Innovatiivista ja tietoturvallista käyttäjälaskentaa oppimisympäristöissä
Oppimisympäristöjen käyttäjälaskennassa on monia haasteita: tilat ovat monikäyttöisiä, niiden aktiivinen käyttöaika vaihtelee päivittäin, ja niiden käyttäjät ovat usein alaikäisiä. Helsingin kaupunki ja Helsingin yliopisto kokeilivat kolmen yrityksen innovatiivisia ratkaisuja.

Testbed Helsingin kokeiluissa yritykset pääsevät kokemaan yhteiskehittämisen hyödyt. Yhteistyö eri yritysten välillä inspiroi uusia ajatuksia, ja loppukäyttäjien tarpeista ja toiveista saa arvokasta tietoa oppimisympäristöjen käyttäjälaskennan tueksi kokeilun alusta loppuun. Kokeilualustatoiminnan ammattilaisemme optimoivat prosessia myös kokeilujakson aikana.
Helsingin kaupunki etsi erilaisia ratkaisuja yhteiskäytössä olevien oppimisympäristöjen käyttäjämäärien laskemiseen ja tilojen käyttöasteiden seurantaan. Kokeiluilla haluttiin selvittää, mitä erityispiirteitä näiden tilojen laskentaan liittyy. Innovaatiohaasteen voittaneiden yritysten ratkaisuja kokeiltiin Stadin ammattiopiston auditorioissa, Helsingin yliopiston Kumpulan kampuksen yhteiskäyttöisissä opiskelutiloissa sekä Helsingin kaupungin Kokeilukontti TEKLAssa. Kokeilu alkoi huhtikuussa 2024 ja jatkui lokakuun 2024 loppuun.
Oppimisympäristöjen käyttäjälaskennan erityispiirteitä
Yhteiskäyttöiset oppimisympäristöt voivat olla avoimia ja monikäyttöisiä tiloja, joita käytetään myös läpikulkuun. Niiden käyttäjät ovat usein alaikäisiä, joten tietoturva täytyy huomioida erityisen tarkasti. Kouluympäristöissä tiloja käytetään korostetusti tiettyinä ajankohtina päivässä ja toisinaan epäsäännöllisiin aikoihin.
Tiivis yhteistyö kantoi läpi kokeilun
Kokeilun alussa yritykset osallistuivat yhteiselle tutustumiskäynnille kokeilun tiloihin. Oppilaitosten edustajat esittelivät yrityksille tiloja ja niissä ratkaistavia käyttäjälaskennan haasteita. Tilaisuus kannusti yrityksiä ideoimaan ratkaisujaan yhdessä heti ensitapaamisella.
— Yritykset alkoivat välittömästi pohtia, mihin tilaan kenenkin ratkaisu sopisi parhaiten ja miksi. Heidän välistään sparrausta oli ilo kuunnella – siinä oli todellinen yhteiskehittämisen tunnelma, kehuu kokeilua järjestänyt projektipäällikkö Marjo Kenttälä, ja jatkaa:
— Kokeiluun valitut ratkaisut olivat keskenään hyvin erilaisia, mistä oli hyötyä niin käyttäjille kuin yrityksillekin.


Toinen kokeilun järjestäjämme, projektiasiantuntija Antti Värtö, kuvaa kokeilun seuraavia askelia:
— Kun kokeilua oli kestänyt noin kaksi kuukautta, järjestimme avoimen välityöpajan, jossa yritykset ja oppilaitosten edustajat pystyivät keskustelemaan kokemuksistaan. Tarkoituksenamme oli, että tarvittaessa kokeilua voidaan näiden kokemusten perusteella muokata loppuajaksi. Samassa tilaisuudessa myös Helsingin Kasvatuksen ja koulutuksen toimialan edustaja kertoi heidän tarpeistaan käyttäjälaskennan suhteen. Näin saatiin käynnissä oleviin kokeiluihin vielä enemmän käyttäjänäkökulmaa ja uusia ideoita kehittämiseen. Kokeilun lopussa järjestimme kaikille avoimen lopputyöpajan, jossa Helsingin yliopiston ja Aalto-yliopistokiinteistöt ACRE:n edustajat kertoivat omista käyttäjälaskentakokeilustaan ja näitä kokemuksia verrattiin kokeilussa saatuihin tuloksiin. Tämä vahvisti kokeilun kerryttämää ymmärrystä oppimisympäristöjen käyttäjälaskentaan liittyvistä erityispiirteistä.
Kolme innovatiivista ratkaisua
Ratkaisuilla oli liiketoiminnallista potentiaalia ja valmius kehittyä testauksen kautta. Ratkaisut olivat eri kehitysvaiheissa ja toisistaan poikkeavia, joten niiden tuottamaa dataa oli hedelmällistä verrata keskenään. Kokeilun päätavoitteena olikin kerätä oppimisympäristöjen käyttäjälaskentaan liittyviä erityispiirteitä, jotka yritysten tulisi huomioida, kun ne tarjoavat ratkaisujaan opetuksenjärjestäjille.
