Hyppää sisältöön
    • FI
    • ENG
  • FI
  • /
  • EN
OuluREPO – Oulun yliopiston julkaisuarkisto / University of Oulu repository
Näytä viite 
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
  •   OuluREPO etusivu
  • Oulun yliopisto
  • Avoin saatavuus
  • Näytä viite
JavaScript is disabled for your browser. Some features of this site may not work without it.

Supporting educational choices : possibilities and ethical concerns of data and algorithm driven technology

Gedrimiene, Egle (2025-02-21)

 
Avaa tiedosto
nbnfioulu-202501131134.pdf (2.328Mt)
Lataukset: 

URL:
https://urn.fi/URN:NBN:fi:oulu-202501131134

Gedrimiene, Egle
Oulun yliopisto
21.02.2025
https://rightsstatements.org/vocab/InC/1.0/
© University of Oulu, 2025. This publication is copyrighted. You may download, display and print it for your own personal use. Commercial use is prohibited. © Oulun yliopisto, 2025. Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
https://rightsstatements.org/vocab/InC/1.0/
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:oulu-202501131134

Kuvaus

Academic dissertation to be presented with the assent of the Doctoral Programme Committee of Human Sciences of the University of Oulu for public defence in Martti Ahtisaari auditorium (L2), Linnanmaa, on 28 February 2025, at 12 noon
Tiivistelmä
Abstract

Data- and algorithm-driven technologies offer new possibilities to support individuals through their educational paths and crossroads. Despite increasing development and implementation, the human–technology interaction has not been systematically studied in this context. This dissertation aims to address the complexity of human perspectives in this area. It focuses on users of data- and algorithm-driven technologies in the fields of AI and LA, examining reported benefits, challenges, and emerging ethical concerns.

A mixed-method design is utilized in this thesis. First, the literature was systematically examined to better understand LA affordances for various user groups in educational institutions. Further, individuals facing educational transitions (N = 106) were introduced to and tried out an AI-enhanced LA tool for guidance in natural settings. Qualitative and quantitative investigation examined how users of the piloted tool were supported and how their education-related decision-making process was facilitated. Lastly, users’ experiences of transparency and trustworthiness were examined in relation to AI education recommendation tool.

The results revealed high expectations and a wide range of decisions in educational settings targeted by data- and algorithm-based technologies. Further, five key areas of support were identified by users of the tested tool: provision of career information, research and analysis of the information, diversification of ideas on possible career paths, direction and decision support, and self-reflection. Diversification of ideas on possible career paths emerged as a key need for the users. Regarding decision facilitation, the provided support lacked alignment with the optimal decision-making process suggested by theory. Especially contextual information needed to make decisions was lacking. The results also reveal multiple ethical considerations, specifically limitations of the transparency ideal from the user perspective, tendency towards confirmation bias, and concerns for overreliance on AI guidance.

These findings deepen our understanding about human interaction with data- and algorithm-based technologies in the context of educational decisions and transitions. For practice, results highlight the vulnerability of potential users, which should be considered and counterbalanced with accountability by practitioners, developers, and policy makers. Findings also provide further direction for developing data- and algorithm-driven tools to support individuals in their educational crossroads.
 
Tiivistelmä

Data- ja algoritmipohjaiset teknologiat tarjoavat uusia mahdollisuuksia tukea yksilöiden koulutuspolkuja. Lisääntyvästä kehityksestä huolimatta ihmisen ja teknologian vuorovaikutusta ei ole systemaattisesti tutkittu. Tämä väitöskirja pyrkii käsittelemään kompleksista ihmisperspektiiviä tällä alueella. Tämä väitöskirja keskittyy data- ja algoritmipohjaisten teknologioiden käyttäjiin tekoälyn ja oppimisanalytiikan aloilla tutkien raportoituja hyötyjä ja haasteita sekä esille nousevia eettisiä huolenaiheita.

Tässä väitöskirjassa hyödynnetään mixed methods -lähestymistapaa. Ensiksi tehtiin systemaattinen kirjallisuuskatsaus ymmärtääksemme, mitä mahdollisuuksia oppimisanalytiikka tarjoaa eri käyttäjäryhmille koulutuksen kontekstissa. Tämän jälkeen koulutuksen siirtymäkohdassa olevat henkilöt (N = 106) tutustuivat ja kokeilivat tekoälytehostettua oppimisanalytiikan työkalua ohjaustilanteen tukena. Laadullisin ja määrällisin tutkimusmenetelmin selvitettiin, miten pilottityökalu onnistui tukemaan käyttäjiä, ja miten työkalu onnistui helpottamaan heidän koulutukseensa liittyvää päätöksentekoprosessiaan. Lopuksi tutkittiin käyttäjien kokemuksia työkalun läpinäkyvyydestä ja luotettavuudesta.

