Skip to main content
Login | Suomeksi | På svenska | In English

Klusterianalyysin soveltaminen yliopisto-opintojen etenemisen tarkasteluun

Show simple item record

dc.date.accessioned 2022-07-05T12:03:23Z
dc.date.available 2022-07-05T12:03:23Z
dc.date.issued 2022-07-05
dc.identifier.uri http://hdl.handle.net/123456789/42371
dc.title Klusterianalyysin soveltaminen yliopisto-opintojen etenemisen tarkasteluun fi
ethesis.faculty Kasvatustieteellinen tiedekunta fi
ethesis.faculty Faculty of Educational Sciences en
ethesis.faculty Pedagogiska fakulteten sv
ethesis.faculty.URI http://data.hulib.helsinki.fi/id/a990df47-03bd-4108-9d39-9b2f66a53631
ethesis.university.URI http://data.hulib.helsinki.fi/id/50ae46d8-7ba9-4821-877c-c994c78b0d97
ethesis.university Helsingin yliopisto fi
ethesis.university University of Helsinki en
ethesis.university Helsingfors universitet sv
dct.creator Salminen, Tuukka
dct.issued 2022 xx
dct.abstract Tavoitteet. Tutkimuksen tavoitteena oli selvittää opintosuoritustietojen avulla minkälaisia tilan-teita yliopisto-opiskelijat tyypillisesti kohtaavat opinnoissaan ja minkälaisia polkuja näistä tilanteista muodostuu. Pyrkimyksenä oli kartoittaa ja kehittää opintosuoritustietojen analyysiin soveltuvaa klusterointiin pohjautuvaa tarkastelutapaa, jolla voitaisiin tuottaa uutta tietoa yliopisto-opintojen etenemisestä. Menetelmät. Tutkielman toteutus vastaa tutkimusstrategian osalta parhaiten design- eli kehittämistutkimusta, jossa toteutustapa, menetelmät ja uusi tieto rakentuvat iteratiivisen prosessin kautta vastaamaan asetettuihin kysymyksiin. Tutkielman perusjoukko on Helsingin yli-opistossa vuosina 2010–2015 matematiikan, tietojenkäsittelytieteen sekä yleisen ja aikuis-kasvatustieteen perustutkinnon aloittaneet opiskelijat, joilla oli vain yksi tutkinnon suoritusoikeus. Aineistona oli kaikkien 3 167:n perusjoukkoon kuuluvien opiskelijoiden Helsingin yliopistossa 11.3.2020 mennessä kirjatut opintosuoritustiedot, jotka saatiin Helsingin yliopiston Agile Education Research tutkimusryhmän kautta. Suoritustiedoista muodostettiin klusterointiin sopiva karkeamman tason aineisto, mikä sen jälkeen ryhmiteltiin k:n mediaanin klusterointimenetelmällä. Analyysi toteutettiin python-ohjelmointikielellä ja sen kirjastoilla. Tulokset ja johtopäätökset. Tulokset osoittavat, että klusterointimenetelmiä on mahdollista soveltaa opintosuoritustietojen analyysissa. Löydetyn klusteriratkaisun kautta opintojen etenemistä voidaan kuvata tiiviissä ja ymmärrettävässä muodossa. Aineistosta tunnistettiin kol-me opintojen lähtötilanteita kuvaavaa klusteria ja 22 opintojenaikaisia opiskelutilanteita kuvaavaa klusteria. Klusterien väliset siirtymät osoittavat, että opiskelutilanteiden sarjoista on tunnistettavissa erilaisia polkuja, joiden vaiheet ovat yhteydessä opintojen etenemiseen ja lopputulemaan. Tulosten perusteella opintosuoritustiedot sisältävät paljon sellaista informaa-tiota, jota yliopistot voisivat hyödyntää opintojen sujuvoittamiseen tähtäävässä kehittämistyössä. fi
dct.abstract Aims of the study. This study seeks to find out what kind of situations students typically face during their progress through university studies and what kind of different pathways can be identified as a series of these situations. The aim was to map out and to develop a clustering-based method of identifying these situations and pathways from student transcript data that would complement the information provided by commonly used measures of student progression. Methods. The research strategy of this study follows that of design research, where methods and new knowledge is built iteratively. The data consists of student transcript data of 3167 students at the University of Helsinki who had started their studies in computer science, mathematics, or general and adult education between the years 2010 and 2015. The data was provided by the Agile Education Research group at the University of Helsinki and contained all records of passed or failed completion attempts that had been recorded by 11.3.2020. The data was shaped to coarser level to be used in cluster analysis and clustered using k-medians clustering. Results and conclusions. The results show that it is possible to use clustering as a tool to better understand student transcript data and the pathways students take through their university degrees. The shown clustering makes it possible to describe the progression of studies both on the individual and group levels. Three clusters defining the starting situations and 22 clusters defining the situations during studies were identified. Transitions between clusters show that series of clusters for several pathways that have different stages and outcomes. In conclusion, the results show that student transcript data contains information which universities could use in efforts aimed at helping students advance in their studies en
dct.subject opintojen eteneminen
dct.subject opintojen viivästyminen
dct.subject keskeyttäminen
dct.subject klusterointi
dct.subject klusterianalyysi
ethesis.language.URI http://data.hulib.helsinki.fi/id/languages/fin
ethesis.language suomi fi
ethesis.language Finnish en
ethesis.language finska sv
ethesis.supervisor Ihantola, Petri
