Kolme vuotta sitten syksyllä ensimmäinen opiskelijaryhmä aloitti tradenomiopintonsa uutuuttaan kiiltelevässä liiketoiminnan data-analytiikan ja visualisoinnin koulutuksessa Xamkin Kouvolan liiketalouden yksikössä. Nina Hartikainen kirjoitti uudesta koulutuksesta artikkelissaan Liiketoimintaa, data-analytiikka ja visualisointia – Next (xamk.fi).
Nyt kolme vuotta myöhemmin ensimmäiset opiskelijat ovat koulutuksesta valmistumassa ja on aika tarkastella, miten meni, ja mitä olemme oppineet. Mukana on kommentteja kahdelta valmistumisvaiheessa olevalta opiskelijalta, Julia Kilveltä ja Katri Rantaselta.
Spiraalimalli – porautumista ytimeen vai syöksykierre?
Tämä nuori koulutus on muokkaantunut jonkin verran jo näidenkin kolmen vuoden aikana ja tähän asti isoimmat muutokset ovat tulossa seuraavien kahden syksyn aikana. Alusta lähtien koulutuksessa pyrittiin vastaamaan niihin haasteisiin, joihin olimme opettajina ja itsekin opiskelijoina törmänneet.
Aiemmissa koulutuksissa opintojaksot usein tuntuivat jäävän irrallisiksi; opiskelijat eivät nähneet, miten opintojakso liittyi koulutuksen muihin opintojaksoihin. Tästä johtuen osaaminen ei kertynyt, vaan jokainen opinto aloitti tyhjältä pöydältä.
Lisäksi työelämälähtöisyys ei aina toteutunut riittävästi tai se oli sivuutettu hankalana ja opinnäytevaihe tuntui katkaisevan monen opiskelijan selän.
Ratkaisua näihin ongelmiin lähdettiin hakemaan ns. ”spiraalimallista”. Siinä data-analytiikan omat opinnot rakentuivat neljästä lukukauden mittaisesta spiraalin kierroksesta, joista jokaisen oli tarkoitus pohjata edelliseen kierrokseen ja tuoda tämän päälle lisää tietoa ja osaamista.
Jokainen spiraalin neljästä kierroksesta oli jaettu kolmeen viiden opintopisteen opintojaksoon, joissa käsiteltiin datan hankintaa, analysointia ja visualisointia sekä niihin liittyvää viestintää.
Näissä kaikissa spiraalin sykleissä oppimisen oli tarkoitus tapahtua tilatuissa hankkeissa ja tämän tutkimustoiminnan ja raportoinnin oli tarkoitus valmistaa opiskelijaa tulevaan opinnäytetyöhön.
Luonnollisesti nämä isot kokonaisuudet toivat mukanaan myös monenlaista haastetta. Koska isoissa kokonaisuuksissa opetetaan useita asioita, niin opintojaksot ovat iloisesti keskenään solmussa ja niissä on useita opettajia ja useita erilaisia aiheita käsittelyssä. Tämä aiheuttaa hämmennystä niin opiskelijoille, kuin opettajillekin.
Pelkän syklin järjestysnumeron perusteella ei ihan heti kurssien sisällöt välttämättä avaudu ja mikäli opettajien, opintojaksojen ja niiden sisäisten aiheiden synkronointi ei onnistu täydellisesti, niin tiedossa on monenlaista selittelyä, improvisointia ja ongelmien ratkontaa.
Tähän kun vielä otettiin mukaan ulkopuolelta tulleet toimeksiannot, joiden anti kursseilla opeteltavaan asiaan vaihteli suuresti, niin aina kaikki ei mennyt ihan kuten olimme alun perin suunnitelleet.
Paljon olemme saaneet myös hyvää oppia ja onnistumisia. Kaikki koulutuksen opiskelijaryhmät ovat olleet erittäin aktiivisia ja olemme aina yllättäneet toimeksiantajan positiivisesti.
Koulutuksen opiskelijoiden ryhmähenki on ollut vahva ja opiskelijat ovat identifioituneet vahvasti juurikin data-analytiikan opiskelijoiksi. Opiskelijat ovat lähteneet uteliaina ja hanakasti ratkomaan erilaisia ongelmia, joita meille annetaan ratkottavaksi yhä vain enemmän.
Se, että opiskelijoille on annettu vastuuta, on siis myös kantanut hedelmää. Kiinnostus, uteliaisuus ja valmius muutoksiin ovatkin ominaisuuksia, jotka haluamme koulutuksesta valmistuville opiskelijoille jättää.
“Datan hyödyntämisen mahdollisuudet liiketoiminnassa kehittyy hurjaa vauhtia, niin eihän tässä itselläni ole muuta tietä kuin katsoa jälleen uusia oppimispolkuja, joista voin ammentaa työhöni apua. Eli data-analytiikan koulutus koukutti tietojohtamisen eri alojen opiskeluun!”
