Doktoriõpe

Doktoritöös uuriti, kuidas toetada kontekstiteadlike ja korduvkasutatavate multimodaalsete õppeanalüüside lahenduste väljatöötamist.

Tõenduspõhiste õpetamis- ja õppimistavade toetamisel autentsetes õpikeskkondades võib multimodaalne õpianalüütika (Multimodal Learning Analytics – MMLA) mängida olulist rolli. Seetõttu tuleks kontekstiteadlikke ja korduvkasutatavaid MMLA lahendusi välja töötada ja meie igapäevases formaalses hariduspraktikas kasutusele võtta, usub Tallinna Ülikoolis doktoritöö kaitsnud Shashi Kant Shankar.

Shashi Kant Shankar

Hiljutised edusammud ning digitaaltehnoloogia, võrgusuhtluse, tehisintellekti ja andmeteaduse lai haare on võimaldanud meil oma igapäevaelus kasutusele võtta mitmeid tõenduspõhiseid praktikaid. Hariduspraktikad nagu õpetamine, õppimine, õppekavade arendamine ja hindamine ei ole siin eranditeks. Näiteks kasutab traditsiooniline õpianalüütika õppekorraldussüsteemide digitaalseid logisid alates 2011. aastast. Samamoodi üritab multimodaalne õpianalüütika kasutada nii füüsilisest kui ka digitaalsest õppesituatsiooni ruumist kogutud õppimise tõendeid. Seetõttu keskendus Shankar oma doktoritöös autentsetes õpikeskkondades kasutatavate multimodaalsete õpianalüütikate (Multimodal Learning Analytics – MMLA) lahenduste väljatöötamise toetamisele.

Shankari uurimistöö põhjal on vajadus kontekstiteadlike ja korduvkasutatavate MMLA lahenduste järele, et MMLA saaks konkreetse lähenemisviisina kasutusele võtta. Kontekstiteadlike ja korduvkasutatavate MMLA lahenduste väljatöötamine on aga keeruline, kuna nõuete täpsustamisse ja dokumenteerimisse tuleb kaasata mitmed valdkonnaülesed sidusrühmad, õpisituatsiooni kontekstuaalne teave ei ole struktureeritud ja organiseeritud, mitmete heterogeensete andmete töötlemine on tehniliselt keerukas ning tarkvaraarenduspraktika on olukorrapõhine ja oportunistlik. Shankari lõputöö pakub MMLA infrastruktuuri, mis hõlmab andmete väärtusahelat, et toetada valdkondadevahelist sidusrühmade suhtlust, täpsustades samal ajal nõudeid, andmemudelit projekteerimise ja rakendamisega seotud kontekstuaalse teabe struktureerimiseks ja korraldamiseks ning tarkvara arhitektuuri.

Doktoritöö täiendas MMLA teadmistebaasi nõuete täpsustamise, kontekstiteadlikkuse ja MMLA lahenduste korduvkasutatavuse osas. Doktoritöös antakse ka juhised õpetajatele, teadlastele ja arendajatele MMLA stsenaariumi kavandamiseks, MMLA kasutuselevõtu edendamiseks ja MMLA lahenduste korduvkasutamise toetamiseks autentsetes õpikeskkondades.

Tallinna Ülikooli digitehnoloogiate instituudi värske doktorikraadi omanik Shashi Kant Shankar kaitses 21. märtsil doktoritöö „CIMLA: andmete infrastruktuur kontekstiteadlike ja taaskasutatavate multimodaalse õppanalüütiku lahenduste arendamise toetamiseks“. Töö juhendajateks olid Tallinna Ülikooli dotsendid Luis P. Prieto ja María Jesús Rodríguez-Triana. Doktoritööd nõustas Valladolidi Ülikooli vanemteadur Adolfo Ruiz-Calleja. Oponendid olid Valladolidi Ülikooli professor Juan Ignacio Asensio Pérez ja kolledži University College London professor Mutlu Cukurova.