Verkko-oppimisympäristöjen kehittäminen tekoälyn avulla: Tulevaisuusvisio matematiikan opetuksen täydennyskoulutuksesta

Verkko-oppimisympäristöjen suosio kasvaa kiihtyvällä tahdilla maailman laajuisesti ja samaan aikaan tarve uusille lähestymistavoille verkko-oppimisen ja -opetuksen kehittämisessä ja tutkimuksessa on kasvanut. Vaikka lokitiedot mahdollistavat verkkokäyttäytymisen tutkimisen, on tätä mahdollisuutta hyödynnetty verkko-oppimisen ja -opetuksen tutkimuskontekstissa verrattain vähän. Tutkimuksessa hyödynnettiin lokitietoja verkkokurssin arvioinnissa ja kehittämisessä MOOC-ympäristössä. Tässä artikkelissa kuvataan oppimisprosessia lokitietojen avulla sekä pohditaan sitä, minkälaista ymmärrystä oppimisesta lokitiedot voivat tuottaa ja miten tällaisen tiedon voisi tulevaisuudessa valjastaa oppimisen tueksi. Tutkimusaineisto koostui matematiikan opettajien (N=58) täydennyskoulutusverkkokurssin lokitiedoista. Tutkimustulokset osoittavat, että syvällisemmät tai enemmän aikaa vaativat aktiviteetit keskeyttävät yhtenäisen opiskelun herkemmin kuin esimerkiksi videoluennot. Lyhytkestoiset videot ja nopeasti vastattavat kyselyt sen sijaan sitouttavat osallistujia yhtenäiseen opiskeluun. Vaikka suoristustavoissa on yksilöllisiä eroja, verkkokurssin kehittämistarvetta on mahdollista arvioida lokitietojen avulla. Esitämme artikkelissa vision siitä, kuinka tulevaisuudessa lokitiedot voisivat automaattisesti analysoitua, järjestelmä tunnistaisi oppimisprofiileja ja verkko-oppimisympäristö muokkautuisi automaattisesti tunnistettujen opiskelutaipumusten mukaan. Kun prosessiin yhdistetään tekoäly myös profilointialgoritmi kehittyisi automaattisesti käyttäjädatan kasvun myötä. In English Web-based learning enviroments have become increasingly popular world-wide. At the same time, the need for new approaches to both supporting and investigating teaching and learning have emerged. Although log information enables research of online behavior, this opportunity is not used to its full potential in the context of web-based teaching and learning. This research utilized log information in the assessment of a MOOC course and its development. This article describes the learning process with the help of log information. It also envisions what kind of understanding of the learning process log information can provide and how this understanding may be harnessed to support learning in the future. The data consisted of the log information of mathematic teachers (N=58) participating in an online continuing training course. The results show that in-depth time-consuming activities interrupt studying more easily than video lectures for example. Short videos and quick queries engage the participant in more coherent study. Although there are individual differences in the studying, less well-functioning teaching content and tasks can be recognized through log information. We present a vision of how log information can be automatically analyzed; the system would recognize learning profiles and the online environment would automatically modify itself according to the profile. When AI (artificial intelligence) is utilized the profiling algorithm would develop automatically as user data accumulates. Fulltext in Finnish.