Mistä on menestyvät oppijat tehty? __________________________________________________________ Itsesäätelyn, yhteissäätelyn ja oppimisen lähestymistapojen suhde yliopisto-opiskelijoiden opintomenestykseen

Krista Alm Pro Gradu -tutkielma

Kasvatustieteet (yleinen ja aikuiskasvatustiede) Käyttäytymistieteiden laitos

Helsingin yliopisto

Ohjaajat: Sari Lindblom-Ylänne ja Milla Räisänen Toukokuu 2014

SISÄLLYSLUETTELO

1 Johdanto .......................................................................................................... 1

2 Teoreettinen viitekehys ................................................................................... 3

2.1 Itsesäätely ................................................................................................... 3

2.2 Yhteissäätely .............................................................................................. 8

2.3 Lähestymistavat oppimiseen ...................................................................... 12

3 Tutkimuskysymykset ...................................................................................... 17

4 Tutkimuksen toteutus ja menetelmät ........................................................... 18

4.1 Tutkimusjoukko ......................................................................................... 18

4.2 Aineistonkeruu ja tutkimusaineisto ........................................................... 18

4.2.1 Käytetyt mittarit ................................................................................. 19

4.3 Aineiston analyysi ...................................................................................... 22

4.3.1 Pääkomponenttianalyysi ja regressioanalyysi ................................... 24

4.3.2 Rakenneyhtälömallintaminen ............................................................. 31

5 Tulokset ............................................................................................................ 38

5.1 Säätelytaitojen ja lähestymistapojen suhde opintomenestykseen .............. 38

5.2 Itsesäätelyn ja yhteissäätelyn keskinäinen suhde ....................................... 41

6 Pohdinta ........................................................................................................... 42

6.1 Tutkimuksen luotettavuus .......................................................................... 42

6.2 Eettiset näkökohdat .................................................................................... 44

6.3 Tulosten suhde teoriaan ............................................................................. 47

6.4 Anti käytännölle ja ajatuksia jatkotutkimukseen ....................................... 54

LÄHTEET ............................................................................................................ 57

LIITTEET ............................................................................................................. 65

1 JOHDANTO

— ”Yksi ammatti ei usein enää riitä.”

— ”Ilman tutkintoa olevien työllistyminen vaikeutuu vuosi vuodelta.”

Muun muassa näin otsikoivat päivälehdet 2000-luvun toisella vuosikymmenellä.

Yhteiskunta elää vaihetta, jossa uuden oppiminen on paitsi luonnollinen osa työelämää,

myös suoranainen selviämisen ehto. Oppiminen ei rajoitu ainoastaan työelämätaitoihin,

vaan jo itsessään yhteiskuntajärjestelmien kehittyminen esimerkiksi teknologian myötä

vaatii kansalaisilta kykyä oppia ja sopeutua. Silti oppimisen ja opettamisen ympärillä on

edelleen valtava määrä avoimia kysymyksiä. Miksi toiset oppivat helpommin kuin

toiset? Miksi älykkäätkin yksilöt voivat kohdata oppimisvaikeuksia? Miksi toiset

pystyvät kerta toisensa jälkeen luovimaan ohi vaikeuksien, kun taas toiset antavat heti

periksi tai turvautuvat korostetusti ulkoiseen apuun? Ja ehkä kysymyksistä suurin: mitkä

tekijät selittävät parhaiten hyvät oppimistulokset? Oppimisen siirtyessä lapsuus- ja

nuoruusvuosilta olennaiseksi osaksi myös työikäisten ja sitä vanhempienkin elämää,

tulevat huomioitavaksi myös kustannustehokkuuteen ja opintoaikojen pituuteen liittyvät

kysymykset. Näitä asioita joudutaan varmasti enenevässä määrin miettimään tulevina

vuosikymmeninä.

Oppimisen tutkimuksessa havaittiin jo varhaisessa vaiheessa, että pelkästään yksilön

kyvyt ja taipumukset eivät pysty selittämään oppimistuloksia sen paremmin kuin

opetustekniset seikatkaan sellaisenaan (Schunk & Zimmerman, 2008: vii). Tällöin

kiinnostuksen kohteiksi nousivat muun muassa erilaiset motivaatiotekijät ja niiden

merkitys oppimisessa. Uutta näkökulmaa saatiin 1970-luvulla itsehallintaan liittyvän

psykologisen tutkimuksen kautta, joka johdatti myös oppimisen tutkimuksen kohti

opiskelijan sisäisiä säätelymekanismeja (Schunk & Zimmerman, 2008: vii), joiden

toiminta onkin ollut oppimiseen ja opettamiseen liittyvän tutkimuksen keskiössä viime

vuosina (Volet, Vauras & Salonen, 2009:216). Alkuvaiheessa keskeisenä ilmiönä oli

lähinnä yksilökohtainen itsesäätely, eli ne keinot ja strategiat, joita opiskelija voi

hyödyntää edistääkseen omaa oppimistaan (mm. Zimmermann, 2002; Heikkilä &

Lonka, 2006). Viime vuosina fokus on kuitenkin siirtynyt yksilön sisäisistä prosesseista

kohti sosiaalisia mekanismeja – vaikka yksilö säätelisikin itse oppimistaan ja omia

kognitiivisia sekä metakognitiivisia prosessejaan, hän tekee sen useimmiten osana

1

jonkinlaista sosiaalista kontekstia ja näiden yhteisvaikutus voi olla merkittävä

lopputulokseen nähden (Volet, Vauras & Salonen, 2009; Järvelä & Järvenoja, 2011).

Sosiaalista aspektia tarkastellaan yhteissäätelyn käsitteen kautta. Säätelymekanismeihin

liittyvät läheisesti myös opiskelijan lähestymistavat oppimiseen (approaches to

learning), koska käsitteellisesti nekin viittaavat opiskelijan keinoihin ja strategioihin

opittavaa ainesta kohtaan (Felder & Spurlin, 2005:103). Yleisimmin tätä teemaa on

käsitelty dikotomisella jaottelulla pintatason ja syvätason prosessointiin (mm.

Komarraju et al, 2011:472). Pintatason prosessoinnissa huomio keskittyy tekstiin, ulkoa

opetteluun ja suuria toistomääriä suosivaan opiskelutapaan. Syvätason prosessointi

puolestaan painottaa analyyttista lähestymistapaa opiskeltavaan asiaan, laajojen

kokonaisuuksien hahmottamista ja sen myötä mahdollisimman hyvää kykyä soveltaa

opittua tietoa uusiin tilanteisiin (Heikkilä et al, 2010:514). Samaan jaotteluun perustuu

myös oppimisen laadullisia eroja kuvastava Student Approaches to Learning, SAL -

tutkimustraditio (Heikkilä & Lonka, 2006:100), jota käytän tässäkin tutkimuksessa

oppimisen lähestymistapoja kuvaavana teoriana.

Tutkimusjoukkona käytän Helsingin yliopiston ensimmäisen vuoden opiskelijoita, jotka

opiskelevat pääaineenaan luonnontieteellisiä aineita. Tarkoituksenani on selvittää, miten

itsesäätely, yhteissäätely ja oppimisen lähestymistavat mahdollisesti vaikuttavat

opiskelijoiden opintomenestykseen, jota voidaan mitata sekä opintopisteiden

kertymisnopeudella että arvosanojen perusteella. Lopuksi tarkastelen vielä itsesäätelyn

ja yhteissäätelyn keskinäistä suhdetta.

Seuraavissa luvuissa käyn aluksi läpi käyttämäni teoreettisen viitekehyksen. Esittelen

ensin itsesäätelyn, yhteissäätelyn ja oppimisen lähestymistapojen käsitteellisen

historian, ja sijoitan sen jälkeen nämä käsitteet nyt käytettävissä olevaan kontekstiin

tutkimuskysymysteni kautta. Tämän jälkeen kuvaan analyysivaiheen sekä siihen

liittyvät menetelmävalinnat, eli ensimmäisen tutkimuskysymyksen osalta

pääkomponenttianalyysin ja regressioanalyysin yhdistelmän sekä toisen

tutkimuskysymyksen osalta rakenneyhtälömallintamisen. Lopuksi esittelen saadut

tulokset ja pohdin tutkimuksen luotettavuuteen sekä tutkimusetiikkaan liittyviä

näkökohtia. Pohdinnan päätteeksi tarkastelen vielä saamieni tulosten suhdetta

aikaisempaan tutkimukseen ja ajatuksiini mahdollisista jatkotutkimuksen aiheista.

2

2 TEOREETTINEN VIITEKEHYS

Oppimisen säätelyprosesseihin liittyvä käsitteistö nojautuu nykyaikaiseen

konstruktivistiseen oppimiskäsitykseen, joka korostaa oppimisen luonnetta aktiivisena

ja useimmiten sosiaalisessa kontekstissa tapahtuvana tiedon rakentamisen prosessina.

Konstruktivistisessa oppimiskäsityksessä oppija luo opiskeltavasta asiasta tulkintoja ja

merkityksiä, jotka ohjaavat hänen ajatteluaan ja edellyttävät ymmärtämistä (Tynjälä,

2000: 7, 43). Oppimistuloksen kannalta on olennaista huomioida myös

motivaatiotekijät. Opiskelijan tulee itse kokea opiskelu aktiiviseksi toiminnaksi, joka

palvelee hänen omia tarpeitaan, arvojaan ja tavoitteitaan (Rauste-von Wright et al,

2003: 41). Opettaminen ja tiedon jakaminen ei itsessään välttämättä vielä synnytä

oppimista. Kiinnostus itsesäätelyn tutkimiseen on noussut myös havainnosta, jonka

mukaan pelkät oppijayksilön sisäiset tai synnynnäiset taipumukset ja kyvyt eivät

sellaisenaan pysty selittämään opinnoissa menestymistä (Schunk & Zimmerman, 2008:

vii). Samalla mielenkiintoa on herättänyt myös se, miksi toiset opiskelijat löytävät

vaikeuksien edessä helposti keinot selvitä esteistä, kun taas toiset, jopa hyvin kyvykkäät

yksilöt, lannistuvat ja luovuttavat (Mega, Ronconi & De Beni, 2013: 1).

2.1 Itsesäätely

Konstruktivistisen oppimisnäkemyksen mukaan opiskelija rakentaa itse omat

tietorakenteensa, mutta oppimistulokseen vaikuttaa olennaisesti se, minkälaisia keinoja

hän valikoi käyttöönsä (Vermunt & Verloop, 1999: 258). Oppiminen voidaankin nähdä

itsesäätelyn prosessina, jossa opiskelijalla on aktiivinen rooli oman oppimisensa

hallinnassa – hän aktivoi ja ylläpitää kognitioita, jotka on systemaattisesti suunnattu

kohti itse määriteltyjä tavoitteita (Zimmerman & Martinez-Pons, 1988; Schunk &

Zimmermann, 2008). Tässä ajattelumallissa korostuu opiskelijan oma proaktiivisuus,

koska prosessissa on keskeistä nimenomaan ennakkosuunnittelu ja vasta sen pohjalta

tapahtuva omien toimintojen ja valintojen suuntaaminen. Olennaista on myös

huomioida, että kyseessä ei silti ole yksilöllisen oppimisen paradigma. Vahvaankin

itsesäätelyyn voi liittyä paljon vertaisryhmässä ja sosiaalisessa kontekstissa tapahtuvaa

oppimista (Zimmerman & Schunk, 2011: 1).

3

Akateemisten itsesäätelytaitojen tutkimus juontaa juurensa psykologiseen tutkimukseen

itsehallinnasta (self-control) ja sen kehittymisestä lapsilla. Samaan aikaan oppimisen

tutkimuksessa todettiin, että pelkät taidot ja luontainen lahjakkuus eivät pysty yksinään

selittämään opinnoissa menestymistä. Tutkijoiden kiinnostus suuntautui tällöin muun

muassa opiskelijan itsesäätelymekanismien, opiskelustrategioiden ja motivaation

merkitykseen osana oppimisprosessien hallintaa (Schunk & Zimmerman, 2008: vii).

Ensimmäinen laajamittaisempi määritelmä itsesäätelyn käsitteestä (Self Regulated

Learning, SRL) muodostettiin vuonna 1986 American Educational Research

Associationin vuotuisessa symposiumissa, jossa vedettiin yhteisen nimittäjän alle kaikki

oppimisstrategioihin, metakognitiiviseen monitorointiin, minäkuvaan, muihin

tahdonalaisiin strategioihin sekä itsehallintaan liittyvä oppimisen tutkimus

(Zimmerman, 2008: 167). Lopputuloksena syntyi määritelmä, joka rajasi itsesäätelyn

määreeksi siitä, miten vahvasti opiskelija metakognitiivisesti, motivationaalisesti ja

käyttäytymisensä tasolla ohjaa omaa oppimisprosessiaan (Zimmerman, 2008: 167).

Itsesäätelyä on sittemmin tutkittu runsaasti, hyvin monenlaisista lähestymiskulmista.

Toisaalta tutkijoiden kiinnostuksen kohteena on ollut käsite itsessään; sen sisältämät

osatekijät sekä prosessinkulku. Toisaalta käsitettä on tarkasteltu osana laajempaa

oppimisen kenttää ja yhteydessä muihin oppimisen reunaehtoihin. Koulumaailman

ulkopuolella oppimiseen liittyvää itsesäätelyä on tutkittu runsaasti myös työ- ja liike-

elämäkontekstissa.

Itsesäätelyn käsite on aiheeseen liittyvässä tutkimuksessa jaettu useampaan

rinnakkaisesti vaikuttavaan osatekijään, joista yleisimmin esiintyvät kognitiiviset ja

metakognitiiviset strategiat, sisäiset motivaatiotekijät sekä oppimisen sosiaalinen

ulottuvuus. Erityisesti itsesäätelyn tutkimuksen alkuvuosina, 1970–1980 -luvuilla,

korostettiin itsesäätelyn kognitiivista ja metakognitiivista ulottuvuutta (Zimmerman,

2011: 49). Kognitiivisilla ja metakognitiivisilla strategioilla viitataan konkreettisiin

opiskelu- ja muistiintallennustaitoihin sekä siihen, miten opiskelija pystyy

suunnittelemaan ja reflektoimaan omia tietojaan ja oppimistarpeitaan (knowledge

monitoring) sekä oppimisprosessejaan niiden eri vaiheissa (Zimmerman & Martinez-

Pons, 1988; Al-Harthy & Was 2013: 263). Kognitiiviset strategiat liittyvät lähinnä

käytännön oppimistilanteessa käytettäviin menetelmiin (Zimmerman & Schunk, 2011:

49) ja metakognitiiviset taas laajemmassa mielessä tapahtuviin hallintatoimiin, kuten

4

asioiden organisointiin ja ajanhallintaan sekä oppimisympäristön säätelemiseen

oppimista tukevaksi (Schunk & Zimmerman, 2008: vii).

Kognitiiviset työkalut auttavat käytännön työssä, mutta vielä itsessään ne eivät selitä

sitä, miksi toiset opiskelijat ovat tehokkaampia itsesäätelijöitä kuin toiset. Taustalle

tarvitaan myös jokin käynnistävä ja ylläpitävä voima. Tutkijat tuntuvat olevan

kohtalaisen yksimielisiä siitä, että kaiken keskiössä on motivaatio. Motivaatio on

yksilön sisäinen tekijä, johon liittyvät esimerkiksi opiskelijan arvomaailma,

itseluottamus ja erilaiset sosiaaliset näkökohdat (Schunk & Zimmerman, 2008: vii). On

myös esitetty, että motivaation taustalla vaikuttaisi laajempi älykkyysteoria, jonka

mukaan opiskelijan käsitys tämän omasta älykkyydestä ja lahjakkuudesta vaikuttaa

merkittävästi siihen, miten hän suhtautuu sekä opiskeluun että vastaantuleviin

epäonnistumisiin (Dweck & Master, 2011). Tämä saattaa osaltaan selittää sitä, miksi

moni luontaisesti lahjakas opiskelija kokee suuria vaikeuksia opintojensa etenemisessä.

Vahvasti omiin kykyihinsä luottavilla opiskelijoilla esiintyy usein harhakäsitystä siitä,

että esimerkiksi itsesäätelyn kannalta tärkeät metakognitiiviset strategiat olisivat

ainoastaan niitä varten, jotka eivät ole luontaisesti lahjakkaita – ja käänteisesti:

lahjakkaat ja älykkäät eivät tarvitse strategisia apukeinoja (Dweck & Master, 2011).

Itsesäätelytaito ei kuitenkaan ole henkilökohtainen yleistaito, vaan se sisältää useita

yksittäisiä kykyjä, jotka opiskelijan tulee erikseen adaptoida kulloiseenkin

oppimistehtävään sopivalla synteesillä. Näitä yksittäisiä kykyjä ovat esimerkiksi kyky

asettaa itselleen tavoitteita, kyky löytää sopivat strategiat tavoitteiden saavuttamiseksi,

taito monitoroida oman oppimisen etenemistä, kyky muokata omaa sosiaalista

kontekstia oppimiselle edulliseksi, ajanhallintataidot, kyky suorittaa omien metodien

itsearviointia sekä tuottaa ja ottaa käyttöön uusia metodeita (Zimmermann, 2002: 66).

Aikaperspektiivistä tarkasteltuna itsesäätely voidaan nähdä lineaarisesti,

kolmivaiheisena prosessina (Wigfield, Klauda & Cambria, 2011: 33; Al-Harthy & Was,

2010: 2). Prosessi alkaa suunnitteluvaiheesta, jossa opiskelija määrittelee tavoitteensa ja

tekee karkeat etukäteissuunnitelmat. Seuraavassa vaiheessa hän monitoroi omaa

suoriutumistaan oppimisprosessin aikana ja tekee tarpeen mukaan muutoksia

suunnitelmiinsa. Oppimisprosessin jälkeen opiskelija reflektoi vielä omaa suoritustaan

ja tekee johtopäätökset sen tyydyttävyydestä. Edellä mainitut säätelyn ulottuvuudet ja

työkalut seuraavat mukana koko prosessin ajan. Barry Zimmerman (1990: 5) nimittää

itsesäätelyn työprosessia käsitteellä self-oriented feedback -loop, eli vapaasti

5

suomennettuna itseperusteisen palautteen silmukka. Yhden silmukkakierroksen aikana

opiskelija tarkkailee omaa oppimisprosessiaan sekä omien metodiensa tehokkuutta.

Kriittinen itsepalaute johtaa erinäisiin toimiin, jotka voivat olla omien

käyttäytymismallien hienosäätöä tai jopa kokonaan uudenlaisten opiskelustrategioiden

käyttöönottoa. Tästä edetään taas uudelle kierrokselle ja suoritetaan samaa reflektointia

hieman aiempaa kehittyneemmällä tasolla.

Tutkijat ovat kohtalaisen yksimielisiä siitä, että taitavat itsesäätelijät omaavat jatkuvan

tietoisuuden omista kyvyistään ja heikkouksistaan (Zimmerman, 2002: 66), kykenevät

asettamaan toiminnallisia ja realistisia tavoitteita sekä ottamaan vastuuta omasta

oppimisestaan ja samalla ylläpitämään motivaatiotaan (Heikkilä & Lonka, 2006: 101).

He pystyvät reflektoimaan omia oppimisprosessejaan sekä asettamaan tavoitteita ja

suunnittelemaan hallittuja polkuja näiden saavuttamiseksi (Zimmermann, 2002: 66).

Lisäksi he omaavat metakognitiivisia, motivationaalisia ja käyttäytymiseen liittyviä

strategioita, joiden avulla he pystyvät luotsaamaan oppimisprosessejaan (Zimmerman,

1990: 14). Itsesäätelytaitojensa avulla opiskelijat tekevät esimerkiksi valintoja

olennaisiksi katsomiinsa oppisisältöihin ja opiskelutapoihin sekä ajankäyttöön ja omaan

panostukseensa liittyen tavoittaakseen itselleen asettamansa tulostavoitteet (Vermunt &

Verloop, 1999: 259; Al-Harthy & Was, 2010: 2). Hyvät itsesäätelytaidot auttavat

opiskelijaa myös suoriutumaan haasteista, joita aiheuttavat esimerkiksi huonot

opiskeluolosuhteet, opetus ja oppimateriaalit (Zimmerman, 1990: 4). Eikä

itsesäätelytaitojen tarve lopu koulumaailmaan, vaan käy jatkuvasti tarpeellisemmaksi

myös työelämässä ja yleisessä elämänhallinnassa. Elinikäisen oppimisen aikakaudella

opettajavetoinen oppimisprosessin hallinta ei yksinkertaisesti enää toimi, vaan yksilön

on väistämättä tiedostettava itsenäisesti omat oppimistarpeensa (Vermunt & Verloop,

1999: 276). Vaikka itsesäätelytaitojen suuri merkitys on tiedetty jo vuosikymmenten

ajan, niiden tietoinen ja systemaattinen harjaannuttaminen on, yllättävää kyllä,

koululaitoksen puitteissa edelleen ilmeisen vähäistä.

Itsesäätelytaitojen merkitys tuskin tulevaisuudessakaan vähenee, sillä esimerkiksi

modernit oppimisympäristöt luovat haasteita opiskelijoiden itseohjautuvuudelle. Mitä

enemmän opetus siirtyy koululuokkien ulkopuolelle ja pois opettajan välittömästä

valvonnasta, sitä suurempi vastuu opiskelijalle itselleen lankeaa. Esimerkiksi internet on

oppimisympäristönä haastava, koska opiskelijoiden orientaatio on saatava suunnattua

opiskeltavaan asiaan ohi kaikkien kilpailevien ärsykkeiden, joita verkko peleineen ja

6

kauppoineen on pullollaan (Tsai, Shen & Fan, 2012: E107). Virtuaaliset

oppimisympäristöt luovat myös kokonaan uuden, merkittävän kontekstin itsesäätelyn ja

yhteissäätelyn limittäisyydelle, sillä visuaalisten eleiden ja konkreettisen läsnäolon

puute herättää kysymyksiä siitä, miten opiskelijat luovat keskinäisiä

säätelymekanismejaan (Volet, Vauras & Salonen, 2013: 223).

Oppimistuloksen kannalta olennaista on myös se, miten opettajan ja opiskelijan

näkemykset säätelyn painotuksesta kohtaavat. Oppimisilmapiiri on otollinen silloin, kun

esimerkiksi omaa rooliaan painottava opettaja työskentelee huonot itsesäätelytaidot

omaavan opiskelijan kanssa. Mutta jos opettaja yrittääkin sanella voimakkaasti hyvät

itsesäätelytaidot omaavan opiskelijan työskentelyä, voidaan ajautua ristiriitoihin

(Vermunt & Verloop, 1999: 271).

Hyvien itsesäätelytaitojen on aiemmassa tutkimuksessa osoitettu korreloivan muun

muassa sellaisten tekijöiden kanssa kuin korkea motivaatiotaso (Zimmermann, 2002),

pystyvyys (self-efficacy) (Al-Harthy & Was, 2010; Bassi, Steca, Fave & Caprara, 2007),

hyvä opintomenestys (Heikkilä & Lonka, 2006; Al-Harthy & Was, 2010), optimistinen

asenne ja alhainen stressitaso (Heikkilä et al, 2010) sekä oppimisen lähestymistavoista

syväoppiminen (Al-Harthy & Was, 2010). Motivaation säätelyssä puolestaan on

osoitettu olevan yhteyttä myös opiskelijan epistemologisiin näkemyksiin siitä, mitä ja

minkälaista tieto on (Kizilgunes, Tekkaya & Sungur, 2009:245). On myös esitetty, että

erityisesti omat mentaaliset mallit ja sisäinen orientaatio oppimista kohtaan (mm.

