Rasch-osioanalyysin käyttö mukautuvan oppimisympäristön kehittämisessä
Ahokoski, Essi; Airola, Jenni (2017-08-09)
Rasch-osioanalyysin käyttö mukautuvan oppimisympäristön kehittämisessä
Ahokoski, Essi
Airola, Jenni
(09.08.2017)
Tätä artikkelia/julkaisua ei ole tallennettu UTUPubiin. Julkaisun tiedoissa voi kuitenkin olla linkki toisaalle tallennettuun artikkeliin / julkaisuun.
Turun yliopisto
Kuvaus
Siirretty Doriasta
Tiivistelmä
Tämän pro gradu -tutkielman tarkoituksena oli kehittää Turun yliopistossa luotua peruskoulun matematiikan opetuksessa käytettävää ViLLE-oppimisympäristöä oppilaan osaamisen perusteella mukautuvaan suuntaan. Mukautuvien ominaisuuksien avulla voidaan tukea oppilaiden yksilöllisiä tarpeita ja lisätä oppimista (mm. Brusilovsky 1999; Hwang, Sung, Hung, Huang & Tsai 2012). Mukautuvan oppimisympäristön kehittämistä varten tarvitaan tehtäväpankki, johon tehtävät on järjestetty vaikeuden perusteella (Linacre 2000). Moderneihin osioanalyyseihin kuuluva Rasch-osioanalyysi on toimiva väline tehtäväpankin luomiseen (Chen, Lee & Chen 2005; Linacre 2000; Törmäkangas & Törmäkangas 2009). Tämän tutkimuksen tavoitteena olikin selvittää, miten Rasch-osioanalyysia voidaan käyttää mukautuvan ViLLE-oppimisympäristön tehtäväpankin luomisessa. Lisäksi selvitettiin, vastaavatko tehtäville analyysin avulla muodostetut vaikeustasot niitä vaikeustasoja, jotka tehtävät sisältäville tehtäväpaketeille ViLLE-oppimisympäristössä oli alun perin määritelty.
Tutkimuksen aineistona käytettiin ViLLE-oppimisympäristön keräämää tietoa 131 oppilaan vastauksista 1499 jakolaskuaiheiseen lauseketehtävään. Analyysi suoritettiin tästä aineistosta vain 26 tehtävällä, sillä muissa tehtävissä oli alle 50 vastaajaa. Rasch-osioanalyysin soveltuvuutta testattiin R 3.2.3 -ohjelmalla Bootstrap Goodness-of-fit -testillä. Tuloksista havaittiin, että analyysi sopi ViLLE-oppimisympäristön tehtäväpankin kehittämiseen. Analysoidut tehtävät sijoitettiin yhdeksään vaikeustasoon jaettuun tehtäväpankkiin Rasch-osioanalyysin avulla saatujen vaikeusarvojen perusteella. Tällöin havaittiin, että tehtävät olivat helppoja ja keskitasoisia. ViLLE-oppimisympäristölle luotiin vaihtoehtoiset yhdeksään vaikeustasoon perustuvat mukautumismallit, jotka pohjautuvat tieteellisesti tutkitun Ekapelin mukautumismalleihin. Toinen malleista korostaa oppimista ja toinen onnistumisen kokemuksia. Onnistumisia korostavassa mallissa oppilaalle tarjotaan enemmän helpompia tehtäviä kuin oppimista korostavassa mallissa. Vertailtaessa tehtävien uusia vaikeustasoja tehtävät sisältäneiden tehtäväpakettien vaikeustasoihin havaittiin, että uudet vaikeustasot vastasivat osin alkuperäisiä tehtäväpakettien vaikeustasoja.
Jatkossa ViLLE-oppimisympäristön sisältämiin muihin tehtäviin tulee saada lisää vastaajia, jotta tehtäväpankista voidaan luoda käytännössä toimiva. Tutkimus myös vahvisti ajatusta siitä, että tehtävien vaikeuksien arvioinnin tulee perustua tieteelliseen analyysiin. Jotta oppimisympäristölle voidaan valita paremmin toimiva mukautumismalli, pitää niiden toimivuutta ja hyötyjä tutkia pilottitutkimuksessa.
Tutkimuksen aineistona käytettiin ViLLE-oppimisympäristön keräämää tietoa 131 oppilaan vastauksista 1499 jakolaskuaiheiseen lauseketehtävään. Analyysi suoritettiin tästä aineistosta vain 26 tehtävällä, sillä muissa tehtävissä oli alle 50 vastaajaa. Rasch-osioanalyysin soveltuvuutta testattiin R 3.2.3 -ohjelmalla Bootstrap Goodness-of-fit -testillä. Tuloksista havaittiin, että analyysi sopi ViLLE-oppimisympäristön tehtäväpankin kehittämiseen. Analysoidut tehtävät sijoitettiin yhdeksään vaikeustasoon jaettuun tehtäväpankkiin Rasch-osioanalyysin avulla saatujen vaikeusarvojen perusteella. Tällöin havaittiin, että tehtävät olivat helppoja ja keskitasoisia. ViLLE-oppimisympäristölle luotiin vaihtoehtoiset yhdeksään vaikeustasoon perustuvat mukautumismallit, jotka pohjautuvat tieteellisesti tutkitun Ekapelin mukautumismalleihin. Toinen malleista korostaa oppimista ja toinen onnistumisen kokemuksia. Onnistumisia korostavassa mallissa oppilaalle tarjotaan enemmän helpompia tehtäviä kuin oppimista korostavassa mallissa. Vertailtaessa tehtävien uusia vaikeustasoja tehtävät sisältäneiden tehtäväpakettien vaikeustasoihin havaittiin, että uudet vaikeustasot vastasivat osin alkuperäisiä tehtäväpakettien vaikeustasoja.
Jatkossa ViLLE-oppimisympäristön sisältämiin muihin tehtäviin tulee saada lisää vastaajia, jotta tehtäväpankista voidaan luoda käytännössä toimiva. Tutkimus myös vahvisti ajatusta siitä, että tehtävien vaikeuksien arvioinnin tulee perustua tieteelliseen analyysiin. Jotta oppimisympäristölle voidaan valita paremmin toimiva mukautumismalli, pitää niiden toimivuutta ja hyötyjä tutkia pilottitutkimuksessa.