Kimmo Vehkalahti

Tarkastelen artikkelissani BSCW:n hyödyntämistä lähiopetuksen tukena lukukauden mittaisella tilastotieteen menetelmäkurssilla. Esittelen BSCW:n käyttötapoja ja kerron kokemuksista sekä omasta näkökulmastani että opiskelijapalautteen perusteella. Jotta BSCW:n hyödyt tulisivat selvästi esille, kuvaan myös kurssin taustaa, tavoitteita ja toteutustapaa melko perusteellisesti.

Tutustuminen ja alustavat kokeilut

Alunperin minut perehdytti BSCW:hen valtiotieteellisen tiedekunnan verkkopedagogiikan
asiantuntija Taina Joutsenvirta pari vuotta sitten. Innostuin ohjelmasta sen verran, että
päätin kokeilla olisiko siitä iloa omassa opetuksessani.

Ensi kertaa hyödynsin BSCW:tä yli tiedekuntarajojen suosiota saavuttaneella, oman työn
dokumentointia ja muita hyviä työtapoja korostavalla tiiviskurssillani keväällä 2003.
Kokemus ja positiivinen palaute rohkaisivat BSCW:n käyttöön heti seuraavana syksynä myös lukukauden mittaisella, tilastotieteen aineopintoihin kuuluvalla
Data-analyysi II -kurssilla.

Kurssin tavoitteet ja laajuus

Data-analyysi II on menetelmäkurssi, jossa valtiotieteellisen tiedekunnan
tutkintovaatimuksia lainaten on tavoitteena ”oppia analysoimaan käytännön
tutkimusaineistoja ja formuloimaan, estimoimaan ja arvioimaan tilastollista mallia havaintoaineiston informaation tiivistäjänä sekä esittämään tutkimusongelmat ja tulokset
selkeästi graafisia menetelmiä ja muita tilastollisia esitystapoja käyttäen”.

Tutkintovaatimusten mukaan tähän 5 ov:n kurssiin sisältyy ”60 tuntia pienryhmäopetusta,
josta osa on luentomuotoista, osa ohjattua harjoittelua tietokoneilla”. Suoritukseen on
myös ajateltu kuuluvan ”analyysiraporttien esityksiä sekä erillinen harjoitustyö”.

Osallistujien on lisäksi hallittava ainakin jonkin tilastolliseen analyysiin tarkoitetun
ohjelmiston perustaidot jo ennen kurssia. Tällaisia ohjelmia ovat mm.
R, SAS,
SPSS ja Survo.

Vuosittain kurssin suorittaa noin 20 opiskelijaa, joista puolet on tilastotieteen pääaineopiskelijoita. Loput ovat enimmäkseen matematiikan, kansantaloustieteen ja tietojenkäsittelytieteen opiskelijoita, mutta mukana on myös jonkin verran yhteiskunta- ja käyttäytymistieteiden sekä muiden alojen opiskelijoita.

Kehittämisvaiheet

Olen vastannut kurssista vuodesta 2001, ja rakentanut sen nykyisen toteutuksen melko
tarkalleen edellä mainituista lähtökohdista. Ihan aluksi jouduin selvittämään, mikä on
aihepiirissä oleellisinta, ja mitä voisi vähentää tai jättää pois. Tulin siis tehneeksi
ydinainesanalyysin, vaikkei se käsitteenä ollutkaan minulle tuttu vielä kolme vuotta
sitten. Jätin yksinkertaisesti pois paljon vuosien varrella mukaan tulleita asioita ja
keskityin tärkeimpiin.

Yhden kurssin tavoitteisiin liittyvän lisäyksen olen kuitenkin tehnyt: ne
sivuaineopiskelijat joiden ohjelmaan ei luonnostaan kuulu tilastotieteen tai matematiikan
teoreettisempia opintoja, voivat suorittaa kurssin suppeampana, 3 ov:n laajuisena
menetelmäkurssina. Tällöin pohjatiedoiksi riittää käytännössä tilastotieteen
johdantokurssin tai vastaavien tietojen hallinta.

Uusi 3 ov:n vaihtoehto on avannut mahdollisuuden yhteiskunta- ja käyttäytymistieteiden
mutta myös muiden aineiden graduntekijöille ja jatko-opiskelijoille, jotka haluavat hyvät
perustiedot regressio- ja varianssianalyysin käytännön soveltamisesta. Kurssin suorituksen voi liittää esimerkiksi menetelmäopintojen sivuainekokonaisuuteen. Yleistavoitteet ovat samat kuin 5 ov:n suorituksessa, mutta työmäärä on jonkin verran pienempi ja harjoitustyön vaatimustaso käytännönläheisempi. Harjoitustyön voi 3 ov:n suorituksessa tehdä omasta aineistostaan, jos sellainen on käytettävissä.