Zimmerman, 2008) sekä tunteet (mm. Mega, Ronconi & De Beni, 2013) vaikuttavat

merkittävästi siihen, minkälaisia itsesäätelystrategioita opiskelija ottaa käyttöönsä.

Tämä puolestaan selittää osaltaan sitä, miksi toiset ovat parempia itsesäätelijöitä kuin

toiset (Vermunt, 1998). Vuosikymmenten tutkimuksen jälkeen on kuitenkin edelleen

runsaasti avoimia kysymyksiä siitä, miten kaikki edellä mainitut ja mahdolliset muut

oppimiseen liittyvät komponentit vaikuttavat suhteessa toisiinsa (Al-Harthy & Was,

2013: 263). Tässä yhteydessä on syytä myös huomioida tutkimuksen yleiset rajoitteet,

kuten se, että akateemista itsesäätelyä on tutkittu pääasiallisesti länsimaisessa

kontekstissa Kulttuuriset tekijät vaikuttavat suoraan esimerkiksi yksilön arvomaailmaan

ja sitä kautta käsityksiin oppimisesta, erilaisten oppiaineiden merkityksestä sekä omista

tulevaisuuden tavoitteista. Länsimaisen tutkimuksen tarjoamat lainalaisuudet eivät

välttämättä ole suoraan sovellettavissa toisenlaisiin kulttuurioloihin (Pintrich, 1999),

vaikkakin joissain tutkimuksissa on viitteitä siitä, että erityisesti syvä- ja

7

pintasuuntautuneet oppimisen lähestymistavat olisivat melko vakaita ilmiöitä

kulttuurieroista riippumatta (ks. Zeegers, 2001:116).

2.2 Yhteissäätely

Itsesäätelyn käsitteellä on yksilön sisäinen näkökulma, mutta sen kuvailemat prosessit

sijoittuvat silti useimmiten sosiaaliseen kontekstiin. Säätelymekanismien sosiaaliseen

ulottuvuuteen päästään käsiksi yhteissäätelyn käsitteen kautta. Näkemyksen taustalla on

Vygotskyn sosiaalisen oppimisen teorioihin pohjautuva sosiaalinen konstruktivismi (Liu

& Chen, 2010: 64). Kiteytettynä voidaan siis ajatella, että kaikki toimintamme tapahtuu

aina jonkinlaisessa sosio-kulttuurisessa viitekehyksessä, ja tapamme tehdä päätöksiä

pohjautuu hyvin pitkälti olemassa olevaan tietoomme, kokemuksiimme ja kulttuurisiin

näkemyksiimme. Näin myös uusi tieto syntyy samassa sosio-kulttuurisessa

ympäristössä, vaikka varsinainen konstruointiprosessi onkin yksilöllinen (Liu & Chen,

2010: 64–65). Yhteissäätelyn käsite tarkastelee oppimista osana sosiaalista kontekstia,

jossa yksilöt osallistuvat toinen toistensa kognitiivisten ja metakognitiivisten prosessien

hallintaan sekä vievät kollektiivisesti yhteisiä prosesseja eteenpäin (Volet, Vauras &

Salonen, 2013: 216). Kanssakäyminen opiskelijatovereiden, opettajien ja muiden

sosiaalisten kontaktien kanssa, sekä luokkahuoneympäristö yleisesti, voivat edesauttaa

opiskelijan henkilökohtaista panosta osallistua luokkahuoneen toimintaan (Patrick &

Middleton, 2002: 27). Toimiessaan yhdessä opiskelijat tarkkailevat paitsi omaa

toimintaansa, myös toistensa toimia ja keskinäisen vuorovaikutuksen kautta jakavat

ajatuksia sekä kehittävät ongelmanratkaisumalleja (Patrick & Middleton, 2002: 32).

Opiskelijan itsesäätelytaitoihin liittyvä tutkimus on keskittynyt pitkälti sisäisiin

tekijöihin (kuten opiskelijan metakognitiiviset taidot, subjektiivinen motivaatio ja

arvomaailma). Itsesäätelyn tutkimukseen kohdistuva keskeinen kritiikki onkin koskenut

yksilön eristämistä sosiaalisesta kontekstistaan. Samalla on kritisoitu myös itsesäätelyyn

liittyvän tutkimuksen taipumusta nähdä itsesäätely pelkästään kykynäkökulmasta.

Staattisen määrittelyn sijaan ilmiötä olisikin syytä lähestyä enemmän prosessina ja

tapahtumana, joka ajan kuluessa muovautuu ja myös vaihtelee tilanteesta toiseen

(Järvenoja, Volet & Järvelä, 2013: 31). Asetelma on haastava, koska samaan aikaan

pitäisi tarkastella yksilön toimintaa sekä sisäisestä että ulkoisesta, sosiaalisen kontekstin

näkökulmasta (Volet, Vauras & Salonen, 2009: 216).

8

Patrick ja Middleton (2002) ovat tutkineet itsesäätelyn ja yhteissäätelyn prosesseja

keskiasteen yhdysvaltalaisopiskelijoiden parissa, ongelmakeskeisen projektioppimisen

kontekstissa. He havaitsivat, että esimerkiksi ryhmätyöskentely itsessään ei vielä takaa

yhteissäätelyn toteutumista. Opiskelijoilla oli hyvin vaihtelevia lähestymistapoja

ryhmätyöskentelyyn. Monet esimerkiksi pitivät ryhmää tärkeänä varsin pinnallisin

perustein – ryhmä esimerkiksi tuotti suuremman määrän yksittäisiä mielipiteitä, joten

oli todennäköisempää, että jokin niistä osuisi oikeaan. Näin ajattelevat opiskelijat eivät

siis nähneet ryhmän merkitystä vuorovaikutuksen tai synergian kautta. Yksittäisen

opiskelijan kannalta huomionarvoista on myös yleinen ryhmädynamiikka. Ryhmässä on

usein sekä hiljaisia että äänekkäitä jäseniä. Syrjäänvetäytyvät eivät välttämättä hyödy

ryhmätyöskentelystä samalla tavoin kuin aktiiviset ryhmän jäsenet. Havainnot ovat

verrannollisia itsesäätelyn osalta esitettyyn ajatukseen siitä, miten opettaminen ei vielä

itsessään välttämättä aikaansaa oppimista. Oppimistulosten saavuttaminen vaatii

moniulotteisempia selitysmalleja.

Vaikka sosiaalinen konteksti sinänsä liittyykin kiinteästi kaikkiin yhteissäätelyn

teorioihin, on olemassa erilaisia nyansseja siitä, mihin sosiaalinen käytännössä näissä

malleissa sijoittuu. Asiaa on vuosien saatossa tarkasteltu ainakin sosiokognitiivisen,

sosiokulttuurisen ja sosiokonstruktivistisen näkökulman avulla (Hadwin & Oshige,

2011: 242). Varhaisimmassa vaiheessa yhteissäätelyä tarkasteltiin sosiokognitiivisen

mallin kautta (mm. Zimmerman, 1989), jossa painotus on edelleen yksilössä.

Sosiokognitiivinen näkökulma tarkastelee yksilöä ja sosiaalista kontekstia sekä muuta

ympäröivää maailmaa kokonaan toisistaan erillisinä alueina. Ulkoiset tekijät ainoastaan

säätelevät yksilön toimintaa, mutta sisäistä ja ulkoista maailmaa ei nähdä

vuorovaikutteisesti toisiinsa kietoutuneina. Yksilön itsesäätelytaitoja ohjaavat

edelleenkin sisäiset mekanismit, mutta ympäröivä sosiaalinen konteksti antaa rajat ja

palautteen, joiden puitteissa toimitaan. Opiskelijat esimerkiksi hyödyntävät omissa

itsesäätelyprosesseissaan opettajalta saatua tukea ja vertaistukea, muita ulkoisia

ärsykkeitä sekä ympäristötekijöitä, mutta silti painopiste on ryhmän sijaan opiskelijan

omassa, henkilökohtaisessa säätelyprosessissa (Zimmerman, 1989: 330; Järvelä,

Järvenoja & Veermans, 2008: 123; Järvelä, Volet & Järvelä, 2013: 34).

Vasta sosiokulttuurisessa mallissa päästään syvällisemmässä vuorovaikutuksessa

tapahtuvan yhteissäätelyn (co-regulation, CR) alueelle. Siinä yksilön itsesäätely

ohjautuu vuorovaikutuksessa toisten, yleensä ohjaavassa roolissa olevien henkilöiden

9

kanssa (edistyneemmät opiskelijat, opettajat) ja samalla vastuun painotus liukuu

prosessin edetessä ohjaajilta ohjattavan suuntaan (Hadwin & Oshige, 2011: 247;

McCaslin, 2009: 137; Järvenoja, Volet & Järvelä, 2013: 34). Malli perustuu

vygotskylaisiin näkemyksiin lähikehityksen vyöhykkeestä sekä korkeimpien

psykologisten rakenteiden sosiaalisista juurista. Joskin keskeisenä lisäyksenä

Vygotskyn ajatuksiin on painotettu oppimiskontekstin henkilöidenvälistä dynamiikkaa,

eli sitä, miten vuorovaikutus ja ryhmän tuki rohkaisevat yksilöä vastaanottamaan uusia

haasteita ja sen kautta myös aktiivisesti osallistumaan ryhmän toimintaan (Hickey,

2003: 409). Tämän näkemyksen mukaan oppiminen siis tapahtuu ”lähikehityksen

vyöhykkeen yhteissäätelynä”, eli toisin sanoen aktiivisessa vuorovaikutuksessa, jossa

osapuolet rakentavat yhdessä tietoa (McCaslin, 2009: 137). McCaslinin (2009: 138)

mukaan sosiokulttuurinen yhteissäätely edesauttaa yksilön itsesäätelytaitojen kehitystä

mm. (1) tarjoamalla ympäristön, jossa opiskelija voi paremmin hahmottaa oman

toimintansa tulokset, (2) antamalla opiskelijalle mahdollisuuden tavoitella jotakin vielä

saavuttamatonta ja näin sekä opettaa riskinottoa että kasvattaa onnistumisten kautta

itseluottamusta ja (3) tarjoamalla mahdollisuuden omaa kehitystä ja oppimista tukeviin

henkilösuhteisiin, jotka samalla korostavat omaa vastuunottoa ja sitoutumista.

Painopiste on edelleen kuitenkin yksilön prosesseissa ja sosiokulttuurista yhteissäätelyä

voidaankin luonnehtia tilanteeksi, jossa yhteisöltä saatu tuki ohjaa ja kehittää yksilön

itsesäätelymekanismeja (Järvelä & Hadwin, 2013: 28).

Sosiokulttuurisen mallin kritiikki koskee edelleen yksilöpainotteisuutta, mutta mallin

ongelmatiikkaa lisää myös sen hierarkinen rakenne, jossa vastapareina ovat aina ohjaaja

ja ohjattava. Tällöin mallia ei voida soveltaa niihin tilanteisiin, joissa opiskelijat

toimivat keskenään ja taidoiltaan tasavertaisina ryhmän jäseninä. Vasta yhteissäätelyn

tutkimuksen kolmas sukupolvi, sosiokonstruktivistinen malli (socially shared

regulation), näkee säätelymekanismit kiinteästi toisiinsa limittyvinä ja synergisinä.

Tällöin kysymys on ryhmäprosessista, jossa tavoitellaan yhteisiä päämääriä ja tuotetaan

yhteistä tietoa, joka syntyy lopulta ryhmän jäsenten erilaisia näkökulmia vertailemalla ja

koostamalla (Järvenoja, Volet & Järvelä, 2013: 35; Järvelä & Hadwin, 2013: 28).

Kaikki säätelyn vaiheet tavoitteiden asettelusta reflektioon tapahtuvat aidon

kollektiivisesti koko ryhmän toimesta ja yksilön henkilökohtaiset tavoitteet sulautuvat

ryhmän toimintaan (Hadwin & Oshige, 2011: 254). Samalla yksilön toiminta palvelee

yhteistä hyvää (Hadwin & Oshige, 2011: 259). Toisaalta kyse on siis ryhmän

10

kollektiivisesta toiminnasta jonkin yhteisen päämäärän saavuttamiseksi, mutta toisaalta

myös yksilökohtaiset itsesäätelyn mekanismit ovat olennainen osa tuotettaessa

sosiaalisesti konstruoitua tietoa (Järvelä, Järvenoja & Veermans, 2008: 124). Ja samalla

sosiaalisesti säädellyt oppimistehtävät voivat edistää yksilötasolla tapahtuvaa

motivaation ylläpitoa ja itsesäätelyä (Järvelä, Järvenoja, & Veermans, 2007)

Yhteissäätelyä sosiokonstruktivistisesta näkökulmasta on tutkittu verrattain vähän ja

erityisesti yliopistokontekstissa tehdyn tutkimuksen puute on ilmeinen. Suurin osa

tehdystä tutkimuksesta on keskittynyt erilaisten oppimisympäristöjen toimintaan.

Erityisenä kiinnostuksen kohteena ovat olleet sähköiset oppimisympäristöt ja niiden

avulla toteutettu ryhmätyöskentely (mm. Hurme, Merenluoto & Järvelä, 2009; Janssen,

Erkens, Kirschner & Kanselaar, 2009; Järvelä & Hadwin, 2013) sekä lasten osalta

peliympäristössä tapahtuva oppiminen (mm. Vauras et al, 2003). Hieman edellä

mainittujen kaltaisesti yhteissäätelyä on koulukontekstissa tutkittu myös

yhteistoiminnallisissa oppimistilanteissa (collaborative learning, esim. Salonen, Vauras

& Efklides, 2005; Grau & Whitebread, 2011; Volet, Summers & Thurman, 2009).

Vaikka näissä tutkimuksissa yhteissäätelyä onkin tutkittu vain tietyn oppimisympäristön

puitteissa ja yksittäisiin tehtäviin rajautuen, niissä kaikissa on kuitenkin voitu osoittaa

yhteissäätelyprosessien olemassaolo ja positiivinen merkitys ongelmanratkaisuun.

Alakouluikäisillä lapsilla yhteissäätelyn yhteyttä oppimisen ja

ongelmanratkaisuprosessien laatuun on tutkittu mm. matemaattisten tehtävien parissa

(Iiskala, Vauras, Lehtinen & Salonen, 2011). Kyseinen tutkimuksen oleellisin anti oli

havainto siitä, että tarkasteltavien ryhmien työskentelyssä oli todellakin havaittavissa

sellaisia sosiaalisen säätelyn prosesseja, jotka ensinnäkin korostuivat vaikeampien

tehtävien kohdalla ja joita ei toisaalta voitu palauttaa pelkästään itsesäätelyyn tai

ulkoiseen säätelyyn. Viime vuosina aihetta on lähestytty myös esimerkiksi motivaation

(mm. Järvelä & Järvenoja, 2011; Järvelä, Järvenoja & Veermans, 2008) ja tunteiden

säätelyn kautta (mm. Järvenoja, Volet & Järvelä, 2013). Viimeaikaisessa keskustelussa

on korostunut tarve keskittyä jatkossa yhä enemmän itse- ja yhteissäätelyprosessien

keskinäisen mekaniikan tutkimiseen sen sijaan, että niitä tarkasteltaisiin sellaisenaan,

toisistaan irrallisina. Toimivan tutkimusasetelman haastavuus (tarve syvälliseen

laadulliseen tarkkailuun) voi olla yksi syy siihen, että tällaisia tutkimustuloksia ei

edelleenkään ole saatavilla. Yleisiä teoreettisia katsauksia on löydettävissä joitain (esim.

Vauras & Salonen, 2009).

11

2.3 Lähestymistavat oppimiseen

Säätelytaitojen ohella yksi merkittävä akateemista menestystä selittävä tekijä on

opiskelijan tapa suhtautua oppimiseen (mm. Komarraju et al, 2011:472). Oppimisen

lähestymistavoilla viitataan ensinnäkin erilaisiin valintoihin ja strategioihin, joita

opiskelijat tekevät edesauttaakseen omaa oppimistaan. Toisille opiskelijoille on

esimerkiksi luontaisempaa keskittyä tarkkojen yksityiskohtien omaksumiseen ja

huolelliseen etukäteissuunnitteluun ennen asioiden kokeilemista käytännössä, kun taas

toiset toimivat juuri päinvastoin painottaen yksityiskohtien sijaan laajempaa

näkökulmaa ja käytännön havainnointia (Felder & Spurlin, 2005:103). Perinteisesti

oppimisen lähestymistavat on jaettu pintaoppimiseen ja syväoppimiseen, joista

jälkimmäisessä opiskelija pohtii aihetta syvällisemmin ja näin ollen on taipuvainen

myös muistamaan sen pidempään (Craik & Lockhart, 1972:675, Komarraju et al

2011:472). Oppimisen lähestymistapoihin liittyvät muun muassa opiskelijan sisäiset

mentaaliset mallit ja tietoteoreettinen viitekehys, eli hänen omat näkemyksensä tiedosta

ja oppimisesta (Lonka, Olkinuora & Mäkinen, 2004:302, 304) sekä käsitykset

opiskelusta, sen merkityksestä ja itsestä oppijana, kuten myös roolien ja vastuun jaosta

opiskelijan ja oppilaan välillä (Vermunt & Vermetten, 2004:362).

Opiskelijan tapaa käsitellä opiskelemiaan asioita on tutkittu pääasiallisesti kahden

rinnakkaisen käsitteen kautta. Toisaalta on kiinnitetty huomiota oppimistyyleihin

(learning styles) ja toisaalta enemmän kontekstisidonnaisiin oppimisen

lähestymistapoihin (approaches to learning) (Richardson, 2011:288). Oppimistyylien

käsite on ollut tutkimuksessa varsin kiistanalainen, koska tutkijoilla on ollut hyvin

erilaisia näkemyksiä esimerkiksi siitä, onko kyseessä jonkinlainen kiinteä

persoonallisuusominaisuus vai tilanteesta toiseen muokkautuva toimintamalli. Peterson,

Rayner ja Armstrong (2009) toteuttivat alan kansainvälisille tutkijoille (N=94) kyselyn,

jonka avulla kartoitettiin heidän näkemyksiään oppimistyylien käsitteellisestä sisällöstä

ja pyrittiin luomaan jonkinlaista konsensusta sen määrittelyyn. Tutkimuksen perusteella

voitiin ensinnäkin tehdä käsitteellinen jako kognitiivisten tyylien ja varsinaisten

oppimistyylien välille. Tutkijat mielsivät kognitiiviset tyylit synnynnäisiksi ja kiinteiksi

tavoiksi prosessoida tietoa, mutta varsinaiset oppimistyylit he näkivät ennemminkin

vaihteleviin tilanteisiin mukautuvina käyttäytymismalleina (Peterson, Rayner &

Armstrong, 2009:519). Sen sijaan yhteisymmärrystä ei saatu aikaiseksi kognitiivisten

mallien ja oppimistyylien keskinäisestä suhteesta. Osa tutkijoista mieltää ne kokonaan

12

erillisiksi teoreettisiksi osa-alueiksi, kun taas toisten mielestä ne kytkeytyvät niin

kiinteästi toisiinsa, että niitä ei voida tutkia toisistaan erillään (Peterson, Rayner &

Armstrong, 2009:522).

Oppimisen lähestymistapoja voidaan siis katsoa useasta eri kulmasta, mutta tässä

yhteydessä olen rajannut oppimistyylien tarkastelun Student Approaches to Learning,

SAL -tradition kautta tapahtuvaksi. Sen katsotaan juontavan juurensa Craikin &

Lockhartin (1972) teoriaan kognitiivisista tietojenkäsittelyprosessien tasoista (Boyle,

Duffy & Dunlevy, 2003:268), joita Marton & Säljö (1976) sovelsivat osana

tutkimustaan. Heidän tarkoituksenaan oli etsiä yhteyksiä opiskelijoiden tavoitteellisen

toiminnan ja tiedonprosessointitasojen välillä (Heikkilä et al, 2010:514).

Menetelmällisesti he tekivät laadullista tutkimusta, jonka avulla tutkittiin muun muassa

opiskelijoiden kokemuksia sekä näiden kykyä käsitteellistää ja ymmärtää

opiskelemaansa asiaa (Lonka, Olkinuora & Mäkinen, 2004:302). Lopputuloksena syntyi

nykyinen malli oppimisen laadullisista eroista (Heikkilä & Lonka, 2006:100) ja sen

myötä vielä nykyisinkin yleisesti käytetty jaottelu tekstiin itseensä keskittyvän

pintaoppimisen tason ja sisällöllistä ymmärrystä korostavan syväoppimisen tason välillä

(Heikkilä et al, 2010:514). Kun oppimisen lähestymistapoja tarkastellaan

monimuuttujamenetelmien avulla, kutsutaan esimerkiksi faktorianalyysin tai

pääkomponenttianalyysin avulla saatuja ulottuvuuksia oppimisorientaatioiksi (Lonka,

Olkinuora & Mäkinen, 2004:304). Syväoppimiseen orientoituneelle opiskelijalle on

merkityksellistä asian laajempi ymmärtäminen, mikä puolestaan ohjaa häntä syvempään

tiedonprosessointiin (Heikkilä et al, 2010:514). Näin toimiva opiskelija pyrkii

aktiivisesti ja kriittisesti ymmärtämään lukemaansa kytkemällä samalla sen muihin

asiayhteyksiin ja omaan aiempaan tietoonsa (Boyle, Duffy & Dunlevy, 2003:268).

Sisällöllisesti syväoppiminen voidaan vielä jakaa kahteen alakäsitteeseen, syvämotiiviin

(deep motive) ja syvästrategiaan (deep strategy). Motiivitasolla tarkoitetaan opiskelijan

kiinnostusta lukemaansa kohtaan ja tietoista pyrkimystä asian syvälliseen

ymmärtämiseen. Strategiatasolla puolestaan viitataan opiskelijan pyrkimykseen tutustua

aiheeseen mahdollisimman laajalti ja kytkeä uusi tieto olemassaolevaan osaamiseensa

(Chotitham, Wongwanich & Wiratcahi, 2014:3313). Aiemman tutkimuksen perusteella

syväoppimisen on osoitettu olevan yhteydessä opinnoissa menestymiseen (mm. Floyd,

Harrington & Santiago, 2009; Chotitham, Wongwanich & Wiratchai, 2014; Zeegers,

2011) ja samalla se toimii myös välittävänä tekijänä esimerkiksi opiskelijan

13

pystyvyysuskomusten sekä tavoitteellisuuden ja saavutetun opintomenestyksen välillä

(mm. Fenollar, Román & Cuestas, 2007; Sins, van Jollingen, Savelsberg & Van Hout-

Volters, 2008). Syväoppimiseen suuntautuvan lähestymistavan on osoitettu olevan

yhteydessä myös hyviin itsesäätelytaitoihin (mm. Heikkilä et al, 2010) ja näiden

keskinäisen yhdistelmän yhteydessä laadullisesti parempiin oppimistuloksiin sekä

opintomenestykseen (Lonka & Lindblom-Ylänne, 1996).

Pintaoppimiseen orientoitunut opiskelija puolestaan keskittyy tavoittelemaan arvosanoja

tai muita vastaavia ulkoisia päämääriä. Tavoitteena ei ole opiskeltavan asian todellinen

ymmärtäminen, vaan pikemminkin sanasta sanaan tapahtuva ulkoa opettelu (Heikkilä et

al, 2010:514). Pintaoppimiseen suuntautunut opiskelija pyrkii saavuttamaan hänelle

asetetut tavoitteet mahdollisimman pienellä vaivalla (Lonka, Olkinuora & Mäkinen,

2004: 303) ja keskittyy esimerkiksi muistiintallennusstrategioihin (Boyle, Duffy &

Dunlevy, 2003:268) sen sijaan, että pyrkisi ymmärtämään syvällisemmin esimerkiksi

täsmätiedon taustalla vaikuttavia teorioita ja lainalaisuuksia (Beattie, Collins &

McInnes, 1997:3). Pintasuuntautuneeseen lähestymistapaan liittyy myös oppijan

taipumus ottaa asiat annettuina sen enempiä kyseenalaistamatta (Beattie, Collins &

McInnes, 1997:3). Pintaoppiminen voi monissa yhteyksissä muodostua ongelmalliseksi,

koska pelkkä muistiin tallentaminen ei vielä käynnistä sellaisia kognitiivisia prosesseja

kuin esimerkiksi luova ajattelu ja siihen liittyvät ongelmanratkaisutaidot (Heikkilä &

Lonka, 2006:100).

