Keskiviikkona 3. toukokuuta 2021
Työterveyslaitoksen erikoistutkija Tiina Kalliomäki-Levanto esittelee kirjoituksessaan Digitaalisesta työdatasta hyvinvointia -hanketta ja sen tuloksia. Hankkeessa on selvitetty koronan vaikutusta ammattikorkeakoulun opetushenkilöstön työhön Moodle-datan avulla. Tutkimuksessa on hyödynnetty tekoälyä datan analysoinnissa.
Koronan myötä käytetään entistä enemmän tietojärjestelmiä ja työskennellään virtuaalisesti netissä, missä asiakkaatkin ovat. Dataa kertyy entistä enemmän ja koneoppimismenetelmät (tekoäly) kehittyvät. Menetelmien avulla työstä saadaan aivan uudenlaista visuaalista prosessitietoa hyvinvoinnin ja toiminnan kehittämistä varten.
Arvioimme tutkimuksessamme koronan vaikutusta ammattikorkeakoulun opetushenkilöstön työhön Moodle-datan avulla. Mukana oli kolme ammattikorkeakoulua ja heidän datansa 2019 tammikuusta 2020 syyskuun loppuun saakka. Moodle-datasta visualisoitiin 17 kuvaajaa, joita tulkittiin työpajoissa ammattikorkeakoulujen kehittämisryhmien kanssa.
Työskentely virtuaalisesti on ollut arkipäivää ammattikorkeakouluissa jo pidemmän aikaa. Koronan vaatima loikka onnistui, koska opetusta oli jo viety verkkoon ja verkkopedagogiikkaa kehitetty eli kasvualusta oli valmiina.
Seuraavaksi etsimme mukaan muita toimialoja, joilla työtä tehdään vastaavasti tietojärjestelmillä ja alustoilla. Haluamme laajentaa digiloikan avaamia uusia tiedon hyödyntämistapoja. Kirjoituksen lopusta löydät yhteystiedot, mikäli sinun organisaatiosi on kiinnostunut olemaan mukana tutkimuksessa.
Koronan aiheuttama muutosheilahdus Moodle-datan avulla arvioituna
Opettajat käyttävät työssään Moodlea. Se on digitaalinen alusta, jolla suunnitellaan ja toteutetaan kursseja, tehdään arviointeja ja pidetään yhteyttä opiskelijoihin. Käytön yhteydessä Moodlen lokitietoihin jättämä jälki on tapahtumatietoa eli event dataa, jolla on neljä ominaisuutta: käyttäjän yksilöivä koodi, aikaleima (esim. 5.3.2019), kohde (esim. message) ja toiminto (esim. sent). Yksittäinen tapahtumatieto muodostaa Moodlen lokitietoihin yhden rivin. Nimitämme näin syntyvää dataa työdataksi, koska se kertoo työstä. Saimme työdataa yhteensä n. 18 miljoonaa riviä.
Työhön liittyvä tieto on sanapareja, ja erilaisia sanapareja työdatassa on n 200. Muodostimme jokaiselle henkilölle työdatasta viikkotekstit. Jos henkilöitä on 200 ja viikkoja 100, saadaan 20 000 tekstiä. Tekstit voidaan ymmärtää tutkimushaastatteluilla hankitun kaltaisiksi, mutta yksittäinen tutkija ei voi tuollaista määrää haastatella eikä analysoida.
Tekstit analysoitiin Latent Dirichlet allocation -aihemallinnuksella. Mallinnuksessa algoritmi etsii viikkoteksteistä samanmuotoisia sanajakaumia ja ryhmittelee ne omiksi aiheikseen, joita tunnistettiin 17. Ne ryhmittyivät neljään kokonaisuuteen: arviointi, kurssit, yhteydenpito ja opetustilanne. Käytäntöjen intensiteetti visualisoitiin viikkorytmeiksi ja näin saatiin prosessimaista tietoa työstä.
Kuva 1: Opetushenkilöstön työn intensiteetti vuosina 2020 ja 2019
Kuva 1. Moodle-aktiivisuus on korkeammalla tasolla jo ennen viikkoa 11 vuonna 2020.
Kuvassa 1 näkyy yhden AMK:n opetushenkilöstön kaikkien käytäntöjen yhteenlaskettu intensiteetti koronakeväänä 2020, joka on korkeammalla tasolla verrattuna edelliseen vuoteen.
Tulkinta: Ammattikorkeakouluissa vuosien työ verkossa opiskelun edistämiseksi ja verkkopedagogiikan kehittäminen näkyy kuvassa. Opetusta on viety jatkuvasti verkkoon, mikä näkyy aktiivisuustasossa jo ennen koronaa. Korona keväänä tarvittiin ylimääräistä ponnistelua, jonka avulla muutospyrähdys saatiin haltuun.