ethesis.supervisor Scheinin, Patrik
ethesis.thesistype pro gradu -tutkielmat fi
ethesis.thesistype master's thesis en
ethesis.thesistype pro gradu-avhandlingar sv
ethesis.thesistype.URI http://data.hulib.helsinki.fi/id/thesistypes/mastersthesis
dct.identifier.ethesis E-thesisID:edc533fb-b677-4a45-aa18-82bdaaec4e76
ethesis-internal.timestamp.reviewStep 2022-05-23 09:02:00:948
ethesis-internal.abstract.secondary Aims of the study. This study seeks to find out what kind of situations students typically face during their progress through university studies and what kind of different pathways can be identified as a series of these situations. The aim was to map out and to develop a clustering-based method of identifying these situations and pathways from student transcript data that would complement the information provided by commonly used measures of student progression. Methods. The research strategy of this study follows that of design research, where methods and new knowledge is built iteratively. The data consists of student transcript data of 3167 students at the University of Helsinki who had started their studies in computer science, mathematics, or general and adult education between the years 2010 and 2015. The data was provided by the Agile Education Research group at the University of Helsinki and contained all records of passed or failed completion attempts that had been recorded by 11.3.2020. The data was shaped to coarser level to be used in cluster analysis and clustered using k-medians clustering. Results and conclusions. The results show that it is possible to use clustering as a tool to better understand student transcript data and the pathways students take through their university degrees. The shown clustering makes it possible to describe the progression of studies both on the individual and group levels. Three clusters defining the starting situations and 22 clusters defining the situations during studies were identified. Transitions between clusters show that series of clusters for several pathways that have different stages and outcomes. In conclusion, the results show that student transcript data contains information which universities could use in efforts aimed at helping students advance in their studies und
ethesis-internal.abstract.primary Tavoitteet. Tutkimuksen tavoitteena oli selvittää opintosuoritustietojen avulla minkälaisia tilan-teita yliopisto-opiskelijat tyypillisesti kohtaavat opinnoissaan ja minkälaisia polkuja näistä tilanteista muodostuu. Pyrkimyksenä oli kartoittaa ja kehittää opintosuoritustietojen analyysiin soveltuvaa klusterointiin pohjautuvaa tarkastelutapaa, jolla voitaisiin tuottaa uutta tietoa yliopisto-opintojen etenemisestä. Menetelmät. Tutkielman toteutus vastaa tutkimusstrategian osalta parhaiten design- eli kehittämistutkimusta, jossa toteutustapa, menetelmät ja uusi tieto rakentuvat iteratiivisen prosessin kautta vastaamaan asetettuihin kysymyksiin. Tutkielman perusjoukko on Helsingin yli-opistossa vuosina 2010–2015 matematiikan, tietojenkäsittelytieteen sekä yleisen ja aikuis-kasvatustieteen perustutkinnon aloittaneet opiskelijat, joilla oli vain yksi tutkinnon suoritusoikeus. Aineistona oli kaikkien 3 167:n perusjoukkoon kuuluvien opiskelijoiden Helsingin yliopistossa 11.3.2020 mennessä kirjatut opintosuoritustiedot, jotka saatiin Helsingin yliopiston Agile Education Research tutkimusryhmän kautta. Suoritustiedoista muodostettiin klusterointiin sopiva karkeamman tason aineisto, mikä sen jälkeen ryhmiteltiin k:n mediaanin klusterointimenetelmällä. Analyysi toteutettiin python-ohjelmointikielellä ja sen kirjastoilla. Tulokset ja johtopäätökset. Tulokset osoittavat, että klusterointimenetelmiä on mahdollista soveltaa opintosuoritustietojen analyysissa. Löydetyn klusteriratkaisun kautta opintojen etenemistä voidaan kuvata tiiviissä ja ymmärrettävässä muodossa. Aineistosta tunnistettiin kol-me opintojen lähtötilanteita kuvaavaa klusteria ja 22 opintojenaikaisia opiskelutilanteita kuvaavaa klusteria. Klusterien väliset siirtymät osoittavat, että opiskelutilanteiden sarjoista on tunnistettavissa erilaisia polkuja, joiden vaiheet ovat yhteydessä opintojen etenemiseen ja lopputulemaan. Tulosten perusteella opintosuoritustiedot sisältävät paljon sellaista informaa-tiota, jota yliopistot voisivat hyödyntää opintojen sujuvoittamiseen tähtäävässä kehittämistyössä. und
dct.identifier.urn URN:NBN:fi:hulib-202207053180
dct.alternative Using cluster analysis to explore pathways through university studies en
ethesis.facultystudyline Yleinen ja aikuiskasvatustiede fi
ethesis.facultystudyline General and Adult Education en
ethesis.facultystudyline Allmän- och vuxenpedagogik sv
ethesis.facultystudyline.URI http://data.hulib.helsinki.fi/id/SH60_042
ethesis.mastersdegreeprogram Kasvatustieteiden maisteriohjelma fi
ethesis.mastersdegreeprogram Master´s Programme in Education en
ethesis.mastersdegreeprogram Magisterprogrammet i pedagogik sv
ethesis.mastersdegreeprogram.URI http://data.hulib.helsinki.fi/id/MH60_001

Files in this item

Files Size Format View
Salminen_Tuukka_pro_gradu_2022.pdf 1.542Mb PDF

This item appears in the following Collection(s)

Show simple item record