Pinta- ja syväsuuntautuneen lähestymistavan rinnalla kulkee myös kolmas ulottuvuus –

suunnitelmallinen opiskelu (strategic approach, achieving approach) (Lonka,

Olkinuora & Mäkinen, 2004:308; Baeten et al, 2010: 244), joka on aiemmassa

tutkimuksessa osoittautunut jopa merkittävimmäksi akateemista menestystä selittäväksi

tekijäksi (mm. Newstead, 1992). Sillä viitataan opiskelijoihin, jotka pyrkivät puhtaasti

maksimoimaan akateemisen menestyksensä (Heikkilä & Lonka, 2006:100)

tavoittelemalla hyviä arvosanoja ja olemalla tarkasti selvillä esimerkiksi

kurssivaatimuksista, joiden pohjalta he sitten suunnittelevat opiskelustrategiansa

(Baeten et al, 2010:244). He myös suunnittelevat työskentelytapansa ja

opiskeluolosuhteensa siten, että ne tukevat mahdollisimman hyvin tavoitteiden

saavuttamista (Diseth et al, 2010:336). Laajemmassa mittakaavassa suunnitelmallinen

opiskelu voi liittyä myös esimerkiksi työelämätavoitteisiin, joiden vuoksi opiskelijat

tavoittelevat mahdollisimman nopeaa valmistumista (Lonka, Olkinuora & Mäkinen,

14

2004:308). Koska suunnitelmallisen opiskelun tavoitteena ovat arvosanat, sen voidaan

periaatteessa ajatella yhdistyvän sekä pinta- että syväsuuntautuneeseen

lähestymistapaan. Useimmiten se kuitenkin yhdistyy syväoppimiseen, koska

tavoitteellisuus esiintyy kuitenkin laajemmassa mittakaavassa kuin arvosanoissa sinänsä

(Lonka, Olkinuora & Mäkinen, 2004:304, Baeten et al 2010:244). Suunnitelmallisen

opiskelun lähestymistapa eroaa syvä- ja pintaoppimisesta myös käsitteellisesti, sillä

siinä huomio ei keskity niinkään opiskeltavaan ainekseen, vaan lähinnä opiskelijan

omaan käyttäytymiseen, eli niihin käytännön keinoihin ja strategioihin, jotka opiskelija

valikoi käyttöönsä saavuttaakseen tavoitteensa mahdollisimman tehokkaasti (Lonka,

Olkinuora & Mäkinen, 2004:303). Ehkä juuri tästä käsitteellisestä erosta johtuen

joissain yhteyksissä on esitetty, että oppimisen lähestymistapoja tarkasteltaisiin

mieluummin vain kahden faktorin, pinta- ja syväsuuntautuneen oppimisen

lähestymistavan, kautta. Suunnitelmallisen opiskelun jäädessä ennemminkin

syväoppimisen alakategoriaksi tai komponentiksi (Baeten et al, 2010:244). Myös tässä

tutkimuksessa suunnitelmallisen opiskelun lähestymistapaa on käsitelty osana

syväoppimista.

Pinta- ja syväoppimisen dikotomialle löytyy myös kritiikkinsä. Sen on esimerkiksi

esitetty olevan yliyksinkertaistettu ja mutkia oikova malli monimutkaisista

oppimisprosesseista, joihin liittyy paljon muitakin ulottuvuuksia kuin opiskelijan oma

lähestymistapa oppimiseen (mm. Beattie, Collins & McInnes, 1997:1). Myös

syväoppimisen nostamista universaalisti ainoaksi oikeaksi opiskelutavaksi on kritisoitu

esimerkiksi sen nojalla, että on olemassa asioita, joiden opiskelussa pintaoppiminen voi

olla jopa tehokkaampi tapa omaksua tietoa, ja toisaalta yksittäinen opiskelija saattaa

myös yhdistellä näitä kahta lähestymistapaa tilanteen ja tarpeen mukaisesti (Beattie,

Collins & McInnes, 1997:1; Parpala et al, 2010:270). Tähän liittyen esimerkiksi Provost

ja Bond (1997:318) huomauttavat, että kognitiivisen psykologian puolella jaottelu syvä-

ja pintatason prosessointiin onkin usein kokonaan korvattu transform appropriate

processing -käsitteellä, joka nimenomaisesti korostaa opiskelijan kykyä valikoida

sopivat prosessointitekniikat kulloisenkin tilanteen asettamien vaatimusten mukaan. He

myös muistuttavat, että liiallinen takertuminen esimerkiksi syväsuuntautuneeseen

prosessointiin voi olla jopa oppimisen este sellaisissa tilanteissa, joissa toisenlaiset

lähestymistavat olisivat toimivampia. Lisäksi myös sukupuolella on merkitystä. On

esimerkiksi osoitettu, että tyttöjen on joissain tilanteissa hankalampi suoriutua

15

pintaoppimisen keinoja suosivista monivalintatehtävistä kuin poikien (Smith & Miller,

2010:46).

Edelliseen liittyen myös oppimisen lähestymistapojen muovautumisesta ajan kuluessa

on olemassa ristiriitaisia näkemyksiä. Joissain tutkimuksissa on osoitettu yliopisto-

opiskelutaitojen kehittyvän opintovuosien edetessä (mm. Zeegers, 2001), kun taas

toisaalla on esitetty, että esimerkiksi opiskelijoiden motivaatiota, asenteita ja

opiskelutapoja vertailevissa kyselytutkimuksissa on päinvastoin useasti osoitettu, että

nämä tekijät ovat suhteellisen kiinteitä ja pysyviä (Richardson, 2011:292). Oletettavasti

näidenkin näkemyserojen takana on osaltaan eriävä käsitteellinen konteksti, eikä

niinkään eri opiskelijaryhmien välillä havaitut todelliset erot. Joka tapauksessa

lähestymistapojen jonkinlaisen muovautuvuuden puolesta puhuvat mm. ne

tutkimustulokset, jotka ovat osoittaneet lähestymistapojen olevan sidoksissa esimerkiksi

oppiaineisiin ja tiedekuntiin (mm. Parpala et al, 2010; Smith & Miller, 2005). Joskin

Smith & Miller (2005:45) esittävät aiheellisen kysymyksen siitä, kummasta loppujen

lopuksi on kysymys – ohjaako tiedekunnan oppimisympäristö opiskelijan valintoja, vai

valikoituuko tietynlaiseen tiedekuntaan todennäköisimmin tietynlaiset

oppimisorientaatiot omaavia opiskelijoita? Suppeammasta näkökulmasta katsottuna

kuitenkin esimerkiksi tenttimenetelmillä on vaikutusta siihen, minkälaiset strategiat

opiskelijan on kannattavinta ottaa käyttöön. Esimerkiksi monivalintatehtäviin

perustuvat tenttikysymykset tukevat mieleenpainamiseen perustuvia opiskelutapoja

(Smith & Miller, 2005:43).

16

3 TUTKIMUSKYSYMYKSET

Tämän tutkimuksen tarkoituksena on selvittää opiskelijoiden itsesäätelyn ja

yhteissäätelyn välistä suhdetta sekä näiden ominaisuuksien ja oppimisen

lähestymistapojen merkitystä opintojen etenemiseen ja arvosanoilla mitattuun

opintomenestykseen. Hyvien itsesäätelijöiden on aiemmassa tutkimuksessa osoitettu

valitsevan mahdollisimman tehokkaasti tarkoituksiaan palvelevat työskentelymallit ja -

strategiat, joten tämän perusteella voitaisiin ajatella, että he myös tietoisesti

hyödyntäisivät toisten opiskelijoiden tukea edistääkseen omia opintojaan. Aiemman

tutkimuksen pohjalta voidaan myös olettaa, että sekä säätelytaidot että oppimisen

lähestymistavat vaikuttavat itsessään opintomenestykseen. Erityisesti itsesäätelyä ja

yhteissäätelyä suhteessa opintomenestykseen on tutkittu pitkälti toisistaan erillään, joten

tämän tutkimuksen tarkoituksena on myöskin etsiä vastauksia niiden yhteisvaikutuksiin

sekä siihen, miten suurelta osin kumpikin ominaisuus on yhteydessä

opintomenestykseen.

Tutkimuskysymykset ovat seuraavat:

1) Miten opiskelijan itse- ja yhteissäätelytaidot sekä oppimisen

lähestymistavat selittävät opintomenestystä ja opintojen etenemisvauhtia?

2) Miten itsesäätely ja yhteissäätely ovat yhteydessä toisiinsa?

17

4 TUTKIMUKSEN TOTEUTUS JA MENETELMÄT

4.1 Tutkimusjoukko

Tutkimusjoukon (N=201) muodostavat Helsingin yliopiston lääketieteen,

hammaslääketieteen, biotieteiden sekä matematiikan opiskelijat. Syntymävuotensa

maininneiden vastaajien (N=194) keski-ikä oli 23 vuotta (sd=4.295, min=17, max=45).

Tiedekunnittain jaoteltuna lääketieteellistä tiedekuntaa edusti 108 vastaajaa (53,7 %),

bio- ja ympäristötieteellistä tiedekuntaa 52 vastaajaa (25,6 %), matemaattis-

luonnontieteellistä tiedekuntaa 41 vastaajaa (20,2 %) ja valtiotieteellistä tiedekuntaa

yksi vastaaja (0,5 %). Valitut tieteenalat edustivat kaikki luonnontieteitä, mutta

koulutusohjelmat ovat luonteeltaan erilaisia. Myös valtiotieteellistä tiedekuntaa

edustanut vastaaja oli luonnontieteellisen alan sivuaineopiskelija. Tutkimusaineisto

kerättiin kyselytutkimuksena loppusyksyn 2012 ja syksyn 2013 välisenä aikana.

Kyselylomakkeeseen (liite 1) ovat vastanneet opiskelijat, jotka ovat aloittaneet

opintonsa vuosina 2012 (lääketieteellinen tiedekunta sekä bio- ja ympäristötieteellinen

tiedekunta) ja 2013 (matemaattis-luonnontieteellinen tiedekunta). Kaikista vastaajista

naisia oli 108 (54 %) ja miehiä 92 (46 %). Tämä vastaa kohtalaisen hyvin koko

Helsingin yliopiston yleistä sukupuolijakaumaa. Yliopiston kaikista opiskelijoista naisia

on 64 % ja miehiä 35 % (Helsingin yliopiston vuosikertomus, 2013). Aiempia yliopisto-

opintoja ennen nykyistä tiedekuntaa oli noin puolella vastaajista (N=94, 46,3 %). Osa

opiskelijoista (N=176) oli antanut luvan vastausten yhdistämiseen heidän

opintorekisteritietoihinsa. Lukukauden 2013–2014 aikana nämä opiskelijat olivat

suorittaneet opintoja keskimäärin 30 opintopistettä (ka=29.56, sd=11.08, min=5.65,

max=121.00). Opintojen arvosanat (vaihteluväli 1–5) voitiin laskea 76 opiskelijan

tiedoista (ka=3.60, sd=0.943).

4.2 Aineiston keruu ja tutkimusaineisto

Kysely toteutettiin lääketieteen ja hammaslääketieteen opiskelijoiden osalta luennolla,

joka oli tarkoitettu kaikille ensimmäisen vuoden opiskelijoille. Näin pyrittiin

saavuttamaan mahdollisimman kattava otos. Biotieteiden osalta tutkimukseen

osallistuivat biologian, molekyylibiotieteiden, akvaattisten tieteiden ja

18

ympäristötieteiden opiskelijat. Biotieteiden opiskelijoilla oli mahdollisuus vastata

kyselyyn joko luennon yhteydessä tai omalla ajallaan e-lomakkeella. Kyselyyn

vastaaminen oli osa henkilökohtaisen opintosuunnitelman (HOPS) laatimista, joten

vastaus saatiin periaatteessa kaikilta ensimmäisen vuoden opiskelijoilta. Matematiikan

opiskelijoille kysely teetettiin luennolla, joka oli tarkoitettu kaikille ensimmäisen

vuoden opiskelijoille, mutta paikalla oli vain murto-osa opiskelijoista. Luennon jälkeen

matematiikan opiskelijoille tarjottiin vielä mahdollisuutta vastata kyselyyn e-

lomakkeella ja heille lähetettiin asiasta kaksi erillistä muistutusta. Opiskelijoilla oli

jokaisessa tapauksessa mahdollisuus kieltää tietojensa käyttö osana tutkimusta.

Aineistonkeruun yhteydessä opiskelijoille kerrottiin tutkimuksen tarkoitus. Lisäksi

heille kerrottiin aineiston käsittelyn luotettavuuteen liittyvät seikat, eli tietojen käsittely

ehdottoman luottamuksellisesti sekä se, ettei yksittäisten opiskelijoiden vastauksia tulla

raportoimaan. Kyselylomake sisälsi muitakin ulottuvuuksia, mutta tätä tutkimusta

varten olen irrottanut siitä osiot, jotka oli suunniteltu valmiiden itsesäätelyä,

yhteissäätelyä ja oppimisen lähestymistapoja kuvaavien mittarien ja osin niiden

suomalaisversioiden pohjalta. Käytetyt mittarit on esitelty tarkemmin luvussa 4.2.1.

sivulla 22.

Valtaosalta vastaajista (N=176) oli saatu lupa kyselyvastausten yhdistämiseen heidän

opintorekisteritietoihinsa. Tämän nojalla tammikuussa 2014 pyydettiin

opintorekisteristä kyseisten opiskelijoiden opintosuoritustiedot. Erityisesti

lääketieteellisen tiedekunnan opiskelijoilla oli huomattavan paljon opintosuorituksia,

joista ei oltu annettu numeerista arvosanaa, vaan ainoastaan merkintä

hyväksytty/hylätty. Näin ollen en voinut kaikilta osin käyttää tutkimuksessa varsinaista

arvosanoihin perustuvaa opintomenestystietoa. Sen sijaan vertailin arvosanojen rinnalla

suoritettujen opintopisteiden määrää. Koska opiskelijat olivat aloittaneet opintonsa eri

aikaan, valitsin tarkastelun kohteeksi ainoastaan lukuvuoden 2013–2014 aikana

suoritetut opinnot. Näin saatoin varmistaa, että vertailuajankohta oli kaikkien kyselyyn

vastanneiden kesken yhteismitallinen.

4.2.1 Käytetyt mittarit

Kolmeen eri mittariin (taulukko 1) perustuva kyselylomake sisälsi Likert-asteikollisia

väittämiä, joissa 1=täysin eri mieltä ja 7=täysin samaa mieltä. Itsesäätelyä koskevan

19

osion lähtökohtana oli hollantilainen Jan Vermuntin ja Frank van Rijswijkin (1988)

kehittämä Inventory of Learning Styles (ILS) -mittari. Jo aiemmin englannista suomeksi

käännettyä mittaria muokattiin vielä suomalaiseen kontekstiin ja lyhennettiin jonkin

verran. Lähinnä mittarista poistettiin keskenään samankaltaisia väittämiä sekä joitain

väittämiä faktorianalyysin tulosten perusteella. Mittarin muokkausprosessissa

kiinnitettiin erityistä huomiota mm. siihen, että käännösversion tulee olla

suomalaisopiskelijan näkökulmasta mahdollisimman ymmärrettävä. Mittarin pilotointi

toteutettiin biotieteiden opiskelijoilla, joiden kommenttien jälkeen mittaria vielä

muokattiin hieman. Yhteissäätelyä mitattiin Proactive Strategy scale -mittarin

muokatulla suomalaisversiolla (Pietarinen, Pyhältö, Soini & Salmela-Aro, 2013).

Oppimisen lähestymistapoja mitattiin LEARN Questionnaire -mittarilla (Parpala &

Lindblom-Ylänne, 2012), joka pohjautuu Experiences of Teaching and Learning

Questionnaire (ETLQ) -mittarin oppimisen lähestymistapoja mittaavaan ALSI

(Approaches to Learning and Studying Inventory) -osioon (Entwistle, McCune &

Hounsell, 2003).

Taulukko 1.

Tutkimuksessa käytetyt mittarit

Ulottuvuus

Käytetty mittari

Mittarin suunnittelija

Väittämiä (kpl)

Vaihteluväli

Itsesäätely

Inventory of Learning Styles (ILS) (*

Vermunt & van Rijswijk (1988)

15

Likert 1-7

Yhteissäätely Proactive Strategy scale Pietarinen, Pyhältö, Soini & Salmela-Aro

(2013)

10 Likert 1-7

Lähestymistavat

oppimiseen

LEARN Questionnaire (** Parpala & Lindblom-Ylänne (2012) 12 Likert 1-7

*) aiemmin suomennettu versio

**) pohjautuu alun perin Experiences of Teaching and Learning Questionnaire (ETLQ) –mittariin, jonka ovat tuottaneet Entwistle,

McCune & Hounsell (2003

Inventory of Learning Styles (ILS). Student Approaches to Learning (SAL) -tradition

pohjalta on sittemmin kehitetty useita oppimisen lähestymistapoja tutkivia mittareita,

joista yksi on hollantilainen Jan Vermuntin ja Frank van Rijswijkin (1988) Inventory of

20

Learning Styles (ILS). Mittari perustuu Vermuntin tekemään fenomenografiseen

kyselytutkimukseen, jonka avulla selvitettiin ensimmäisen vuoden yliopisto-

opiskelijoiden omia näkemyksiä oppimisesta ja oppimistavoista sekä heidän

henkilökohtaisista tavoitteistaan. Kyselytutkimuksesta saatujen vastausten perusteella

luotiin kuvauskategorioita, jotka edustivat aineistosta nousevia perusmalleja. Näistä

tuotettiin mittarin osiot. Ensimmäisen kerran ILS oli käytössä vuonna 1992 Vermuntin

omassa tutkimuksessa, ja sen jälkeen sitä on käytetty laajalti useissa eri maissa ja

erilaisissa oppimisympäristöissä mittarin yleistettävyyden osoittamiseksi (Boyle, Duffy

& Dunleavy, 2003:267). ILS:n lopullinen versio koostuu 120 väittämästä, jotka

edustavat neljää oppimisen komponenttia: (1) tiedon prosessoinnin strategiat, (2)

metakognitiiviset säätelystrategiat, (3) oppimisen mentaaliset mallit ja (4)

oppimisorientaatiot (Vermunt & Vermetten, 2004:364). Vermunt tunnisti

tutkimuksessaan neljä oppimiskomponenttien faktoreille latautuvaa oppimistyyliä: (1)

merkityssuuntautunut (meaning-directed), (2) ulkoaoppimissuuntautunut (reproduction-

directed), (3) sovellussuuntautunut (application-directed) ja (4) suuntautumaton

(undirected) (Boyle, Duffy & Dunleavy, 2003:267). ILS-mittarilla on sittemmin saatu

samankaltaisia tuloksia muissakin maissa ja yhteyksissä, joskin pientä variaatiota toki

esiintyy riippuen muun muassa koulutusjärjestelmän rakenteista sekä muista

opiskelijoita ympäröivistä yhteiskunta- ja kulttuurisidonnaisista reunaehdoista (Vermunt

& Vermetten, 2004:367–368).

Proactive Stragegy Scale. Yhteissäätelytaitojen mittaamiseen käytettiin muokattua

versiota suomalaisesta Proactive Strategy scale -mittarista (Pietarinen, Pyhältö, Soini &

Salmela-Aro, 2013). Mittarin alkuperäinen versio on kehitetty osana opettajien

jaksamiseen liittyvää tutkimusta. Alkuperäisessä asussaan mittari sisälsi seitsemän

väittämää, jotka mittasivat kahta proaktiivisten strategioiden faktoria: itsesäätelyä ja

yhteissäätelyä.

LEARN Questionnaire. Oppimisen lähestymistapoja mittaavassa osiossa käytettiin

LEARN Questionnaire -mittaria, joka on kehitetty Helsingin yliopiston The Student’s

Approaches to Learning and their Experiences of the Teaching-Learning Environments

(LEARN) -tutkimusprojektin yhteydessä. Projektin tarkoituksena oli kehittää yliopiston

palautejärjestelmiä. Mittari osoittautui kuitenkin käyttökelpoiseksi laajempaankin

oppimisen tutkimukseen ja laadun kehittämiseen, ja sitä on käytetty useissa Helsingin

yliopiston eri tiedekunnissa (Parpala & Lindblom-Ylänne, 2012:314). Mittari pohjautuu

21

Experiences of Teaching and Learning Questionnaire (ETLQ) -mittariin, joka kehitettiin

vuonna 2003 osana Enhancing teaching-learning environments in undergraduate

courses -tutkimusta, jonka tarkoituksena oli kehittää opiskelijakeskeisiä

oppimisympäristöjä. ETLQ-mittari sisältää viisi osiota, joista ensimmäinen, ja tässä

yhteydessä hyödynnetty, on lyhennetty versio oppimisen lähestymistapoja kuvaavasta

Approaches to Learning and Studying Inventory (ALSI) -mittarista. ALSI-mittaria on

kehitetty ja hyödynnetty oppimisen lähestymistapojen ja opiskelun tutkimiseen useissa

eri maissa, useiden vuosikymmenten ajan (Parpala & Lindblom-Ylänne, 2012:316).

Tuorein versio LEARN Questionnaire -mittarista sisältää alkuperäisen ETLQ-mittarin

osion, joka koostuu 12 muokatusta, Likert-asteikollisesta ALSI-mittarin väittämästä.

4.3 Aineiston analyysi

Ennen varsinaiseen analyysiin ryhtymistä suoritin aineiston yleisen tarkistuksen.

Havaitsin, että kahden opiskelijan osalta vastauksia oli kaksi kappaletta. Jätin näistä

voimaan vain ensimmäisen ja poistin jälkimmäisen. Aineistossa oli myös muutamia

yksittäisiä puuttuvia arvoja. Koska puuttuvien arvojen määrä oli hyvin vähäinen, eikä

aineiston pienuuden vuoksi ollut mielekästä esimerkiksi poistaa puuttuvia arvoja

sisältäviä tietueita datasta kokonaan, korvasin ne keskiarvoilla. Yksittäiset puuttuvat

arvot jakaantuivat eri muuttujien alle, joten niiden korvaamisella ei ollut käytännön

vaikutusta esimerkiksi muuttujien jakaumiin.

Analyysivaiheessa tarkoitukseni oli selvittää molempien tutkimuskysymysten osalta

sellaisia muuttujien välisiä yhteyksiä, jotka eivät ole suoraan mitattavissa. Nämä latentit

ilmiöt koostuvat useiden havaittavien ja mitattavien muuttujien kautta hankitusta

tiedosta. Näistä lähtöasetelmista analyysimenetelmiksi olisivat soveltuneet parhaiten

niin sanotut uudemman sukupolven monimuuttujamenetelmät, kuten

rakenneyhtälömallintaminen (Structural Equation Modeling, SEM).