Supersightin ratkaisu perustuu kännyköihin, joihin on asennettu objektintunnistusalgoritmi. Algoritmi osaa luokitella kameran kuvassa näkyvät objektit ja laskea ne. Ratkaisu on täysin tietoturvallinen: kameran kuva siirtyy vain algoritmille, joka ei tallenna ihmisistä muuta tietoa kuin sen, että he ovat ihmisiä. Ratkaisu ei vaadi WLAN-yhteyttä, koska kännyköissä on omat SIM-kortit. Kokeilussa testataan muun muassa erilaisten puhelinmallien käyttöä. Ratkaisulla on positiivinen vaikutus laitteiston elinkaarenhiilijalanjälkeen: se mahdollistaa käytettyjen puhelimien kierrätyksen ja uudelleenkäytön.
Sulevision ratkaisu perustuu selaimessa pyörivään hahmontunnistusalgoritmiin. Ohjelmaa voi käyttää minkälaisen kameran avulla tahansa, joten käyttäjä voi kustannustehokkaasti hyödyntää jo omistamiaan välineitä. Tämä ratkaisu kykenee seuraamaan tilojen käyttöastetta ja kertoo yhteiskäyttötilojen käyttötavoista.
Fidera tarjoaa kokeiluihin monipuolisen ratkaisun, jossa yhdistetään radioteknologian, videoanalytiikan ja IoT:n elementtejä älykkäästi ja taloudellisesti. Kokeilussa hyödynnettiin myös demo-, tutkimus- ja kehityslaitteistoa.
Kokeilusta harppauksia tuotekehitykseen
Kaikkien kokeilujen avulla saatiin kerättyä avoimesti jaettavaa tietoa siitä, miten oppimisympäristöjen käyttäjälaskenta poikkeaa esimerkiksi toimistoympäristöjen käyttäjämäärien laskennasta.
— Kokeilulla oli merkittävä vaikutus liiketoimintaamme ja innovaatiomme edelleen kehittämisessä kaupalliseksi tuotteeksi. Esimerkiksi oppimisympäristöjen käyttöaikojen erityspiirteiden ansiosta ymmärsimme, että tuotteessa on oltava mahdollisuus määritellä aktiiviset käyttötunnit, jonka perusteella täyttöaste lasketaan. Loimme lisäksi uuden mobiilisovelluksen loppukäyttäjille, jolla tiloista vastaavat voivat seurata tilojen käytön tehokkuutta, kertoo Kimmo Pentikäinen Supersightilta, ja jatkaa:
— Yksi mittaamistamme tiloista oli hämärä ja pieni ympäristö, jossa perinteinen käyttäjälaskenta antoi jatkuvasti vääriä tuloksia. Se innosti meidän kehittämään täysin uuden tekoälymallin.
Mikko Jalonen Fideralta oli tyytyväinen mahdollisuuteen testata muun muassa kustannuksiltaan erilaisia vaihtoehtoja:
— Asensimme samaan oppimisen tilaan eri hintaisia käyttäjälaskureita. Kokeilusta saamiamme tietoja vertaamalla huomasimme, millaisissa tilanteissa ja missä käyttötarkoituksissa voisimme tarjota edullisemman vaihtoehdon käyttäjälaskentaan.
Myös Sulevisio oppi paljon kokeilusta:
— Teimme kokeilun aikana useista teknisiä parannuksia tuotteeseemme. Lisäksi kehitimme käyttöliittymäämme palautteen perusteella. Kokeilimme myös ensimmäistä kertaa usean kameran yhdistämistä samaan raporttiin, mikä auttoi ymmärtämään erilaisten kamerasijoitteluiden toimivuutta. Kokeilu osoitti, että oppimisympäristöjen käyttäjälaskenta on mahdollista toteuttaa helposti ja kustannustehokkaasti, kertoo Pasi Hotari Sulevisiolta.
Välityöpajan ansiosta yritykset pystyivät muokkaamaan kokeilujaan kesken prosessin ja lopputyöpajan kokemukset erilaisista tavoista toteuttaa oppimisympäristöjen käyttäjälaskentaa antoivat lisätietoa. Kokonaisuudessaan käyttäjälaskentakokeilun prosessia kiiteltiin niin yritysten kuin kaupungin puolelta.

Kokeiluista opittua: Oppimisympäristöjen erityispiirteet käyttäjämäärien laskennassa
JAVIST-hankkeen kokeiluissa (Supersight, Fidera, Sulevisio) testattiin kolmen eri yrityksen käyttäjälaskentaratkaisuja aidoissa oppimisympäristöissä, kuten Stadin AO:n ja Helsingin yliopiston tiloissa. Kokeilujen yhteinen tavoite oli tunnistaa oppimisympäristöihin soveltuvia teknologioita ja kehittää niihin liittyvää käyttäjälaskentaa tukemaan tilojen käytön optimointia. Kokeiluista saatiin arvokasta, yleisesti hyödynnettävää tietoa.