Kuva 2: Eniten digiloikka näkyi arviointiin liittyvässä tekemisessä
Kuva 2. Muuttuneeseen tilanteeseen tarvittiin Moodlen yhtä ominaisuutta intensiivisesti viikkoina 19-23.
Kuvassa 2 näkyy kahden AMK:n kevään muutospiikki ennen kesää. Kuvassa on arviointiin liittyvä käytäntö, jonka toteuttamisessa korostuivat toiminnot attempt_reviewed, question_manually_graded ja report_viewed.
Tulkinta: Läsnäopetuksessa suoritettu tehtävä ja sen arviointi siirtyi verkkoon, jolloin myös arviointia tuli tehdä toisin. Tämä Moodlen ”yrityksen uudelleen tarkastelu - kysymys manuaalisesti arvosteltu – raportti katsottu” -toiminto oli jo aiemmin käytössä ja se otettiin keväällä yhä suuremmassa määrin käyttöön. Toiminto auttoi muuttuneessa tilanteessa. Kahdessa AMK:ssa toimittiin miltei samoin kevään muuttuneessa tilanteessa.
Kuva 3: Kursseihin liittyvään tekemiseen korona ei juurikaan vaikuttanut
Kuvassa 3 näkyy kurssimoduulin päivitykseen liittyvää tekemistä. Kolmen AMK:n kuvaajat olivat miltei samanlaiset.
Loikkasimme digin seuraavalle tasolle
Saimme mahdollisuuden aloittaa TYÖ2030-ohjelman puitteissa keskustelun digitalisaation ns. kuudennesta tasosta, jossa uuden datan sekä ihmisen ja tekoälyn yhteistyönä muodostunutta tietoa hyödynnetään työn ja hyvinvoinnin kehittämiseen organisaatiossa. Seitsemäs taso voisi olla eettisen tekoälyn/algoritmin kehittäminen.
Olemme vielä hämmentyneitä kuvaajien kanssa, koska emme vielä osaa tulkita kaikkia kuvaajia ja niissä ilmeneviä muutosheilahduksia. Keskustelimme työpajoissa osallistujien kanssa kuvaajista ja niiden hyödyntämisestä. Pohdimme muuan muassa, miten hyvin kuvaajat vastaavat organisaatiossa olemassa olevaa käsitystä työstä.
Uusia tutkimustehtäviä nousi esiin:
- Uudenlaisia koneoppimisen/tekoälyn analyysimalleja tarvitaan, jotta voidaan tunnistaa tarkemmin henkilöstölle hyödylliset prosessit työn suunnittelua, kehittämistä ja kuormituksen hallintaa varten.
- Verkossa työskentelyyn liittyy uusia läsnäolon ja vuoropuhelun tapoja, jotka voivat olla keskeisiä tekijöitä niin työn hallinnan kuin opiskelijan/asiakkaan edistymisen näkökulmasta.
- Tarkastellaan eettisiä kysymyksiä datan hyödyntämisessä, kuten, mitä prosessimainen tieto työstä on, kun sellaista ei ole aiemmin ollut käytössä.
- Yksittäisen tietojärjestelmän käyttö liittyy työn kokonaisuuteen, josta tarvitaan laajempi ymmärrys.
- Hankitaan yksilöhaastatteluin tietoa työn kokonaisuudesta ja erityisesti uusista vuoropuhelun tavoista, ja tämä kokemustieto liitetään tekoälyn tuottamaan tietoon.
- Sellaisen organisaation oman kehittämisintervention toteuttaminen, jonka suunnittelua, toteutusta ja vaikuttavuuden arviointia tuetaan ihmis- ja tekoälyn tuottamien tietojen avulla. Millainen muutosheilahdus kuvaajassa voisi kertoa edistymisestä?
Lopuksi
Uudenlainen ajattelutapa lähti liikkeelle muutama vuosi sitten, kun minulle työ- ja organisaatiopsykologille tupsahti työkaveriksi datatieteilijä ja samaan aikaan yleisellä tasolla keskusteltiin Big Datasta. Tuli ymmärtää, että dataa kertyy järjestelmiin ilman tutkijan ohjausta ja sieltä tunnistetaan tietoa datalähtöisesti. Näin lähti alulle uusi näkökulma: ei tarvita kyselylomakkeita työstä kertovan tiedon hankkimiseksi vaan tietoa voidaan saada ja analysoida miltei automaattisesti. Huikean uutta, mutta hyödyntämiseen tarvitaan yhteiskehittelyä organisaatioiden kanssa.
Kirjoituksessa esiteltyä ”Digitaalisesta työdatasta hyvinvointia” -hanketta edistivät Työterveyslaitoksella allekirjoittaneen lisäksi vanhempi konsultti Antti Soikkanen ja harjoittelija Alisa Elizarova, joka käsitteli datan kuvaajiksi asti.
Lisätietoja
Tiina Kalliomäki-Levanto
Erikoistutkija, Työterveyslaitos
tiina.kalliomaki-levanto@ttl.fi