Tampereen kaupunki selvitti: Tekoäly voi tunnistaa erityistä tukea tarvitsevat oppilaat

Kuvituskuva. Kuvan oppilaat eivät liity juttuun. Arkistokuva

Riina Haapala

Tampereen kaupungin juuri päättynyt tekoälykokeilu auttaa tulevaisuudessa ennustamaan koululaisen erityisen tuen tarpeen. Tavoitteena on, että opettajien merkintöjä ja oppilastietoja automaattisesti analysoimalla koulunkäynnin tuki osataan kohdentaa paremmin.

Tampereen kaupunki ja IT-alan palveluyritys CGI tekivät koneoppimista hyödyntäen ennustemallin peruskoulun oppilastietojärjestelmän tiedoista. Ennustemalli tutki sekä oppilastietoja että opettajien merkintöjä ja pyrki tunnistamaan oppilaat, jotka todennäköisesti tulevat tarvitsemaan erityistä tukea koulunkäynnissään. Ennustemallin ansiosta oppilaiden tuen tarpeen tunnistaminen ei jää ainoastaan opettajan arvion varaan vaan analyysi tehdään 193 muuttujan perusteella. Mallin avulla kaikkia oppilaita voidaan arvioida samalla tavalla.

– Tavoitteena on, että data-analyysin avulla voimme mitoittaa ja kohdentaa oppilaille annettavaa tukea entistä tasa-arvoisemmin, kasvatus- ja opetusjohtaja Kristiina Järvelä toteaa.

Parhaassa tapauksessa ajoissa annettu ja oikein kohdennettu tuki vaikuttaa positiivisesti oppilaan koko loppuelämään.

Mallia varten kopioitiin Helmi-järjestelmän oppilastiedot vuosilta 2013–2018. Ne anonymisoitiin niin, että datasta ei voi tunnistaa yksittäisiä oppilaita. Ensimmäisessä vaiheessa koneoppimisalgoritmi opetettiin tunnistamaan tekijöitä, jotka voivat viitata siihen, että oppilas tulee saamaan erityisen tuen päätöksen. Data-analyysiin muuttujia olivat esimerkiksi eri aineiden kurssiarvosanat, tuntipoissaolot ja -merkinnät, erityisen tuen päätökset ja oppilaiden taustatiedot.

Algoritmi loi mallin, jota testattiin ensin erityisen tuen päätöksen saaneiden tiedoilla ja sitten aineistolla, jossa päätöstietoa ei vielä ollut. Ensimmäisen data-analyysin perusteella tärkeitä tekijöitä olivat arvosanojen keskiarvo, matematiikan ja suomen kielen arvosanat sekä koulun vaihto.

Kuten kaikki ennustemallit, myös data-analytiikkakokeilussa kehitetty malli on erehtyväinen ja oppiva. Analytiikkamallin ennustetarkkuutta voidaan tulevaisuudessa lisätä joko yhdistämällä Helmi-järjestelmiin muista järjestelmistä saatavaa tietoa tai niin, että opettajat kirjaavat tuntimerkinnät yhtenäisemmin.

Aiheeseen liittyvää

  1. Peruskoululaisista jo joka viides saa tehostettua tai erityistä tukea – OAJ: Uudesta mallista tullut säästöautomaatti
    12.6.2018 12:36
  2. Tekoäly oppi jo tappamaan, vaikka sitä ei oltu siihen ohjelmoitu – Tutkija: "Suhtautuminen on ollut kritiikitöntä"
    7.11.2017 6:50
  3. Jo yli 25 000 ammattikoululaista tarvitsee erityisopetusta
    12.6.2018 7:30

Kommentoi

Uutiskirje

Kun tilaat uutiskirjeen, saat päivittäin sähköpostiisi tärkeimmät paikalliset uutiset. Uutiskirje lähetetään sähköpostiisi joka päivä kello 14.

Lomaketta suojaa reCAPTCHA, johon pätevät Googlen Tietosuoja ja Käyttöehdot.

Palvelut