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. Neljännessä osassa tarkastelen, miten tekoäly muuttaa ja haastaa opiskelumotivaatiota. Tässä päätösosassa kokoan yhteen sarjan keskeiset teemat ja tarkastelen, mitä tekoälyn murros tarkoittaa korkeakouluopetuksen tulevaisuudelle.
Tässä artikkelisarjassa olen tarkastellut tekoälyn vaikutusta korkeakoulun opetukseen erityisesti ohjelmoinnin perusteiden näkökulmasta, mutta löydökset ulottuvat paljon tätä laajemmalle. Tekoäly muuttaa opetusta ja oppimista, mutta ei poista perusteiden merkitystä. Se voi nopeuttaa työskentelyä ja tehdä ajattelusta näkyvämpää – mutta vain, jos sitä käytetään pedagogisesti oikein. Tekoäly ei korvaa opiskelijan omaa ymmärrystä, vaan korostaa entisestään käsitteellisen pohjan, arviointitaidon ja kriittisen ajattelun tärkeyttä.
Tekoäly korkeakoulun opetuksessa – työkalu, ei korvike
Tekoäly herättää korkeakouluissa samanlaisia reaktioita kuin monet teknologiset murrokset ennen sitä: hämmennystä, varovaisuutta ja huolta siitä, mitä opiskelijan enää tarvitsee osata. Historiallisesti kirjoitustaito, laskimet, internet ja ohjelmointikirjastot ovat kaikki synnyttäneet saman pelon: vievätkö uudet työkalut taidon ihmiseltä?
Käytännössä nämä teknologiat eivät ole korvanneet osaamista, vaan siirtäneet painopistettä mekaanisesta suorittamisesta kohti syvempää ajattelua ja ongelmanratkaisua. Tekoäly toimii täsmälleen samalla tavalla: se helpottaa työskentelyä, mutta ei vapauta ketään ymmärtämisen tarpeesta. Päinvastoin se tekee käsitteellisen ymmärryksen merkityksen näkyvämmäksi kuin koskaan.
Tekoälyn haaste ja illuusio osaamisesta
Tekoälyn suurin pedagoginen haaste ei liity siihen, mitä se osaa tehdä, vaan siihen, miltä sen osaaminen näyttää. Se voi tuottaa sujuvaa tekstiä ja toimivaa koodia, mikä luo helposti illuusion ymmärryksestä. Ilman vahvaa käsitteellistä perustaa opiskelija ei kuitenkaan kykene arvioimaan ratkaisujen oikeellisuutta, tunnistamaan virheitä tai soveltamaan ratkaisuja uusiin tilanteisiin.
Oppiminen syntyy silloin, kun opiskelija rakentaa ja testaa omaa ajatteluaan: selittää käsitteitä, analysoi virheitä ja vertaa vaihtoehtoisia ratkaisuja. Tekoäly voi tukea näitä prosesseja, mutta vain silloin, kun opiskelijalla on riittävät edellytykset ajatella itse. Muuten oppiminen valuu passiiviseksi hyväksymiseksi.
Milloin tekoäly tukee oppimista?
Tekoäly voi toimia oppimisen vahvistajana, kun sen käyttö on pedagogisesti suunniteltua. Se tukee erityisesti tilanteissa, joissa opiskelija:
- perustelee ratkaisunsa
- arvioi vaihtoehtoja
- käsittelee virheitä
- selittää omaa ajatteluaan
Ohjelmoinnin opetuksessa tekoäly voi esimerkiksi purkaa virheilmoituksia ymmärrettäväksi kokonaisuudeksi ja auttaa opiskelijaa etenemään ongelmanratkaisussa – kuitenkin ilman, että se tekee ajattelun hänen puolestaan. Tekoälyn arvo ei ole sen nopeudessa, vaan siinä, että se voi tehdä ajattelun prosessin näkyväksi ja tukea sitä.
Arviointi tekoälyn aikakaudella
Kun tekoäly tuottaa uskottavia vastauksia sekunneissa, arviointi ei voi enää perustua pelkkään lopputulokseen. Oppimisen mittarina ei voi olla tuotos tai tehokkuus, sillä ne eivät kerro ymmärryksen syvyydestä.
