Mis on Chain5?
Chain5 on rahvusvaheline kogukond, mis ühendab inimesi ja organisatsioone, kes tegelevad Euroopa kvalifikatsiooniraamistiku 5. taseme arendustega. Kogukonna eesmärk on edendada koostööd, jagada häid praktikaid ning toetada hariduse ja tööturu sidusust. Chain5 toimub igal aastal erinevas liikmesriigis. Tallinna Majanduskool korraldas Chain5 konverentsi 2020. aastal Eestis.

Tallinna Majanduskooli õppijate, õpetajate ja töötajate õpirändeid rahastatakse Erasmus+ programmi projektidest.

Chain5 kutsehariduse 5. taseme võrgustiku konverents toimus tänavu 13.–15. 11 Horvaatias, Zagrebis, Algebra ülikoolis. Tallinna Majanduskool on ainus kool Eestis, kes kuulub Chain5 võrgustikku ning on võtnud eesmärgiks olla Eesti 5. taseme kutsehariduse häälekandjaks Euroopas. Sel aastal panustasid Chain5 konverenstil aruteludesse ning jagasid Eesti kogemust kutsehariduse 5. taseme teemadel Karita Leppsoo, Triin Rum, Anne-Ly Kandelin ja Anneli Pikkmets.

Konverentsilt saadi uusi kontakte ning inspiratsiooni AI tööriistade kasutamiseks õppetöös. Muljet avaldas ka Algebra ülikool, kus konverents toimus ning õpetajatele loodud motivatsioonisüsteem.

Hollandi kutsekoolide parimad praktikad AI kasutamiseks õppetöös

Chain5 töötoas “Even a superhero needs an AI-sidekick!” jagasid hollandlased Karen Nys, Howest’i rakenduslikust kõrgkoolist, Mark vd Gun ja Rick Goossens Amsterdami rakenduslikust kõrgkoolist nippe AI tööriistade kasutamisest õppetöös. 

Näiteks on nad AI tööriistade kasutamise õppijatele kohustuslikuks teinud ning hindavad seda muuhulgas STARR meetodi abil. STARR meetod tähendab, et õppija peab kirjeldama viit osa: olukord (S), ülesanne (T), tegevused (A), tulemused (R) ja reflektsioon (R). See meetod aitab õppijal oma tegevusi analüüsida ning põhjendada. Tallinna Majanduskoolis on STARR meetod samuti kasutusel, kuid seni mitte AI tööriistade kasutamise kohta, vaid varasemate teadmiste ning töö-ja õpikogemuse arvestamiseks. Võib-olla saab siit mõni õpetaja idee enda õppeaine hindamiseks juurde! 

ChatGPT kõrval mainisid töötoa läbiviijad Perplexity AI tööriista, mis on parem uurimustöö koostamiseks, kuna annab info kohta detailsemad ja usaldusväärsemad allikad.

Hollandlaste sõnul räägivad nad praktiliste näidete abil õppijatele palju ka AI ohtudest. AI tööriistade kasutamisel nõuavad nad õppijatelt korrektset viitamist. Kui õppija pole korrektselt viidanud, siis leiab tähelepanelik õpetaja tekstist erinevaid märke, mis sellele viitavad. Näiteks võib erinevat tüüpi jutumärkide – “___” või ‘__ ‘ – kasutamine tekstis vihjata sellele, et tekst on otse mõnest AI abilisest kopeeritud.

Algebra ülikooli rektor PhD Mislav Balković tutvustas õpetajate motivatsioonisüsteemi ja õpitulemuse seire võimalusi ülikoolis.

Õpetajatel on võimalus saada tulemuspalka, mis põhineb mitmel hindamiskriteeriumil. Iga kriteerium kajastab õpetaja panust nii õppetöö kvaliteedi, innovatsiooni, professionaalse arengu kui ka õppetööväliste tegevuste valdkonnas. Hindamissüsteem koosneb punktidest, mis summeeritakse ning mille alusel arvutatakse tulemuspalga suurus.

Näiteks hinnatakse õpetajat järgnevate kriteeriumite alusel:

• Õpilasküsitluste tulemused: esimese semestri ja lõppküsitluse tulemused annavad ülevaate õpetaja õpetamismeetodite tõhususest (28 punkti).
• Õppeprotsessi kvaliteet: hindamiskriteeriumid hõlmavad eksami kvaliteeti (9 punkti) ning innovatiivseid lähenemisi ja parimaid praktikaid õpetamises (3 punkti).
• Kohusetundlikkus: tähtajad ja punktuaalsus on olulised näitajad, näiteks hilinemiste puudumine tundides ja hindamiste sisestamisel (12 punkti).
• Täiendav panus õppetöös: õpetaja saab lisapunkte tudengite ettevalmistamise eest võistlusteks või õppetöövälisteks projektideks (8 punkti).
• Enesearendamine: täienduskoolitustel ja rahvusvahelistes projektides osalemine näitab õpetaja professionaalset arengut (12 punkti).
• Teadustöö ja loovus: märkimisväärne osa punktidest antakse teadustööde avaldamise eest (24 punkti), mis tõstab kooli mainet ja kvaliteeti.

