Opetuksen ja opiskelun tehokas ja laadukas havainnointi verkkooppimisympäristössä

Transkriptio

1 Opetuksen ja opiskelun tehokas ja laadukas havainnointi verkkooppimisympäristössä Jukka Paukkeri (projektitutkija) Tampereen Teknillinen Yliopisto Matematiikan laitos Intelligent Information Systems Laboratory (IISLab)

2 Esityksen sisältö Visualisointi Oppimisen analytiikka ja visualisointi eli oppimisympäristöjen käyttäjädatan visualisointi Oppimisympäristön käyttäjädatan visualisoinnin hyödyt opettajalle ja opiskelijoille Laadukas informaation visualisointi

3 Visualisointi (1/3) Algoritmin avulla muodostettu luettava ja tunnistettava visuaalinen kuvaus tiedosta, joka ei alkuaan ole visuaalisessa muodossa. Toistettavissa eri datajoukoilla ja voi sisältää vuorovaikutteisuutta ja animaatiota (vrt. infografiikka). Lähtötieto voi olla numeraalista, järjestyksellistä tai nimellistä tietoa. Tavoitteena esittää tehokkaasti asioita ja niiden välisiä suhteita sekä löytää jotakin aiemmin näkymätöntä. Vahvuus perustuu ihmisen näköjärjestelmän kykyyn tunnistaa tehokkaasti graafisia samankaltaisuuksia ja eroavaisuuksia sekä pyrkimykseen pelkistää ja täydentää graafiset näköhavainnot. Taustalla hahmolait: samanlaisuus, läheisyys, valiomuotoisuus, jatkuvuus jne. (vrt. Kosara 2007; Mackinlay 1986, s. 125; Sinkkonen et al. 2006, s. 8991)

4 Visualisointi (2/3) Informaation visualisoinnissa abstrakti data kuvataan käyttäjälle graafisena esityksenä siten, että käyttäjä pystyy visuaalisella havainnointijärjestelmällään tutkimaan ja analysoimaan esitettyä dataa (vrt. Carr 1999, s. 1; Gershon et al. 1998). Informaation visualisointi sisältää myös suunnittelijan ymmärrystä (tulkintaa). (Vrt. Card et al. 1999; Paukkeri 2014, s. 41)

5 Visualisointi (3/3) Yksi dataa kuvaava elementti voi olla esimerkiksi laskentataulukon yksittäinen rivi ja elementin visuaaliset piirteet kuvauksia sarakkeiden sisältämistä data-alkioista.

6 Oppimisen analytiikka ja visualisointi eli oppimisympäristöjen käyttäjädatan visualisointi Oppimisympäristöä käytettäessä tietokantaan kertyy valtavasti sekä järjestettyä että järjestelemätöntä dataa. Varsinaisia oppimisympäristön näkymiä esitettäessä dataa haetaan yleensä pienissä määrissä. Kun käyttäjädataa halutaan analysoida, tietokannasta haetaan kerrallaan tavallista enemmän dataa, jolloin datan sopivan esittämistavan merkitys korostuu. Visualisoinnin tavoitteena on esittää data tehokkaasti eli tiiviisti ja selkeästi. Oppimisen analytiikassa kerätään oppimiseen liittyvää dataa sekä vertaillaan ja esitetään sitä tavoitteena päästä selville datan merkityksestä. Säännönmukaisuuksia ja eroavaisuuksia sekä asioiden välisiä yhteyksiä havaitsemalla voidaan löytää merkittäviä asioita oppimisympäristön käytöstä opiskelussa.

7 Oppimisympäristön käyttäjädatan visualisoinnin hyödyt opettajalle ja opiskelijoille Opettaja: Säännönmukaisuuksien ja poikkeamien löytyminen opiskelijoiden toiminnasta. Vaikeuksissa olevien opiskelijoiden havaitseminen ja yksittäisen opiskelijan toiminnan seuranta. Työkalu arvioinnin ja ohjauksen tueksi. Apuna oppimateriaalin ja lähteiden käytön seurannassa. Informaation hyödyntäminen opintojakson toteutustavan, rakenteen ja aikataulujen kehittämisessä. Opiskelijat: Oman opiskelun suunnittelu ja seuranta. Oman toiminnan vertaaminen toisten opiskelijoiden toimintaan voi edistää opiskelutaitojen kehittämistä ja vastuunottamista sekä kannustaa aktiivisuuteen. Läpinäkyvyys: Kaikille näkyvät aktiivisuusvisualisoinnit toimivat jonkinlaisena ilmoitustauluna voi motivoida opiskelemaan. (Peda-forum -päivien työpajan muistiinpanot)

8 Laadukas informaation visualisointi Visualisoinnin täytyy olla laadukkaasti toteutettu voidakseen olla hyödyllinen. Pahimmillaan visualisointi vääristää tietoa ja johtaa harhaan. Opettaja voi tehdä muutoksia opetuksessaan väärien tulkintojen pohjalta. Opiskelija voi saada vääriä käsityksiä aktiivisuudestaan suhteessa muihin opiskelijoihin voi passivoida. Taustalla on laadullinen tutkimus, jonka tavoitteena on ollut koostaa informaation visualisoinnin laatukriteeristö asiantuntija-arviointiin. (Paukkeri 2014, s. 53)

9 Laadukas informaation visualisointi: Havainnointi Osa-alue käsittelee sellaista asioiden kuvaamista, että visualisoinnin ymmärtämisen kannalta keskeisimmät asiat ovat selkeimmin havaittavissa.

10 Laadukas informaation visualisointi: Ymmärtämisen tukeminen Osa-alue käsittelee tekijöitä, jotka tukevat ymmärryksen muodostumista visualisoinnin asiayhteydestä ja tarkoituksesta sekä kuvaustavoista.

11 Laadukas informaation visualisointi: Analyysiprosessin tukeminen Osa-alueella käsitellään vuorovaikutteisia keinoja, jotka tukevat visualisoinnin sisältämän informaation ymmärtämistä sekä visualisoinnin tehokasta ja hyödyllistä käyttöä.

12 Laadukas informaation visualisointi: Saavutettavuus Osa-alueella käsitellään visualisoinnin tiedon esittämistä ja teknistä toteutusta siten, että informaatio olisi mahdollisimman saavutettavaa (käyttäjän kognitiiviset ja fyysiset rajoitteet sekä erilaiset päätelaitteet ja olosuhteet).

13 Kiitoksia. Kysymyksiä?

14 Lähteet Card, S. K., Mackinlay, J. D. & Shneiderman, B Readings in Information Visualization: Using Vision to Think. Academic Press, San Diego, CA. Carr, D Guidelines for Designing Information Visualization Applications. Linköpings Universitet. Saatavissa: Gershon, N., Eick, S.G. & Card, S Information visualization. Interaction, 5(2), Kosara, R Visualization Criticism The Missing Link Between Information. Visualization and Art. Information Visualization IV '07. 11th International Conference. Saatavissa (rajoitettu käyttöoikeus): Mackinlay, J Automating the design of graphical presentations of relational information. Journal ACM Transactions on Graphics (TOG). 5:2, Saatavissa (rajoitettu käyttöoikeus): Paukkeri, J Informaation visualisoinnin laadukkuuskriteerit. Tampereen teknillinen yliopisto. Diplomityö. Saatavissa: Sinkkonen, I., Kuoppala, H, Parkkinen, J. & Vastamäki, R Käytettävyyden psykologia. Helsinki: Edita Publishing Oy.