Arvioinnin painopisteen on siirryttävä:
- prosessin näkyväksi tekemiseen
- ajattelun ja perustelujen arviointiin
- välivaiheiden, virheiden ja korjausten tarkasteluun
Opiskelijan kyky selittää ratkaisu, perustella valintansa ja reflektoida ajatteluaan on vahva osoitus osaamisesta – riippumatta siitä, mitä työkaluja hän käyttää. Tekoäly ei tee arviointia mahdottomaksi; se paljastaa, missä arviointi on ollut pedagogisesti heikkoa ja antaa mahdollisuuden uudistaa sitä.
Arvioinnin skaalautuvuus massakursseilla
Tekoäly haastaa arvioinnin sisältöä, mutta yhtä suuri haaste liittyy arvioinnin skaalautuvuuteen. Perusteiden kursseilla opiskelijamäärät voivat olla sadoista jopa yli viiteensataan, jolloin arvioinnin ihanteet ja todellisuus kohtaavat rajusti. Vaikka prosessin, ajattelun ja perustelujen arviointi olisi pedagogisesti perustelluinta, näin suurilla ryhmillä se ei ole käytännössä toteutettavissa ilman valtavaa resurssien kasvua.
Tämä johtaa väistämättä siihen, että automaattinen arviointi, tentit ja testattavat tehtävät ovat lähes ainoita realistisia välineitä näin suurten opiskelijamäärien kanssa. Ne mahdollistavat jonkinlaisen yhdenvertaisuuden ja läpinäkyvyyden, mutta samalla ne rajaavat arvioinnin pois niistä osaamisen muodoista, joita tekoälyaika eniten korostaa: ajattelusta, selittämisestä ja kontekstuaalisesta ymmärryksestä.
Tässä onkin tekoälyaikakauden arvioinnin keskeinen paradoksi: juuri kun arvioinnin pitäisi siirtyä kohti prosessia ja ajattelua, massakursseilla joudutaan siirtymään entistä enemmän tuotoksen automaattiseen tarkastamiseen.
Tämä jännite ei ratkea yksittäisellä kurssilla. Se vaatii korkeakouluilta strategisia valintoja siitä, mitä taitoja painotetaan suurilla peruskursseilla ja missä vaiheissa opiskelijan oppimispolulla on mahdollista tehdä syvempää, prosessia ja ajattelua korostavaa arviointia.
Motivaation ydinkysymys: mikä on ihmisen rooli?
Kun tekoäly saavuttaa tason, joka ennen vaati kokemusta ja asiantuntemusta, moni opiskelija ja kokenut kehittäjä kysyy itseltään:
”Mikä on minun arvoni, jos kone tekee tämän näin nopeasti?”
Ihminen ei kuitenkaan motivoidu siksi, että tehtävä on helppo, vaan siksi että tehtävä on oma ja merkityksellinen. Jos tekoäly poistaa ponnistelun, se voi heikentää oppimisen kokemuksellista arvoa – sitä tunnetta, että juuri minä ratkaisin ongelman.
Toivo syntyy siitä havainnosta, että tekoäly voi tuottaa vastauksen, mutta vain minä ymmärrän, mitä sillä tehdään. Tämä oivallus ei vie motivaatiota, vaan uudistaa sen. Se siirtää opiskelijan painopistettä tuotoksen tekijästä ratkaisujen ajattelijaksi, arvioijaksi ja vastuunkantajaksi.
Tekoälyn käyttö ei ole yksiselitteistä
Tekoälyä käsitellään usein yhtenä kokonaisuutena, mikä hämärtää olennaisia eroja eri käyttötapojen välillä. Tämä voi johtaa virheellisiin yleistyksiin. Esimerkiksi opiskelijoiden arviointiin liittyy EU-sääntelyä ja rajoitteita, mutta tämä ei tarkoita, että tekoälyn käyttö opetuksessa olisi yleisesti ongelmallista tai kiellettyä.
Oppimisen alkuvaiheissa tekoälyn käyttöä voidaan tarpeen mukaan ohjata ja rajoittaa, mutta työelämän näkökulmasta tekoälyn sivuuttaminen ei ole mahdollista. Työelämä omaksuu tekoälyä vauhdilla, ja opiskelijan on hallittava sekä perustaidot ilman oikoteitä että tekoälyn vastuullinen käyttö.
