Tekoäly kehittyy ja uusien sovellusten odotetaan mullistavan työtä. Osa töistä katoaa ja uutta syntyy, samalla tuottavuus paranee. Miten kehitys muuttaa opettajan roolia?
Täysin vapaata markkinoiden määrittelemää töiden uudelleen järjestelyä ei kuitenkaan tapahdu. Tekoälyasetus määrittää tekoälysovelluksien käytön EU:ssa ja työtä helpottavia tekoälysovelluksia pitää käyttää asetuksen puitteissa. Tekoälyn rooli on toimia aputyökaluna ja opettajan rooli erityisesti arvioinnissa ja opiskelun etenemisessä on edelleen keskeinen. Painopiste muuttuu toistavasta tarkastustyöstä arviointiehdotuksen validointiin, jolloin arviointi on edelleen vastuullisesti opettajan työtä. Tekoälyn tehokkuus ja nopeus lisää väärinkäytön riskiä. Opettaja ei saa altistua ”helppoon ratkaisuun” ja ilman pohdintaa hyväksyä aputyökalun ehdotuksia. Tekoälyyn on suhtauduttava realistisesti ymmärtäen, että tekoäly voi painottaa asioita väärin ja tulkinnat saattavat olla virheellisiä.
Myös opiskelijat tulevat hyötymään automaattisesta arvioinnista ja nopeasta palautteesta. Yksi suurimmista ongelmista on palautteen saaminen ja palautteen oikea-aikaisuus tehtäviä tehdessä. Palautteen avulla opiskelijat voivat varmistua osaamisestaan ja hyödyntää sitä mm. kokeisiin kertaamisessa. Tehtävien tekeminen ja palautteen huomioiminen parantaa paitsi rutiinia niin saa aikaan asioiden pohdintaa aivoissa, mikä parantaa muistamista. Oikea-aikainen palaute tehostaa ja samassa ajassa voi suorittaa enemmän opintoja tai aikaa vapautuu tärkeään harrastukseen. Palaute tukee myös työn ohessa tapahtuva opiskelua. Tämä voi parantaa mahdollisuuksia työmarkkinoilla. Tekoälyn sanotaan lisäävän tuottavuutta.
Tekoälyasetus ja säätely
Paljon on puhuttu EU:n liiallisesta säätelystä. Kriittisimmät ovat valmiita poistamaan EU:n säätelyä turhana. Voi tietysti olla montaa mieltä esimerkiksi taannoisesta kurkkudirektiivistä, mutta hyötyjäkin on olemassa, kun katsantokantaa laajennetaan tekoälyyn ja sen hyödyntämiseen. Vireille tulleen tekoälyasetuksen punainen lanka on suojata arvioitavaa ihmistä. Lainsäädännössä pyritään suojaamaan heikompaa osapuolta, tämä on myös tekoälyasetuksen näkökulma. Kun säätely ja sen mukaan toimivat palvelut suojaavat arvioinnin kohteena olevaa osapuolta, taataan syrjimättömyys ja tasaveroisen kohtelu. Opettaja vastaa lopulta arvioinnista, kuten aikaisemmin, vain suorittava tarkastustyö on tekoälyn toteuttamaa.
Korkeariskinen, mutta tehokas tekoäly
Miksi arviointi luokitellaan korkean riskin kategoriaan? Perusteena on, että arviontipäätöksellä voidaan vaikuttaa ihmisen tulevaisuuden valintoihin, opiskelumenestystä seuraavien jatko-opintomahdollisuuksien olemassa oloon ja mahdolliseen rekrytoitumismahdollisuuksiin.
Lääketieteen ja sairaanhoitoon liittyvät seikat kuuluvat myös AI-asetuksen piiriin, mutta niitä on jo säädelty aikaisemmin, mikä ei tuo muutoksia juurikaan sairaanhoitoon ja siihen liittyviin toimintoihin.