Rakenneyhtälömallintaminen on menetelmänä paitsi laskennallisesti perinteistä

regressioanalyysia kehittyneempi, se kykenee myöskin joustavammin käsittelemään

esimerkiksi epätäydellistä tai jakaumaltaan epänormaalia aineistoa (Alavifar et al,

2012:326–328). Olennaisin ero on kuitenkin siinä, että perinteisellä regressioanalyysilla

pystytään käsittelemään ainoastaan yhtä latenttia muuttujaa kerrallaan. Ihmistieteissä

ilmiöt ovat kuitenkin usein monimutkaisempia ja yksi selitettävä muuttuja voi itsessään

22

jo olla osa laajempaa selittävien muuttujien kokonaisuutta. Perinteiset

monimuuttujamenetelmät eivät pysty hahmottamaan näitä kokonaisuuksia. Sen sijaan

rakennyhtälömallintamisessa kaikki ulottuvuudet saadaan estimoitua yhdellä kertaa

samassa mallissa ja laskennallisesti toisensa huomioiden (Cheng, 2001:650).

Rakenneyhtälömallinnuksen menetelmällinen heikkous on kuitenkin sen sensitiivisyys

aineistokoon suhteen (ks. esim. Muthén & Muthén, 2002), mikä osoittautui ongelmaksi

tässäkin yhteydessä. Liian pieni aineisto ei sinänsä estä mallien koostamista, mutta se

voi johtaa esimerkiksi muuttujien välisten riippuvuuksien epävakauteen sekä

vääristyneisiin pätevyysarvoihin (Model Fit) ja estimaatteihin (Ullman & Bentler,

2013:666). Nyt käytettävissä olleen aineiston pienuudesta (N=179–201) johtuen

laajempien, useampaa latenttia muuttujaa vertailevan mallin rakentaminen ei

valitettavasti ollut mahdollista. Aineiston kokovaatimuksista ei ole olemassa

yksiselitteistä ohjetta. Esimerkiksi Raykov & Widaman (1995) esittävät, että otoksen

koon tulisi olla vähintään kymmenen vastaajaa per estimoitava parametri, ja mikäli

jakaumissa esiintyy epänormaalisuutta, kokoa olisi syytä kasvattaa viiteentoista

vastaajaan per estimoitava parametri. Khine (2005) puolestaan esittää, että sopiva

vastaajamäärä olisi 10–20 vastaajaa per estimoitava parametri. Ja edelleen Lei & Wu

(2007) esittävät omana arvionaan aineiston minimikooksi 200 vastausta

normaalijakaumalle ja jopa 400 epänormaalille tai vaihtoehtoisesti 5–20 kertaa

estimoitavien parametrien määrä riippuen siitä, kummalla tavalla saadaan suurempi

tulos. Ding, Velicer & Harlow (1995) puolestaan määrittelevät sopivaksi minimiksi

kiinteän 100–200 vastaajaa. Samoilla linjoilla on myös Barrett (2007) esittäessään

ehdottomaksi alarajaksi 200 vastausta ja pienten aineistojen hyväksymistä vain niissä

tapauksissa, jolloin tutkittava asia on helposti yleistettävissä koko populaatioon.

Yksioikoista sääntöä ei siis ole, ja päätelmät aineiston riittävyydestä on aina tehtävä

tapauskohtaista harkintaa noudattaen. Yleisesti ottaen kaikki tutkijat tuntuvat kuitenkin

olevan yksimielisiä siitä, että enempi on aina parempi. Ja toisaalta esimerkiksi hyvin

vahvat yhteydet havainnoitujen muuttujien välillä voivat sallia mallinnuksen hieman

teoreettisia raja-arvoja pienemmilläkin aineistoilla (Muthén & Muthén, 2002).

Jotta aineiston kokovaatimukset tulisivat optimaalisesti huomioitua, aineisto kannattaisi

ideaalitilanteessa kerätä vasta mallin spesifioinnin jälkeen (Lei & Wu, 2007:36). Tässä

tapauksessa se ei kuitenkaan ollut mahdollista, koska käytettävissäni oli valmiiksi

kerätty aineisto. Aineiston yksittäiset havaitut muuttujat olivat pääsääntöisesti jonkin

23

verran vinoja ja/tai huipukkaita, mutta muuttujien väliset yhteydet olivat vahvoja. Näin

ollen katsoin, että tällä aineistokoolla olisi mahdollista tuottaa virheriskiä

kohtuuttomasti suurentamatta malli, jossa on korkeintaan noin 25 estimoitavaa

parametria. Käytännössä tämä tarkoitti sitä, että rakenneyhtälömallintamista oli

mahdollista käyttää vain jälkimmäisen tutkimuskysymyksen kohdalla itsesäätelyn ja

yhteissäätelyn keskinäisen suhteen tarkasteluun. Ensimmäisen tutkimuskysymyksen

osalta jouduin palaamaan perinteiseen regressioanalyysiin.

4.3.1. Pääkomponenttianalyysi ja regressioanalyysi

Ensimmäiseen tutkimuskysymykseen hain vastausta pääkomponenttianalyysin ja

regressioanalyysin avulla. Kyselylomakkeen muuttujat olivat peräisin valmiista

mittareista, jotka periaatteessa tarjoavat valmiita ehdotuksia myös käytettäviksi

summamuuttujiksi. Kaikkia kolmea mittaria oli kuitenkin muokattu alkuperäisasustaan

ja lisäksi käännetty englannista suomeksi. Niitä ei myöskään ole kaikilta osin käytetty

aikaisemmin suomalaisessa yliopistokontekstissa. Näin ollen katsoin aiheelliseksi vielä

eksploratiivisesti tarkistaa, minkälaisia ulottuvuuksia aineisto todellisuudessa sisältää.

Koska taustalla kuitenkin kulki koko ajan valmis teoria kuvattavasta ilmiöstä, olisi

luonnollinen valinta ollut eksploratiivinen faktorianalyysi (EFA). Se kuitenkin

edellyttää muuttujien normaalisuutta, mikä tässä tapauksessa ei täysin toteutunut. Siksi

valitsin menetelmäksi pääkomponenttianalyysin (Principal Component Analysis, PCA),

joka ei sisällä normaalisuusolettamusta (Metsämuuronen, 2005:600, 615). Otoskoon

suhteen pääkomponenttianalyysin luotettavasta tulkinnasta on esitetty nyrkkisääntö,

jonka mukaan karkeasti viisi havaintoa kutakin muuttujaa kohden on riittävä määrä

(Metsämuuronen, 2005:602). Tässä tapauksessa aineistokoko ei olisi aivan riittänyt

kaikkien ilmiöiden yhtäaikaiseen tarkasteluun, joten pilkoin aineiston taustalla kulkevan

teoriaoletuksen mukaisesti kolmeen osaan ja tein analyysin 15 muuttujan (itsesäätely,

muuttujat saately1–saately15), 10 muuttujan (yhteissäätely, muuttujat yhteissaately24–

yhteissaately33) ja 12 muuttujan (lähestymistavat, muuttujat Lah_tapa1–Lah_tapa12)

ryhmille otoskoon ollessa näiden kaikkien osalta 201. Toisin sanoen otoskoon asettamat

rajoitukset tuli täytettyä hyvin. Rotaatiomenetelmäksi valitsin vinokulmaisen oblimin-

rotaation, koska asenteita ja lähestymistapoja kuvaavan aineiston kanssa ei ollut täyttä

varmuutta siitä, etteivät eri komponentit olisi yhteydessä toisiinsa. Tällainen

24

komponenttien välinen korrelaatiomahdollisuus sulki pois suorakulmaisten

rotaatiomenetelmien käytön (Metsämuuronen 2005:603). Lopuksi rajasin vielä pienet,

alle 0.30 latausarvot ulos ja tallensin saadut pääkomponentit uusiksi muuttujiksi

jatkoanalyyseja varten. Yksinkertaisin vaihtoehto olisi ollut suorien

keskiarvosummamuuttujien muodostaminen, mutta päädyin käyttämään SPSS-ohjelman

tarjoamaa mahdollisuutta pääkomponenttipisteiden hyödyntämisestä, koska ne tuottavat

luotettavamman tuloksen kuin suoraan lasketut summamuuttujat (Metsämuuronen

2005:519, 608). Suoraan laskettujen summamuuttujien heikkous on suoraviivaisuus

arvojen käsittelyssä. Kyseinen menetelmä laskee vain karkeat keskiarvot huomioimatta

esimerkiksi yksittäisten havaittujen muuttujien välisiä painoarvoja sen perusteella,

miten heikosti tai vahvasti ne latautuvat eri faktoreille (DiStefano, Zhu & Mindrila,

2009:1). Pääkomponentti-/faktoripisteiden perusteella muodostetut regressiosumma-

muuttujat huomioivat myös muuttujien keskinäiset painotukset (DiStefano, Zhu &

Mindrila, 2009:4).

Silmämääräinen tarkastelu osoitti samalla, että muuttujien latautuminen

pääkomponenteille ei tapahtunut suoraan käytettyjen mittarien tarjoamien valmiiden

summamuuttujamallien mukaisesti. Sen sijaan itsesäätelyä kuvastavasta ulottuvuudesta

löytyi neljä pääkomponenttia, yhteissäätelyä kuvaavasta ulottuvuudesta kaksi

pääkomponenttia ja oppimisen lähestymistapoja kuvaavasta ulottuvuudesta neljä

pääkomponenttia (taulukko 2). Itsesäätelyä kuvaavista summamuuttujista yksi

(Metataidot) jäi luotettavuustarkistuksessa (Chronbach, taulukko 2) juuri ja juuri raja-

arvon 0.60 alapuolelle (α=0.557), joten rajasin sen analyysien ulkopuolelle. Lopuksi

tarkistin vielä näiden pohjalta luotujen uusien pääkomponenttipistemuuttujien

normaalisuuden. Kahta (yhteissäätelyyn liittyvä muuttuja Vertaistuki ja oppimisen

lähestymistapoihin liittyvä muuttuja Kokonaisuuksien hallinta) lukuun ottamatta kaikki

muuttujat olivat Shapiro-Wilkin testin mukaan normaalisti jakautuneita (p>0,05).

Sisällöllisesti tarkasteltuna kaksi muuttujaa, jotka eivät olleet normaalisti jakautuneita,

kuvastivat kuitenkin niin samankaltaisia asioita kuin kyseisten ulottuvuuksien muutkin

summamuuttujat, että niiden pois jättäminen esimerkiksi regressioanalyysista ei

aiheuttanut suurta haittaa kokonaisuudelle.

25

Taulukko 2.

Pääkomponenttipisteistä luodut summamuuttujat ja niiden reliabiliteetti

Komponentti

Selittävät (mitatut) muuttujat

Chronbach (α)

Itsesäätely

Omaehtoinen systemaattinen työskentely

1. Opiskellessani asetan itselleni omia tavoitteita muiden (esim. opettajan, kurssin tai

tutkinnon) tavoitteiden lisäksi.

2. Kurssivaatimusten lisäksi perehdyn myös muuhun aiheeseen liittyvään kirjallisuuteen.

3. Jos en ymmärrä opiskeltavaa asiaa, etsin muuta aiheeseen liittyvää materiaalia.

4. Teen enemmän kuin mitä minulta kurssilla edellytetään.

0.703

Vaikeudet

itsesäätelyssä

Kokonaisuuksien hallitsemisen vaikeus

1. Olen huomannut, että minulla on ongelmia käsitellä suuria tietomääriä.

2. Minun on vaikea arvioida, hallitsenko opiskeltavat asiat riittävän hyvin.

3. Kurssin tavoitteet tuntuvat liian laajoilta.

4. Kaipaan tukea kohdatessani opiskeluun liittyviä vaikeuksia.

0.765

Ulkoinen säätely

Ulkopuoliseen ohjeistukseen nojautuminen (itsesäätelyn puute)

1. Opiskelen opiskelumateriaalissa olevien tai luennoitsijoiden antamien ohjeiden

mukaan.

2. Luennoitsijoiden laatimat ohjeet ovat korvaamaton tuki opinnoilleni.

3. Opiskelen asiat samassa järjestyksessä kuin ne on käsitelty kurssilla.

4. Luennoitsijan antamat ohjeet ja kurssien tavoitteet ovat minulle tärkeät, jotta tiedän

tarkasti, mitä minun tulee tehdä.

0.621

Metataidot

Oman osaamisen reflektointi

1. Kun minulla on vaikeuksia ymmärtää jokin asia, yritän analysoida miksi se on minulle

vaikeaa.

2. Testaan opiskeltavan asian hallintaa yrittäen itse miettiä sellaisia esimerkkejä tai

ongelmia, joita ei materiaalissa tai luennolla ole mainittu.

3. Testatakseni omaa oppimistani yritän muotoilla keskeiset asiat omin sanoin.

0.557

Vertaistuen

hyödyntäminen

Vertaisryhmän tuen aktiivinen hyödyntäminen

1. Muiden opiskelijoiden tuki on tärkeää opinnoissa.

2. Keskustelut muiden opiskelijoiden kanssa tukevat minua opinnoissani.

3. Osaan hyödyntää muilta opiskelijoilta saamiani ideoita opiskelussani.

4. Pyydän opiskelukavereiltani tukea opiskeluun liittyvissä kysymyksissä.

5. Valmistaudun usein tenttiin yhdessä muiden opiskelijoiden kanssa.

6. Teen usein opiskeluun liittyviä tehtäviä yhdessä muiden opiskelijoiden kanssa.

0.878

Vuorovaikutus

Vuorovaikutusta korostavat työskentelytavat

1. Voin keskustella avoimesti opiskeluun liittyvistä ongelmista opiskelutovereideni

kanssa.

2. Saan usein rakentavaa palautetta muilta opiskelijoita.

3. Opiskelupaikassani on hyvä opiskeluilmapiiri.

4. Haluan jakaa omat ideani muiden opiskelijoiden kanssa.

0.724

26

Komponentti

Selittävät (mitatut) muuttujat

Chronbach (α)

Pintasuuntautunut

lähestymistapa

Vaikeudet kokonaisuuksien hallinnassa (pintaoppiminen)

1. Minulla on vaikeuksia hallita opittavia asioita.

2. Monet oppimani asiat jäävät irrallisiksi, jolloin ne eivät linkity osaksi laajempaa

kokonaisuutta.

3. Opiskeltavat asiat tuntuvat niin monimutkaisilta, että minulla on vaikeuksia ymmärtää

niitä.

4. Joudun toistamaan asioita yhä uudelleen oppiakseni ne.

0.807

Analyyttinen

lähestymistapa

Analyyttinen lähestymistapa (syväoppiminen)

1. Jään pohtimaan teksteissä (esim. tieteelliset tekstit ja oppimateriaalit) esitettyjä

ajatuksia ja näkökulmia.

2. Etsin huolellisesti perusteluja ja näyttöä muodostaakseni omat johtopäätökseni

opiskeltavista asioista.

0.761

Suunnitelmallinen

opiskelu

Systemaattinen työskentelytapa (syväoppiminen)

1. Näen paljon vaivaa opintojeni eteen

2. Kaiken kaikkiaan opiskelen systemaattisesti ja järjestelmällisesti.

3. Käytän opiskeluun varaamani ajan mahdollisimman hyvin.

4. Olen laatinut opiskeluaikatauluni, jotta pystyn suorittamaan kaikki opintojaksot

suunnittelemassani aikataulussa.

0.634

Kokonaisuuksien

hallinta

Kokonaisuuksien hallinta (syväoppiminen)

1. Lukiessani uutta tekstiä yritän samalla miettiä, mitä jo tiedän aiheesta.

2. Yritän yhdistellä eri kursseilla oppimiani asioita kokonaisuuksiksi.

0.716

Seuraavaksi suoritin SPSS-ohjelmistolla lineaarisen regressioanalyysin, jonka avulla

selvitin opiskelijan itse- ja yhteissäätelytaitojen sekä oppimisen lähestymistapojen

yhteyttä hänen tietyssä ajassa suorittamaansa opintopistemäärään (N=176) ja

arvosanojen keskiarvoon niiden opiskelijoiden osalta, joilta kyseinen tieto oli

laskettavissa (N=76).

Regressioanalyysi on muuttujien välisiä kausaalisuhteita tarkasteleva

monimuuttujamenetelmä. Yksinkertaisimmillaan sen avulla voidaan tarkastella kahden

yksittäisen muuttujan välistä yhteyttä, mutta tyypillisemmin sitä käytetään selittämään

useamman eri riippumattoman, eli selittävän muuttujan (Independent variable, IV)

vaikutusta yhteen, tai kaanonisen korrelaation tapauksessa useampaan, riippuvaan, eli

selitettävään muuttujaan (Dependent variable, DV) (Berk, 2004:103; Metsämuuronen,

2005:658). Regressioanalyysi mukautuu joustavasti hyvinkin erilaisiin

27

tutkimusasetelmiin ja muuttujatyyppeihin, mikä tukeekin sen suurta menetelmällistä

suosiota (Spicer, 2005:90). Analyysin tarkoituksena on siis hahmottaa muuttujien

välisiä vaikutusmalleja (Spicer, 2005:90) ja sen perusteella voidaan päätellä paitsi

vaikutuksen olemassaolo, myös sen suuruus sekä yksittäisten muuttujien painoarvot

osana kokonaisuutta (Spicer, 2005:92).

Ennen varsinaista regressioanalyysia on kuitenkin syytä tarkastella muuttujien välisiä

korrelaatiokertoimia. Tällä pyritään toisaalta varmistamaan, että mallissa käytettävät

selittävät muuttujat ovat ylipäätänsä yhteydessä selitettävään muuttujaan ja regression

laskeminen on mielekästä (Spicer, 2005:97). Toisaalta korrelaatioiden avulla voidaan

samalla tehdä havaintoja selittävien muuttujien keskinäisestä korrelaatiosta esimerkiksi

multikollineaarisuusongelmien havaitsemiseksi (ks. sivu 33). Analyysin ensimmäisessä

vaiheessa laskin kaikkien muuttujien keskinäinen korrelaatiomatriisin. Sen perusteella

havaitsin, että muuttujat Pintasuuntautunut lähestymistapa ja Vaikeudet itsesäätelyssä

korreloivat keskenään hyvin voimakkaasti. Sisällöllisesti tarkasteltuna totesin, että

muuttujat kuvaavat molemmat opiskelijan kykyä hallita kokonaisuuksia ja näin ollen ne

mittaavat hyvin todennäköisesti samaa asiaa, vaikka kysymykset onkin esitetty

kyselylomakkeen eri osissa. Tämän perusteella päätin jättää toisen kyseisistä

muuttujista kokonaan pois analyysista multikollineaarisuusongelmien vuoksi. Valitsin

pois jätettäväksi muuttujaksi oppimisen lähestymistapoja kuvaavan muuttujan

Pintasuuntautunut lähestymistapa, koska sisällöllisesti ja käsitteellisesti

kokonaisuuksien hallinta liittyy enemmän itsesäätelytaitoihin kuin oppimisen

lähestymistapoihin.

Tämän jälkeen suoritin varsinaisen regressioanalyysin. Menetelmällisesti

regressioanalyysi koostuu kolmesta vaiheesta: (1) regressiomallissa käytettävien

muuttujien valinta, (2) varsinainen analyysivaihe ja (3) mallin diagnostinen tarkastelu

(Metsämuuronen, 2005:659–660). Lähtökohdiltaan regressioanalyysi voi olla joko

eksploratiivinen tai konfirmatorinen. Eksploratiivisessa lähestymistavassa valitaan suuri

joukko potentiaalisia selittäviä muuttujia ja selvitetään, mitkä niistä ovat todellakin

olennaisia. Konfirmatorisessa vaihtoehdossa puolestaan lähdetäänkin liikkeelle

teoriapohjaisesti ja luodaan malli, jonka toimivuus pyritään vahvistamaan

(Metsämuuronen, 2005:659). Näin menetelmä siis soveltuu hyvin käytettäväksi juuri

tämän kaltaisessa tilanteessa, jossa halutaan selvittää aikaisemman tutkimuksen pohjalta

olennaisiksi osoitettujen elementtien vaikutusta selitettävään ilmiöön (Metsämuuronen,

28

2005:661). Konfirmatorisen vaihtoehdon käyttöä tukee myös monista yhteyksistä

välittyvä nykykeskustelun vire, joka selkeästi kannustaa tutkijoita perustamaan

valintansa entistä voimakkaammin olemassaolevaan teoriaan sattumanvaraisten

valintojen ja subjektiivisen tuntuman sijaan. Tässä tapauksessa aineiston

pääulottuvuudet perustuivat teoriaan, joten siitäkin huolimatta, että tein

pääkomponenttianalyysin yhteydessä näiden ulottuvuuksien sisällä eksploratiivisia

tarkistuksia, rakentui varsinainen regressiomalli kuitenkin konfirmatorisista

lähtökohdista.

Kuten edellä on jo mainittu, regressioanalyysi tarjoaa käytettäväksi useita erilaisia

variaatioita riippuen muun muassa siitä, miten suoraviivaisia tai monitasoisia

muuttujien välisiä yhteyksiä halutaan selvittää (Spicer, 2005:90). Tässä

tutkimusasetelmassa kaikki muuttujat olivat jatkuvia, ja tarkoituksenani oli selvittää

usean selittävän muuttujan vaikutuksia yhteen selitettävään muuttujaan kerrallaan.

Koska analyysi pohjautui taustateoriaan ja aiemman tutkimuksen perusteella tehtyihin

ennakko-oletuksiin muuttujien välisistä suhteista, valitsin regressiomenetelmäksi

pakotetun mallinnuksen (SPSS-ohjelmassa: Method=enter). Olin siis päättänyt jo

ennalta, taustateorian ja aiemman tutkimuksen valossa, mitä muuttujia käytän ja kuinka

asettelen ne suhteessa toisiinsa. Muut, enemmän eksploratiiviset vaihtoehdot olisivat

olleet lisäävä, poistava ja askeltava menettely. Lisäävässä menettelyssä malliin lisätään

muuttujia yksi kerrallaan sen perusteella, miten vahva selitysvoima niillä on, kunnes

saavutetaan tilanne, jossa uudet muuttujat eivät enää anna mallille lisää informaatiota.

Poistavassa menettelyssä muuttujia karsitaan yksi kerrallaan siten, että jäljelle jäävät

lopulta vain tilastollisesti merkitsevät muuttujat. Askeltava menettely yhdistää kaksi

edellä mainittua. Ensin malliin lisätään muuttujia yksi kerrallaan, mutta sen jälkeen

niiden vaikutusta malliin testataan vielä poistamalla muuttujat yksi kerrallaan ja

tarkkailemalla poiston vaikutusta mallin selitysasteeseen. Jos selitysaste ei muutu,

muuttuja jätetään pois mallista turhana (Metsämuuronen, 2005:667). Tässä

tutkimuksessa päädyin pakotettuun malliin ensinnäkin siksi, että taustalla oli valmis

vahva teoria. Toisaalta huomioon oli otettava myös se, että otoskoon pienuudesta

johtuen jouduin rajoittamaan tarkasteltavaa muuttujamäärää (ks. alla) ja näin ollen ei

olisi ollut mielekästä suorittaa esimerkiksi askeltavaa menettelyä.

Näin syntyneestä mallista suoritin perinteisen, lineaarisen, useamman selittävän

muuttujan regressioanalyysin (multiple regression). Kyseinen, yhdessä vaiheessa

29

suoritettava analyysimalli soveltuu hyvin tilanteeseen, jossa yhden jatkuvan muuttujan

(tässä tapauksessa ensimmäisen mallin osalta arvosanoilla mitattu opintomenestys ja

toisen mallin osalta opintojen suoritusnopeus) aiempaan tutkimukseen pohjautuville

selittäville tekijöille (tässä tapauksessa itsesäätelyyn, yhteissäätelyyn ja oppimisen

lähestymistapoihin liittyvät ulottuvuudet) etsitään vahvistusta uuden aineiston puitteissa

(Metsämuuronen, 2005:661; Spicer, 2005:94).

