Kansainvälisten koulutusarvioiden vertailu koulutuksellisen tiedonlouhinnan keinoin

Koulutusta ja eri ikäisten lasten akateemista suorituskykyä mittaavat tutkimustulokset ovat kiinnostavaa tarkasteltavaa monien alojen työntekijöille ja tutkijoille. Nykyään monet organisaatiot, kuten OECD (Organisation for Economic Co-operation and Development) ja IEA (International Association for the Evaluation of Educational Achievement), järjestävät tietyin aikavälein kansainvälisiä mittauksia, joissa mitataan tietyn ikäisten lasten akateemisia kykyjä ja kysellään heidän elämästään koulussa ja kotona. Näistä mittauksista syntyvät tietokannat ovat suuria ja ne tarjoavat monipuolista tietoa koulutuksesta ja lasten oppimiseen vaikuttavista tekijöistä. Kaiken tämän lisäksi, nämä tietokannat ovat vapaassa käytössä tutkijoille, mikä puolestaan lisää tietokantojen käytettävyyttä tutkimuksen kentällä. Mitä suuremmaksi tietokannat kasvavat, sitä suuremmalla todennäköisyydellä ne sisältävät tietoa, joka ei paljastu vain datan perinteisellä silmäilyllä tai listauksella. Tällaisten koulutuksellista tietoa sisältävien tietokantojen tutkimiseksi on viimeisten 20 vuoden aikana kehitetty monenlaisia menetelmiä ja työkaluja, joita yhdessä kutsutaan koulutukselliseksi tiedonlouhinnaksi. Koulutuksellisen tiedonlouhinnan tarkoituksena on yleensä löytää tietokannasta uutta tietoa tai tiivistää sen tulokset. Koulutuksellisen tiedonlouhinnan avulla tutkijat ovat onnistuneet löytämään koulutukseen liittyvistä tietokannoista monenlaista kiinnostavaa tietoa, jonka pohjalta ollaan pyritty mm. ennustamaan opiskelijoiden menestystä heidän aikaisempien suoritustensa pohjalta ja etsimään vahvistusta maakohtaisille stereotyypeille. Tässä tutkimuksessa sovellan K-means++ -klusterointialgoritmia vuoden 2012 PISA-aineistoon ja vuoden 2011 yhdistettyyn TIMSS ja PIRLS -aineistoon ja tarkastelen, löytyisikö niistä keskenään samanlaisia oppilasprofiileja. Pitääkseni tutkimuksen pro gradu -tutkielman rajoissa käytän tutkimuksessani vain suomalaisista oppilaista ja kouluista kerättyä dataa. Klusteroinnin tuloksena muodostuneet oppilasprofiilit olivat aineistojen välillä erilaisia, mutta jakoivat keskenään joitakin samoja piirteitä, paljastaen koko tutkimusalan näkökulmasta uutta tietämystä.