Uuden äärellä oleminen tuo mukanaan epävarmuutta, jota helposti lähdetään peittelemään. Alussa olleen ”opettajat tietävät kaiken” –asenteen jälkeen, opiskelijoille on kuitenkin annettu enemmän vastuuta myös koulutuksen kehittämiseen. Heitä on rohkaistu antamaan palautetta ja kehitysideoita. Heitä tuodaan mukaan opetukseen ja sen kehittämiseen yhä enemmän.
“Itselleni koulutuksen nuori ikä on näyttäytynyt ajoittain turhan paljonkin, mutta on ollut hienoa nähdä, että palautetta on kuunneltu.“
Opetussuunnitelman uudistus
Syksyllä 21 aloittava ryhmä lähtee liikkeelle uudistetun opetussuunnitelman kanssa, jossa syklit 1-4 on jaettu itsenäisiin viiden opintopisteen opintojaksoihin. Vanhasta spiraalimallista on otettu sisällöt ja niitä on peilattu opiskelijoiden toivomuksiin ja työelämän vaatimuksiin ja ne on jaettu erillisiksi opintojaksoiksi.
Opintojaksot seuraavat toisiaan samaan tapaan, kuin aiemmassa mallissa oli tarkoitus, jolloin toivon mukaan päästään samaan osaamisen syvenemiseen ja ymmärryksen laajenemiseen, kuin mihin spiraalimallin kanssa pyrittiin.
Irrallisiksi opintojaksoiksi hajauttaminen myös mahdollistaa paljon paremmin data-analytiikan koulutuksen ulkopuoliset osallistujat toteutuksilla ja myös korvaavuuksien hakeminen helpottuu. Opintojaksojen selkeä nimeäminen numeroinnin sijaan pienentää myös vaaraa sisällöllisistä päällekkäisyyksistä.
Opintosuunnitelmauudistuksen myötä uudet opiskelijat aloittavat myös paneutumisen data-analytiikkaan heti opintojensa alussa. Data-analytiikan johdantokurssilla heille pyritään alusta saakka luomaan kokonaiskuva alasta. Samalla aiemmin ammattiopinnoissa ollut taloushallinnon kurssi muuttaa syventäviin opintoihin ja keskittyy aiempaa enemmän talouden tunnuslukuihin ja muihin business-analyytikkojen kannalta oleellisiin asioihin.
”Jäin kaipaamaan isoa kuvaa siitä, mitä erilaisia rooleja ja vaikutuksia liiketoiminnassa voidaan data-analytiikalla saavuttaa.”
Päiväopetuksesta monimuotoon
Syksyllä -22 koulutuksen luonne muuttuu vielä radikaalimmin, kun koulutusmuoto muuttuu päiväopetuksesta monimuodoksi. Vaikka uudet toteutukset tehdäänkin ensimmäisenä vuonna lähiopetusta varten, niin monimuotoon siirtymiseen aletaan jo varautua. Kunkin kurssin kohdalla mietitään, miten monimuotototeutus tehdään parhaiten oppimista palvelevasti.
Koronavuosi on tietysti jo pakottanut asioita tekemään etänä, mutta puhdas lähiopetuksen toteuttaminen sellaisenaan verkon yli ei toimi eikä siitä monimuotokoulutuksessa olekaan kyse.
“Harmillista, että koronavuosi osui juuri tähän, sillä tiettyjä kursseja ei voinut suorittaa etämuotoisesti.”
DataLAB
Opiskelijoiden kommenteissa nousi esiin myös toiveita mielenkiintoisten asiantuntijaluennoitsijoiden suuremmasta hyödyntämisestä, mahdollisuudesta porautua paremmin joihinkin työkaluihin, kansainvälisyydestä ja yritys- ja TKI-verkostojen paremmasta hyödyntäisestä.
Yhtenä pyrkimyksenämme on omien alumniemme hyödyntäminen asiantuntijaluennoitsijoina. Ensimmäiset data-analytiikan alumnit saadaan tänä vuonna ja pyrimme pitämään yhteyden heihin aktiivisena.
Muuhun yhteistyöhön tukea on tuomassa syksyllä 2020 toimintansa aloittanut Xamk DataLAB, jonka tarkoituksena on tarjota halukkaille data-analytiikan opiskelijoille mahdollisuuden mielekkääseen, oppimista tukevaan toimintaan ja tarjota rajapinnan koulutuksen ja yhteistyökumppaneiden välille.
Laboratorion toiminta on lähtenyt hyvin käyntiin ja yhteistyö yritysten ja Xamkin oman TKI-väen kanssa on ollut antoisaa.
Kaiken kaikkiaan tämä on ollut mielenkiintoinen matka ja odotan jo malttamattomana seuraavia käänteitä. Onneksi olen saanut ympärilleni uteliaita ja innokkaita opiskelijoita sekä kokeilunhaluisia ja innostavia kollegoita! – Jarkko Ansamäki