Tässä viisiosaisessa artikkelisarjassa tarkastellaan tekoälyn vaikutusta korkeakouluopetukseen yhdistäen tutkimustietoa ja havaintoja. Erityisenä esimerkkinä toimii ohjelmoinnin perusteiden opetus, jossa tekoälyn vaikutukset näkyvät poikkeuksellisen selvästi. Samat periaatteet ovat kuitenkin sovellettavissa laajasti kaikkeen asiantuntijuutta edellyttävään opetukseen. Lue tästä sarjan ensimmäinen osa tekoälystä ohjelmoinnin opetuksessa. Artikkelisarjan toisessa osassa käsittelen kysymystä: mitä tekoäly ei voi tehdä opiskelijan puolesta. Kolmannessa osassa käsittelen arviointia tekoälyn aikakaudella – ja sitä, mitä meidän oikeasti pitäisi mitata. Tässä artikkelisarjan neljännessä osassa tarkastelen, miten tekoäly muuttaa ja haastaa opiskelumotivaatiota.
Tekoäly ei vie pois osaamisen tarvetta – mutta se voi viedä opiskelijalta (ja ammattilaiselta) uskon siihen, että oppiminen ja osaaminen kannattaa. Siksi tekoälyn aikakaudella suurin haaste ei ole tuottaa koodia tai tekstiä, vaan vaalia opiskelumotivaatiota ja rakentaa toivoa tulevaisuudesta. Jos motivaatio hiipuu, hiipuu myös oppiminen – riippumatta siitä, kuinka vahvoja pedagogisia tai teknisiä ratkaisuja käytämme.
Tekoäly haastaa motivaation
Moni opettaja on viime aikoina havainnut saman: kun opiskelija näkee, että tekoäly kirjoittaa esseen, ratkaisee laskun tai generoi koodin sekunneissa, hän kysyy itseltään: ”Miksi minun pitäisi oppia tämä?” Seurauksena on merkityksettömyyden kokemus ja halu ohittaa oppimisen vaivalloinen työ.
Sama ilmiö näkyy myös työelämässä. Ohjelmistosuunnittelu on nykypäivän käsityöammatti, ja monesta kehittäjästä tuntuu, että vuosikymmenten aikana hiottu osaaminen on yhtäkkiä siirtynyt tekoälyn käsiin. Se ravistelee identiteettiä:
“Olen käyttänyt 20–30 vuotta oppiakseni tämän – nyt työkalu tekee sen sekunneissa.”
“Onko ammattitaitoni enää arvokasta?”
“Pystynkö seisomaan tekoälyn tekemän koodin takana, kun en itse sitä kirjoittanut?”
Oma osaaminen alkaa näyttää vähemmän merkitykselliseltä. Tuotanto tapahtuu osin koneella, mutta vastuu pysyy ihmisellä. Tekoälyn koodin laatu ja ylläpidettävyys herättävät epävarmuutta – ja motivaatio heikentyy.
Arviointi ohjaa, motivaatio kantaa
Vaikka tässä osassa tarkastelen tekoälyä erityisesti motivaation ja opiskelijan kokemuksen näkökulmasta, yhteys aiempaan arviointipohdintaan on ilmeinen. Arviointi määrittää, mitä pidetään oppimisessa tärkeänä – ja juuri tämä määrittely rakentaa tai murentaa opiskelijan motivaation. Jos arviointi painottuu tuotoksiin, joita tekoäly voi tuottaa sekunneissa, opiskelijan kokema kompetenssi heikkenee ja oppimisen merkitys hämärtyy. Jos taas arviointi tekee näkyväksi ajattelun, selittämisen ja prosessin, se tukee niitä psykologisia perustarpeita, joiden varaan motivaatio rakentuu: tunnetta osaamisesta, autonomiasta ja tarkoituksesta. Näin motivaatio ei ole erillinen lisäteema, vaan suora jatkumo aiemmin käsitellylle arvioinnin muutostarpeelle.