Myös regressioanalyysin taustaolettamuksiin sisältyy aineistokokovaatimuksia.

Esimerkiksi Tabachnick ja Fidell (2001) ovat esittäneet nyrkkisääntöä suhdeluvusta

40/1, eli 40 havaintoa jokaista selittävää muuttujaa kohden (Metsämuuronen 2005:662).

Tässä tapauksessa aineisto oli olemassa jo valmiina, joten käänteisesti laskettuna

opiskeluvauhtia kuvaava osuus (N=176) sallisi neljästä viiteen selittävää muuttujaa ja

arvosanoja kuvaava osuus (N=76) vain kaksi selittävää muuttujaa. Tämän pohjalta

suoritin vielä muuttujien sisällöllistä tarkastelua ja totesin, että itsesäätelyn ulottuvuutta

kuvaavista muuttujista voidaan poimia teoreettiselta kannalta kaksi olennaisinta

(systemaattista toimintaa kuvaava Itsesäätely ja vahvaa ulkoisen tuen tarvetta, eli

heikkoa itsesäätelyä, kuvaava Ulkoinen säätely). Näin sain rajattua selittävien

muuttujien määrän viiteen ja aineistokokovaatimus täyttyi opintojen etenemistä

kuvaavan osion osalta. Arvosanojen osalta otoskoko oli valitettavan pieni, ja sen vuoksi

jouduin tarkastelemaan tätä osiota kahtena erillisenä mallina. Ensimmäisessä mallissa

käytin selittävinä muuttujina vahvaa itsesäätelyä kuvaavaa muuttujaa Itsesäätely ja

yhteissäätelyä kuvaavaa muuttujaa Vertaistun hyödyntäminen. Toisessa mallissa käytin

selittävinä muuttujina sekä pinta- että syväsuuntautuneen oppimisen lähestymistavan

ulottuvuuksia muuttujien Pintaoppiminen ja Suunnitelmallinen lähestymistapa

(syväoppiminen) kautta.

Kun regressiomalli on lopulta valmis ja analyysi suoritettu, tarkastellaan mallin

toimivuutta sen selitysasteen avulla. Tähän tarkoitukseen käytin

multippelikorrelaatiokertoimen neliötä, eli R2-lukua, ja F-testiä (Spicer, 2005:94, 96).

R2-arvo kertoo kuinka monta prosenttia malli selittää selitettävän muuttujan vaihtelusta

(Metsämuuronen, 2005:669). Arvosta voidaan käyttää joko korjattua (adjusted R2) tai

korjaamatonta versiota (R2). Näiden välillä suoritettavassa valinnassa on kiinnitettävä

huomiota muun muassa mallissa käytettävien selittävien muuttujien määrään suhteessa

aineiston kokoon. Mikäli aineisto on pieni ja selittäviä muuttujia paljon, korjaamaton

R2-arvo tahtoo arvioida tulokset yläkanttiin ja näin ollen korjatun version käyttäminen

30

tulosten tulkinnassa on suositeltavaa (Spicer, 2005:94). Tämän lisäksi jokainen

yksittäinen selittävä muuttuja sai oman regressiokertoimensa (β), joka tarkoittaa

kyseisen muuttujan yksittäisvaikutusta selitettävään muuttujaan silloin, kun toisten

muuttujien vaikutus on vakioitu (Metsämuuronen, 2005:663). Beta-arvo kertoo, kuinka

paljon yhden keskihajonnan verran tapahtuva muutos kyseisessä selittävässä

muuttujassa vaikuttaa selitettävään muuttujaan. Lopuksi kontrolloin β-arvon tilastollisen

merkitsevyyden vielä t-testillä, joka toimii perinteisen nollahypoteesitestauksen

periaatteella. Toisin sanoen vain ne muuttujat, joiden β-arvon p<0.05 ovat

merkityksellisiä (Spicer, 2005:96).

F-testi merkitsevyystasoineen puolestaan kertoo, pystytäänkö valitulla mallirakenteella

ylipäätänsä kuvaamaan selitettävän muuttujan vaihtelua. Jos F-testi antaa nollatuloksen

(p>0.05), ei yksittäisten muuttujien tarkempi tulkinta ole enää mielekästä (Spicer,

2005:96).

Lopuksi varmistin vielä mallin toleranssi ja VIF (variance inflation factor) -arvoilla

(taulukot 7, 8 ja 9) sekä residuaalien, eli virhetermien, jakauman normaalisuuden,

homoskedastisuuden, kuvaajien perusteella ettei siinä esiinny ongelmallista

multikollineaarisuutta (Metsämuuronen, 2005:672).

4.3.2 Rakenneyhtälömallintaminen

Toiseen tutkimuskysymykseen hain vastausta rakenneyhtälömallilla, jonka avulla pyrin

selvittämään, ovatko hyvät itsesäätelijät muita todennäköisemmin taipuvaisia

hyödyntämään toisilta opiskelijoilta saamaansa vertaistukea edistääkseen omia

opintojaan. Mallilla etsittiin siis kausaalista yhteyttä itsesäätelystä yhteissäätelyyn.

Rakenneyhtälömallintaminen on tilastollinen analyysimenetelmä, jonka erityisenä

vahvuutena on kyky käsitellä sekä havaittujen muuttujien että useista eri havaituista

muuttujista koostuvien latenttien muuttujien välisiä suhteita (Lei & Wu, 2007:33;

Teo,Tsai & Yang, 2013:4). Tämä selittää myös menetelmän kasvavaa suosiota

käyttäytymistieteellisen tutkimuksen piirissä, koska siinä kyse on nimenomaan usein

sellaisten asioiden mittaamisesta, joita ei voida suoraan havainnoida.

Perinteisistä monimuuttujamenetelmistä poiketen SEM-menetelmä on teorialähtöinen ja

pohjautuu aina konfirmatoriseen faktorianalyysiin (Lei & Wu, 2007:34; Teo,Tsai &

31

Yang, 2013:4), eli toisin kuin eksploratiivisissa menetelmissä, SEM-mallinnuksessa

tuotetaan etukäteen hypoteesit eri muuttujien välisistä yhteyksistä (Byrne, 2013:3). Niin

ikään perinteisistä monimuuttujamenetelmistä poiketen rakennyhtälömallinnus ottaa

huomioon myös residuaalit, eli virhetermit, ja näin ollen on mittaustulokseltaan

luotettavampi (Byrne, 2013:3). Teorialähtöistä ideologiaa pidetään yleisesti

rakenneyhtälömallintamisen vahvuutena, koska se pakottaa tutkijan nojaamaan

huolellisesti taustateoriaan suunnitellessaan testattavia hypoteeseja. Kun hypoteettinen

malli on luotu, testataan vielä käytettävissä olevan aineiston soveltuvuutta teoreettiseen

malliin (Lei & Wu, 2007:34). Saatuun lopputulokseen voidaan suhtautua kahdella

tavalla. Harvinaisempaa on pitäytyä tiukasti valitussa, hypoteettisessa mallissa ja

puhtaasti hyväksyä tai hylätä se saatujen tulosten perusteella. Huomattavasti

yleisemmin käytetään ns. Model Generating (MG) –menetelmää, jossa malliin tehdään

tarvittaessa parannuksia, jotta saataisiin aikaiseksi hyväksytty lopputulos (Byrne,

2013:8).

Tässä tutkimuksessa valitsin muuttujat teorialähtöisesti siten, että pyrin löytämään

latentteja ilmiöitä (itsesäätely, yhteissäätely) kuvaamaan sellaiset muuttujat, jotka

ilmentäisivät kyseisten ilmiöiden keskeisiä ominaisuuksia mahdollisimman hyvin.

Käytettävissäni olivat ensimmäisen tutkimuskysymyksen yhteydessä luodut

pääkomponenttipistemuuttujat, joiden rakennetta pystyin hyödyntämään

mallinnuksessa. Itsesäätelyä kuvaamaan valitsin sellaisenaan muuttujan Itsesäätely

sisällön (taulukko 3), koska siihen kiteytyvät varsin hyvin sellaiset itsesäätelyyn

yleisesti liitetyt ominaisuudet kuin opiskelijan itseohjautuvuus ja toiminnan

suunnitelmallisuus. Yhteissäätelyä kuvaamaan valitsin Vertaistuen hyödyntäminen -

muuttujan sisällön, mutta estimoitavien parametrien määrän vähentämiseksi

aineistokokoon sopivaksi karsin havainnoitujen muuttujien määrän neljään. Näin

muodostui kaksi latenttia muuttujaa: Itsesäätely ja Yhteissäätely (taulukko 3). Tämän

jälkeen aineisto siirrettiin vielä SPSS-ohjelmasta MPlus-ohjelmaan varsinaista SEM-

analyysia varten.

32

Taulukko 3.

Rakenneyhtälömallin latentit muuttujat ja niiden selittävät muuttujat

Latentti

Selittävät (mitatut) muuttujat

Itsesäätely

1. Opiskellessani asetan itselleni omia tavoitteita muiden (esim. opettajan, kurssin tai tutkinnon)

tavoitteiden lisäksi.

2. Kurssivaatimusten lisäksi perehdyn myös muuhun aiheeseen liittyvään kirjallisuuteen.

3. Jos en ymmärrä opiskeltavaa asiaa, etsin muuta aiheeseen liittyvää materiaalia.

4. Teen enemmän kuin mitä minulta kurssilla edellytetään.

Yhteissäätely

1. Muiden opiskelijoiden tuki on tärkeää opinnoissa.

2. Keskustelut muiden opiskelijoiden kanssa tukevat minua opinnoissani.

3. Pyydän opiskelukavereiltani tukea opiskeluun liittyvissä kysymyksissä.

4. Valmistaudun usein tenttiin yhdessä muiden opiskelijoiden kanssa.

Rakenneyhtälömallintaminen etenee viiden pääasiallisen työvaiheen kautta: (1) mallin

määrittely, (2) mallin identifioiminen, (3) estimointi, (4) evaluointi ja tarvittaessa (5)

mallin muokkaaminen (Teo,Tsai & Yang, 2013:5). Ensimmäisessä vaiheessa

rakennetaan perusmalli yllä kuvatulla, teorialähtöisellä tavalla. Sen jälkeen

varmistetaan, että malli identifioituu. Identifioimisella varmistetaan, että malli täyttää

vähimmäisvaatimukset, ja että jokaiselle vapaalle parametrille voidaan käytettävän

aineiston pohjalta tuottaa arvo (Teo,Tsai & Yang, 2013:9). Ensinnäkin jokaiselle

estimoitavalla parametrille on pystyttävä antamaan arvo korrelaatiomatriisin

datapisteiden perusteella (In’Nami & Koizumi, 2013:26). Tätä voidaan tarkastella

mallin vapausasteiden (Degrees of Freedom, df) arvon avulla. Mikäli arvo on

positiivinen, se tarkoittaa, että datapisteitä on enemmän kuin estimoitavia parametreja ja

näin ollen malli identifioituu. Jos arvo on negatiivinen, malli ei identifioidu. Arvo voi

myös olla myös tasan nolla, jolloin malli kyllä identifioituu (just-identified), mutta sen

pätevyyttä ei voida tarkastella normaalien pätevyysindeksien (ks. alla) perusteella

(In’Nami & Koizumi, 2013:26–27). Toiseksi kaikkien latenttien muuttujien tulee olla

välimatka-asteikollisia (Lei & Wu, 2007:35).

Kun malli on identifioitu, seuraa parametrien estimointivaihe. Estimointi on helpointa

suorittaa tarkoitukseen suunnitelluilla ohjelmistoilla, kuten Mplus, joten prosessin

sisältöön ei tässä yhteydessä ole syytä syventyä sen tarkemmin. Olennaista sen sijaan on

oikean estimointimenetelmän valitseminen. Valintaan vaikuttavat muun muassa

33

aineiston koko, normaalisuus sekä mallin monimutkaisuus (In’Nami & Koizumi,

2013:27). Mplus-ohjelmisto käyttää oletuksenaan Maximum Likelihood (MLE)

-estimaattoria, joka onkin yleisimmin käytetty vaihtoehto (In’Nami & Koizumi,

2013:27). MLE-estimaattori kuitenkin pitää sisällään olettamuksen jakauman

normaalisuudesta. Tämän vuoksi suoritin malliin valitsemieni muuttujien

normaalisuustestauksen SPSS-ohjelmalla (taulukko 4). Kaikki muuttujat olivat jonkin

verran vinoja ja huipukkaita, mikä on tämänkaltaiselle aineistolle sinänsä varsin

normaalia. Koska kysely on tehty suomalaisessa yliopistokontekstissa, sen kohteena

ovat käytännössä olleet henkilöt, jotka ovat jo tiukan hakuprosessin kautta hankkineet

itselleen opiskelupaikan yliopistossa. On siis varsin luonnollista, että heillä on

tietynlaisia odotuksia esimerkiksi opintomenestyksensä suhteen. Ja toisaalta he ovat jo

pääsykoevaiheessa osoittaneet kykynsä hahmottaa oppiainettaan keskivertoa paremmin.

Näin ollen voidaan pitää luonnollisena, että monissa väittämissä arvot kasaantuivat

enemminkin Likert-asteikon yläpäähän kuin alapäähän. Vaikka arvot periaatteessa

jäivätkin pääsääntöisesti vinouden ja huipukkuuden osalta sekä alle karkeiden raja-

arvojen 2 (vinous) ja 7 (huipukkuus) että läpäisivät tiukemman nyrkkisäännön

vaihteluvälin +/-1 sisälle sijoittumisesta, ne eivät kuitenkaan läpäisseet

normaalisuustestausta esimerkiksi Shapiro-Wilkin testin nojalla (kaikissa p=0.001, kun

raja-arvo olisi 0.050). Tämän vuoksi katsoin turvallisemmaksi valita SEM-mallinnuksen

estimaattoriksi MLE:n sijaan normaalisuuspoikkeamat sietävän Maximum Likelihood

Robust (MLR) -estimaattorin.

Taulukko 4.

Muuttujien jakaumien normaalisuustestaus

N

Keskiarvo

Vinous

Vinouden keskivirhe

Huipukkuus

Huipukkuuden

keskivirhe

Shapiro-

Wilk

Itsesäätely

saat1

saat7

saat11

saat13

201

201

201

201

4.88

3.12

5.25

3.07

-0.546

0.697

-0.858

0.407

0.172

0.172

0.172

0.172

-0.362

-0.210

-0.077

-0.674

0.341

0.341

0.341

0.341

p=0.001

p=0.001

p=0.001

p=0.001

34

N

Keskiarvo

Vinous

Vinouden keskivirhe

Huipukkuus

Huipukkuuden

keskivirhe

Shapiro-

Wilk

Yhteissäätely

yht24

yht25

yht27

yht28

201

201

201

201

4.97

5.39

4.53

3.57

-0.502

-1.012

-0.435

0.284

0.172

0.172

0.172

0.172

-0.569

1.071

-0.586

-1.347

0.341

0.341

0.341

0.341

p=0.001

p=0.001

p=0.001

p=0.001

SEM-malli koostuu kahdesta tasosta, mittausmallista ja rakennemallista. Näistä ensin

mainitulla tarkoitetaan aineiston sisältämien havaittujen muuttujien ja latenttien

muuttujien välisiä suhteita. Konfirmatorisen faktorianalyysin avulla lasketaan eri

muuttujien faktorilataukset, eli se, miten hyvin havaitut muuttujat kuvastavat haluttua,

latenttia ilmiötä (Byrne, 2013:11). Tavoitteena on löytää mahdollisimman hyvin

latentteja muuttuvia kuvaavat mitattavat muuttujat, jotka istuvat yhteen ja tuottavat

konfirmatorisella faktorianalyysilla mahdollisimman vahvan tuloksen (Khine, 2013:6).

Varsinaisella rakennemallilla puolestaan tarkoitetaan latenttien muuttujien välisiä

teoreettisia suhteita (Teo,Tsai & Yang, 2013:7) ja niiden keskinäisiä, suoria tai

epäsuoria efektejä, eli sitä, miten ne aiheuttavat kausaalisia muutoksia toisissaan

(Byrne, 2013:3, 11). Mallin toimivuutta arvioidaan Model Fit Indices -tietojen avulla.

Niiden perusteella suoritetaan mallin evalutointi, eli päätetään voidaanko malli

hyväksyä sellaisenaan kuvaamaan haluttua ilmiötä käytettävissä olevalla aineistolla.

Arviointi tehdään useamman eri tunnusluvun perusteella. Ensimmäisenä tarkastellaan

chi-square (χ 2) –arvoa. Sen tulisi olla ei-merkitsevä (>0.05), jolloin se hyväksyisi

nollahypoteesin, jonka mukaan mallin ja datan perusteella laskettujen varianssien ja

kovarianssien välillä ei ole tilastollisesti merkitseviä eroavuuksia (Teo,Tsai & Yang,

2013:14). Osa tutkijoista on sitä mieltä, että χ 2 on jopa ainoa merkityksellinen, ja ennen

kaikkea tilastollisesti uskottava, testi rakennemallin ja käytettävissä olevan aineiston

yhteneväisyyden mittaamiseksi (ks. esim. Barrett, 2007:818, 820). χ 2 on kuitenkin

osoittautunut sikäli hankalaksi, että se on ensinnäkin sensitiivinen esimerkiksi

otoskoolle. Mitä suurempi aineisto, sitä suuremmalla todennäköisyydellä χ 2 antaa

hylkäävän tuloksen (Barrett, 2007:816). χ 2 on herkkä myös aineiston jakauman

normaalisuudessa mahdollisesti esiintyville poikkeamille (McIntosh, 2007:861) ja

35

havainnoitavien parametrien määrälle (Khine, 2013:38). Vaikka χ2 onkin

pätevyystesteistä merkittävin, sen antama hylkäävä tulos ei välttämättä silti tarkoita

mallin käyttökelvottomuutta. Näissä tilanteissa ensimmäisenä toimenpiteenä tulisi aina

tarkastella mallia kriittisesti mahdollisten epäkohtien havaitsemiseksi ja korjaamiseksi –

ja mahdollisesti sen jälkeen hyväksyttävän χ 2 -arvon saavuttamiseksi (McIntosh,

2007:859). Yksi vaihtoehto on sekin, että tutkija pystyy jollakin tavalla

argumentoimaan perusteet χ 2 -testin huomiotta jättämiselle. Sen rinnalle on kehitetty

muitakin tunnuslukuja, joiden perusteella mallin sopivuutta voidaan arvioida (Teo,Tsai

& Yang, 2013:14). Näitä ovat erityisesti Comparative Fit Index (CFI), Tucker-Lewis

Index (TLI), Root Mean Squared Error of Approximation (RMSEA) ja Standardized

Root Mean Squared Residual (SRMR) (Hu & Bentler, 1999:1; Teo,Tsai & Yang,

2013:14-15). Mallin pätevyyden arviointi tehdään näitä yhdistelemällä. Jos esimerkiksi

CFI/TLI -arvot ovat >0.95, RMSEA <0.06 ja SRMR <0.08, mallin voidaan katsoa

olevan pätevä (Hu & Bentler, 2013:2). Täysin kiveen kirjoitettuja eivät nämäkään arvot

ole, sillä niiden tulkinnassa esiintyy pientä vaihtelua eri lähteissä. Esimerkiksi Byrne

(2013:71) antaa RMSEA:lle hyvän mallin pätevyyden rajaksi <0.05, mutta tästä on

olemassa erilaisia näkemyksiä, joissa selkeä hylkäysraja on kuitenkin korkeimmillaan

0.10 (Hoover, 2008:54). Myös muiden mallin pätevyyttä kuvaavien tunnuslukujen raja-

arvot ovat eläneet vuosien saatossa; esimerkiksi CFI:n arvoksi hyväksyttiin aiemmin jo

0.90, mutta sittemmin tavoitearvo on nostettu yleisesti tasolle 0.95 (Byrne, 2013:71).

Indikaattorien valintaan vaikuttavat myös muut reunaehdot, kuten otoksen koko.

Esimerkiksi TLI ja RMSEA ovat herkkiä hylkäämään mallin sopivuuden hyvin pienillä

aineistoilla (Hu & Bentler, 2013:2) ja vastaavasti taas SRMR ei ole otoskoon suhteen

sensitiivinen, koska se ei käytä laskentansa taustalla χ 2-arvoja (In’Nami & Koizumi,

2013:29). Mallin pätevyyden tarkastelua ei kuitenkaan voi koskaan jättää pelkkien

laskennallisten pätevyysarvojen varaan. Päätelmät on tehtävä huomioimalla

tilastollisten seikkojen lisäksi myös kokonaiskuva, johon liittyvät teoreettiset ja

käytännölliset ulottuvuudet (Byrne, 2013:77).

Tässä tutkimuksessa jo χ 2 antoi mallin pätevyydestä hyväksytyn, eli ei-merkitsevän

(p>0.05), tuloksen (taulukko 5). Koska laskennassa käytettiin MLR-estimaattoria, ei χ 2

-arvoa voida käyttää sellaisenaan, mutta MPlus-ohjelma tuottaa automaattisesti

vastineeksi estimaattorispesifin, korjatun arvon MLRχ 2 (Scaling Correlation Factor for

MLR=1.052). Myös muut arvot asettuivat kohtalaisen hyvin raja-arvojen sisään.

36

Ainoastaan RMSEA jäi aavistuksen toivottua suuremmaksi (0.088), mutta koska se on

silti reilusti alle 0.10 ja juuri kyseinen testi on tunnetusti sensitiivinen pienelle

otoskoolle, jätin sen huomiotta ja katsoin muiden arvojen riittävän vahvistamaan mallin

pätevyyden. Estimoitavia parametrejä tuli 25, mikä on aavistuksen yläkanttiin aineiston

kokoon (N=201) nähden. Mutta koska aiemmin oli jo todettu, että kumpaakin latenttia

ulottuvuutta kuvaavat havaitut muuttujat olivat vahvassa yhteydessä toisiinsa, katsoin

kokovaatimuksissa joustamisen mahdolliseksi. Edellä mainitut kompromissit on

kuitenkin syytä ottaa huomioon tutkimuksen luotettavuutta tarkasteltaessa.

Mallinnuksen viimeisenä vaiheena olisi ollut mahdollista vielä tehdä tarvittavat

muokkaukset. Käytännössä tämä tarkoittaa joko parametrien lisäämistä, poistamista,

kiinnittämistä tai vapauttamista (Teo,Tsai & Yang, 2013:16). Mallista voidaan

esimerkiksi poistaa tilastollisesti merkitsemättömiä yhteyksiä (In’Nami & Koizumi,

2013:32). Mikäli mallin pätevyys on hyvin lähellä, mutta silti hieman alle raja-arvojen,

tarjoaa Mplus-ohjelmisto valmiit muokkausehdotukset – Modification Indices (MIs)

(Byrne, 2013:86). Tässä tapauksessa siihen ei kuitenkaan ollut tarvetta. Malli täytti sille

asetetut kriteerit jo sellaisenaan ja toisaalta MPlus-ohjelma ei löytänyt siitä esimerkiksi

vapautettavia parametreja, jotka olisivat vaikuttaneet mallin fit-arvoihin.

Lähtökohtaisesti ei muutenkaan ole tarkoituksenmukaista korjailla mallia niin pitkälle

kuin mahdollista, vaan päinvastoin pitää se mahdollisimman lähellä alkuoletuksia niissä

rajoissa, kuin se suinkin on mahdollista pätevyystarkastelun asettamissa puitteissa jo

pelkästään siitä syystä, että muokattu malli ei ole enää puhtaan konfirmatiivinen, vaan

sisältää myös eksploratiivisen ulottuvuuden (In’Nami & Koizumi, 2013:32). Muutosten

pitää myös aina olla teoreettisesti perusteltavissa (Teo,Tsai & Yang, 2013:16), eivätkä

ne saa olla ristiriidassa aiemman aiheesta tehdyn tutkimuksen kanssa (In’Nami &

Koizumi, 2013:33). Muutosten jälkeen suoritetaan mallin ajo uudestaan ja arvioidaan,

paranivatko sen pätevyysarvot. Toki joskus on hyväksyttävä sekin vaihtoehto, että

mallia ei välttämättä ole edes mahdollista saada päteväksi käytettävissä olevalla

aineistolla.