Kenties merkittävin kurssiin tekemäni uudistus on kuitenkin ollut toisen viikottaisen
luennon korvaaminen esitystilaisuudella, josta kerron tarkemmin tuonnempana. Ilman
ydinainesanalyysia tämä ei olisi ollut mahdollista, koska aika ei olisi riittänyt kaikkien
asioiden käsittelyyn.

Kotisivut olin tehnyt kurssille jo ensimmäisenä vuonna. Parin vuoden sisällöllisen ja
rakenteellisen kehittämisen jälkeen seuraava luonteva askel kurssin kehittämisessä olikin
verkkopohjaisen oppimisympäristön käyttöönottaminen.

Toteutustapa

Ennen kuin siirryn kuvaamaan miten olen hyödyntänyt BSCW:tä, kerron tarkemmin kurssin toteutustavasta. Kyseessähän on lähiopetuksena järjestettävä kurssi, jonka tueksi olen myöhemmin liittänyt BSCW-ympäristön.

Toteutustapani rakentuu linjakkaan opetuksen periaatteelle (Biggs 2003). Yksi linjakkuuden
osatekijöistä on suunnitelmallisuus. Vanhan sanonnan mukaan ”hyvin suunniteltu on puoliksi tehty”. Keskeisessä asemassa onkin aikataulutus. Kurssi rakentuu yhdeksästä työviikosta, niitä edeltävästä orientoivasta aloitustilaisuudesta sekä lopuksi järjestettävistä
harjoitustyön ohjauskerroista. Harjoitustöiden palautusaikataulu on täsmällinen mutta
joustava.

Työviikko koostuu luennosta, harjoituksesta ja esityksestä. Viikkoaikataulu on vakiintunut
sellaiseksi, että luento on keskiviikkona, harjoitus torstaina ja esitys seuraavana
maanantaina. Kukin näistä on kahden luentotunnin mittainen. Harjoitusryhmiä on kaksi,
joista opiskelijat voivat viikottain valita omaan aikatauluunsa sopivamman.

Pidän itse kaikki opetustilaisuudet, mikä on välillä raskastakin. Toisaalta se
mahdollistaa paremmin opiskelijoiden yksilöllisen ohjaamisen, mikä on puolestaan varsin
antoisaa. Kurssin kohdalla voitaisiin myös puhua ns. pedagogisesta ohjauksesta (ks.
Eriksson ja Mikkonen 2003, 40-41). Opetustilaisuudet ovat keskusteluvetoista
pienryhmäopetusta. Opiskelijat saavat kurssin kuluessa suullista ja kirjallista palautetta
sekä ryhmässä että henkilökohtaisesti.

Huolellinen valmistelu ja aikataulutus on siis linjakkuuden saavuttamiseksi tärkeää.
Olenkin saanut siitä positiivista palautetta opiskelijoilta:

”Kurssin viikkoaikataulu oli rakenteeltaan toimiva ja harvinaisen säännöllinen.”

”Työtähän tuo kurssi teetti kaikkine harjoituksineen, välillä ihan hirvittävän paljonkin. – – – Kaikesta tästä huolimatta data2 tuntui jopa jollain tavalla kevyemmältä kuin muut tilastotieteen pääaineopintojen kurssit – olisiko syy vaikkapa siinä, miten hyvin organisoitu ja toimiva koko kurssi oli: aikataulut pitivät, ohjeet olivat aina todella selkeät ja luentomoniste huolella laadittu.”

Luennot, harjoitukset ja esitykset

Luennoilla esittelen asioiden taustoja, herättelen keskustelua aiheista ja näytän
tietokoneen ja datatykin avulla sovellusesimerkkejä työskentelemällä aidosti eri
ohjelmistoilla. Opiskelijoiden kysymysten innoittamana tai jopa hetken mielijohteesta
saatan lähteä tekemään teemoista uusia muunnelmia. Luennot ovat siis varsin dynaamisia tilaisuuksia. Niiden punaisen langan muodostaa laatimani
luentomoniste (PDF), josta käyvät ilmi kurssin ydinaines ja luentojen pääteemat.

