Vakioitu verkko-oppimisympäristö oppimisanalytiikan mahdollistajana

Abstract

Tässä työssä tarkasteltiin Kajaanin ammattikorkeakoulussa kehitettyä avoimen lähdekoodin komponentteihin perustuvaa verkko-oppimisympäristöä, jossa myös oppimisanalytiikan hyödyntäminen on mahdollista. Ensisijainen tavoite oli tehdä jo tehty työ näkyväksi eli kuvata ympäristön toimintaperiaatteet, ja tämän jälkeen sekä päivittää ohjelmistojen vanhentuneet versiot tuoreisiin että korjata ympäristössä havaitut mahdolliset virheet. Toissijaisena tavoitteena oli muodostaa ideoita ympäristön jatkokehittämiseksi ja mahdollisesti myös toteuttaa nämä ideat käytännössä. Lopputuloksena saavutettiin verkko-oppimisympäristö, joka hyödyntää taustalla JupyterHub-teknologiaa, mutta avaa käyttäjän nettiselaimeen Microsoftin Visual Studio Code -ohjelmointieditorin. Ohjelmointieditoriin on valmiiksi asennettuna Helsingin yliopiston TestMyCode-laajennus, mikä mahdollistaa Helsingin yliopiston tarjoaminen avointen MOOC-kurssien suorittamisen ympäristössä. Opiskelijan kannalta verkko-oppimisympäristön etu on siinä, että hänen ei opintojensa alkuvaiheessa tarvitse käyttää aikaa ohjelmointiympäristöjen asentamiseen, vaan hän pääsee suoraan aloittamaan itse ohjelmoinnin opettelemisen. Lisäksi ympäristön ollessa vakioitu jokaiselle opiskelijalle vältytään mahdollisilta yhteensopivuusongelmilta ja versioristiriidoilta. Verkko-oppimisympäristön käyttö vähentää myös laitevaatimuksia opiskelijan kannalta: riittää, että hänen tietokoneensa kykenee suorittamaan modernia nettiselainta. Verkko-oppimisympäristöön kuuluu myös oppimisanalytiikan mahdollistaminen. Tämä toteutettiin käyttämällä avoimeen lähdekoodiin perustuvaa Wakapi-ohjelmistoa, joka puolestaan hyödyntää WakaTimen API-rajapintaa ajankäyttötilastojen keräämiseen. Mikäli opiskelija luo käyttäjätunnuksen verkko-oppimisympäristön arkkitehtuuriin sisällytettyyn Wakapi-instanssiin, alkaa Wakapi keräämään dataa hänen ohjelmointieditorin käytöstään. Opiskelija pääsee näkemään datasta muodostettuja visualisointeja Wakapin käyttöliittymän kautta. Opettajaa varten ympäristöön asennettiin Grafana, johon luotiin visualisointien koontinäkymä. Ihannetapauksessa oman ajankäyttödatan näkeminen synnyttää opiskelijassa oivalluksia, motivoi häntä ja auttaa häntä kehittämään omaa oppimistaan. Opettajan kannalta data voi puolestaan olla arvokasta hänen pyrkiessään kehittämään kurssiaan ja omaa opetustaan. Datasta opettaja näkee esimerkiksi, mitkä tehtävät ovat vaatineet opiskelijoilta eniten aikaa ja mitkä näyttäisivät sujuneen vaivattomasti. Seuraavassa kehitysvaiheessa voisi pohtia sitä, olisiko ajankäyttödatan lisäksi myös jotain muuta dataa, jota voitaisiin kerätä. Yhtenä vaihtoehtona tässä työssä nostettiin ehdotus datan keräämisestä siitä, kuinka monta kertaa opiskelija on yrittänyt tehdä tehtävää ennen kuin suoritus on mennyt hyväksytysti läpi. Tähän tehtiin myös toteutusehdotus, mutta toteutusta ei kuitenkaan viety käytäntöön asti. Lisäksi seuraavassa vaiheessa voisi olla hyödyllistä laajentaa opettajaa varten luotua Grafana-koontinäkymää kattavammaksi. Näkymään voisi lisätä visualisointeja, jotka nopeuttavat sen hahmottamista, miten opiskelijoiden ajankäyttö jakautuu kurssin eri tehtävien kesken. Lisäksi opettajan työtä voitaisiin helpottaa luomalla erillinen nettisivu, johon Grafanan näkymät sisällytettäisiin. Tällä tavoin opettajan ei tarvitsisi erikseen kirjautua Grafanaan ja hakea koontinäkymää sitä kautta.

The focus of this work was a virtual learning environment developed in Kajaani University of Applied Sciences, which is based in open-source applications and has the capability to utilize learning analytics. The primary objective was to make the work that had already been done visible, that is, to describe how the environment works, and then to update the outdated versions of applications and fix any potential errors detected in the environment. The secondary objective was to generate ideas for further development of the environment and possibly implement these ideas in practice. As a result, a virtual learning environment was achieved, which utilizes JupyterHub-technology in the background, but opens a Microsoft Visual Studio Code code editor to the user’s web browser. The TestMyCode extension from the University of Helsinki is pre-installed in the code editor, which makes it possible to complete MOOC courses of the University of Helsinki in the environment. From the student’s perspective, the advantage of the virtual learning environment is that they don’t have to spend time installing development environment but can start learning programming immediately. Additionally, standardizing the environment for all students, potential compatibility issues and version conflicts can be avoided. Using the virtual learning environment also decreases the hardware requirements from the student’s perspective: all that is needed is a computer which can run a modern web browser. Allowing learning analytics is part of the virtual learning environment. This was implemented using open-source Wakapi application, which in turn utilizes the WakaTime API to collect time usage metrics. If a student creates an account to the Wakapi instance, which is included as a part of the architecture of the learning environment, Wakapi starts collecting metrics of the student’s usage of the code editor. The student can see the visualizations of the data via Wakapi user interface. For teacher’s use Grafana was installed into the environment. In Grafana, a dashboard for viewing metrics was created. In an ideal scenario, visualizations of time usage metrics generate insights in the student, motivate them, and help them to develop their learning. From the teacher's perspective, data can be valuable in their efforts to develop the course and their own teaching. From the data the teacher can see for example, which exercises have required the most time from students and which ones seemed to have been completed effortlessly. In the next phase of developing the virtual learning environment it could be useful to consider whether there is any other data besides time usage data that could be collected. One suggestion in this work was to collect data on how many attempts a student has made before successfully completing an exercise. An example implementation proposal was also made for this, but it was not ultimately put into practice. Additionally, in the next phase it might be useful to expand the Grafana dashboard created for the teacher to be more comprehensive. Visualizations could be added to the dashboard to help quickly grasp how students’ time is distributed among the different exercises in the course. In addition, creating a separate web page that incorporates the Grafana dashboard could help streamline the teacher's workload. This way, the teacher wouldn't have to log in to Grafana separately and look for the dashboard that way.