37

Taulukko 5.

Rakenneyhtälömallin pätevyys

Malli

MLR χ 2

(p)

df

CFI

TLI

RMSEA

SRMR

Estimoitavat parametrit

Itsesäätely ON yhteissäätely

29.612

(0.057)

19

0.979

0.970

0.088

0.038

25

5 TULOKSET

5.1 Säätelytaitojen ja lähestymistapojen suhde opintomenestykseen

Ennen varsinaista regressioanalyysia laskin summamuuttujien väliset korrelaatiot

(taulukko 6) Pearsonin korrelaatiokertoimilla. Muuttujien välillä oli havaittavissa

tilastollisesti merkitseviä ja erittäin merkitseviä yhteyksiä. Vahva itsesäätely oli

yhteydessä syväoppimista kuvaaviin oppimisen lähestymistapoihin, eli analyyttiseen

opiskelutapaan (r=0.555, p=0.000) ja suunnitelmalliseen opiskeluun (r=0.317, p=0.000).

Ulkoiseen säätelyyn tukeutumisella oli vahva negatiivinen yhteys kokonaisuuksien

hallintaa korostavaan suunnitelmalliseen opiskeluun (r=-0.329, p=0.000), mutta silti

positiivinen yhteys analyyttiseen opiskelutapaan (r=0.220, p=0.002). Yhteissäätelyyn

liittyvä vertaistuen hyödyntäminen puolestaan oli erittäin merkitsevästi yhteydessä

ainoastaan suunnitelmalliseen opiskeluun (r=0.219, p=0.002). Lisäksi sillä oli

tilastollisesti merkitsevä negatiivinen yhteys ulkoiseen säätelyyn (r=-0.179, p=0.011).

Vahvan itsesäätelyn ja yhteissäätelyn välillä ei havaittu tilastollisesti merkitsevää

yhteyttä, mutta havaittu lievä yhteys oli negatiivinen (r=-0.096, p=0.175).

38

Taulukko 6.

Regressioanalyysin summamuuttujien välinen korrelaatio

Itsesäätely

Ulkoinen säätely

Vertaistuen

hyödyntäminen

Systemaattinen

työskentely

Suunnitelmallinen

opiskelu

Itsesäätely 1 0.111 -0.096 0.555** 0.317** Ulkoinen säätely 0.111 1 -0.179* 0.220** -0.329** Vertaistuen hyödyntäminen -0.096 -0.179* 1 -0.133 0.219** Analyyttinen opiskelutapa 0.555** 0.220** -0.133 1 0.065 Suunnitelmallinen opiskelu 0.317** -0.329** 0.219** 0.065 1

* Tilastollisesti merkitsevä yhteys, p< 0.05

** Tilastollisesti erittäin merkitsevä yhteys, p< 0.01

Seuraavaksi selvitin regressioanalyysin avulla, miten vastaajien itsesäätelytaidot ja

yhteissäätelytaidot sekä heidän lähestymistapansa oppimiseen liittyvät toisaalta siihen,

minkälaista vauhtia he etenevät opinnoissaan ja toisaalta siihen, minkälaisia heidän

opintosuorituksensa ovat laadullisesti arvosanoilla mitattuna.

Opintojen etenemisen (taulukko 7) osalta mallin muuttujat selittivät yhdessä vain

hyvin pienen osan opintojen etenemisnopeudesta (R2=0.074, korjattu R2=0.046) ja

selittävien muuttujien korrelaatio suhteessa selitettävään muuttujaan jäi pieneksi

(R=0.271). Koska aineisto oli pieni ja selittäviä muuttujia sen perusteella valittu

maksimimäärä, R2 voi antaa tuloksen yläkanttiin ja on ehkä viisaampaa tulkita sen

sijaan korjattua R2 -arvoa. Toisin sanoen opintojen etenemisnopeuden muutoksesta

voidaan selittää tällä mallilla tulkintatavasta riippuen vain noin 5-7 %. Yksittäisten

muuttujien osalta tarkasteltuna havainto vahvistuu, sillä mallissa ei ole yhtään

tilastollisesti merkitsevää ennustajaa opintojen etenemisvauhdille (kaikilla p>0.05, β= -

0.147–0.141, t= -1.904–1.464). Vaikka efektit ovat hyvin pieniä, silmiinpistävä huomio

on kuitenkin se, että yhteissäätelytaitojen vaikutus opintojen etenemiseen on

negatiivinen (β= -0.139). Yhteissäätely on myöskin ainoa muuttuja, joka asettuu hyvin

lähelle tilastollisen merkitsevyyden rajoja (p=0.059 ja t= -1.904).

39

Taulukko 7.

Säätelytaitojen ja lähestymistapojen suhde opintojen etenemiseen

Malli

B

Std.Error

Beta

t

Sig.

VIF

Toleranssi

(Vakio)

29.659

0.816

36.329

0.001

Itsesäätely 1.546 1.056 0.141 1.464 0.145 1.703 0.587

Ulkoinen säätely 0.977 0.911 0.087 1.072 0.285 1.207 0.829

Yhteissäätely -1.592 0.836 -0.147 -1.904 0.059 1.086 0.921

Analyyttinen opiskelutapa 0.547 0.989 0.050 0.553 0.581 1.522 0.657

Suunnitelmallinen opiskelu 0.439 0.958 0.040 0.458 0.647 1.366 0.732

Arvosanoilla mitatun opintomenestyksen (taulukot 8 ja 9) osalta mallin selitysaste oli

edelleen heikko sekä itse- ja yhteissäätelyn (R2=0.186, korjattu R2=0.163) että

oppimisen lähestymistapojen (R2=0.088, korjattu R2=0.063) osalta. Toisin sanoen mallit

pystyvät selittämään säätelytaitojen osalta tulkintatavasta riippuen vain noin 6-9 % ja

lähestymistapojen osalta noin 16–19 % arvosanojen muutoksesta. Säätelytaidoista

itsesäätely oli tilastollisesti erittäin merkitsevä keskiarvomuutosten selittäjä (p=0.001),

mutta yhteissäätelyllä ei ollut tilastollisesti merkitsevää yhteyttä (p=0.657). Tässäkin

tapauksessa on syytä kiinnittää huomiota yhteissäätelyn lievästi negatiiviseen yhteyteen,

vaikka tulos ei ollutkaan tilastollisesti merkitsevä. Oppimisen lähestymistapojen osalta

syväoppimisen ulottuvuutta kuvaavalla suunnitelmallisella opiskelulla ei ollut

tilastollisesti merkitsevää yhteyttä keskiarvomuutoksiin (p=0.320). Sen sijaan

pintasuuntautunut lähestymistapa, joka kuvasti kokonaisuuksien hallinnan vaikeutta ja

yksittäisten asioiden näkemistä kokonaisuuksista irrallisina, näytti tuottavan jonkinlaista

tulosta, sillä pintaoppimisella oli tilastollisesti merkitsevä yhteys keskiarvomuutoksiin

(p=0.049).

40

Taulukko 8.

Itsesäätelyn ja yhteissäätelyn suhde keskiarvoon

Malli

B

Std.Error

Beta

t

Sig.

VIF

Toleranssi

(Vakio)

3.553

0.102

34.896

0.001

Itsesäätely 0.377 0.098 0.418 3.862 0.001** 0.953 1.049

Yhteissäätely -0.043 0.096 -0.048 -0.446 0.657 0.953 1.049

** tilastollisesti erittäin merkitsevä, <0.01

Taulukko 9.

Pinta- ja syväoppimisen suhde keskiarvoon

Malli

B

Std.Error

Beta

t

Sig.

VIF

Toleranssi

(Vakio)

3.651

0.109

33.593

0.001

Pintaoppiminen 0.225 0.113 0.227 2.002 0.049* 1.000 1.000

Suunnitelmallinen opiskelu 0.098 0.098 0.113 1.101 0.320 1.000 1.000

** tilastollisesti merkitsevä, <0.05

5.2 Itsesäätelyn ja yhteissäätelyn keskinäinen suhde

Itsesäätelyn ja yhteissäätelyn välillä ei ollut tilastollisesti merkitsevää yhteyttä (taulukko

10). Toisin sanoen ne opiskelijat, joiden vastaukset viittasivat vahvoihin

itsesäätelytaitoihin, eivät tämän tutkimuksen ja otoksen perusteella olleet muita

taipuvaisempia hyödyntämään toisten opiskelijoiden vertaistukea omien opintojensa

edistämiseksi. Myös mallin selitysaste jäi hyvin heikoksi (R2=0.014), eli vain

puolisentoista prosenttia vaihtelusta selittyi mallin avulla. Vastaava havainto heikosta

negatiivisesta yhteydestä on havaittavissa myös ensimmäisen tutkimuskysymyksen

alussa tehdystä korrelaatiomatriisista (taulukko 6).

41

Taulukko 10.

Itsesäätelyn vaikutus yhteissäätelyyn ja mallin selitysaste

Estimate

S.E

Est./S.E

Two-tailed

p-value

R2

Two-tailed

p-value

-0.118

0.092

-1.289

0.197

0.014

p=0.519

6 POHDINTA

6.1 Tutkimuksen luotettavuus

Kvantitatiivisessa tutkimuksessa luotettavuuden tarkastelu kulminoituu kolmeen

tekijään: reliabiliteettiin, validiteettiin ja tulosten yleistettävyyteen. Luotettava tutkimus

siis mittaa oikeaa asiaa, on toistettavissa samansuuntaisin tuloksin ja lopulta myös

mahdollisimman hyvin yleistettävissä käytetystä otoksesta tiettyihin suurempiin ryhmiin

(Metsämuuronen, 2005:57) tai koko populaatioon (Muijs, 2011:56). Luotettavuus

kytkeytyy myös tutkijan omaan toimintaan ja perusteltujen valintojen tekemiseen koko

tutkimusprosessin ajan, mutta tätä puolta on käsitelty enemmän tutkimuseettisten

näkökohtien yhteydessä (ks. luku 6.2). Kvantitatiivisessa tutkimuksessa validiteetti

nousee keskeisimmäksi luotettavuuden mittariksi, koska tulokset ovat yksinkertaisesti

virheellisiä, jos ne eivät todellisuudessa mittaakaan sitä asiaa, mitä tutkija itse kuvittelee

(Muijs, 2011:57). Validiteettia voidaan tarkastella monesta eri näkökulmasta, mutta

yleisesti käytettyjä ovat muun muassa tutkimuksen teoreettisia lähtökohtia ja käsitteiden

operationalisointi tarkastelevat sisällöllinen validius (content validity) ja käsitteellinen

validius (construct validity) sekä kriteerivalidius (criterion validity), joka viittaa

tulosten vertaamista johonkin verrokkiarvoon, joka voi olla esimerkiksi muiden

vastaavien tutkimusten tarjoama tulostaso (Muijs, 2011:56; Metsämuuronen, 2005:65).

Validiteetin osalta olennainen vaihe on kysymyspatteriston (mittarin) suunnittelu.

Kasvatustieteelliselle tutkimukselle tyypilliseen tapaan tässäkään yhteydessä ei voitu

saada suoria ja sellaisenaan mitattavissa olevia havaintoja tutkittavista ilmiöistä.

Haasteellisena tehtävänä oli siis luoda instrumentti, jolla voitaisiin havainnoida näitä

42

mitattavien ominaisuuksien taustalla vaikuttavia latentteja ilmiöitä (Muijs, 2011:57).

Tässä tapauksessa käytettävissä oli valmis aineisto, joten minulla itselläni ei ollut

mahdollisuutta vaikuttaa aineiston keruuvaiheeseen. Oli kuitenkin tiedossa, että mittarin

taustalla vaikutti vahva, aiempaan tutkimukseen pohjautuva teoria. Näin ollen saatoin

todeta sisällöllisen ja käsitteellisen validiteetin tulleen huomioiduksi kysymyspatteriston

suunnitteluvaiheessa. Sekä itsesäätely, yhteissäätelyn että oppimisen lähestymistapojen

mittaamisen pohjana käytettiin maailmalla runsaasti käytettyjä ja lukuisissa yhteyksissä

luotettavaksi todettuja mittareita. Niitä ei kuitenkaan käytetty täysin alkuperäisessä

muodossaan ja myöskin käännös englannista suomeksi tehtiin osittain ensimmäistä

kertaa. Tästä syystä on mahdollista, että mittarit eivät ole myöskään antamiensa tulosten

pohjalta täysin rinnastettavissa alkuperäisiin. Oli kuitenkin perusteltua olettaa, että nyt

käytetyt mittarit täyttivät sekä sisällöllisen validiteetin kriteerit että myöskin tulosten

ennustettavuuden aiempiin vastaaviin tutkimuksiin verrattuna. Validiteetti liittyy myös

rakenteellisesti koko tutkimusasetelmaan ja menetelmällisiin seikkoihin (Muijs,

2011:60). Käytettäviä tutkimusmenetelmiä valittaessa ja varsinaisessa analyysivaiheessa

on pyritty kautta linjan ylläpitämään konfirmatorista otetta. Näin lähtökohtana on aina

ollut vankka taustateoria, jota vasten nyt käytettävissä olevaa aineistoa on peilattu.

Vaikka taustalla onkin koko ajan kulkenut vahva tahto tuottaa luotettavia tuloksia,

kompromisseiltakaan ei vältytty. Tässä yhteydessä nousi esiin kolme keskeistä

ongelmaa. Ensinnäkin otoksen koko jäi sen verran pieneksi, että erityisesti

rakenneyhtälömallintamisessa kuljettiin luotettavuuden rajamaastossa. Käytännössä

tämä tarkoittaa sitä, että en voinut osoittaa otoksen riittävyyttä suoran laskennallisesti,

vaan jouduin sisällyttämään siihen myös pohdintaa niistä tekijöistä, jotka mahdollisesti

nostaisivat tai laskisivat luotettavan otoskoon raja-arvoja. Toinen luotettavuuden

riskitekijä oli käytetyn mittarin lyhentäminen ja muokkaaminen alkuperäiseen,

testattuun versioon nähden sekä sen käyttöönotto ensimmäistä kertaa suomalaisessa

kontekstissa. Esimerkiksi itse- ja yhteissäätelyä koskevaan kysymyksenasetteluun

vaikuttavat suomalaisen korkeakoulujärjestelmän tiukat sisäänpääsykriteerit verrattuna

sellaisiin maihin, joissa vastaavaa karsintaa ei ole. Ja erityisesti yhteissäätelyn osalta

vaikuttavana tekijänä ovat myös käytetyt opetusmenetelmät. Ei siis voida olla varmoja

siitä, kertovatko opiskelijat vastauksissaan todellakin yhteistoiminnallisesta

työskentelystään opiskeltavan aineksen parissa vai yleisemmästä sosiaalisesta

43

verkostostaan. Tällaiset seikat voivat vaikuttaa validiteettiin siinä mielessä, että mitattu

ulottuvuus voi jäädä epäselväksi (katso luku 6.3).

Kolmantena ongelmakohtana oli opiskelijoiden saattaminen yhdenvertaiseen

asetelmaan suhteessa heidän opintomenestystään kuvaaviin arvoihin. Koska kyselyyn

vastanneet ensimmäisen vuoden opiskelijat olivat aloittaneet opintonsa eri aikoina, en

voinut käyttää vertailukohteena esimerkiksi heidän opintojensa kokonaissaldoa

tarkasteluhetkellä. Sen sijaan poimin mukaan vain lukukauden 2013–2014 aikana

suoritetut opinnot, jolloin kaikilla oli ollut tasapuolinen mahdollisuus opintojen

suorittamiseen. Näin poimittuna suoritusaika kuitenkin jäi verrattain lyhyeksi, mikä

saattaa korostaa muiden kuin nyt mitattujen reunaehtojen vaikutusta lopputulokseen.

6.2 Eettiset näkökohdat

Tutkimuksen tekemiseen liittyvää etiikkaa voi tarkastella ainakin kolmen eri

lähestymiskulman kautta. Yhtäältä kysymys on tutkimuksen kohteena olevien

henkilöiden valinnanvapaudesta, tietosuojasta ja muista oikeuksista. Toisaalta eettinen

tarkastelu kohdistuu myös tutkijan itsensä toimintaan sekä tutkijakollegoiden oikeuteen

saada esimerkiksi lähdeviittausten muodossa työstä se kunnia, mikä heille kuuluu

(Varantola et al, 2013:6; ESFA, 2010:6). Muun muassa tieteentekemisen

kansainvälistyminen ja tiedon digitalisoituminen sekä jatkuvasti kiristyvä kilpailu

rahoituksesta on aiheuttanut epäeettisen toiminnan lähes räjähdysmäisen lisääntymisen

viime vuosina. Esimerkiksi USA:ssa tutkittavien vilppitapausten määrä on kohonnut 30

% kymmenessä vuodessa (Varantola, 2012:4, 5). Tästä syystä eettisten periaatteiden

pohdinta ja noudattaminen on entistäkin tärkeämpää. Ei vähiten siksi, että

kyseenalaisista käytännöistä kumpuava epäluottamus vie pohjan koko tieteelliseltä

toiminnalta (ESFA, 2010:6). Ongelmallista kuitenkin on yhteisten kansainvälisten

säännösten puute (Varantola, 2012:4, 5). Eurooppalaisesta ja erityisesti suomalaisesta

viitekehyksestä tarkasteltuna tutkimusetiikan käytäntöihin ottavat kantaa muun muassa

Euroopan tiedesäätiö ESF:n ja All European Academies ALLEA:n tuottama

tutkimuseettinen ohjeistus sekä Suomessa Tutkimuseettisen neuvottelukunnan (TENK)

ohjeistus.

44

Sen lisäksi, että tutkimustoiminta ei saa olla kohteilleen vahingollista (ESFA, 2010), on

olennaisen tärkeää myös kunnioittaa tutkittavien itsemääräämisoikeutta (ns. informed

consent -periaate). Tutkimukseen osallistumisen tulee aina olla vapaaehtoista ja

tutkimuksen kohteina oleville henkilöille on selvitettävä riittävällä tarkkuudella, mihin

he ovat osallistumassa (Tutkimuseettinen neuvottelukunta, 2009). Tässä tapauksessa

aineisto on kerätty joko luentojen aikana tai omalla ajalla täytettävän e-lomakkeen

kautta. Kyselyyn vastaaminen on ollut pääsääntöisesti vapaaehtoista. Ainoastaan

biotieteiden opiskelijoille kyselyn täyttäminen oli osa henkilökohtaisen

opintosuunnitelman (HOPS) laatimista, mutta siinäkin tapauksessa opiskelijoilla oli

vapaus itse sallia tai kieltää heidän vastaustensa käyttäminen osana tutkimusta.

Sisällöllisesti kysely ei myöskään sisältänyt mitään sellaisia elementtejä, joiden

voitaisiin katsoa aiheuttavan vastaajilleen minkäänlaista riskiä tai haittaa. Sekä

paperilomakkeiden että e-lomakkeiden osalta vastaukset tulivat vain tutkijan itsensä

tietoon, jolloin voitiin varmistaa, että henkilökohtaiset näkemykset eivät ole esimerkiksi

opettajien nähtävillä ja pääse sitä kautta vaikuttamaan opintosuoritusten arviointiin tai

muihin opiskelijaa koskeviin seikkoihin. Yleisen suostumuksen lisäksi opiskelijoilta on

vielä erikseen pyydetty lupaa heidän opintorekisteritietojensa käyttämiseen

tutkimuksessa. 201 opiskelijasta 176 antoi luvan, joten ainoastaan heidän tietonsa

pyydettiin näiltä osin opintotoimistosta. Loppujen 25 opiskelijan vastauksia voitiin

hyödyntää ensimmäisen tutkimuskysymyksen osalta, mutta opintomenestystä

käsittelevistä analyyseista heidät on rajattu ulos.

Tutkimuksen kohteina olevien kannalta olennaista on myös anonymiteetin ja tietosuojan

säilyttäminen (Tutkimuseettinen neuvottelukunta, 2009). Tässä tapauksessa aineisto on

identifioitu opiskelijanumeron perusteella ilman nimeä tai tarkempia henkilötietoja.

Varsinaisissa analyyseissa en myöskään ole käsitellyt tietoja yksilökohtaisesti, enkä ole

jaotellut vastaajia esimerkiksi kategorioihin siten, että kenenkään yksittäisen vastaajan

antamat vastaukset olisivat tunnistettavissa.

Tutkimuseettisten kysymysten toisena ulottuvuutena kulkee tutkijan oma toiminta.

Aineiston käsittelyssä ja tulkinnassa sekä johtopäätöksissä tulee noudattaa riittävää

tarkkuutta ja huolellisuutta (Tutkimuseettinen neuvottelukunta, 2012). Tämän tavoitteen

osalta olen pyrkinyt tutkimuksessani raportoimaan valintaprosessit ja kokonaisuuden

etenemisen mahdollisimman avoimesti. Jokaisen valinnan osalta olen suorittanut

harkintaa puolesta ja vastaan. Aina tilanne ei kuitenkaan ole täysin mustavalkoinen,

45

vaan vaakakupin painuessa jollekin puolelle, saatetaan joutua tekemään myönnytyksiä

toisaalla. Raportoinnissa olen kuitenkin pyrkinyt tuomaan esiin ja perustelemaan

tällaisetkin valinnat mahdollisimman kattavasti. Aineiston koodaus on tehty

useammassa eri vaiheessa, mikä sisältää aina inhimillisen virheriskin. Tässä tapauksessa

aineisto oli kuitenkin sen verran pieni, että tarvittavien tarkistusten tekeminen on ollut

verrattain helppoa. Samaten esimerkiksi aineiston siirto onnistuneesti SPSS-ohjelmasta

MPlus-ohjelmaan oli ensivaiheessa mahdollista tarkistaa vertaamalla yleisiä

tunnuslukuja (keskiarvot, mediaanit) eri ohjelmien välillä ennen varsinaisiin

analyyseihin ryhtymistä. Tutkijan oman toiminnan eettisyyteen liittyy lisäksi yleinen

objektiivisuuden periaate. Tulokset on nähtävä ja raportoitava sellaisina kuin ne ovat,

eikä tutkimusasetelmaa tai tuloksia saa vääristellä (Tutkimuseettinen neuvottelukunta,

2012), vaikka ne eivät täyttäisikään odotuksia tai muuten miellyttäisi tutkijaa tai

tutkimuksen teettäjää. Tässä tutkimuksessa jouduin kohtaamaan kyseisen tilanteen

moneen kertaan. Tulokset yllättivät ja joiltain osin olivat muuta kuin mitä olin

odottanut. Olen kuitenkin pyrkinyt raportoimaan ne juuri sellaisenaan.

Kolmantena ulottuvuutena tulevat ne tutkijat, jotka ovat antaneet tämän tutkimuksen

lopputulokseen vaikuttavan panoksensa. Tämä voi tapahtua sekä teoreettisina lähteinä

toimivien aiempien tutkimusten muodossa tai konkreettisena apuna tutkimuksen

toteuttamisessa. Olen pyrkinyt merkitsemään lähdeviittaukset asianmukaisesti ja

kuvaamaan aikaisemman tutkimuksen vaikutukset tässä työssä tehtyihin valintoihin

teoreettisen viitekehyksen osiossa.