Tekoälyn kehitys tuo koulutusmarkkinoille jatkossa uusia palveluita eli työkaluja. Palveluiden ominaisuudet lisäävät tehokkuutta ja mm. ajankäyttö tehostuu. EU:n AI-asetus1 tuli voimaan 2024 elokuussa. Asetus määrittää tekoälyn käytön koulutukseen liittyvässä arvioinnissa ja oppimiseen liittyvässä sisällöllisessä ohjaamisessa.
Tekoälyasetuksen tilanne voimaantulo ja muuttuuko mikään
Alkuvaiheessa jäsenmaiden ja asetuksen käytännön tason soveltaminen etsii tulkintaa. Jokaisessa jäsenmaassa pohditaan, miten menetellään pienissä nyansseissa, kun isot linjat ova jo määritetty. Nämä pienet nyanssit ja niiden tulkinta ovat palvelun tarjojille oleellisia, jotta osataan kehittää oikenalaisia palveluita. Koulutusalalla ollaan vielä alkuvaiheessa, asetuksen käyttöönoton siirtymäaika on kaksi vuotta eikä markkinoillakaan vielä ole erityisen paljon tekoälyä syvällisemmin hyödyntäviä palveluita ja tietämystäkään ei vielä ole laajasti.
Asetuksella pyritään turvaamaan arviointiin liittyvä läpinäkyvyys yksilöiden tasapuolinen kohtelu ja syrjimättömyys. Mikä muuttuu aikaisempaan nähden? Lopulta, kovin paljoa ei muutu, sillä arvioinnissa ja *oppimisprosessin ohjaamisessa säilyy edelleen ihmisen keskeinen rooli. Tekoälyä hyödyntävät ohjelmistot ovatkin ns. aputyökalun roolissa ja lopullinen päätös esimerkiksi arvioinnissa kuuluu opettajalle
*Järjestelmät, joissa harjoituksia tarjotaan automaattisesti huomioiden edellisten suoritteiden tulokset.
Perinteiset hyvät keinot eivät katoa, kynä ja vihko ovat edelleen tehokkaita oppimisvälineitä
Huolimatta kehityksen vinhasta vauhdista perinteiset oppimistavat ovat edelleen tehokkaita. Esimerkiksi muistiinpanojen tekeminen kynällä vihkoon tehostaa oppimista. Erityisesti on hyödyllistä uuden asian haltuunottamisessa kirjallisten muistiinpanojen tekeminen on tehokasta. Kynä ja vihko ovat edelleen hyvä käyttöliittymä ja oppimisalusta.
Älykkäät oppimisjärjestelmät (ILS) ovat myös oppimista tehostavia
Älykkäitä järjestelmiä ja niiden oppimista edistävää ominaisuutta on tutkittu ja tutkitaan koko ajan. Saatujen tutkimusjulkaisujen perusteella on havaittu, että oppimisen kannalta älykkäiden oppimista edistävien sovelluksien vaikutus on ollut myönteinen2. Älykkäät oppimisjärjestelmät tehostavat oppimista ja sisältävät ominaisuuksia, jotka pitävät oppimisen intensiteettiä ja fokusta asiassa ja kohdistavat esimerkiksi harjoitustehtäviin automaattista palautetta, joka ylläpitää tehokkaasti huomiota itse oppimisen kohteessa.
Kaikille ei kuitenkaan digitaaliset ratkaisut ole yksinään oppimista tehostavia. Opiskelijan tulisi testata peruskoulun yläluokilla ja lukiossa, mikä oppismismenetelmä toimii tehokkaimmin. Oppiaineiden välillä on myös eroja. Tutkimusjulkaisuja on joissa on matematiikan oppimisen kannalta vähemmän hyötyä automaattisesta arvioinnista ja älykkäistä oppimisjärjestelmistä3.