Jos harkitset käyttäjälaskennan käyttöönottoa oppimisympäristössä, ota huomioon seuraavat seikat:
1. Oppimisympäristöjen käyttörytmi eroaa toimistoympäristöistä
Oppilaitoksissa tiloja ei käytetä tasaisesti koko päivän ajan, vaan käyttö painottuu esimerkiksi klo 10–16 välille. Lisäksi käyttö vaihtelee viikonpäivien välillä. Tämän vuoksi laskentadatan keruu- ja raportointijaksojen kannattaa mukautua opetuksen rytmiin ja kouluvuoden kausivaihteluun.
2. Valitse mittaustekniikka tilatyypin mukaan
Yksittäinen mittaustekniikka ei kata kaikkia tarpeita – tarvitset usein yhdistelmän ratkaisuja:
Kamerapohjaiset ratkaisut tarjoavat tarkinta dataa, mutta voivat olla kalliita ja vaativat huolellista tietosuojan huomiointia.
IR-laskurit ovat helppoja asentaa ja toimivat hyvin kulun mittaukseen, mutta niiden tarkkuus kärsii, jos tilaan tullaan useissa ryhmissä tai useista suunnista.
CO₂- ja tVOC-anturit tunnistavat tilassa olevan ihmismäärän suuntaa-antavasti, mutta eivät riitä yksinään tarkkaan laskentaan.
3. Kameran sijoittelu ratkaisee tarkkuuden
Kokeilut osoittavat, että kameran fyysinen sijoittelu vaikuttaa enemmän laskentatuloksen luotettavuuteen kuin käytetty tekoälyalgoritmi. Katvealueet, kuten kulmat tai kalusteen taakse jäävät alueet, heikentävät tuloksia. Pyri sijoittamaan kamerat siten, että ne seuraavat liikettä päävirtojen suunnassa.
4. Käyttödatan täytyy olla helposti ymmärrettävää
Pelkkä tarkka data ei riitä – sen pitää olla helposti tulkittavissa. Käytännössä tämä tarkoittaa selkeitä käyttöliittymiä, visuaalisia näkymiä (esim. tilan käytetyimmät alueet) ja mahdollisuutta viedä tiedot CSV-muodossa jatkokäsittelyä varten. Supersight kehittää mobiilisovellusta tiedon visualisointiin, ja myös Fidera ja Sulevisio ovat parantaneet raportointiominaisuuksiaan.
5. Huomioi ylläpito ja skaalautuvuus
Kevyet ratkaisut, kuten paristokäyttöiset ja LoRaWAN-verkkoon kytkettävät laitteet, ovat helppoja asentaa ja ylläpitää – jopa useiden kuukausien huoltovälillä. Tämä mahdollistaa pilotin laajentamisen useisiin tiloihin ilman raskaita infrastruktuurimuutoksia.
6. Varmista tekninen vakaus pitkäaikaisessa käytössä
Testausvaiheessa havaitaan usein ohjelmistojen tai laitteistojen heikkouksia. Windows-pohjaisissa koneissa automaattiset päivitykset aiheuttavat helposti käyttökatkoksia. Kehitystyössä kannattaa huomioida Linuxin tai kevyiden käyttöjärjestelmien käyttömahdollisuus vakauden ja hallittavuuden parantamiseksi.
Johtopäätös: valitse ratkaisut tilan ja käyttäjien mukaan
Kokeilut osoittavat, että oppimisympäristöjen käyttäjälaskenta toimii parhaiten, kun ratkaisut räätälöidään tilakohtaisesti. Yhdistämällä eri mittaustekniikoita ja varmistamalla helppokäyttöinen käyttöliittymä, voit tuottaa dataa, joka tukee sekä pedagogisia että tilahallinnan tarpeita – yksityisyyttä ja tietosuojaa unohtamatta.
Tämä tieto tarjoaa vahvan pohjan uusille käyttöönottohankkeille ja ohjaa yrityksiä kehittämään entistä toimivampia ratkaisuja koulutuksen erityistarpeisiin.
Lisätietoa kokeilun opeista hankkeen loppujulkaisussa.
Kokeilut ovat osa Jakamisella viisautta – yhteiskäyttöiset innovaatio- ja oppimisympäristöt (JAVIST) -hankkeen toimintaa. JAVIST tarjoaa yrityksille entistä tehokkaamman mahdollisuuden erilaisten palvelujen testaamisen ja kehittämiseen yhdessä loppukäyttäjien kanssa. Hanke on Euroopan Unionin osarahoittama.

Kuvat: Vesa Laitinen/Testbed Helsinki