Monisteeseen olen myös koonnut lineaaristen mallien teoriasta keskeiset kohdat, joihin kurssilla opeteltavat asiat perustuvat ja joita kurssilla opiskellaan. Johtavana
periaatteena on käsitys oppimisesta tiedon rakentamisena (Tynjälä 1999, 37-38). Tietoa ei
välitetä valmiiksi pureskeltuna vaan sitä rakennellaan aktiivisesti erilaisista osasista.

Oppimisen kannalta avainasemassa ovat harjoitukset, sillä menetelmien soveltamista ei opi katsomalla vaan tekemällä. Opiskelijapalautteesta ilmenee, kuinka harjoitus tekee
mestarin:

”Olin kurssiin todella tyytyväinen. Yleensä kursseilla pysyy alussa mukana, mutta
loppuvaiheessa saattaa jo olla hieman pihalla. Nyt kävikin toisin päin: alussa tuntui,
että asiat on tosi vaikeita, mutta kerta kerralta harjoitusten tekeminen sujuikin yhä
paremmin.”

Tilastotieteen ja matematiikan oppiminen rakentuu luonnostaan johdonmukaisesti aiemmin
opitun päälle. Anne Nevgi ja Kirsi Tirri (2003, 30) käyttävät termiä ”mielekäs oppiminen”,
jossa opiskelija yhdistelee uutta tietoa aikaisempaan, uuden asian kannalta relevanttiin
tietoon käyttäen apunaan mielekästä oppimateriaalia ja aineistoa. Mielekäs oppiminen
kuvaakin hyvin harjoitusten asemaa kurssissa, ja se nousee esiin myös seuraavassa
opiskelijapalautteessa:

”Harjoitustehtävät olivat riittävän monipuolisia, mutta myös riittävän itseään toistavia.
Harjoitustehtävissä säilyi aina linkki edellä opittuun ja jäi kokemus siitä, että nämä
kaikki asiat kuuluvat yhteen eivätkä lillu erillisinä vain jossain tilastotieteen
tehtävien avaruudessa.”

Harjoitukset ovat tähän asti olleet yhtä vapaaehtoisia kuin kaikki muutkin kurssin
opetustilaisuudet, mutta olen harkinnut mm. opiskelijapalautteen perusteella, että
harjoitustehtäviä tulisi ainakin 5 ov:n suorituksessa tehdä jokin minimimäärä kurssin
aikana.

Esityksissä opiskelijat vuorollaan näyttävät tietokoneen ja datatykin avulla mitä ovat
saaneet irti harjoitustehtävistä. Minun osani on tällöin olla enemmän sivustakatsojana,
keskusteluttajana ja palautteenantajana. Toisin kuin matematiikan laskuharjoituksissa,
menetelmäkurssin harjoitustehtävissä ei ole vain yhtä oikeaa ratkaisua vaan periaatteessa
kuinka monta tahansa. Jo pelkästään se, että kurssilla käytetään useita erilaisia
ohjelmistoja, tuo mukaan vaihtoehtoisia keinoja ja ratkaisutapoja. Myös itse tehtäviä voi
usein lähestyä erilaisista näkökulmista. Jotta tämä monimuotoisuus pääsee esille, on
tärkeää että ratkaisuja näytetään muille ja niistä keskustellaan yhdessä.
Opiskelijapalaute tiivistää tämän hyvin:

”Harjoitusten esittelytilaisuudet olivat mainio asia. Oli hyvä joutua ”pakosta”
esiintymään, koska silloin joutui myös ymmärtämään mitä oli tehnyt. Harjoituksissa ja
palautetilaisuuksissa oppi paljon ja ainakin minulle niille osallistuminen oli olleellinen
osa asioiden omaksumista.”

Samalla esityksissä tulee opittua suullisen esittämisen taitoja, joita ei ainakaan
tilastotieteen opinnoissa liikaa tule vastaan.

Harjoitustyö ja kirjallinen palaute

Kurssin suorittaminen edellyttää aktiivista osallistumista lähiopetukseen sekä omaehtoista
opiskelua, josta laajimman kokonaisuuden muodostaa harjoitustyö. Työ aloitetaan jo kurssin aikana, ja se on saatava valmiiksi johonkin kolmesta annetusta määräajasta mennessä. Vaihtoehtoja on kolme: joulukuussa, tammikuussa ja maaliskuussa. Aikataulutuksen tarkoitus on kannustaa määrätietoiseen työskentelyyn, mutta tarjota samalla vaihtoehtoja. Harjoitustöiden porrastettu aikataulu on itselleni tärkeä myös ajankäyttöni ja töideni hallinnan kannalta. Poikkeustapauksissa aikatauluista voidaan tietenkin sopia erikseen yksittäisen opiskelijan kohdalla.

