Browsing by Author "Pelkola, Timo"

Tutkielmassa käsitellään tietokoneavusteisen arvioinnin hyödyntämistä tavoiteoppimisena (engl. mastery learning) tunnetun opetusmenetelmän yhteydessä. Tutkimuksen kohteena on Aalto-yliopiston Differentiaali- ja integraalilaskennan kursseilla toteutettu pilottihanke, jossa käytettiin STACK-arviointijärjestelmää tavoiteoppimismallin toteutukseen. Pilotoitu malli pohjautui Benjamin Bloomin Learning for Mastery -malliin, mutta Bloomin mallista poiketen tavoitetasoa mitattiin formatiivisten kokeiden lisäksi myös viikoittaisten tehtävien perusteella. Tavoiteoppimisen hengessä kurssiarviointiin kehitettiin myös uudenlainen tehtäväpisteiden laskentatapa, jossa pisteitä kertyi vasta tavoitetason ylittävistä tehtäväpisteistä. Kurssilla tavoiteoppimisen rooli oli erityisesti proseduraalisen osaamisen varmistaminen tietokoneavusteisesti, jonka vastapainoksi kursseille kehitettiin myös paperipohjaisia projektitehtäviä. Tutkimuskysymyksiä on kaksi: 1) soveltuuko STACK tavoiteoppimisen toteuttamiseen ja 2) pystyykö tavoitetason täyttymistä ennustamaan verkkotehtävien tuottaman datan perusteella? Ensimmäistä kysymystä tutkittiin toteutuksen onnistumisen, kuvailevien tilastojen ja kurssipalautekyselyn perusteella. STACK-järjestelmällä pystyi arvioimaan suurimman osan kurssin tavoitteista ja toteuttamaan opetusmenetelmän vaatimat formatiiviset kokeet. Kuvailevista tilastoista pystyi myös päättelemään, että tavoitetasoon yltävien määrä kasvoi ensimmäisten yrityskertojen jälkeen (45% → 94%). Kurssipalautekyselyn perusteella formatiivisia kokeita myös pidettiin hyödyllisenä ja pisteytysmalli kannusti enemmän kuin lannisti tehtävien tekoon. Toista kysymystä varten sovellettiin ennustavaa mallintamista logistisella regressiolla. Näin saadun ennustemallin luokittelutarkkuus parani verrattuna siihen, että kaikkien oletetaan olevan ensiksi tavoitetason alapuolella (0.56 → 0.64). Tämä ei kuitenkaan riitä formatiivisten kokeiden korvaamiseen suoraan ennustemallilla. Ennustemallin tarkkuutta voidaan kuitenkin luultavasti parantaa.