Perusteet ovat motivaation perusta
Aiemmissa osissa päädyimme siihen, että tekoäly ei poista perusteiden tarvetta – se tekee niiden merkityksen näkyväksi. Tässä osassa lisään yhden ratkaisevan näkökulman. Perusteet eivät ole vain teknistä osaamista, vaan myös motivaation ydin. Kun opiskelija hallitsee perusteet, hän ymmärtää mitä tekee, arvioi tekoälyn tuottamaa sisältöä ja soveltaa sitä uusiin tilanteisiin. Näistä kokemuksista syntyy tunne kompetenssista, autonomiasta ja merkityksellisyydestä – eli juuri se, mistä kestävä motivaatio rakentuu.
Ilman tukevaa käsitteellistä pohjaa tekoäly jää mustaksi laatikoksi. Tällöin opiskelija tai ammattilainen on helposti passiivinen kuluttaja, ei aktiivinen tekijä. Kun oma rooli hämärtyy, myös motivaatio hiipuu.
Tekoälyn aikakaudella oppiminen muistuttaa monia muita vaikeita mutta tärkeitä valintoja: helppo tie houkuttelee aina, ellei taustalla ole merkityksellistä syytä ponnistella. Juuri siksi motivaatio ei ole oppimisen sivuteema, vaan sen edellytys. Vain silloin, kun opiskelija kokee oppivansa jotakin merkityksellistä ja omaa ajatteluaan vahvistavaa, hän jaksaa valita ponnistelun helppouden sijaan.
Oppiminen, motivaatio ja ajattelun rooli tekoälyaikana
Tekoäly haastaa sekä opiskelijoita että ammattilaisia erityisesti siinä, miltä oppiminen tuntuu. Kun ratkaisut ilmestyvät näennäisesti vaivattomasti, oppimisen perinteiset merkit – hitaus, virheet, kokeilut, omien ajatusten testaus – voivat näyttäytyä opiskelijalle tarkoituksettomina. Samalla kokeneet kehittäjät havahtuvat siihen, että vuosikymmenten aikana kertynyt käsityömäinen ammattitaito ei enää tunnu olevan kehityksen ytimessä.
Syntyy uudenlainen oppimisen ja osaamisen ristiriita: tekoäly nopeuttaa tuotosta, mutta oppiminen on yhä väistämättä hidasta – se rakentuu epävarmuudesta, keskeneräisyydestä ja ajattelun näkyväksi tekemisestä. Näiden kahden maailman välinen jännite vaikuttaa suoraan motivaatioon.
Tämän vuoksi keskeistä ei ole se, kuinka paljon tekoälyä käyttää tai missä vaiheessa sitä on lupa hyödyntää, vaan miten ihminen ymmärtää oman roolinsa suhteessa tekoälyyn. Oppimista tukee se, että opiskelija huomaa ajattelun olevan edelleen se osa prosessia, jota ei voi ulkoistaa. Samalla ammattilainen voi huomata, että hänen osaamisensa ei katoa teknologisen muutoksen myötä – mutta sen painopiste muuttuu. Vahva ammattitaito ei enää näyttäydy siinä, miten nopeasti kirjoittaa koodia, vaan siinä, miten syvällisesti ymmärtää ratkaisuja, osaa arvioida niitä ja kantaa vastuuta niiden pitkäaikaisista vaikutuksista.
Tässä mielessä motivaatio ei synny siitä, että työ olisi helppoa tai että ratkaisut valmistuvat nopeasti. Se syntyy edelleen kokemuksesta, että oma ajattelu merkitsee – että sillä on arvo, jota tekoäly ei voi korvata.