Tutkimus on tuotettu opinnäytetyönä, eikä siihen näin ollen liity esimerkiksi

ulkopuolista rahoitusta tai muita kolmansia tahoja, joiden intressit voisivat vaikuttaa

tutkimustuloksiin ja niiden tulkintaan. Toki jokaisen tutkimuksen osalta voidaan esittää

aiheellinen kysymys siitä, onko tutkija koskaan täysin objektiivinen. Toimintaamme

vaikuttavat joka tapauksessa aina subjektiiviset lähtökohtamme. Mutta rehellisyys,

objektiivisuus ja avoimuus ovat joka tapauksessa olleet kantavat periaatteeni koko

prosessin ajan ja olen noudattanut niitä niin hyvin kuin se suinkin on ollut mahdollista.

Olen pyrkinyt raportoimaan kaiken niin avoimesti, että lukijalle ei jäisi minkäänlaisia

epäselvyyksiä siitä, miksi olen toiminut jollakin tietyllä tavalla ja miksi olen tehnyt

tietynlaisia tulkintoja. Myös lähteiden osalta olen pyrkinyt käyttämään vain sellaisia

aineistoja, jotka ovat helposti kenen tahansa saatavilla ja tarkistettavissa. Tämän

periaatteen nimissä olen yleisestä APA-käytännöstä poiketen lisännyt lähdeviittauksiin

46

myös sivunumerot niissä tapauksissa, missä asiayhteys voidaan konkreettisesti kytkeä

tiettyihin sivuihin. Ja ylipäätänsä lähteiden valinnassa olen pyrkinyt avoimeen

tiedonhakuun sen sijaan, että olisin esimerkiksi katsonut kokonaisuutta ainoastaan

mukaavuusalueeltani. Ja edelleen olen pitänyt tärkeänä sitä, että pystyn perustelemaan

sekä itselleni että muille tekemäni lähdevalinnat.

6.3 Tulosten suhde teoriaan

Ensimmäisen tutkimuskysymyksen tarkoituksena oli selvittää opiskelijoiden itsesäätely-

ja yhteissäätelytaitojen sekä oppimisen lähestymistapojen yhteyttä opintomenestykseen.

Opintomenestystä tarkasteltiin sekä opintojen etenemisnopeuden että saavutettujen

arvosanojen keskiarvon perusteella. Tulosten tarkastelussa on edelleen syytä pitää

mielessä, että yleinen selitysaste jäi tällä otoksella varsin heikoksi kaikkien analyysien

osalta, mikä heikentää tulosten yleistettävyyttä.

Ennen varsinaista regressioanalyysia suoritin mallissa esiintyvien ilmiöiden keskinäistä

vertailua korrelaatiomatriisin avulla. Osin tämä tarkastelu vahvisti aiemmassa

tutkimuksessa havaittuja yhteyksiä, mutta osin sain myös yllättäviäkin tuloksia

mitattujen ulottuvuuksien keskinäisistä suhteista.

Latenttien muuttujien kautta mitattujen ilmiöiden keskinäinen korrelaatio vahvisti

aiemmassa tutkimuksessa osoitetun yhteyden itsesäätelytaitojen ja syväsuuntautuneen

oppimisen lähestymistavan välillä (mm. Al-Harthy & Was, 2010). Hyvät

itsesäätelytaidot omaavat opiskelijat mielsivät tekevänsä paljon järjestelmällistä työtä

opintojensa eteen sekä pyrkivänsä pohtimaan opiskelemaansa asiaa analyyttisesti ja

laajemmat yhteydet huomioiden. Vastaavasti he kokivat olevansa melko riippumattomia

esimerkiksi opettajan taholta tulevasta ulkoisesta säätelystä, mikä näkyy tilastollisesti

erittäin merkitsevänä negatiivisena korrelaationa ulkoisen säätelyn ja

syväsuuntautuneen lähestymistavan välillä. Vastaavan havainnon itsesäätelytaitojen ja

syväsuuntautuneen lähestymistavan välisestä yhteydestä, ja vastaavasti

pintasuuntautuneen lähestymistavan ja itsesäätelyn vaikeuksien välisestä yhteydestä,

ovat tuoreeltaan tehneet myös Räisänen, Postareff ja Lindblom-Ylänne (2013)

haastateltuaan 33 biotieteiden, kasvatustieteiden, matematiikan ja teologian opiskelijaa.

47

Syväsuuntautuneen lähestymistavan alle teoreettisesti sijoittamani analyyttinen

opiskelutapa sen sijaan tuotti hieman ristiriitaisia tuloksia. Korrelaatioiden perusteella

tarkasteltuna analyyttinen opiskelutapa oli tilastollisesti erittäin merkitsevässä

yhteydessä sekä itsesäätelyyn että ulkoiseen säätelyyn. Analyyttisen opiskelutavan

komponentilla mitattiin opiskelijan taipumusta jäädä pohtimaan syvällisesti lukemaansa

ja etsiä tarkempia perusteluja oppimateriaalien väittämille. Kyseessä saattaa olla

samankaltainen ilmiö, mitä esimerkiksi Lonka, Olkinuora ja Mäkinen (2004) esittävät

suunnitelmallisen oppimisen lähestymistavalle; siinä opiskelija tähtää korostetusti

hyviin arvosanoihin ja näin ollen ilmiö voisi periaatteessa kytkeytyä sekä

syväoppimiseen että pintaoppimiseen, vaikka sitä yleensä pidetäänkin syväoppimisen

alakäsitteenä. On siis mahdollista, että analyyttinen opiskelutapakin voi kuvastaa sekä

syväoppimiseen liittyvää analyyttista pohdintaa että samalla esimerkiksi

omaksumisvaikeuksista johtuvaa tarvetta kerrata luettua ja näin korreloida sekä

itsesäätelyn että ulkoisen säätelyn kanssa. Suunnitelmallisen opiskelun lähestymistapa

ei tässä tutkimuksessa jakautunut, vaan sijoittui selkeästi, tilastollisesti erittäin

merkitsevällä korrelaatiolla, syväoppimisen kenttään.

Yllättävän tuloksen tuotti myös se, että itsesäätelyn ja yhteissäätelyn välillä ei ilmennyt

tilastollisesti merkitsevää korrelaatiota. Sen sijaan havaittu lievä yhteys oli negatiivinen.

Myös Räisänen, Postareff ja Lindblom-Ylänne (2013) ovat tehneet saman havainnon

itsesäätelyn ja yhteissäätelyn negatiivisesta yhteydestä. He esittävät yhdeksi

selitysmalliksi sitä, että vahvat itsesäätelytaidot omaavalla opiskelijalla ei ehkä

yksinkertaisesti ole tarvetta tukeutua toisiin opiskelijoihin. Vahvat itsesäätelijät voivat

olla niin itsevarmoja ja yleisesti pärjääviä, että he eivät koe hyötyvänsä yhteissäätelystä.

Ja näin ollen he eivät ota näitä keinoja käyttöönsä, vaikka periaatteessa saattaisivat olla

niissä hyviäkin. Volet, Summers ja Thurman (2009) havaitsivat yhteistoiminnallista

oppimista ja yhteissäätelyä tutkiessaan, että yliopisto-opiskelijoilla esiintyi myös

puutteita ryhmätyöskentelytaidoissa sekä aiemmista kokemuksista johtuvia negatiivisia

asenteita ryhmätyöskentelyä kohtaan. Tässäkin voi olla yksi selitys sille, miksi omiin

kykyihinsä luottavat itsesäätelijät eivät ehkä löydä yhteissäätelystä hohtoa.

Räisäsen, Postareffin ja Lindblom-Ylänteen (2014) tutkimuksessa kävi myös ilmi, että

yhteissäätelyyn olivat erityisen taipuvaisia sellaiset opiskelijat, joilla oli vaikeuksia

itsesäätelyssä ja jotka kaipasivat ulkoista tukea. Nyt saadut tulokset eivät tue kyseistä

havaintoa, sillä yhteissäätelyn ja ulkoisen säätelyn välillä ilmeni tilastollisesti

48

merkitsevä negatiivinen korrelaatio. Tässä tutkimuksessa ei kuitenkaan analysoitu

yhteissäätelyn ja ulkoisen säätelyn yhteyttä varsinaisen regressioanalyysin avulla, joten

mahdollisia kausaalisia yhteyksiä ei voitu tarkastella. Yhteissäätelyn hyödyntäminen

siis korreloi tässä tutkimuksessa negatiivisesti sekä itsesäätelyn että ulkoisen säätelyn

kanssa. Tämä voi liittyä myös havaintoon, jonka Vermunt (2005:206) on tehnyt. ILS-

mittarin alkuperäisversio luokittelee oppimisen neljään komponenttiin (ks. sivu 23),

joissa vahvan itsesäätelyn ja ulkoisen säätelyn rinnalle sijoittuu myös säätelyn puutetta

(undirected learning) kuvaava kategoria, mikä viittaa ajelehtiviin opiskelijoihin, joilla ei

ole merkittäviä itsesäätelytaitoja, ja jotka eivät myöskään pysty kunnolla hyödyntämään

ulkoisen säätelyn kautta saatavilla olevaa tukea ja ohjausta. Vermunt havaitsi, että

tällaiseen lähestymistapaan taipuvaiset opiskelijat antavat muita suuremman

merkityksen toisten opiskelijoiden kanssa työskentelylle. Koska yhteissäätelyn

yhteyksiä muihin oppimisen reunaehtoihin tunnetaan toistaiseksi melko heikosti, saattaa

tämä olla yksi selittävä polku, johon kytkeytyy myös alla esittelemäni havainto siitä,

että yhteissäätely oli regressioanalyysin perusteella negatiivisessa yhteydessä opintojen

etenemiseen. Esimerkiksi Boyle, Duffy ja Dunleavy (2003) ovat myös havainneet

lievästi negatiivisen yhteyden säätelyn puutteen ja akateemisen suoriutumisen välillä.

Opintojen etenemisnopeuden osalta yksikään itsesäätelyä, yhteissäätelyä tai

oppimisen lähestymistapoja kuvastavista ulottuvuuksista ei ollut regressioanalyysin

pohjalta tilastollisesti merkitsevässä yhteydessä opintojen etenemiseen. Huomion

arvoista sen sijaan on, että tässäkin tapauksessa ainoa lähes merkitsevä yhteys löytyi

negatiivisena yhteissäätelyn ja opintojen etenemisen väliltä. Mallin selitysaste jäi

kuitenkin heikoksi. Tähän saattoi vaikuttaa muun muassa opintosuoritusten kertymistä

mittaavan aikavälin lyhyys. Koska kyselyyn vastanneet opiskelijat olivat aloittaneet

opintonsa kahden eri lukuvuoden aikana, jouduttiin opintopistekertymäkin

suhteuttamaan niiden opiskelijoiden mukaan, jotka olivat aloittaneet opintonsa

viimeisenä. Näin tarkkailuajanjaksoksi jäi vain lukuvuoden 2013–2014 syyskausi.

Mittaus olisi mielenkiintoista uusia esimerkiksi 2–3 vuoden jälkeen, jolloin

opintopistekertymää voitaisiin tarkastella huomattavasti pidemmällä ajanjaksolla. Yksi

lukukausi tarkkailujaksona voi olla liian lyhyt, jotta sen perusteella voitaisiin vetää

laajemmin yleistettäviä johtopäätöksiä. Tässä tapauksessa esimerkiksi lääketieteen ja

hammaslääketieteen opiskelijoilla ensimmäisten vuosien opinnot ovat tarkasti

aikataulutettuja ja opiskelijat etenevät koulumaisesti samaan tahtiin. Myös biotieteissä

49

opiskelijat noudattavat mallilukujärjestystä. Näin ollen opiskelijan subjektiivisten

ominaisuuksien ja kykyjen yhteys opintomenestykseen voisi tulla selkeämmin esille

opintojen myöhemmässä vaiheessa, jolloin työskentely on itsenäisempää ja sisältää

runsaammin itsenäistä vapautta ja vastuuta omien opintojen suunnittelusta.

Arvosanoilla mitatun opintomenestyksen kohdalla vahvistui aiemmissa tutkimuksissa

havaittu vahvojen itsesäätelytaitojen yhteys opintomenestykseen (mm. Heikkilä &

Lonka, 2006; Al-Harthy & Was, 2010). Sen sijaan oppimisen lähestymistapojen ja

yhteissäätelyn osalta tämäkin analyysi antoi yllättävän tuloksen.

Toisin kuin esimerkiksi Heikkilä & Lonka (2006) havaitsivat niin ikään Helsingin

yliopiston opiskelijoista koostuvalla tutkimusjoukolla, syväsuuntautunut oppimisen

lähestymistapa ei tässä tapauksessa ennustanutkaan opintomenestystä. Sen sijaan

tilastollisesti merkitsevän yhteyden tuottikin pintaoppiminen. Pintaoppimista mitattiin

muuttujilla, jotka liittyivät paitsi vaikeuksiin kokonaisuuksien hallinnassa ja uuden

tiedon kytkemisessä osaksi kokonaisuuksia, myös runsaasti toistoa sisältävään

työskentelytapaan. Tällä otoksella se näytti tuottavan tulosta. Esimerkiksi Beattie,

Collins & McInnes (1997) sekä Parpala et al (2010) esittävätkin, että syväoppimista ei

joka tilanteessa voi automaattisesti arvottaa laadullisesti pintaoppimisen yläpuolelle.

Joissain yhteyksissä myös vähemmän analyyttisella opiskelutavalla voi olla paikkansa.

Mitenkään ainutkertaisia tämänkaltaiset tulokset eivät myöskään ole. Eri mittareilla

mitattuna oppimisen lähestymistavat ovat aiemmassakin tutkimuksessa antaneet

tapauskohtaisesti vaihtelevia tuloksia (ks. esim. Zeegers, 2004:36). Pintasuuntautuneen

lähestymistavan korostuminen tällä tutkimusjoukolla saattaa osaltaan johtua myös muun

muassa sekä Vermuntin (2005) että Zeegersin (2011) tekemästä havainnosta, jonka

mukaan opiskelijan aikaisemmalla koulutuksella on merkittävästi vaikutusta siihen,

minkälainen hänen lähestymistapansa oppimiseen on yliopisto-opintojen alussa. Mitä

vähemmän opiskelijalla on takanaan korkea-asteen koulutusta, sitä taipuvaisempi hän

on pintasuuntautuneeseen lähestymistapaan ja sitä todennäköisemmin hän ottaa

työvälineikseen esimerkiksi erilaisia muistiintallennustekniikoita, eikä syväoppimiseen

liitettyjä opiskelutapoja (Vermunt, 2005:221). Opintojen edetessä lähestymistavat

kuitenkin usein kehittyvät käytännön haasteiden ja toimintatapojen kautta enemmän

syväoppimisen suuntaan (jos tiedekunnan oppimisilmapiiri sen sallii). Tässä

tapauksessa tutkimusjoukko edusti ensimmäisen ja toisen lukuvuoden opiskelijoita,

joten vaikka heistä vajaalla puolella (N=86) olikin taustallaan aiempia yliopisto-

50

opintoja, ei keskimääräinen opintopistemäärä ollut näidenkään osalta kovin suuri

(Md=50.5 op, min=3 op, max=400 op). Tämän pohjalta on mahdollista, että heidänkin

lähestymistapoihinsa vaikuttivat vielä alemmilla kouluasteilla opitut toimintamallit.

Myös tästä syystä olisi hedelmällistä suorittaa samoille opiskelijoille paitsi vastaava

tutkimus hieman pidemmän opiskeluajan jälkeen, myöskin esimerkiksi

pitkittäistutkimusta, jonka pohjalta voitaisiin nähdä säätelytaitojen ja lähestymistapojen

mahdollinen kehittyminen opintojen edetessä.

Tulosten valossa herää myös sama kysymys, jonka esimerkiksi Smith & Miller (2005)

nostavat esiin – missä määrin oppimisen lähestymistavat ovat sisäsyntyisiä ja missä

määrin ne muotoutuvat esimerkiksi tiedekunnan oppimisilmapiirin ja tenttikäytäntöjen

mukaan? Myös Parpala et al (2010) sekä Zeegers (2011) havaitsivat oppimisen

lähestymistavoissa tiedekuntasidonnaisuuksia. Tässä tutkimuksessa tutkimusjoukko

koostui luonnontieteiden opiskelijoista, joiden pääaineena oli lähinnä matemaattisia tai

lääketieteellisiä aineita. On siis mahdollista, että heidän tiedekuntakohtaiset

oppisisältönsä ja suoritustapansa ohjaavat suosimaan ulkoa opettelevaa ja laajojen

kokonaisuuksien sijaan yksityiskohtaisen täsmätiedon merkitystä korostavaa

opiskelutapaa. Kansainväliseen tutkimuksen peilattuna suomalaisten korkeakoulu-

opiskelijoiden joukko ei muutenkaan ole aina suoraan verrannollinen. Esimerkiksi

Vermunt ja Vermetten (2004:368) havaitsivat ILS-mittarilla toteutetun tutkimuksen

antaneen suomalaiskontekstissa osittain muista maista poikkeavia tuloksia (kaikkia

teoreettisia ulottuvuuksia ei löydetty). He esittivät tähän selitykseksi mm. tiukkaa

karsintajärjestelmää, joka rajaa sisäänpääsymahdollisuuksia suomalaisiin yliopistoihin.

Näin opiskelijajoukko on meillä jo valmiiksi valikoituneempaa kuin monissa muissa

maissa.

Yhteissäätelyn osalta yllättävä tulos oli ensinnäkin se, että yhteissäätelyn ei havaittu

olevan tilastollisesti merkitsevä opintomenestyksen selittäjä myöskään arvosanoilla

mitattuna. Sen sijaan tässäkin yhteydessä havaitsemani lähes merkitsevä (p=0.657)

yhteys oli negatiivinen. Toisaalta tulos on linjassa sen kanssa, mitä olen edellä esittänyt

yhteissäätelyn ja opintojen etenemisen suhteesta. Vaikuttaisi siis siltä, että tässä

tutkimusasetelmassa yhteissäätelyä todellakin käyttivät sellaiset opiskelijat, jotka syytä

tai toisesta eivät edustaneet akateemisia menestyjiä. Mallin selitysaste jäi kuitenkin sen

verran heikoksi, että sen perusteella on vaikea tehdä kovin yleisluontoisia

johtopäätöksiä. Toisaalta on hyvä muistaa, että teoreettinen olettamus yhteissäätelyn ja

51

opintomenestyksen yhteydestä perustuu aiempaan tutkimukseen vain välillisesti.

Yhteissäätelyn tutkimuksessa on havaittu synergiaetuja esimerkiksi

ongelmaperustaiseen oppimiseen liittyvissä tehtävissä, mutta toistaiseksi ei ole

saatavilla tutkimusnäyttöä, joka osoittaisi yhteissäätelyn positiivisen yhteyden

akateemiseen opintomenestykseen laajemmassa mittakaavassa.

Teoreettisista lähtökohdista tarkasteltuna yllättäviin tuloksiin voi olla useita muitakin

välillisiä syitä sen lisäksi, että yhteissäätelijät olisivat todellakin vain muita heikompia

opintomenestyksessään. Ensinnäkin esiin nousee yhteissäätelyn tutkimisen yleinen

haastavuus, josta muistuttavat myös esimerkiksi Volet, Vauras & Salonen (2009).

Yhteissäätelyä on ilmiönä vaikea erottaa itsesäätelystä, koska molemmat ulottuvuudet

ovat jatkuvasti yhtä aikaa läsnä. Pelkkä kyselyyn perustuva kvantitatiivinen tutkimus ei

ehkä myöskään kykene havaitsemaan kaikkia niitä työskentelyyn liittyviä sisällöllisiä

nyansseja, jotka laadullinen ja erityisesti havainnoiva tutkimus voisi tuoda esille. Jos

tarkastellaan alkuperäisen kyselylomakkeen yhteissäätelyyn liittyviä väittämiä, ne

kuvastavat kaikki sitä, miten aktiivisesti opiskelijat omasta mielestään toimivat yhdessä

toisten opiskelijoiden kanssa. Ne eivät varsinaisesti vielä kerro mitään toiminnan

sisällöstä. On siis mahdollista, että tämän kaltaisilla väittämillä hyviksi

yhteissäätelijöiksi leimautuvat ne opiskelijat, jotka ovat yksinkertaisesti sosiaalisia ja

viettävät runsaasti aikaa toisten opiskelijoiden seurassa. Mutta sitä ei tiedetä,

minkälaista tämä ajanvietto sisällöllisesti on. Mikäli näin olisi, voisivat tulokset

tarkoittaa myös sitä, että varsinaisiin oppimistehtäviin sitoutumaton aktiivinen toiminta

vertaisryhmässä johtaa liiaksi huomiota opintojen ulkopuolelle ja näin jopa hidastaa

opintojen etenemistä. Tällöin tehdyllä kyselyllä ei kuitenkaan olisi onnistuttu

saavuttamaan tavoiteltua yhteissäätelyn käsitteellistä tasoa, jossa tarkastellaan

nimenomaan omien päämäärien tai yhdessä suoritettujen projektien edistämistä

vertaisryhmän tuella. Lisäksi on myös syytä muistaa, että tässä tutkimuksessa

yhteissäätelyä kuvaavat havaitut muuttujat liittyivät lähinnä siihen, miten paljon

opiskelijat kokivat ylipäätänsä käyttävänsä yhteissäätelyä. Se ei siis vielä anna kuvaa

siitä, miten lahjakkaita he mahdollisesti näissä taidoissa ovat. Ja vastaavasti on

mahdollista, että ne opiskelijat, jotka olisivat yhteissäätelyssä taitavia, eivät tässä

tutkimusjoukossa olleet välttämättä ottaneet näitä keinoja käyttöönsä.

Ulkopuolelle jää myös tieto siitä, minkälaisia menetelmiä opiskelijoiden suorittamilla

kursseilla ylipäätänsä on käytetty. Aiemmassa yhteissäätelyn tutkimuksessa huomio on

52

keskittynyt erityisesti siihen, miten opiskelijat hyödyntävät vertaisryhmän tukea jonkin

tietyn oppimistehtävän parissa työskennellessään (esim. Hurme, Merenluoto & Järvelä,

2009; Iiskala, Vauras, Lehtinen & Salonen, 2011). Jonkinlaisella havainnoivalla tai

haastatteluihin perustuvalla tutkimuksella voitaisiin saada tarkempi kuva siitä, minkä

verran opiskelijoiden sosiaalinen toiminta sisältää esimerkiksi opintopiirityyppistä

työskentelyä tai muuta ryhmätyöskentelyä ja ylipäätänsä tapoja edistää henkilökohtaisia

suorituksia ryhmän tuella. On kuitenkin muistettava Patrickin ja Middletonin (2002)

havainto siitä, että ryhmätyöskentely voi käsitteenä olla varsin moniulotteinen, eikä

ryhmätyöskentely itsessään vielä takaa, että sen avulla hyödynnettäisiin oikeasti

yhteissäätelyn mekanismeja. Havainnoivalla tutkimuksella voitaisiin paitsi saada

parempi kuva työskentelyn sisällöstä, ehkä samalla myös selvittää, onko kyseessä

vastaava tiedekuntasidonnaisuuden ilmiö, jonka esimerkiksi Parpala et al (2010) sekä

Smith ja Miller (2005) havaitsivat oppimisen lähestymistapojen osalta. On mahdollista,

että tiedekunnan oppimisilmapiiri ja työskentelytavat vaikuttavat myös siihen, miten

opiskelijat suhtautuvat vertaisryhmässä työskentelyyn. Jos kurssien suorittamistavat

ovat hyvin yksilökeskeisiä, eivät opiskelijat välttämättä koe yhteissäätelyä hyödyllisenä

työskentelytapana. Mikäli kurssien opetuksessa ei ole tietoisesti hyödynnetty

vertaisryhmän mahdollistamia etuja, vaatii sellaisten itsenäinen kehittäminen omalla

ajalla opiskelijoilta melko paljon. Ja näin ollen opiskelijoiden joukossa voi olla hyviäkin

yhteissäätelijöitä, jotka eivät vaan saa mahdollisuutta hyödyntää kaikkia niitä keinoja ja

strategioita, jotka he itse kokisivat parhaiksi. Ja vastaavasti tarjolla olevat

ryhmätyöskentelymahdollisuudet voivat olla luonteeltaan sellaisia, että hyvät

itsesäätelijät tai syväoppimiseen orientoituneet eivät koe niitä tarkoituksenmukaisiksi.

