Digitalisaatiota seurannut työn murros on nostanut tapetille jatkuvan oppimisen tärkeyden. Yhä useampi meistä on tilanteessa, jossa vuosia sitten hankitut tutkintotodistukset eivät riitä vastaamaan työelämän alati muuttuviin osaamistarpeisiin, vaan omaa ammattitaitoa on kasvatettava opiskelun avulla. Digiaikakaudella myös oppiminen on siirtynyt yhä enenevissä määrin verkkoon erilaisille oppimisalustoille.

Digitaalisen oppimisen ratkaisuihin erikoistuneen Valamiksen osakas ja Valamis-oppimisalustan alkuperäinen ideoija Jari Järvelä on tehnyt parinkymmenen vuoden uran aiheen parissa. Aikoinaan kasvatustieteiden maisteriksi opiskellut Järvelä erikoistui jo opinnoissaan tietokoneavusteiseen opetukseen. 

Hänen mukaansa suomalaisyrityksissä on pikkuhiljaa oivallettu, millainen arvo oppimisympäristöjen tuottamassa datassa piilee. Oppimisdata näet on paljon muutakin kuin arvosanoja ja henkilötietoja. 

– Arvosanojen kaltaiset perinteiset mittarit ovat edelleen merkittävässä roolissa, mutta iso osa oppimisdatasta muodostuu oppija-aktiviteeteista. Ne kertovat, mihin opiskelijat käyttävät aikansa oppimisympäristössä ja millä tavalla he vuorovaikuttavat muiden kanssa, Järvelä sanoo.

“Iso osa oppimisdatasta muodostuu oppija-aktiviteeteista.”

Hän kertoo Valamiksen asiakkaasta, joka pyörittää verkossa täydennyskoulutukseksi tarkoitettuja MOOC-kursseja. Eräälle kurssille osallistuu kerrallaan jopa 15 000 töidensä ohella opintoja suorittavaa henkilöä, joten toteutuksesta haluttiin tehdä mahdollisimman jouheva. Niinpä sitä päätettiin parantaa oppimisdatan pohjalta.

– Lähdimme selvittämään, miten tuhansista opiskelijoista koostuva joukko käyttää aikansa alustalla. Tarkastelimme, mihin osioihin heidän opiskelunsa pysähtyy ja onko joukossa usein skipattavia osioita, eli millä tavoin pystyisimme tehostamaan oppimista. 

Matematiikka aiheen ympärillä on helppoa. Jos jokaisen oppijan opiskeluajasta saadaan nipistettyä esimerkiksi kaksi tuntia, se tarkoittaa 30 000 tuntia enemmän työntekoon. 

– Kun opetuksen suunnittelun ongelmakohdat paikannetaan ja korjataan, paranee myös oppimisen laatu, eikä vain kurssin suoritustehokkuus, Järvelä muistuttaa.

Oppimisdatasta hyötyy sekä esimies että työntekijä

Maailmassa, jossa dataa syntyy valtavia määriä, kaikkea ei kannata mitata. Järvelä painottaa, että myös oppimisdatan keräämisen ja tarkastelun lähtökohtana täytyy olla selkeät liiketoiminnalliset tavoitteet.  

– Tarkoitus ei ole mitata kaikkea mahdollista ja katsoa valtavaa määrää erilaisia analyyseja, vaan tulee pyrkiä löytämään ketju, joka näyttää, miten oppimisympäristössä toimiminen on vaikuttanut henkilöiden työssä suoriutumiseen. Jos tulokset eivät vaikuta toivotuilta, on mietittävä, millaisilla muutoksilla päästään parempiin tuloksiin, hän sanoo.

Valamis-alustan tuottama oppimisdata on mahdollista yhdistää yrityksen muiden järjestelmien tuottamaan dataan. Sen jälkeen data-analytiikkaa hyödyntämällä päästään luomaan erilaisia ennusteita. Järvelän mukaan vasta silloin ollaan tilanteessa, jossa yritys saa oppimisdatasta kaiken siinä piilevän potentiaalin irti. Hän antaa esimerkin työturvallisuuden saralta.