Harjoitustyöt palautetaan minulle paperille tulostettuina. Tarkastettuani työn toimitan
opiskelijalle henkilökohtaisen, kirjallisen palautteen hänen työstään sähköpostitse.
Palautteeni ovat tyypillisesti laajoja, yli 500 sanan mittaisia. Niiden miettiminen ja
kirjoittaminen vie melko paljon aikaa, mutta katson sen olevan opiskelijoiden työmäärään
nähden kohtuullista. Haluan antaa opiskelijalle yksilöityä palautetta siitä, mitä hän osaa
hyvin, missä hän on erityisesti onnistunut ja missä olisi parantamisen varaa (vrt.
Lindblom-Ylänne ja Wager 2002, 319-322). Mielestäni kirjallisesta työstä pitää saada
kirjallinen palaute, jonka perusteella voi tehdä työstään paremman version tarpeen mukaan.

Monet tekevät niin joka tapauksessa, sillä hyväksytty työ voi myöhemmin toimia mallina
vastaaville töille tai vaikkapa osana portfoliota työpaikkaa hakiessa. Tyytyväisyys
saatuun palautteeseen heijastuu seuraavissa opiskelijapalautteissa:

”Kiitos kommenteista! Mukavaa tietää, että kurssi on nyt sitten suoritettu. Katsoin
työstäni kohdat, joista mainitsit. Oli kiva, että viitsit antaa niin paljon kommentteja!
Muistan nämä asiat sitten mahdollisissa muissa töissäni.”

”Kiitos kehuista ja kommenteista. Täytyy kurssipalautteena sanoa, että DA2 oli minulle
syksyn kivoin ja mielenkiintoisin kurssi. Raportin aloittaminen oli tosin kurssin aikana
vaikeaa, koska onnistuit jokaisella luennolla antamaan fiiliksen ”seuraavan luennon
jälkeen olen vielä ’viisaampi’ aiheesta – enpä siis aloita vielä”. (Outo lause –
toivottavasti ymmärrät sen kehuksi.)”

Palautteen kirjoittamistani nopeuttaa jonkin verran rajattu aineistovalikoima; näin työt
muistuttavat sopivassa määrin toisiaan (eivät kuitenkaan liiaksi). Samalla hyödynnän
jossain määrin aiemmin kirjoittamiani palautteita. Tehokkaistakin työtavoista huolimatta
tällaista kirjoitusurakkaa ei tietenkään pystyisi soveltamaan, mikäli opiskelijamäärä
olisi suurempi.

Siirtyminen BSCW:n käyttöön

Verkon opetuskäyttöön on olemassa monenlaisia vaihtoehtoja (ks. esim. Nevgi, Kurhila ja
Lindblom-Ylänne 2002, 376-402; Manninen 2003, 28-29). Data-analyysi II:n osalta päädyin
verkon käyttöön osana muuta opiskelua. Aiempien kokemusten perusteella BSCW vaikutti
käyttökelpoiselta vaihtoehdolta. Niinpä sen käyttöönotto syksyllä 2003 oli suoraviivaista,
olinhan jo vakiinnuttanut kurssin aikataulun ja sisällön kahtena aiempana vuonna. Riitti
miettiä, mihin ja miten parhaiten hyödyntäisin valitsemaani oppimisalustaa. Päädyin
seuraavanlaiseen rakenteeseen:

Päätaso

• linkki kurssin kotisivulle (kirjallisuutta, ohjelmistoja ym.)
• linkki laitoksen jatkuvan palautteen kurssikohtaiselle sivulle
• kurssin yleinen keskusteluryhmä
• tarpeen mukaan linkkejä muualle, ilmoituksia jne.

Luentokansio

• linkki kurssin kotisivulla olevaan pdf-muotoiseen luentomateriaaliin (helppo selailla ja tulostaa)
• luennoilla esittelemiäni aineistoja, esimerkkejä yms.