Vaikka tekoäly voi heikentää motivaatiota tarjoamalla helppoja oikoteitä, se voi myös vahvistaa sitä oikeissa olosuhteissa. Tutkimusten mukaan tekoäly voi auttaa opiskelijaa ymmärtämään asioita syvemmin, kokeilemaan ideoita omassa tahdissaan ja saamaan välitöntä palautetta ilman epäonnistumisen pelkoa. Tällöin tekoäly ei korvaa ponnistelua, vaan tukee sitä, vahvistaen sekä kompetenssin että autonomian tunnetta. Samoin työelämässä osa kehittäjistä kuvaa motivaationsa kasvavan, kun tekoäly vapauttaa rutiineista ja antaa tilaa luovalle ja harkitsevalle työskentelylle. Tekoälyn vaikutus motivaatioon ei siis ole yksisuuntainen – se riippuu siitä, ohittaako tekoäly oppimisen vai tukeeko se sitä.
Tekoälyn aikakauden asiantuntijuus
Ohjelmistokehityksessä yksi suurimmista muutoksista ei liity siihen, miten koodi syntyy, vaan siihen, mihin ihmiseltä odotetaan syvää osaamista. Kun tekoäly tuottaa ratkaisuja nopeasti, merkitys siirtyy siihen, miten ratkaisuja ymmärretään, arvioidaan ja jatkojalostetaan.
Moni kokenut kehittäjä on kuvannut ristiriitaista tunnetta: tekoäly nopeuttaa tuotantoa, mutta samalla sen myötä kasvaa epävarmuus siitä, kuka lopulta vastaa koodin laadusta ja ylläpidettävyydestä. Vaikka tekoäly kirjoittaa rivit, ihminen kantaa vastuun. Tarvitaan harkintaa, riskien ymmärrystä ja kokonaisuuksien hahmottamista – usein enemmän kuin ennen.
Sama havainto siirtyy opetukseen. Tekoälyn aikakaudella opiskelijan ei tarvitse oppia ohjelmointia siksi, että “kone ei osaa”. Hänen täytyy oppia siksi, että häneltä odotetaan sellaista asiantuntijuutta, jota tekoäly ei voi omistaa: kykyä tunnistaa olennaiset kompromissit, hahmottaa järjestelmien pitkäaikaisia vaikutuksia, arvioida päätösten seurauksia ja ymmärtää koodin rakenteellinen laatu. Nämä ovat juuri niitä taitoja, joiden varaan ammattilaisten motivaatio lopulta rakentuu – tunne siitä, että osaamisella on painoa ja seurauksia.
Siksi tekoälyn aikakauden asiantuntijuus ei ole passiivista hyväksyntää, vaan aktiivista ja jatkuvaa arviointia. Se on lähentymistä siihen, mikä ihmisen erityisyys on aina ollut: kyky nähdä merkityksiä, punnita vaihtoehtoja, kantaa vastuuta ja ymmärtää kokonaisuuksia. Tästä syntyy sekä opiskelijan motivaatio oppia että ammattilaisen motivaatio jatkaa kehittymistä. Tunne siitä, että tekoälyn rinnalla ihmisen ajattelulla on edelleen ratkaiseva rooli.
Kirjoittaja:
Mika Matveinen, lehtori, Karelia-ammattikorkeakoulu
Lähteitä ja jatkolukemista:
Ryan, R. M., & Deci, E. L. (2020). Intrinsic and extrinsic motivation from a self-determination theory perspective: Definitions, theory, practices, and future directions. Contemporary Educational Psychology, 61, 101860. https://doi.org/10.1016/j.cedpsych.2020.101860
Abdelghani, R., Sauzéon, H., & Oudeyer, P.-Y. (2023, rev. 2023). Generative AI in the classroom: Can students remain active learners? arXiv preprint. https://doi.org/10.48550/arXiv.2310.03192
Hicks, C., Lee, C., & Foster-Marks, K. (2024). The New Developer: AI Skill Threat, Identity Change & Developer Thriving in the Transition to AI-Assisted Software Development. Developer Success Lab (PubPub). https://dsl.pubpub.org/pub/the-new-dev | PDF: https://s3.amazonaws.com/assets.pubpub.org/6qcb3iqd5clmbo6lfyp0bbqq17eb3627.pdf
