haku: @keyword virtuaalimaailma / yhteensä: 7
viite: 2 / 7
Tekijä:Palomäki, Sonja
Työn nimi:Using student-produced data trails for evaluating and enhancing learning in virtual worlds
Oppimisen arviointi ja edistäminen virtuaalimaailmoissa opiskelijoiden toiminnasta kerätyn datan avulla
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2014
Sivut:viii + 58 s. + liitt. 37      Kieli:   eng
Koulu/Laitos/Osasto:Perustieteiden korkeakoulu
Oppiaine:Media   (IL3009)
Valvoja:Vartiainen, Matti
Ohjaaja:Palomäki, Eero
Elektroninen julkaisu: http://urn.fi/URN:NBN:fi:aalto-201412163240
OEVS:
Digitoitu arkistokappale luettavissa Harald Herlin -oppimiskeskuksen asiakaskoneilla | ohje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark Aalto  2463   | Arkisto
Avainsanat:virtual world
learning analytics
molecular biology
higher education
virtuaalimaailma
oppimisen analytiikka
Tiivistelmä (fin):Virtuaaliopetus tuo uudenlaisia haasteita opiskelijoiden oppimisen tukemiseen korkeakouluissa, kun suorat kontaktit opetushenkilökunnan kanssa vähenevät.
Virtuaaliopetuksessa tarvitaankin keinoja opiskelijoiden oppimisen tukemiseen ja arvioimiseen sen informaation perusteella, joka opiskelijoista virtuaalisissa oppimisympäristöissä on saatavilla.
Monissa oppimisympäristöissä kerätäänkin jo dataa opiskelijoiden toiminnasta ja hyödynnetään analytiikan menetelmiä opiskelijoiden edistymisen mittaamisessa ja oppimisen tukemisessa, mutta vastaavia menetelmiä ei ole vielä virtuaalimaailmoissa.
Virtuaalimaailmat ovat oikeaa maailmaa muistuttavia verkkoympäristöjä, joissa toimii oikeiden ihmisten representaatiot, avataret.

Tämän diplomityön tarkoitus on kehittää ja testata menetelmää, jolla oppimista voitaisiin tukea ja mitata virtuaalimaailmassa, järjestelmän tallentaman toimintalokin avulla.
Tutkimuskohteena on oppimisprosessi Molekyylibiologian virtuaalimaailmaharjoituksessa, joka on kehitetty Aalto-yliopiston Kemian tekniikan korkeakoulussa.
Tutkimuksessa koehenkilöt käyvät läpi harjoituksen ja heidän suoritustaan seurataan sisältöön liittyvien kysymysten ja virtuaalimaailman tallentaman toimintalokin avulla.
Löydöksiä arvioidaan asiantuntijahaastatteluissa.

Tutkimuksen tuloksena huomataan, että yhdistämällä harjoituksessa käytetty aika ja toimintalokin data muodostuu aikajana, josta voidaan tehdä alustavia tulkintoja oppimisprosessin etenemisestä.
Lisäksi toimintalokista voidaan tunnistaa opiskelijan tekemät virheet ja siten tarjota välitöntä palautetta aiheista, joihin opiskelijan tulisi paneutua enemmän.
Isommalla otoksella kerätty data auttaisi tunnistamaan yleisesti vaikeat aihealueet.
Opiskelijoiden aikajanoja analysoimalla, voisi olla mahdollista löytää kaava, joka johtaa tietynlaiseen tulokseen harjoituksessa, mikä voisi tuoda mahdollisuuden tarjota henkilökohtaista tukea oppimiseen jo harjoituksen aikana.
Tiivistelmä (eng):Virtual learning brings challenges for the support and evaluation of learning in the higher education since students are less on direct contact with the teacher.
Therefore, it is necessary to develop methods for enhancing and evaluating learning that is not dependent on the presence of the teacher.
Some learning environments are already collecting the data of student activity in virtual learning environments and using analytics for measuring learning and providing personalized support for the student, but there are no such methods for virtual worlds, which are the real world like, synchronous environments, where the representations of students i.e. avatars are exploring the world.

The purpose of this thesis is to develop and test a method for enhancing and evaluating learning in one virtual world exercise by using student activity data.
Examined virtual world exercise is Molecular biology exercise developed in Aalto University School of Chemical technology.
In this study, the exercise is explored by two test groups and their activity and performance is monitored through logging data recorded by the system and through questionnaires regarding the subject.
Findings are evaluated in expert interviews.

The main finding of the study is that combining activity data of the student with time spent in the exercise forms an individual timeline which can give some insight into the learning process.
The activity data points out the mistakes made by the student during the exercise, which enables instant feedback for the student in the areas that would need more effort.
Summing up of common errors would bring the teacher valuable knowledge on the areas that still need attention.
Moreover, the analysis of the larger set of individual timelines could support pattern recognition and thus enable personalized support already during the exercise.
ED:2014-12-21
INSSI tietueen numero: 50248
+ lisää koriin
INSSI