Harjoituskansio, jossa viikottain uusi kansio

• harjoitustehtävät ja niissä tarvittavat aineistot sekä ohjeet html- ja txt-muodossa (helppo selailla ja kopioida)
• opiskelijakohtainen kansio (kukin perustaa itse viikottain ja tallettaa sinne tehtäväraportit ja dokumentaation työstään)
• näitä käytetään ja näytetään esityksissä

Harjoitustyökansio

• harjoitustyöaineistojen kuvaukset ja ohjeet html-muodossa
• harjoitustyöaineistot txt-muodossa (helppo siirtää mihin tahansa ohjelmistoihin)
• linkki kurssin kotisivulla oleviin harjoitustyöohjeisiin
• keskusteluryhmä aineistoihin liittyviä pulmia varten

Opiskelijat perehtyvät BSCW:n käyttöön ensimmäisen harjoituksen yhteydessä tiedekunnan
verkkopedagogiikan asiantuntijan johdolla. Kurssin BSCW-alue on yhteinen työtila, jonka
kansiot ovat avoimia kaikille kurssin opiskelijoille. Mitään rajoituksia en ole kokenut
tarpeelliseksi asettaa eikä niitä ole myöskään kukaan ehdottanut.

Kokemuksia BSCW:stä

BSCW on terästänyt kurssia ja tuonut siihen paljon hyvää varsin vähällä vaivalla.
Ehdottomasti tärkeintä on ollut yhteisöllisyyden lisääntyminen: kurssilla työskennellään
tiiviimmin yhdessä, opitaan myös muiden kokemuksista ja sitoudutaan paremmin kurssin
tavoitteisiin. Perinteisiin menetelmäkursseihin verrattuna suurin ero on siinä, että
jokainen näkee myös mitä muut ovat tehneet tai tekemässä. Tätä ovat myös opiskelijat
arvostaneet:

”BSCW:n käyttö kurssilla oli varmasti minun kannalta hyvin oleellista. Toisaalta se, että
tietää että muilla on mahdollisuus katsoa mitä itse on tehnyt ja toisaalta se, että pystyy
tarkistamaan miten muut ovat asiaa käsitelleet, auttavat harjoitusten tekemisessä.”

BSCW-alue tarjoaa mukavan tavan oppia muilta. Kenenkään ei tarvitse ajatella olevansa
yksin kurssilla. Näin myös kurssin ilmapiiri vapautuu, ja asioista voidaan helposti
keskustella niin luennoilla, harjoituksissa kuin esityksissäkin. Yhteisöllisyyden
merkitystä ei kannata aliarvioida, kuten seuraava opiskelijapalaute osoittaa:

”On hirveän hienoa – ja tuntuu valitettavasti olevan myös hirveän harvinaista – että
yliopistossa, ainakaan Helsingin, saadaan opiskelijat kommunikoimaan keskenään tai
ylipäänsä kenenkään kanssa. Ryhmä oli mukava, henki hyvä ja ihmisiin tutustui melkein
väkisin, mikä oli varmasti vähintään yhtä hyvää antia kuin mielenkiintoinen sisältö.
Harmillista kyllä, kurssi loppui melkein heti, kun vauhtiin päästiin, mutta tarttuipa
sieltä ainakin yksi hyvä kaveri matkaan. :)”

BSCW tarjoaa myös mahdollisuuksia kollektiiviseen palautteeseen, joka on yksilöllistä
mutta josta voivat hyötyä kaikki (ks. Holkko ja Rautakoura 2003, 95-96). Tätä olen
hyödyntänyt vasta vähän, mutta saanut jo arvokkaita kokemuksia, kuten myös palautetta:

”Laajempi McDonald’s-tehtävä oli erittäin opettavainen erittäin hyvän palautteen takia –
oman ja muiden palautteen lukeminen auttoi ymmärtämään monia asioita, ja harjoitustyön
tekeminen olikin sitten suorastaan hauskaa. Lisäksi BSCW oli hyvä oivallus kurssille ja
toimi kivasti. Muistelen, että melkein kaikki tuntui loppujen lopuksi ymmärrettävältä ja
järkevältä, mihin kaikkein suurimpana apuna olivat torstaiset harjoitukset ja opastus
siellä.”

Toinen vain vähän hyödyntämäni mahdollisuus on verkkokeskustelu. Kurssin
lähiopetustilaisuuksissa on niin paljon keskustelua, etten ole katsonut kovin
tarpeelliseksi virittää keskustelua verkossa. Olen tosin tarjonnut keskusteluryhmiä
kurssin BSCW-alueelle sekä yleisiä kysymyksiä ja kommentteja että erityisesti
harjoitustöitä koskevia kysymyksiä varten. Molempia on käytetty jonkin verran.

