Pro Gradu: Mistä on menestyvät oppijat tehty?
Transcript of Pro Gradu: Mistä on menestyvät oppijat tehty?
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