 

Ennusteiden luomiseksi Valamis-alustan tuottama oppimisdata on mahdollista yhdistää yrityksen muiden järjestelmien tuottaman datan kanssa.

 

– Oppimisympäristö kerää dataa oppimisaktiviteeteista ja toinen järjestelmä erilaisista työturvallisuuspoikkeamista. Datoja yhdistelemällä luodaan raportti siitä, miten kouluttautuminen on vaikuttanut poikkeamien määrään. Mikäli poikkeamien määrässä ei tapahdu laskua kouluttautumisesta huolimatta, on syytä lähteä kartoittamaan opiskelumateriaalin ongelmia.

Järvelä sanoo, että oppimisdatan parissa työskentelystä hyötyvät monet vastuuhenkilöt aina tiimivetäjistä HR-päällikköön. Datan avulla esimies saa selkeämmän kuvan asioista, joiden kanssa työntekijä tarvitsee enemmän tukea ja ohjausta.

Yksittäiselle työntekijälle Valamis-oppimisympäristön tuottama raportti tarjoaa mahdollisuuden tarkastella oman osaamisen kehittymistä ja tunnistaa osa-alueita, joiden taidoissa on vielä puutteita. Myös automatiikka auttaa käyttäjää havaitsemaan omat kehittämiskohteet.

-Tekoäly analysoi dataa ja havaitessaan tietyssä taidossa puutteita, suosittelee yksittäisille henkilöille tai kokonaisille käyttäjäryhmille aiheeseen liittyviä opintoja, Järvelä sanoo.

Data of Learning -opas auttaa yrityksiä alkuun oppimisdatan hyödyntämisessä

Järvelän mukaan oppimisdatan mahdollisuuksien kartoittaminen alkaa peruskysymyksissä: ensin pitää miettiä, mitä datan avulla halutaan selvittää. Kun liiketoiminnan kannalta kriittisimmät tavoitteet on asetettu, voidaan siirtyä pilotoimaan.

 

Jari Järvelä (kuvassa keskellä) on tehnyt pitkän uran digitaalisen oppimisen kehittämisen parissa.

 

– Jos organisaatiossa on totuttu hyödyntämään dataa liiketoiminnan muilla osa-aluille, oppimisdatan hyödyntämisessä voidaan lähteä liikkeelle isommasta kokonaisuudesta. Mikäli datan käyttö on muutenkin pienimuotoista, kannattaa aloittaa maltillisemmin. Kun ihmiset ohjataan ensimmäisen kerran datan ääreen, syntyy lisäkysymyksiä ja ahaa-elämyksiä, vaikka käytetty ratkaisu olisikin aluksi kevyt.

“Kun ihmiset ohjataan ensimmäisen kerran datan ääreen, syntyy lisäkysymyksiä ja ahaa-elämyksiä”

Valamis on juuri julkaissut Data of Learning -työkirjan, joka tarjoaa yrityksille tietoa oppimisdatan hyödyntämisestä. Järvelä sanoo oppaan pohjautuvan metodeihin, joita Valamis omien asiakkaidensa kanssa käyttää.

– Kirjassa on konkreettisia ohjeita siihen, mistä kannattaa lähteä liikkeelle. Mitä mitata ja miten järjestää ensimmäiset workshopit aiheen ympärillä.

Hän haluaa kannustaa kaikkia vähänkin asiasta kiinnostuneita yrityksiä aloittamaan pilotoinnin. 

– Monien asiakascasejen kohdalla olen jälkeenpäin miettinyt, että rahalliset investoinnit olivat lopulta pieniä, kun niitä peilaa syntyneisiin hyötyihin. Pienilläkin liikkeillä on pystytty parantamaan oppimisen laatua, mikä on puolestaan näkynyt työn laadussa ja bisnestuloksissa.

 

Valamiksen Ite wiki -profiili

Valamiksen verkkosivut