Verkko-opetuksen menetelmät ja mahdollisuudet johdon laskentatoimessa
Notice bibliographique
Résumé
Tutkielman tarkoituksena oli tutkia verkko-opetuksen mahdollisuuksia ja menetelmiä johdon laskentatoimen opetuksessa. Pyrkimyksenä oli kartoittaa johdon laskentatoimen opetukseen sopivia tehtävätyyppejä, joilla vastataan johdon laskentatoimen roolin muutokseen liittyviin osaamistarpeisiin sekä opetuksen resurssikäytön nykyaikaistamistarpeeseen. Tutkimus toteutettiin case-tutkimuksena Tampereen yliopiston Johtamiskorkeakoulussa. Tutkielman empiirisessä osuudessa suunniteltiin ja toteutettiin KATLAA11 Johdon laskentatoimen perusteet verkkokurssina, jonka aikana testattiin erilaisia tehtävätyyppejä sekä arviointimenetelmiä. \n \nVerkkokurssit ja oppimisalustan käyttö tukevat yleensä konstruktivistista oppimiskäsitystä, jossa uutta tietoa rakennetaan aktiivisesti (Keränen & Penttinen 2007, 139). Konstruktivistisen oppimiskäsityksen mukaan yksityiskohtien hallinta ja muistaminen irrallisina asioina ei ole tärkeää, vaan oleellista on ymmärtää ja hahmottaa, mihin tieto- ja taitorakenteeseen yksityiskohdat kuuluvat (Rauste-von Wright ym. 2003, 165). Johdon laskentatoimen asiantuntijan työssä käsiterakenteiden hahmottaminen on erittäin tärkeää, koska liiketoiminnan muutostilanteissa vaaditaan kykyä ymmärtää päätöksentekijän tietotarpeita, taitoa erottaa olennainen suurista tietomassoista sekä kykyä hahmottaa laajoja asiakokonaisuuksia. \n \nVerkkokurssin tehtävätyypeistä opiskelijat pitivät faktuaalista tietoa lisääviä tehtäviä selvästi hyödyllisimpinä. Vapaavalintaisuutta sisältäneet tai omaa pohdintaa vaativat tehtävät koettiin vähemmän hyödyllisiksi, vaikka opettajanäkökulmasta näissä tehtävissä havaittiin opiskelijoiden metakognitiivisten taitojen kehittyminen. Vastaavasti opiskelijat suosivat opettajakeskeistä tai koneellista arviointia, vaikka konstruktivistisessa oppimisprosessissa korostetaan metakognitiivisten taitojen kehittymistä tukevaa itsearviointia, jota myös pidetään keskeisenä elinikäisessä oppimisessa ja asiantuntijuuden kehittymisessä (Brown ym. 1997; 35, 173). \n \nTietoisuus arvioinnin kriteereistä ohjaa voimakkaasti oppimistoimintaa (Rauste-von Wright ym. 2003, 179). Sosiaalisen vertailun teorian mukaan yksilöt vertaavat itseään objektiiviseen tietoon (esim suorituskykymittarit) aina, kun se on mahdollista (Birnberg, Luft & Shields 2006, 122). Opiskelijoiden palaute verkkokurssin itse- ja vertaisarvioinneissa käytetystä arviointimatriisista tukee näitä ajatuksia. Opiskelijoiden mukaan arviointimatriisin kriteerit helpottivat arviointeja ja vertaisarviointi arviointimatriisilla antoi luotettavampia tuloksia kuin vapaa palaute. Lisäksi arvioitiin, että arviointikriteerien antaminen etukäteen parantaa oppimistuloksia sekä arvosanoja. \n \nAjasta ja paikasta riippumattomat kurssitoteutukset lisäävät joustavuutta, mutta toisaalta verkko-opiskelu edellyttää opiskelijalta itseohjautuvuutta sekä valmiutta ottaa päävastuu omasta oppimisestaan (esim. Löfström & Nevgi 2009, 300). Kun tähän yhdistetään koulutuksen yleiset tavoitteet, johdon laskentatoimen asiantuntijoiden osaamistarpeiden muutos sekä erillisryhmien koulutustarpeet, voidaan todeta, että kurssitoteutusten joustavuutta tulisi lisätä hallitusti - riittävää ohjausta unohtamatta. Eri viestintämuotojen ja toimintamallien (esim. videoitavat luennot, monipuoliset verkkotehtävät ja virtuaaliset keskusteluryhmät) integraationa toteutettu sulautuvan opiskelun malli antaisi mahdollisuuden joustavaan ja oppimislähtöiseen opiskeluun sekä mahdollistaisi kurssien jatkokehittämisen yhteiskunnan ja työelämän vaatimusten muuttuessa, opetussuunnitelman vaihtuessa sekä digitaalisten oppimisympäristöjen ja työkalujen kehittyessä.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,016 | 0,012 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,007 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».