Tulokset paljastivat yksilöiden korkeat odotukset sekä sen, että data- ja algoritmipohjainen teknologia tuki laajasti koulutuksen kontekstissa tapahtuvia päätöksiä. Lisäksi käyttäjät tunnistivat viisi keskeistä tuen aluetta. Näitä olivat uriin liittyvän tiedon tarjoaminen, tiedon tutkiminen ja analysointi, urapolkumahdollisuuksien monipuolistuminen, suunnannäyttö ja päätöksenteon tuki sekä itsereflektio. Ideoiden monipuolistaminen mahdollisiin urapolkuihin liittyen nousi käyttäjien keskeiseksi tarpeeksi. Päätöksenteon helpottamiseksi tarjottu tuki ei ollut linjassa sen kanssa, mitä aiempi teoria ehdottaa optimaaliseksi päätöksentekoprosessiksi. Erityisesti päätöksentekoon tarvittava kontekstuaalinen tieto oli puutteellista. Tulokset paljastavat myös useita eettisiä huomioita. Erityisesti käyttäjien näkökulmasta nousivat läpinäkyvyyden rajoitteet, taipumus vahvistusharhaan ja huoli liiallisesta luottavaisuudesta.

Nämä havainnot syventävät ymmärrystämme, miten ihmisen ja data- ja algoritmipohjaisten teknologioiden välinen vuorovaikutus toteutuu koulutuspolkuihin liittyvien päätösten ja siirtymien kontekstissa. Tulokset korostavat teknologioiden potentiaalisten käyttäjien haavoittuvuutta. Lisäksi on tärkeä, että alan harjoittajat, kehittäjät ja päätöksentekijät huomioivat ja tasapainottelevat käyttäjien haavoittuvuuden ja tasapainottelevat sen ja vastuullisuuden kanssavälillä. Tulokset tarjoavat myös tietoa, miten data- ja algoritmipohjaisia työkaluja voidaan kehittää yksilöiden tukemiseksi heidän koulutuksellisissa risteymissään.
 

Original papers

  1. Gedrimiene, E., Silvola, A., Pursiainen, J., Rusanen, J., & Muukkonen, H. (2020). Learning analytics in education: Literature review and case examples from vocational education. Scandinavian Journal of Educational Research, 64(7), 1105–1119. https://doi.org/10.1080/00313831.2019.1649718 https://doi.org/10.1080/00313831.2019.1649718

    Self-archived version

  2. Gedrimiene, E., Celik, I., Kaasila, A., Mäkitalo, K., & Muukkonen, H. (2024). Artificial Intelligence (AI)-enhanced learning analytics (LA) for supporting Career decisions: Advantages and challenges from user perspective. Education and Information Technologies, 29(1), 297–322. https://doi.org/10.1007/s10639-023-12277-4 https://doi.org/10.1007/s10639-023-12277-4

    Self-archived version

  3. Gedrimiene, E., Celik, I., Mäkitalo, K., & Muukkonen, H. (2023). Transparency and trustworthiness in user intentions to follow career recommendations from a learning analytics tool. Journal of Learning Analytics, 10(1), 54–70. https://doi.org/10.18608/jla.2023.7791 https://doi.org/10.18608/jla.2023.7791

    Self-archived version

 

Osajulkaisut

  1. Gedrimiene, E., Silvola, A., Pursiainen, J., Rusanen, J., & Muukkonen, H. (2020). Learning analytics in education: Literature review and case examples from vocational education. Scandinavian Journal of Educational Research, 64(7), 1105–1119. https://doi.org/10.1080/00313831.2019.1649718 https://doi.org/10.1080/00313831.2019.1649718

    Rinnakkaistallennettu versio

  2. Gedrimiene, E., Celik, I., Kaasila, A., Mäkitalo, K., & Muukkonen, H. (2024). Artificial Intelligence (AI)-enhanced learning analytics (LA) for supporting Career decisions: Advantages and challenges from user perspective. Education and Information Technologies, 29(1), 297–322. https://doi.org/10.1007/s10639-023-12277-4 https://doi.org/10.1007/s10639-023-12277-4

    Rinnakkaistallennettu versio

  3. Gedrimiene, E., Celik, I., Mäkitalo, K., & Muukkonen, H. (2023). Transparency and trustworthiness in user intentions to follow career recommendations from a learning analytics tool. Journal of Learning Analytics, 10(1), 54–70. https://doi.org/10.18608/jla.2023.7791 https://doi.org/10.18608/jla.2023.7791

    Rinnakkaistallennettu versio

 
Kokoelmat
  • Avoin saatavuus [38824]
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatAsiasanatUusimmatSivukartta

Omat tiedot

Kirjaudu sisäänRekisteröidy
oulurepo@oulu.fiOulun yliopiston kirjastoOuluCRISLaturiMuuntaja
SaavutettavuusselosteTietosuojailmoitusYlläpidon kirjautuminen