Sama pätee tietysti myös itsesäätelyyn. Kuten esimerkiksi Vermunt & Verloop (1999:

271) toteavat, oppimisilmapiiri voi aiheuttaa suuria ristiriitoja silloin, kun vastakkain

ovat omaa rooliaan korostava opettaja ja hyvät itsesäätelytaidot omaava, itsenäistä

ajatteluaan vaaliva opiskelija.

Toisessa tutkimuskysymyksessä tarkastelin itsesäätelyn ja yhteissäätelyn välistä

kausaalista yhteyttä. Teoreettisena oletuksena oli, että taitavat itsesäätelijät

hyödyntäisivät tietoisesti toisten opiskelijoiden tukea edistääkseen omia opintojaan ja

näin ollen ilmiöiden välillä vallitsisi jonkinlainen kausaalisuhde. Näin ei kuitenkaan

ollut. Itsesäätelyn ja yhteissäätelymenetelmien hyödyntämisen välillä ei ilmennyt

tilastollisesti merkitsevää yhteyttä. Sen sijaan yhteys oli tässäkin analyysissa lievästi

53

negatiivinen, eli vastasi ilmiöiden keskinäistä korrelaatiota, jota tarkasteltiin

ensimmäisen tutkimuskysymyksen alussa. Tämän tutkimuksen osalta tosin

yhteissäätelyn hyödyntäminen ei tuottanut myöskään parempia oppimistuloksia, mikä

oli osaltaan toisen tutkimuskysymyksen asettelun taustaolettamuksena. Näin ollen

tässäkin osiossa tulee vastaan sama ongelma kuin ensimmäisen tutkimuskysymyksen

kanssa – toistaiseksi ei ole olemassa näyttöä yhteissäätelyn ja akateemisen menestyksen

välisestä yhteydestä ja näin ollen myöskään vertailevaa näyttöä siitä, että hyvät

itsesäätelijät kokisivat yhteissäätelyn itselleen millään tavalla hyödylliseksi. Kuvio

onkin sen sijaan kääntymässä juuri päinvastaiseksi, sillä vastaavanlaisia tuloksia

itsesäätelyn ja yhteissäätelyn negatiivisesta yhteydestä ovat saaneet myös Räisänen,

Postareff & Lindblom-Ylänne (2013). Myöskään heidän tekemässään tutkimuksessa

hyvät itsesäätelijät eivät korostaneet yhteissäätelyä opiskelussa. Nämä eivät siis

tietoisesti valinneet strategiakseen vertaisryhmässä työskentelyä, joten on toki

mahdollista, että heidän yhteissäätelytaitonsa olisivat olleet hyviä, mikäli ne olisi otettu

aktiivisesti käyttöön. Ne opiskelijat, joilla oli vaikeuksia itsesäätelyssä, olivat

puolestaan taipuvaisia turvautumaan toisten opiskelijoiden tukeen selviytyäkseen

opinnoissaan.

Kaiken kaikkiaan itsesäätely antoi siis aiemman tutkimuksen pohjalta pitkälti odotettuja

tuloksia, mutta yhteissäätely jäi yllättävän irralliseksi. Tähän saattoi osaltaan vaikuttaa

pienestä aineistokoosta johtunut tarve rajata mallin sisältämien muuttujien määrää

rajusti. Suuremmalla aineistolla olisi mahdollista koostaa malli, joka huomioisi

isomman joukon selittäviä muuttujia yhtäaikaisesti ja tällöin myös tulokset voisivat olla

sekä tarkempia että paremmin yleistettäviä.

6.4 Anti käytännölle ja ajatuksia jatkotutkimukseen

Edellä on jo esitetty muutamia ajatuksia siitä, miten nyt toteutettua tutkimusasetelmaa

voitaisiin kehittää edelleen esimerkiksi aineistokokoa ja opintosuorituksiin liittyvän

tarkkailujakson pituutta kasvattamalla. Tämä tutkimus vahvisti myös sen aiemmissa

tutkimuksissa tehdyn havainnon, että erityisesti yhteissäätelyä on hyvin hankala tutkia

pelkästään tilastollisin menetelmin. Todellinen käsitys ryhmädynamiikasta ja

sisällöllisen toiminnan laadusta vaatii rinnalle jonkinlaista laadullistakin tarkkailua. Jos

kursseilla käytettyjä työskentelytapoja saataisiin vertailtua, se voisi antaa paremmin

54

kuvaa ensinnäkin siitä, miten suuri merkitys yhteissäätelyn hyödyntämisellä ylipäätänsä

on opintomenestyksen kannalta. Samalla olisi hedelmällistä löytää keinot erotella

yhteissäätelyä hyödyntävistä opiskelijoista ne yksilöt, jotka ovat yhteissäätelijöinä myös

oikeasti lahjakkaita. Eli tarkastella sitä, minkälaisia yksilötason eroja on havaittavissa

opiskelijoiden välillä. Ilmiö pitää joka tapauksessa sisällään kaksi puolta – yksilön

henkilökohtaisten ominaisuuksien lisäksi yksilövalinnat ovat oppilaitoskontekstissa aina

sidoksissa tarjolla oleviin puitteisiin ja mahdollisuuksiin. Erityisesti yhteissäätely on

ulottuvuus, johon voidaan merkittävästi vaikuttaa opetuksen suunnitteluun liittyvin

keinoin. Näin ollen tutkimus voisi tuoda uusia näkökulmia opetuksen menetelmälliseen

kehittämiseen eri oppiaineissa. Kaiken kaikkiaan tämä tutkimus vahvistaa muidenkin

tutkijoiden esittämää näkemystä siitä, että yhteissäätely ilmiönä on vielä

tutkimuksellisesti kovin keskeneräinen. Sen tutkimus on keskittynyt pitkälti ilmiön

sosiaalisen luonteen hahmotteluun, mutta vaikutusmekanismeja opiskelijan arjessa

tunnetaan huonosti.

Tämän tutkimuksen osoittama yhteys pintasuuntautuneen opiskelutavan ja

opintomenestyksen välillä herätti kysymyksiä myös siitä, miten eri tiedekuntien

oppimisilmapiirit ja tiedekuntakulttuuri vaikuttavat siihen, minkälaisia strategioita

opiskelijan kannattaa ottaa käyttöönsä. Hieman pidemmällä ajanjaksolla ja suuremmalla

otoksella toteutettava vertaileva tutkimus eri tiedekuntien ja koulutusohjelmien välillä

voisi antaa kiinnostavia vastauksia siitä, miten suuri merkitys kontekstilla lopulta on

yksilötason valintoihin tai siihen, onko esimerkiksi pintaoppiminen joissain oppiaineissa

syväoppimista tehokkaampi lähestymistapa kurssien suorittamisen näkökulmasta. Ja

edelleen esimerkiksi pitkittäistutkimuksella voitaisiin päästä käsiksi siihen, miten

tiedekuntakohtainen arvomaailma vaikuttaa opiskelijan itsesäätely- ja

yhteissäätelytaitojen kehittymiseen opiskeluvuosien kuluessa. Nämä tulokset voisivat

antaa organisaatiotasolla eväitä siihen, minkälaisin menetelmin opiskelijoiden

metataitojen kehittymistä voitaisiin edesauttaa koko organisaation toimintamalleja

kehittämällä.

Yksilötasolla vahvistuivat aiempien tutkimusten antamat viitteet siitä, että

henkilökohtaiset strategiataidot ovat yliopistokontekstissa tärkeitä menestystekijöitä.

Tässäkin yhteydessä nostaisin kuitenkin esiin oppimisilmapiirin merkityksen. Vapaus ja

vastuu kulkevat käsi kädessä, joten itsesäätelytaitoja voisi tutkia myös siitä

näkökulmasta, miten merkityksellisiä itsesäätelytaitojen kehittymisen kannalta ovat

55

oppilaitoksen tarjoamat valintamahdollisuudet esimerkiksi opintokokonaisuuksien

sisällöllisen rakenteen, suoritustapojen ja -aikataulujen suhteen. Työni päätteeksi

esitänkin vielä kysymyksen siitä, ohjaako esimerkiksi liian tarkasti ohjelmoitu

opiskelumalli ja vaatimus aloittavien opiskelijoiden samanaikaisesta etenemisestä

opiskelijoita ulkoisen säätelyn suuntaan vain siksi, että he eivät koe omaavansa

vaikutusmahdollisuuksia?

56

LÄHTEET

Al-Harthy I.S., Was C.A. (2010). Goals, Efficacy and Metacognitive Self-Regulation.

A Path Analysis. International Journal of Education 2(1:E2), 1–20.

Alavifar A., Karimimalayer M., Khairol A. (2012). Structural equation modeling VS

multiple regression. The first and second generation of multivariate

techniques. Engineering Science and Technology: An International Journal

2(2), 326–329.

Baeten M., Kyndt E., Struyven K., Dochy F. (2010). Using student-centered learning

environments to stimulate deep approach to learning: Factors encouraging or

discouraging their effectiveness. Educational Research Reviews 5(3), 243–

260.

Bassi M., Steca P., Fave A. D., Caprara G. V. (2006 ). Academic Self-Efficacy Beliefs

and Quality of Experience in Learning. Journal of Youth Adolescence 36, 301–

312.

Barrett P. (2007). Structural equation modelling: Adjudging model fit. Personality and

Individual Differences (42)5, 815 – 824

Beattie V., Collins B., McInnes B. (1997). Deep and surface learning: a simple or

simplistic dichotomy? Accounting Education 6(1), 1–12.

Berk R.A. (2004). Regression Analysis: A Constructive Critique. Thousand Oaks: Sage

Publications.

Byrne B.M. (2013). Structural Equation Modeling with Mplus. Basic Concepts,

Applications, and Programming. New York: Routledge.

Boyle E.A., Duffy T., Dunleavy K. (2003). Learning styles and academic outcome: The

validity and utility of Vermunt’s Inventory of Learning Styles in a British

higher education. British Journal of Educational Psychology 73(2), 267–290.

Cheng E.W.L. (2001). SEM being more effective than multiple regression in

parsimonious model testing for management development research. Journal of

Management Development 20(7), 650–667.

57

Craik F.I., Lockhart R.S. (1972). Levels of Prosessing: A Framework for Memory

Research. Journal of Verbal Learning and Verbal Behaviour 11(6), 671–684.

Diseth Å., Pallasen S., Brunborg G. S., Larsen S. (2010). Academic achievement

among first semester undergraduate psychology students: the role of course

experience, effort, motives and learning strategies. Higher Education 59(3),

335–352.

DiStefano C., Zhu M., Mindrila D. (2009). Understanding and Using Factor Scores:

Considerations for the Applied Researcher. Practical Assessment, Research &

Evaluation 14(20), 1–11.

European Science Foundation, Member Organisation Forum (2010). Fostering

Research Integrity in Europe. A report by the ESF Member Organisation

Forum on Research Integrity. Ladattu 2.4.2014 osoitteesta:

http://www.esf.org/fileadmin/Public_documents/Publications/

ResearchIntegrity_report.pdf

Felder R., Spurlin J. (2005). Applications, Reliability and Validity of the Index of

Learning Styles. International Journal of Engineering Education 21(1), 103–

112.

Fenollar P., Román S., Cuestas P.J. (2007). University students’ academic

performance: An integrative conceptual framework and empirical analysis.

The British Journal of Educational Psychology, 77(4), 873–891.

Floyd K.S., Harrington S.J., Santiago J. (2009). The Effects of Engagement and

Perceived Course Value on Deep and Surface Learning Strategies. Informing

Science: The International Journal of an Emergint Transdiscipline 12, 181–

190.

Grau V., Whitebread D. (2012). Self and social regulation of learning during

collaborative activities in classroom: The interplay of individual and group

cognition. Learning and Instruction 22(6), 401–412.

Hadwin A., Oshige M. (2011). Self-Regulation, Coregulation and Socially Shared

Regulation: Exploring Perspectives of Social in Self-Regulated Learning

Theory. Teachers College Record 113(6), 240–264.

58

Hickey D.T. (2003). Engaged Participation versus Marginal Nonparticipation: A

Stridently Sociocultural Approach to Achievement Motivation. The

Elementary School Journal 103(4), 401–429.

Heikkilä A., Lonka K. (2006). Studying in higher education: students’ approaches to

learning, self-regulation, and cognitive strategies. Studies in Higher Education

31(1), 99–117.

Heikkilä A., Niemivirta M., Nieminen J., Lonka K. (2011). Interrelations among

university students’ approaches to learning, regulation of learning, and

cognitive and attributional strategies: a person oriented approach. Higher

Education 61(5), 513–529.

Hu L., Bentler P. (1999). Cutoff Criteria for Fit Indexes in Covariance Structure

Analysis: Conventional Criteria versus New Alternatives. Structural Equation

Modeling 6(1), 1–5.

Hurme T. R., Merenluoto K., Järvelä S. (2009). Socially shared metacognition of pre-

service primary teachers in a computer-supported mathematics course and

their feelings of task difficulty: a case study. Educational Research and

Evaluation 15(5), 503–524.

Iiskala T., Vauras M., Lehtinen E., Salonen P. (2011). Socially shared metacognition of

dyads of pupils in collaborative mathematical problem-solving processes.

Learning and instruction 21(3), 379–393.

In’Nami Y., Koizumi R. (2013). Structural Equation Modeling in Educational

Research: A Primer, teoksessa: Khine M.S. (Ed.) Application of Structural

Equation Modeling in Educationa Research and Practice,23–52. Sense

Publishers: Rotterdam, The Netherlands.

Järvelä S., Järvenoja H., Veermans M. (2008). Understanding the dynamics of

motivation in socially shared learning. International Journal of Education

Research 47(2), 122–135.

Kizilgunes B., Tekkaya C., Sungur S (2009). Modeling the Relations among Student’s

Epistemological Beliefs, Motivation, Learning Approach and Achievement.

Heldref Publications: Ankara, Turkey.

59

Lei P.W., Wu Q (2007). An NMCE Instructional Module on Introduction to Structural

Equation Modeling: Issues and Practical Considerations. Educational

Measurement: Issues and Practice 26(3), 33–44.

Liu C., Chen C. (2010). Evolution of Constructivism. Contemporary Issues In

Education 3(4), 63–66.

Lonka K., Lindblom-Ylänne S. (1996). Epistemologies, conceptions of learning, and

study practices in medicine and psychology. Higher Education 31(1), 5–24.

Lonka K., Olkinuora E., Mäkinen J. (2004). Aspects and Prospects of Measuring

Studying and Learning in Higher Education. Educational Psychology Review

16(4), 301–323.

McCaslin M. (2009). Co-Regulation of Student Motivation and Emergent Identity.

Educational Psychologist 44(2), 137–146.

McIntosh C.N. (2007). Rethinking fit assessment in strcutural equation modelling: A

commentary and elaboration on Barrett (2007). Personality and Individual

Differences (42)5, 859–867.

Mega C., Ronconi L., De Beni R. (2013). What Makes a Good Student? How

Emotions, Self-Regulated Learning and Motivation Contribute to Academic

Achievement. Journal of Educational Psychology. Advance online

publication, doi: 10.1037/a0033546.

Metsämuuronen J. (2005). Tutkimuksen tekemisen perusteet ihmistieteissä. Jyväskylä:

International Methelp Ky.

Muijs D. (2011). Validity, reliability and generalisability. Doing quantitative research

in education with SPSS, 2. painos, 56–73. London: Sage Publications.

Muthén L.K., Muthén B.O. (2002). How to Use a Monte Carlo Study to Decide on

Sample Size and Determine Power. Structural Equation Modeling 9(4), 599–

620.

Newstead S. E. (1992). A study of two “quick and easy” methods of assessing

individual differences in student learning. British Journal of Education

Psychology 62(3), 299–312.

60

Parpala A., Lindblom-Ylänne S. (2012). Using a research instrument for developing

quality at the university. Quality in Higher Education 18(3), 313–328.

Parpala A., Lindblom-Ylänne S., Komulainen E., Litmanen T., Hirsto L. (2010).

Student’s approaches to learning and their experiences of the teaching-learning

environment in different disciplines. British Journal of Psychology 80(2),

269–282.

Patrick H., Middleton M.J. (2002). Turning the Kaleidoscope: What we see when Self-

Regulated Learning is viewed with a Qualitative Lens. Educational

Psychologist 37(1), 27–39.

Peterson E.R., Rayner S.G., Armstrong S.J. (2009). Researching the psychology of

cognitive style and learning style: Is there really a future? Learning and

Individual Differences 19(4), 518–523.

Pietarinen J., Pyhältö K., Soini T., Salmela-Aro K. (2013). Reducing teacher burnout:

A socio-contextual approach. Teaching and Teacher Education 35(1), 62–72.

Provost S. C., Bond N. W. (1997). Approaches to Studying and Academic Performance

in a Traditional Psychology Course. Higher Education Research &

Development 16(3), 309–320.

Rauste-von Wright M., von Wright J., Soini T. (2003). Oppiminen ja koulutus. Juva:

WSOY.

Raykov T., Widaman K. F. (1995). Issues in applied structural equation modeling

research. Structural Equation Modeling: A Multidisciplinary Journal 2(4),

289–318.

Richardson J. (2011). Approaches to studying, conceptions of learning and learning

styles in higher education. Learning and Individual Differences 21(3), 288–

293.

Räisänen M., Postareff L., Lindblom-Ylänne S. (2013). The interaction between self-

regulation, deep approach to learning, self-efficacy beliefs and emotions.

EARLI Conference for Research on Learning and Instruction, 27.–31.8.2013,

München, Saksa.

61

Räisänen M., Postareff L., Lindblom-Ylänne S. (2014). The interaction between

process of understanding and self- and co-regulation of learning of university

students: A person-oriented approach. Lähetetty julkaistavaksi.

Salonen P., Vauras M., Efklides A. (2005). Social interaction – What can it tell us

about metacognition and co-regulation in learning? European Psychologist

10(3), 199–208.

Schunk D.H., Zimmerman B.J. (toim.) (2008). Motivation and Self-Regulated

Learning. Theory, Research and Applications. New York: Taylor & Francis

Group, LLC.

Sins P.H.M., van Joolingen W.R., Savelsbergh E.R., van Hout-Wolters B. (2008).

Motivation and performance within a collaborative computer-based modelling

task: Relations between students’ achievement goal orientation, self-efficacy,

cognitive processing and achievement. Contemporary Educational Psychology

33(1), 58–77.

Smith S.N., Miller R.J. (2005). Learning Approaches: Examination type, discipline of

study, and gender. Educational Psychology 25(1), 43–53 .

Spicer J. (2005). Making Sense of Multivariate Data Analysis. Thousand Oaks: Sage

Publications.

Teo T., Tsai L.T., Yang C-C. (2013) Applying Structural Equation Modeling (SEM) in

Educational Research: An Introduction. Teoksessa: Khine M.S. (Ed.)

Application of Structural Equation Modeling in Educationa Research and

Practice, 3–22. Sense Publishers: Rotterdam, The Netherlands.

Tsai C-W., Shen P-D., Fan Y-T. (2012). Research trends in self-regulated learning

research in online learning environments: A review of studies published in

selected journals from 2003 to 2012. British Journal of Education Technology

44(5), E107–E110.

Tutkimuseettinen neuvottelukunta (2013). Hyvä tieteellinen käytäntö ja sen

loukkausepäilyjen käsitteleminen Suomessa (HTK-ohje 2012). Ladattu

21.5.2014 osoitteesta: http://www.tenk.fi/fi/htk

62

Tutkimuseettinen neuvottelukunta (2009). Humanistisen, yhteiskuntatieteellisen ja

käyttäytymistieteellisen tutkimuksen eettiset periaatteet ja ehdotus eettisen

ennakkoarvioinnin järjestämiseksi. Ladattu 21.5.2014 osoitteesta:

http://www.tenk.fi/sites/tenk.fi/files/eettisetperiaatteet.pdf

Tynjälä P. (2000). Oppiminen tiedon rakentamisena. Konstruktivistisen

oppimiskäsityksen perusteita. Helsinki: Kirjayhtymä.

Varantola K. (2012). Tutkimusetiikka yliopiston arjessa. Tieteessä tapahtuu 30(4), 3–8.

Varantola K., Launis V., Helin M., Spoof S.K., Jäppinen S. (2013). Hyvä tieteellinen

käytäntö ja sen loukkausepäilyjen käsitteleminen Suomessa. Tutkimuseettisen

neuvottelukunnan ohje. Helsinki.

Vauras M., Iiskala T., Kajamies A., Kinnunen R., Lehtinen E. (2003). Shared-

regulation and motivation of collaborating peers: A case analysis.

Psychologia: An International Journal of Psychology in the Orient 46(1), 19–

37.

Vermunt J. D. (2005). Relations between student learning patterns and personal and

contextual factors and academic performance. Higher Education 49(3), 205–

234.

Vermunt J.D., Vermetten Y.J. (2004). Patterns in Student Learning: Relationships

Between Learning Strategies, Conceptions of Learning, and Learning

Orientations. Educational Psychology Review 16(4), 359–384.

Vermunt J.D., Verloop N. (1999). Congruence and friction between learning and

teaching. Learning and Instruction 9(3), 257–280.

Volet S., Vauras M., Salonen P. (2009). Self- and Social Regulation in Learning

Contexts: An Integrative Perspective. Eductional Psychologist 44(4), 215–

226.

Volet S., Summers M., Thurman J. (2009). High-level co-regulation in collaborative

learning: How does it emerge and how is it sustained? Learning and

instruction 19(2), 128–143.

63

Wigfield A., Klauda S.L., Cambria J. (2011). Influences on the Development of

Academic Self-Regulatory Processes. Teoksessa: Zimmerman B.J., Schunk

D.H. (2011). Handbook of Self-Regulation of Learning and Performance. New

York: Routledge.

Zeegers P. (2001). Approaches to learning in science: A longitudinal study. British

Journal of Educational Psychology 71(1), 115–132.

Zeegers P. (2004). Student learning in higher education: a path analysis of academic

achievement in science. Higher Education Research & Development 23(1),

35–56.

Zimmerman B. (1989). A Social Cognitive View of Self-Regulated Academic

Learning. Journal of Educational Psychology 81(3), 329–339.

Zimmerman B. (1990). Self-Regulated Learning and Academic Achievement: An

Overview. Educational Psychologist 25(1), 3–17.

Zimmerman B. (2002). Becoming a Self-Regulated Learner: An Overview. Theory into

Practice 41(2), 64–70.

Zimmerman B. (2008). Investigating Self-Regulation and Motivation: Historical

Background, Methodological Developments and Future Prospects. American

Educational Research Journal 45(1), 166–183.

Zimmerman B. (2011). Motivational Sources and Outcomes of Self-Regulated

Learning and Performance. Teoksessa: Zimmerman B.J., Schunk D.H. (2011).

Handbook of Self-Regulation of Learning and Performance. New York:

Routledge.

Zimmerman B., Martinez-Pons M. (1988). Construct Validation of a Strategy Model of

Student Self-Regulated Learning. Journal of Education Psychology 80(3),

284–290.

64