20-30 tai vanhemmat opiskelijat suhtautuvat uuteen tekoälyllä toteutettuun arviointiin myönteisesti. Eräässä tutkimuksessa4 havaittiin, että sukupuoli tai tietotekniikkaan orientoituminen eivät vaikuta hyväksyttävyyteen.
Markkinatilanne ja älykkäiden oppimisjärjestelmien tilannemarkkinoilla
Tilanne elää koko ajan ja minä hetkenä hyvänsä uusia palveluita tulee markkinoille. Tällä hetkellä on markkinoilla lukuisia tekoälyä muistuttavia palveluita, jotka ovat puhtaasti ohjelmallisia eli eivät sisällä tekoälyalgoritmejä. Pelkät ohjelmistopohjaiset tai tekoälyäsisältävät palvelut voidaan luokitella teknologiapohjaisiksi eli ne eivät sisällä opetusmateriaalia tai opetusmateriaaleja sisältäviä palveluita. Raja ns. oppimateriaalin ja ohjelmiston välillä tulee kmuuttumaan. Oppimateriaali säilyttää paikkansa, mutta muuttuu hiljalleen yhä enemmän ohjelmiston kaltaiseksi.
Plagioinnin paljastavaa teknologiaa on ollut markkinoilla jo aikaisemmin. Järjestelmä etsii samankaltaisuutta laadittavan tekstin ja olemassa olevan tekstin välillä. Jonkin asteinen samankaltaisuus on hyväksyttyä, mutta liiallinen ei. Tekstien ja vastauksien laatijat voivat lainatessaan muiden tekemiä tekstisisältöjä tarkastella oman tekstinsä suhdetta jo olevaan ja välttyä ns. plagiointisyytöksisltä.
Erilaisia vastauksista yksittäisiä termejä ja sanoja etsiviä teknologioita, joihin on liitetty tarkastusominaisuutta on ollut myös jo pidemmän aikaa. Välttämättä tällaiset ratkaisut eivät ole varsinaisesti tekoälyä. Esimerkiksi matematiikassa oikean vastauksen tarkastaminen ei ole tekoälyö, jos vastaus on annettava määrätyssä muodossa.
Tehtävien tekemiseen laadittu neuroverkko ja koneoppiminen mahdollistavat opiskelijalle aiempaan osaamiseen perustuvien uusien tehtävien tarjomaisen niin, että ne vaikeutuvat sopivasti. Erilaisia kuvaan ja visuaaliseen hahmotukseeen liittyviä ohjelmistoja on olemassa. Niiden arvo on erityisesti konkretiassa, jolla ne voivat lisätä tarkasteltavan aiheen ymmärrystä. Lisätty todellisuus (AR) ja kolmiulotteiset rakenteet esimerkiksi hologrammitekniikalla toteutettuna toimivat konkretian lisäämisessä, kun visuaalinen hahmottaminen on tärkeätä.
Kaikki sellaiset keinot, joissa opiskelija puntaroi ja miettii aihetta ja vastausta tai teorian kulkua tehostavat oppimista ja asian sisäistämistä niin, että se voidaan palauttaa mieleen erityisesti keveän kertaamisen jälkeen esimerkiksi koetilannetta tai tenttiä varten.
Erilaiset digitaaliset arviointisovellukset perustuvat määrällisiin vertailuihin, kuten sanojen etsimiseen tai terminologian läpikäyntiin ja kehitettyyn analyysiin ja luokitteluun.
Syvemmälle meneviä järjestelmiä on jo olemassa esimerkiksi Eximiatutor, jossa vastauksista etsitään oikeanlaisia lausekokonaisuuksia ja niiden variaatioita. Sovellus on opettajan kannalta ymmärrettävä ja tekoälyasetuksen hengen mukainen, sillä opettaja laatii tehtävän tai kokeen ja määrittää kriteerit eli kysymykseen liityyvät oikeat asiat, lisäksi oppimista tukee ns. mallivastaus tai oikeiden kysymyksessä etsittyjen asioiden kuvaaminen, jotka opiskelija saa välittömästi harjoitustehtävän palautteena tai kokeessa opettajan arvioinnin jälkeen tai välittömästi jätettyään tentin. Kokeen tai tehtävien arviointi ja palautus on näin saatavissa osaksi oppimisprosessia.
