsimused”, millele vastamine aitab hinnata õpianalüütika vahendi sobivust. Mõned olulisemad Knight ja Buckingham Shum (2017) poolt esitatud küsimused on:

• Mida me mõõdame ja kuidas me mõõdame? Millised on need oskused ja teadmised, mida me tahame, et õppija omandaks ja kuidas me saame teha kindlaks, et õppija on need omandanud. Siinkohal on oluline, et mõõdetaks näitajaid, mis on ka tegelikult teadmise ja oskusega seotud, mitte neid, mida on lihtne mõõta.
• Miks on mõõdetav üldse oluline? Kuidas õppijad ja õpetajad kogutavatest andmetest ja selle põhjal tehtavast analüütikast kasu saavad.
• Kelle jaoks see analüütika ikkagi on? Erinevad õpianalüütika vahendid on suunatud erinevatele huvigruppidele – õppijatele, õpetajatele, institutsioonide juhtidele jne.
• Kuidas ja kuna annab vahend tagasisidet? Ehk siis kas tegemist on kokkuvõtva või kujundava hindamisega. On täiesti selge, et mõlema jaoks on oma sobivad kasutusjuhud.

Kokkuvõteks on õpianalüütika laiemas ühiskonnas oluline tulenevalt ühiskonnas aset leidvatest trendidest hariduse omandamise osas. Õppijatest eeldatakse rohkem iseseisvust ja proaktiivsust, õppimine leiab järjest rohkem aset väljaspool tavapäraseid õppeasutusi. Ometi vajab õppija oma tegevuses tuge ja tagasisidet. Kvaliteetselt ja eesmärgipäraselt rakendatud õpianalüütika saab seda pakkuda.  

Mis rolli mängib õpianalüütika õpetaja ja haridusasutuse praktikas?

Õpetaja roll ja vastutusala on ajas järjest laienev. Juba ammu ei piisa enam pelgalt oma õpetatava valdkonna tundmisest ja levinud pedagoogiliste meetodite valdamisest.  Freebody et al. (2008)  viitab, et õpetajad peavad olema innovaatorid, uurijad ja uue teadmise arendajad ning seeläbi uute pedagoogiliste praktikate loojad. Õpetajalt eeldatakse iga üksiku õpilase tundmaõppimist, tema huvide ja võimete väljaselgitamist ning õppeprotsessi kujundamist vastavalt neile. Seda kõike üha suureneva õpilaste piirarvu juures klassis. Samuti on õpetaja kohustuseks rikastada õpikogemust kasutades kaasaegseid tehnoloogiaid ja õppematerjale. 

Õnneks kaasnevad sellise väljakutsega ka uued võimalused ja lahendused. Tammets ja Kollom (2021) toovad välja, et digitehnoloogiate roll ja kättesaadavus Eesti õppeasutustes on oluliselt kasvanud.  Samuti on muutunud kättesaadavaks digitaalsed õppematerjalid ja õpikeskkonnad, mis võimaldavad automatiseeritud andmekogumist õpianalüütika tarvis. Tehnisintellekti areng (olgu öeldud, et mõiste “tehnisintellekt” on tänu siin kasutuses “pehmes” tähenduses) võimaldab kogutud andmete põhjal luua adaptiivseid tuutorsüsteeme, mis jäljendavad õpetaja rolli ja juhendavad õppimist (Tammets, 2019).

Õpianalüütika pole aga alati suunatud otseselt õppijale. Selle sihtgrupiks võivad olla nii õpetaja kui ka haridusasutus. Õpetaja jaoks on õpianalüütika suurepärane tööriist nii igapäevases töös õpilastega kui ka pikemaajalises enesetäiendamise protsessis.

Töös õpilastega lihtsustab õpianalüütika õpetaja tööd õpilaste progressi jälgimisel ning aitab avastada potentsiaalseid murekohti. Enesetäiendamise protsessis on õpianalüütika aga uurimistööriist, mis aitab hinnata kasutatud meetodite efektiivsust ning pakkuda ideid, kuidas õpikeskkondi parendada. Hansen ja Wasson (2016) rõhutavadki uute tehnoloogiate potentsiaali  nii õpetajate isesisva uurimistöö läbiviimisel kui ka õpilaste õpiandmete kogumisel ja nende teaduspõhisel tõlgendamisel. 

