Personalizing K–12 STEM Education through Technology-Enhanced Learning and Learning Analytics

Abstract

Science, Technology, Engineering and Mathematics (STEM) education has been widely recognized as a priority area over the last decade. Despite global recognition of STEM literacy as essential for problem-solving and addressing societal challenges, traditional classrooms often struggle to address individual student’s learning needs in core subjects such as mathematics and life sciences. In addition, integrated intervention approaches for achieving STEM-skills and enhancing motivation towards STEM in K-12 settings remain underexplored compared to Higher Education applications.

The present Doctoral research, therefore, tackles a pressing challenge in K-12 STEM education: “How to effectively personalize learning for diverse student needs?”. The research develops and tests a framework that integrates Technology-Enhanced Learning (TEL) platforms with Learning Analytics (LA) to create adaptive, data-informed educational experiences for diverse groups of K-12 learners. The study employs a Mixed-Methods Research (MMR) design divided into three phases: (1) a synthesis phase (2) an intervention phase; and (3) a reflection phase. Data were collected from two interventions: one involving 720 primary and lower-secondary students (4th-6th grade) who took personalized lessons on arithmetic operations over 9 months using ViLLE-tool; and another one involving 70 upper-secondary students (10th-12th grade) who took supplementary lessons on ‘Life and Evolution’ over 5 weeks using VR-tool. Data were analyzed through exploratory data analysis and statistical methods.

The research work contributes to the field by advancing theoretical understanding of personalized education, providing empirical evidence from authentic classroom settings, and demonstrating how adaptive learning technologies and LA can foster personalized learning in K-12 STEM. The work addresses critical gaps in the literature by developing an empirically grounded, theory-informed adaptive and context-sensitive personalized learning interventions framework in addition to offering a methodological blueprint for future research in the Educational Sciences.

<b>K–12 LUMA -opetuksen yksilöllistäminen teknologia-avusteisen oppimisen ja oppimisanalytiikan avulla</b>

Luonnontieteiden, teknologian, tekniikan ja matematiikan (engl. Science, Technology, Engineering and Mathematics, STEM) eli LUMA-aineiden opetusta on pidetty keskeisenä kehitysalueena viimeisen vuosikymmenen aikana. Vaikka STEM-osaamisen merkitys on globaalisti tunnustettu tärkeäksi ongelmanratkaisun ja yhteiskunnallisten haasteiden näkökulmasta, perinteiset opetustavat eivät aina pysty vastaamaan oppilaiden yksilöllisiin tarpeisiin keskeisissä oppiaineissa, kuten matematiikassa ja luonnontieteissä. Lisäksi interventiomenetelmiä, joiden tavoite on lisätä motivaatiota ja parantaa LUMA-aineiden taitoja, on kuitenkin tutkittu selvästi vähemmän peruskouluissa ja lukioissa kuin korkeakoulutuksessa.

Tämä väitöstutkimus tarttuu ajankohtaiseen kysymykseen K–12 LUMA -opetuksessa: kuinka oppiminen voidaan yksilöllistää tehokkaasti siten, että se vastaa erilaisten oppijoiden tarpeisiin? Tässä tutkimuksessa kehitetään ja testataan viitekehystä, joka yhdistää teknologia-avusteisen oppimisen (engl. Technology-Enhanced Learning) alustat oppimisanalytiikkaan (engl. Learning Analytics), jotta voidaan tarjota mukautuvia, dataan perustuvia oppimiskokemuksia K–12-oppilasryhmille. Tutkimus on toteutettu monimenetelmätutkimuksena, joka jakautuu kol-meen vaiheeseen: (1) synteesi-, (2) interventio- ja (3) reflektiovaihe. Aineisto on kerätty kahdesta interventiosta: Ensimmäiseen osallistui 720 4.–6. luokan oppilasta, jotka opiskelivat peruslaskutoimituksia yhdeksän kuukauden ajan ViLLE-oppimisympäristössä. Toiseen osallistui 70 lukio-opiskelijaa (10.–12. luokat), jotka suorittivat Elämä ja evoluutio -aiheisia opintoja VR-työkalun avulla viiden viikon ajan. Ai-neistoanalysoitiin eksploratiivisen data-analyysin ja tilastollisten menetelmien avulla.

Tämän tutkimuksen tavoitteena on syventää teoreettista ymmärrystä yksilöllistetystä opetuksesta, tarjota empiiristä näyttöä autenttisista luokkahuonetilanteista ja osoittaa, miten mukautuvat oppimisteknologiat ja oppimisanalytiikka voivat tukea yksilöllistä LUMA-opetusta K–12-ryhmissä. Tämä tutkimus pyrkii täydentämään aiempaa tutkimusta kehittämällä empiirisesti perustellun, teoriapohjaisen, mukautuvan ja kontekstin huomioivan viitekehyksen kasvatustieteellistä jatkotutkimusta varten.