Tekoälyn tekemä tarkastaminen ja välitön palaute
Tekstivastauksien (kokeet, tentit ja esseet) automaattinen arviointi on siis mahdollista Eximiatutorin AI-arviointiteknologian avulla. Automaattisen tekoälyä hyödyntävän arvioinnin teho on ennen kaikkea sen nopeudessa. Opettaja voi tällaisella työkalulla esimerkiksi toteutta tentin ja saa tentin jälkeen itselleen vastauksien arviointiehdotukset. Erityisesti isojen ryhmien arviointi verkkokursseilla ja MOOC- kursseilla on osoittautunut työlääksi, mutta nyt työkuormaa voidaan keventää.
Opettajan rooliksi jää tarkastaa tekoälyn tuottama arviointiehdotus ja mahdollisesti oikaista sitä. Arvioinnin yhteydessä on mahdollista myös huomioida vastauksien oikeinkirjoitusta tai muita laadullisia kriteerejä.
Opiskelijat hyötyvät tehokkaasta ja nopeasta tarkastamisesta ja ennen kaikkea oikea-aikaisesta ja nopeasta palautteesta. Tehdessään harjoituksia opiskelija saa vastauksistaan välitöntä palautetta, jolloin hän voi arviointia tutkiessaan pohtia omaa vastaustaan ja sen puutteita tai jos oman vastauksen jokin kohta ei ole tuottanut pisteitä, niin kerrata teoriaa ja haastaa arvioinnin.
Opettajan rooli ja suhtautuminen arviointityökalujen käyttöön
Tekoäly tulee tehostamaan ja nopeuttamaan rutiininomaisesti toistettavia työtehtäviä, kuten tarkastusta ja arviointia. Käytettäessä automaattisia arviointityökaluja rutiinityö muuttuu tarkastamisesta ja arvioinnista tekoälyn tuottaman tuotoksen (arviointiehdotus) validointiin ja tarvittaessa tuotoksen muokkaamiseen.
Arviointitekoälyn teho perustuu arviointiehdotukseen, jonka pohjalta opettaja selvittää onko vastuksessa mahdollisesti puuttuvia asioita, joita tekoäly ei ole löytänyt ja jos jokin asia on mainittu osittain ja tekoäly on sen löytänyt tai sitä ei ole tunnistettu, niin opettaja on arviointiprosessin kenties tutuimman ongelman äärellä. Riittäkö näin kuvattu asia, onko opiskelija ymmärtänyt asian oikein? Voinko antaa tästä kohdasta pisteen?
Tekoälyn kanssa työskennellessä on tärkeää säilyttää sopiva kriittisyys ja vireystila arviointien hyväksymisessä.
Automaattinen arviointi ja sen tulevaisuuden vaikutukset
Mikäli arviointityö koetaan raskaaksi ja työn helpottaminen on osa kehitystä kaikkialla sekä kuormituksen vähentäminen ovat tavoitteena niin tekoälypohjaisten työkalujen käyttö lisääntyy ja rutiiniarviointityö siirtyy tekoälyn toteuttamaksi. Opettajan, kuten niin monissa muissakin töissä toteuttajan rooli muuttuu laadun arviointiin ja lopulta ohjaamaan laajemmin tekoälyohjelmiston käyttöä, kuten opiskelusisältöjen laadintaa, eri tekoälyratkaisujen yhteiskäyttöä esimerkiksi kuvan ja teorian yhdistämistä sekä erilaisten kehittyneiden sisältöjen laatimista.
