A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä
Explainable Student Agency Analytics (2021)

Saarela, M., Heilala, V., Jääskelä, P., Rantakaulio, A., & Kärkkäinen, T. (2021). Explainable Student Agency Analytics. IEEE Access, 9, 137444-137459. https://doi.org/10.1109/access.2021.3116664

JYU-tekijät tai -toimittajat

Saarela, Mirka
Heilala, Ville
Jääskelä, Päivikki
Kärkkäinen, Tommi

Julkaisun tiedot

Julkaisun kaikki tekijät tai toimittajat: Saarela, Mirka; Heilala, Ville; Jääskelä, Päivikki; Rantakaulio, Anne; Kärkkäinen, Tommi

Lehti tai sarja: IEEE Access

eISSN: 2169-3536

Julkaisuvuosi: 2021

Volyymi: 9

Artikkelin sivunumerot: 137444-137459

Kustantaja: Institute of Electrical and Electronics Engineers (IEEE)

Julkaisumaa: Yhdysvallat (USA)

Julkaisun kieli: englanti

DOI: https://doi.org/10.1109/access.2021.3116664

Julkaisun avoin saatavuus: Avoimesti saatavilla

Julkaisukanavan avoin saatavuus: Kokonaan avoin julkaisukanava

Julkaisu on rinnakkaistallennettu (JYX): https://jyx.jyu.fi/handle/123456789/78049

Tiivistelmä

Several studies have shown that complex nonlinear learning analytics (LA) techniques outperform the traditional ones. However, the actual integration of these techniques in automatic LA systems remains rare because they are generally presumed to be opaque. At the same time, the current reviews on LA in higher education point out that LA should be more grounded to the learning science with actual linkage to teachers and pedagogical planning. In this study, we aim to address these two challenges. First, we discuss different techniques that open up the decision-making process of complex techniques and how they can be integrated in LA tools. More precisely, we present various global and local explainable techniques with an example of an automatic LA process that provides information about different resources that can support student agency in higher education institutes. Second, we exemplify these techniques and the LA process through recently collected student agency data in four courses of the same content taught by four different teachers. Altogether, we demonstrate how this process—which we call explainable student agency analytics—can contribute to teachers’ pedagogical planning through the LA cycle.

YSO-asiasanat: korkeakouluopetus; korkeakouluopiskelu; opiskelijat; toimijuus; arviointi; palaute; oppimisalustat; tekoäly; päätöksenteko

Vapaat asiasanat: oppimisanalytiikka

Liittyvät organisaatiot

Hankkeet, joissa julkaisu on tehty

OKM-raportointi: Kyllä

Raportointivuosi: 2021

JUFO-taso: 2