Periaatteessa kurssia on mahdollista BSCW:n avulla seurata jopa täysin verkkokurssina,
mutta se edellyttää opiskelijalta paljon enemmän pohjatietoja ja oma-aloitteisuutta.
Opiskelijapalautteessa tämä todetaan selvästi:

”Toisaalta kurssi on ihanteellinen verkkokurssiksi mutta toisaalta kun asiat eivät suoraan
ole kaavojen toteuttamista koneella jää siihen se aukko miten sitä pohdintaa opitaan.”

Johtopäätöksiä

Kurssi näyttää toimivan hyvin nykyisessä muodossaan. Pääpaino on keskusteluvetoisessa lähiopetuksessa, mutta BSCW:llä on tärkeä merkitys verkkopohjaisena oppimisympäristönä. BSCW tavallaan auttaa sitomaan yhteen opetuksen ja oppimisen (vrt. Kynäslahti, Parikka, Romanov ja Tuononen 2004, 12).

Pelkästään opettajan kannalta ajateltuna BSCW:n käyttöönotto on entisestäänkin antanut
kurssille ryhtiä ja linjakkuutta. Työmäärä ei juurikaan ole lisääntynyt. Kollektiivisen
palautteen antamisen avulla työmäärää on jopa mahdollista vähentää. Suorituksena tehtävien harjoitustöiden taso on ehkä jonkin verran noussut, mutta on vaikea eritellä miten paljon juuri BSCW:llä on siihen ollut vaikutusta, kun samaan aikaan kurssi on kehittynyt monilla muillakin tavoin.

Yhteisöllisyys on tärkeää sekä opiskelijoille että opettajalle. Tässä asiassa BSCW:n
vaikutus on ollut aivan oleellinen. Suljettua verkkoympäristöä voi tietenkin avoimessa
yliopistoympäristössä kritisoida, mutta yhteisöllisyyttä on vaikea synnyttää ilman ”omaa
tilaa”, oli kyseessä sitten fyysinen tai virtuaalinen tila. Avoimuus ilmenee tässä
tapauksessa BSCW:n sisällä: kaikilla on yhteisessä työtilassa samat velvollisuudet mutta
myös oikeudet ja vapaudet.

Lähteet

Biggs, John (2003). Teaching for Quality Learning at University. 2nd ed.,
The Society for Research into Higher Education & Open University Press.

Eriksson, Ilse ja Mikkonen, Johanna (toim.) Opiskelijan ohjaus yliopistossa.
Edita Publishing, 2003.

Holkko, Mari ja Rautakoura, Outi (2003). Rakenteita ja suunnittelua
opiskelun ja oppimisen tueksi avoimen yliopiston verkkokursseilla.
Teoksessa Matikainen, Janne (toim.) Oppimisen ohjaus verkossa.
Palmenia-kustannus.

Kynäslahti, Heikki; Parikka, Raimo; Romanov, Kalle ja Tuononen, Kari (2004).
Luento verkossa? Verkkoluento – perusteita, piirteitä ja pedagogiikkaa.
Opetusteknologiakeskus, Helsingin yliopisto.

Lindblom-Ylänne, Sari ja Nevgi, Anne (toim.)
Yliopisto- ja korkeakouluopettajan käsikirja. WSOY, 2002.

Lindblom-Ylänne, Sari ja Wager, Maaret (2002). Tieteellisten
opinnäytetöiden ohjaaminen. Teoksessa Lindblom-Ylänne, Sari ja
Nevgi, Anne (toim.) Yliopisto- ja korkeakouluopettajan käsikirja. WSOY.

Manninen, Jyri (2003). Ohjaus verkkopohjaisessa oppimisympäristössä.
Teoksessa Matikainen, Janne (toim.) Oppimisen ohjaus verkossa.
Palmenia-kustannus, 2003.

Nevgi, Anne; Kurhila, Jaakko ja Lindblom-Ylänne, Sari (2002).
Kohti virtuaalisia oppimisympäristöjä. Teoksessa Lindblom-Ylänne, Sari ja
Nevgi, Anne (toim.) Yliopisto- ja korkeakouluopettajan käsikirja. WSOY.

Nevgi, Anne ja Tirri, Kirsi (2003). Hyvää verkko-opetusta etsimässä.
Suomen kasvatustieteellinen seura.

Tynjälä, Päivi (1999). Oppiminen tiedon rakentamisena. Tammi.

Näytteet opiskelijapalautteista olen ottanut sähköpostitse saamistani itsearvioinneista sekä vastauksista antamiini
harjoitustyöpalautteisiin. Palautteet on annettu omalla nimellä, ja ne ovat vuosien 2002 ja 2003 kursseilta.