Tekoäly ei yksinkertaista opetusta – se laajentaa sen tehtävää
Tekoäly ei ole yksi ilmiö vaan joukko erilaisia rooleja, jotka vaikuttavat opetukseen eri tasoilla. Siksi on tärkeää, että tarkennamme: mistä tekoälyn roolista puhumme?
Tämä jäsennys on auttanut minua hahmottamaan kokonaisuutta:
1. Minä opettajana – tekoäly opettajan työn tukena
Tekoäly voi helpottaa opettajan arkea muun muassa:
- kurssimateriaalien luonnissa ja päivittämisessä
- opintojaksojen suunnittelussa
- palautteen ja arvioinnin tukena
- rutiinitöiden automatisoinnissa
- esimerkkien ja tehtävien varioinnissa
Se vapauttaa aikaa pedagogiselle suunnittelulle ja opiskelijoiden kohtaamiselle. Samalla se kuitenkin edellyttää opettajalta uutta osaamista, harkintaa ja rajaamista.
2. Me luokassa – tekoäly oppimisen tukena
Luokkahuoneessa tekoäly voi:
- tehdä ajattelusta näkyvämpää
- tarjota yksilöllisiä selityksiä ja vihjeitä
- purkaa virheitä ja käsitteellisiä väärinkäsityksiä
- mahdollistaa turvallisen kokeilun
- tarjota simulaatioita ja jatkotehtäviä
Mutta yksi asia ei muutu: opiskelijan on ajateltava itse. Tämä vaatii selkeitä pelisääntöjä, ohjausta ja pedagogista valintaa siitä, mitä opiskelijan kuuluu tehdä omin voimin.
3. Opiskelija työelämässä – tekoäly osana asiantuntijuutta
Korkeakoulu ei opeta vain sisältöjä. Sen tehtävä on valmistaa opiskelijat työelämään, jossa tekoäly on pysyvä kumppani.
Opiskelijan on opittava:
- käyttämään tekoälytyökaluja tarkoituksenmukaisesti
- arvioimaan niiden laatua ja rajoitteita
- tunnistamaan virhealttiuden ja riskit
- soveltamaan työkaluja osana omaa asiantuntijuuttaan
Tämä ei ole lisämoduuli – se läpäisee koulutuksen kaikki tasot.
Ajattelu on edelleen oppimisen ydin
Tekoäly ei uhkaa korkeakoulutusta, vaan toimii katalyyttina, joka haastaa meitä tarkastelemaan uudelleen, mitä ja miksi opetamme. Se muistuttaa, että vahvat perusteet ja syvällinen ymmärrys ovat edelleen oppimisen kivijalka.
Tehokkuus ja nopeus voivat olla työelämän mittareita, mutta oppimisen arvo syntyy ajattelusta, oivalluksista ja luovuudesta. Tekoäly voi avata ovia uusille oppimisen tavoille ja rikastuttaa opiskelijan polkua – mutta yksi asia pysyy muuttumattomana:
Ihmisen oma ajattelu on korvaamatonta.
Tekoälyä on hyödynnetty tämän kirjoitusprosessin tukena, mutta analyysi ja johtopäätökset perustuvat kirjoittajan asiantuntemukseen ja tutkimuksiin.
Kirjoittaja:
Mika Matveinen, lehtori, Karelia-ammattikorkeakoulu
Lähteitä ja jatkolukemista:
Kalliamvakou, E. (2022, September 7; updated 2024, May 21). Research: Quantifying GitHub Copilot’s impact on developer productivity and happiness. The GitHub Blog. https://github.blog/news-insights/research/research-quantifying-github-copilots-impact-on-developer-productivity-and-happiness/
Artikkelin kirjoittamisessa hyödynnettiin M356 Copilot, ChatGTP 5 mini sekä Gemini -tekoälyjä tutkimuksien analysoinnissa, lauserakenteiden kehittämisessä, kielentarkastuksessa sekä sisällön rakenteen selkeyttämisessä.