Suurin tekoälyn teho on toistuvien rutiinisuorituksien nopeutuminen ja skaalautuminen. Kun tekoälyn avulla on voitu laatia toimiva ja aiheen mukainen laadukas tehtävä sen elinkaari voi olla useita vuosikymmeniä. Tehtävää voi joutua aika-ajoin parantamaan sisällöllisesti, mutta käytännössä kerran tehty työ tehostaa opettajan työtä vuosikymmeniä. Tehtävä skaalautuu käytetäväksi eri yhteyksissä ja jopa eri kielille. Opettajan laatiessa itselleen ns. kysymys- tai koepankin hän voi sitä ylläpitämällä lisätä opettamista tai saada lisäaikaa muuhun tärkeään tekemiseen.
Joitakin haasteita arvioinnin kannalta on vielä olemassa. Laadullisia ominaisuuksia, joita voi olla oikeakielisyys, terminologian hallinta, looginen esitys, sopiva pohdiskelu, taiteellinen laatu automaattinen arviointi ei ole arvioitu tekoälyalgoritmien perusteella, toistaiseksi. Räätälöityjä ratkaisuja voi kehittää, mutta universaalia ratkaisua on vaikea kehittää. Tekoälyn kehittyessä opettajan kannattaa olla kiinnostunut ja ainakin perehtyä tekoälyratkaisuihin ja arvioida omaa työtään, voisiko saada apua arviointiin ja tehostaa ajankäyttöä.
Matematiikassa tekoälyn avulla automaattinen arviointi tai adaptiivinen tehtävien tarjoaminen ei ole nostanut osaamista tai osaamisen parantuminen on vähäisempää muihin oppiaineissiin verrattuna. Meta-analyysissä tutkittiin 21 tutkimusta vuosina 2000 – 2023.
Kirjoituksessa viitattu seuraaviin tutkimuksiin ja EU:n neuvoston asetukseen (Lähdeluettelo):
(1). EUROOPAN PARLAMENTIN JA NEUVOSTON ASETUS (EU) 2024/1689, annettu 13 päivänä kesäkuuta 2024. https://eur-lex.europa.eu/legal-content/FI/TXT/PDF/?uri=OJ:L_202401689
(2). Ekaterina Kochmar1,2, Dung Do Vu1,3, Robert Belfer1, Varun Gupta1, Iulian Vlad Serban1, and Joelle Pineau1,4. Automated Personalized Feedback Improves Learning Gains in an Intelligent Tutoring System. 1 Korbit Technologies Inc. 2 University of Cambridge 3 Ecole de Technologie Sup ́erieure ́ 4 McGill University & MILA (Quebec Artificial Intelligence Institute). https://arxiv.org/abs/2005.02431
(3). Mark Treve. Integrating Artificial Intelligence in Education: Impacts on Student Learning and Innovation. School of Languages and General Education, Walailak University, Tha Sala, Thailand. International Journal of Vocational Education and Training Research. 2024, Vol. 10, No. 2, pp. 61-69. https://doi.org/10.11648/j.ijvetr.20241002.14
(4). Ari Alamäki1, Umair Ali Khan1,*, Janne Kauttonen1 and Stephan Schlögl 2. An Experiment of AI-Based Assessment: Perspectives of Learning Preferences, Benefits, Intention, Technology Affinity, and Trust.
1RDI & Competences, Haaga-Helia University of Applied Sciences, Ratapihantie 13, 00520 Helsinki, Finland 2Department of Management, Communication & IT, MCI Management Center Innsbruck, 6020 Innsbruck, Austria. Educ. Sci. 2024, 14(12), 1386; https://doi.org/10.3390/educsci14121386
(5). The Effectiveness of AI on K-12 Students’ Mathematics Learning: A Systematic Review and Meta-Analysis. Linxuan Yi, Di Liu, Tiancheng Jiang & Yucheng Xian. International Journal of Science and Mathematics Education. Published: 12 September 2024 Volume 23, pages 1105–1126, (2025). https://link.springer.com/article/10.1007/s10763-024-10499-7?utm_source=chatgpt.com