Sarnaselt õpetajatega peavad ka haridusasutused olema pidevas arengus ning kohanema uute nõuetega ühiskonnalt ning tärkavate tehnoloogiate võimalustega. Siin aitab õpianalüütika näha laiemat pilti, prognoosida trende ning olla pro-aktiivne. See võib kajastuda nii õppekavade arenduses kui ka selles, millisel viisil ning milliste vahenditega õpetamist üldse läbi viiakse. Laanpere (2019) kirjutab, et õpianalüütika ja tehislintellekt võimestab poliitikakujundajaid õpetamise mõistmisel ja sellekohaste otsuste tegemisel. Ta jätkab, et süsteemid, mis kasutavad tehisintellekti põhimõtteid võimaldavad ümber disainida õppekavasid, suunata ümber ressursse seda vajavatesse valdkondadesse, ennetada õppijate väljakukkumist ja prognoosida õppima asumist.

Kokkuvõtteks võib öelda, et õpianalüütika toetab õpetajat õppija jälgimisel ning aitab leida personaliseeritud lähenemise. Aga samas võimaldab ka õpetajal erialaselt areneda, näha oma meetodite efektiivust ning teha tõenduspõhiseid muudatusi oma õpetamispraktikas.

Õpianalüütika tähtsus haridusasutuse jaoks on sarnane selle tähtsusega õpetaja jaoks, kuid laiemalt. See aitab prognooside haridusasutuse jaoks olulisi trende õppijate tegevuses ning kujundada asutuse tööprotsesse ja vahendeid vastavalt sellele.

Allikad

Fournier, H., Kop, R., & Sitlia, H. (2011). The value of learning analytics to networked learning on a personal learning environment. In Proceedings of the 1st International Conference on Learning Analytics and Knowledge (pp. 104-109). New York, NY: ACM. https://doi.org/10.1145/2090116.2090131 

Freebody, Peter & Reimann, Peter & Tiu, Angela & University of Sydney Centre for Research on Computer Supported Learning and Cognition, Faculty of Education and Social Work. (2008). Alignment of perceptions about the uses of ICT in Australian and New Zealand schools, Centre for Research on Computer Supported Learning and Cognition, Faculty of Education and Social Work, University of Sydney http://nla.gov.au/nla.arc-94362

Greller, Wolfgang & Drachsler, Hendrik. (2012). Translating Learning into Numbers: A Generic Framework for Learning Analytics. Educational Technology & Society. 15. 42-57. 

Hansen, C., & Wasson, B. (2016). Teacher Inquiry into Student Learning: The TISL Heart Model and Method for use in Teachers’ Professional Development. Nordic Journal of Digital Literacy. 11. 24-49. 10.18261/issn.1891-943x-2016-01-02.

Knight, S., & Buckingham Shum, S. (2017). Theory and learning analytics. In C. Lang, G. Siemens, A. F. Wise, & D. Gaevic (toim.), The Handbook of Learning Analytics (lk 17–22). Society for Learning Analytics Research (SoLAR).

Laanpere, M. (2019). Suurandmed ja analüütika. M. Dremljuga-Telk (toim.), Tehnoloogiakompass. Haridus- ja Noorteamet. Vaadatud 11. september 2023, aadressil https://kompass.harno.ee

Siemens, G., & Long, P. (2011). Penetrating the fog: Analytics in learning and education. EDUCAUSE review, 46(5), 30.

Tammets, K. (2019). Tehisintellekt. M. Dremljuga-Telk (toim.), Tehnoloogiakompass. Haridus- ja Noorteamet. Vaadatud 11. september 2023, aadressil https://kompass.harno.ee

Tammets, K., & Kollom, K. (2021). Õppimine ja õpetamine tehnoloogirikkas keskkonnas. M. Heidmets (toim.), Haridusemõte (lk 468-484). TLU kirjastus.