Kursuste ettevalmistamine: kursuste sh. töökavade loomine õigeaegselt semestri alguseks lisab punktid (4 punkti).

Punktide kogusumma määrab tulemuspalga (+30%), motiveerides õpetajaid panustama mitmekülgselt ja kvaliteetselt oma töösse. 

Tallinna Majanduskoolis võiksime seda süsteemi rakendada, sidudes õpetajate tulemuspalga õppeprotsessi kvaliteedi, innovatsiooni ning professionaalse arengu eesmärkidega, et toetada kooli strateegilisi suundi ja tõsta õpetamise taset.

Õppijate kohta kogutakse mitmekesiseid andmeid, et saada põhjalik ülevaade nende taustast, isiklikest oludest, hariduslikust ettevalmistusest ning akadeemilisest sooritusest. See võimaldab paremini mõista õppijate vajadusi, kujundada tõhusaid õpikeskkondi ja pakkuda vajadusel täiendavat tuge. 

1. Demograafilised tunnused: Õppijate põhiliste isikuandmete, nagu sünniaasta, sugu ja sünnikoht, kogumine aitab luua üldist profiili ning analüüsida õppijate mitmekesisust. Lisaks uuritakse ka varasema hariduse asukohta, et mõista, millistest hariduslikest ja kultuurilistest taustadest õppijad tulevad.

2. Sotsiaal-majanduslik taust: Õppijate sotsiaal-majanduslikku tausta uurides keskendudes vanemate haridustasemele, pereliikmete arvule ja õpingute rahastamisallikatele. Need andmed võimaldavad analüüsida sotsiaalsete ja majanduslike tegurite mõju õppijate edule.

3. Varasem haridus: Õppijate eelnev hariduslik ettevalmistus on oluline edasiste õpitulemuste ja arengupotentsiaali hindamiseks. Uuritakse, millist tüüpi koolides ja programmides nad on varem õppinud, samuti nende varasemate õpingute tulemusi ja vastuvõtukriteeriumite täitmist.

4. Isiklikud olud ja omadused: Õppijate isiklikud olud, nagu pere ja sõprade tugi, töötamine õpingute ajal ning spetsiifilised asjaolud (nt kuulumine haavatavatesse gruppidesse), on olulised faktorid nende õpitulemuste ja heaolu hindamisel. Samuti pööratakse tähelepanu stressi ja ärevuse tasemele ning töö- ja õpikäitumisele.

5. Akadeemilised tunnused: Õppijate akadeemilist sooritust hinnatakse selliste tunnuste kaudu nagu õpingute aasta, valdkond, õppekeel ja osalemine õppetöös ning õppekavavälistes tegevustes. Lisaks uuritakse nende rahulolu õpingutega, mis aitab mõista, kas ja kuidas õpikeskkond toetab õppija arengut.

Õppijate kohta kogutud andmed annavad tervikliku pildi nende taustast, motivatsioonist ja akadeemilisest olukorrast. Nende andmete põhjal saab teha teadlikke otsuseid, mis toetavad õppijate arengut ja edasijõudmist nii individuaalsel kui ka institutsionaalsel tasandil.

Strateegilised valikud hariduses

Arteveldehogeschooli äri ja juhtimise programmide juhi Kristof Punie eestvedamisel keskendus töötuba strateegiliste valikute tegemisele haridussektoris, rõhuasetusega piiratud ressursside tõhusale haldamisele, et saavutada optimaalsed haridustulemused. Töötuba tugines excel failile “Chain 5 FTE Table”, mis sisaldas detailset infot õppekava struktuuri, õpetamise ressursside ja kulude kohta.

Grupitööna analüüsisime võimalusi, kuidas ressursside jaotust ning õpetamise kulusid tõhusamalt planeerida, et saavutada kooli jaoks kasumlikud ja jätkusuutlikud tulemused. Arutelu keskendus eelkõige töökoormuse ja rühma suuruste optimeerimisele ning täienduskoolituste pakkumise ja digitaalsete lahenduste rakendamise võimalustele, mis aitaksid suurendada kooli konkurentsivõimet ja pakkuda õppijatele kvaliteetset haridust.

Lisaks käsitleti konverentsil kutsehariduse ja tööturu vajaduste sidumist, rahvusvahelist koostööd ning teenusedisaini mudelite kasutamist. Arutleti ka selle üle, mil määral ja millistes Euroopa riikides on 5. taseme kutseharidus kõrghariduse osa ning millised on 5. taseme lõpetajate edasiõppimise võimalused. 

Konverents pakkus väärtuslikku võimalust ideede ja kogemuste vahetamiseks, tugevdades koostööd Euroopa haridus- ja töövaldkonnas.

2025. aastal toimub Chain5 konverents Portugalis 12-14. Novembril. Võõrustajaks on Porto lähedal asuv rakenduskõrgkool Instititio Politechnico da Maia (IPMAIA).