Tekoäly opetuksessa

Ohje kuuluu seuraaviin teemoihin

Valitsemalla koulutusohjelman saat näkyviin yleisten ohjeiden lisäksi koulutusohjelman mahdolliset omat sisällöt.

Tekoälyn käytön mahdollisuus haastaa uudistamaan oppimisen suunnittelua, oppimistehtävien muotoilua ja arviointia. Tämän ohjeistuksen tarkoitus on antaa opettajille taustatietoa ja ideoita opetuksen suunnittelun tueksi. Sisältöä päivitetään, kun näkemys tekoälyn vaikutuksista opetukseen ja oppimiseen tarkentuu ja saamme kokemuksia ja hyviä käytäntöjä opetukseen liittyen. 

Erilaisten tekoälysovellusten käyttö tulee olemaan osa arkeamme ja työelämää. Tämän vuoksi on tärkeää, että sen käyttö osana akateemisia ja työelämätaitoja huomioidaan jo opintojen aikana. Tavanomaiset hyvät viittauskäytännöt pätevät edelleen: tekoälyllä tuotetun sisällön esittäminen omana tuotoksena on plagiointia.

Yliopiston linjaukset tekoälyn käytöstä opetuksessa

Helsingin yliopiston opintoasiainneuvosto on julkaissut Tekoälyn käytön linjaukset Helsingin yliopiston opetuksessa (pdf) 16.2.2023.

Yliopiston linjauksen mukaisesti opintojakson vastuuopettaja päättää, missä määrin tekoälyn käyttö kurssilla on sallittu. Poikkeuksen sääntöön muodostavat kypsyysnäytteet, joissa tekoälyn hyödyntäminen on aina kiellettyä.

Mikä on tekoäly ja mihin se pystyy?

Tässä ohjeessa tekoälyllä viitataan erityisesti koneoppimismenetelmien avulla rakennettuihin kielimalleihin (erit. GPT) ja niiden päälle rakennettuihin helppoihin ja laajasti saatavilla oleviin käyttöliittymiin. Tekstin kirjoitushetkellä näistä eniten puhuttaa ChatGPT, joka on edistynein ja helppokäyttöisin avoimesti käytettävissä olevista kielimalleihin perustuvista ohjelmista. Tekoäly ei itsessään tuota uutta tietoa, vaan se luo tekstiä yhdistämällä aineistoja, joilla se on koulutettu (esim. verkkosivustoja).(1) 

Tekoälyä ohjataan kehotteilla (prompt), jonka perusteella vastaus luodaan. Kehotteisiin voidaan sisällyttää tietoja, jotka ohjaavat vastausta haluttuun suuntaan, kuten rakennetta tai pohjatekstiä. Vahvuutena tekoälyä käyttävillä sovelluksilla on laaja, monipuolinen aineisto, jonka perusteella vastaus generoidaan. Kielimalleihin perustuva tekoäly tuottaa tekstiä päättelemällä seuraavan sanan opetusaineistonsa perusteella; se ei varsinaisesti ymmärrä tekstin merkitystä tai tuota uutta tietoa. Siksi vastauksiin kannattaa suhtautua kriittisesti ja ne toimivat parhaiten ideoinnin tukena tai pohjatekstinä.  

Yleisesti ottaen esimerkiksi ChatGPT:n kyvyistä voi sanoa, että mitä yleisempi ja vakiintuneempi tekstilaji on kyseessä, sen parempaa on tekstin laatu. Esimerkiksi haikut sujuvat siltä mainiosti. Mitä spesifimpi aihepiiri, sen suurempi on todennäköisyys, että tuotettu teksti ei ole todenmukaista tai laadukasta. Johdantokurssitason aiheista se kirjoittaa usein vakuuttavasti, mutta spesifeistä tieteenalan ongelmista se ei välttämättä pysty tuottamaan laadukasta tekstiä. Lisäksi, pyydettäessä ChatGPT:tä merkitsemään lähteet tuottamaansa tekstiin, se generoi vakuuttavalta näyttäviä tekstiviitteitä ja lähdeluetteloita, mutta ne eivät osoita todellisiin lähteisiin – se matkii vain tekstilajia nimeltä "lähteistetty teksti".

Oppimistehtävät: kokeile, kehitä ja ohjeista

Tekoäly ohjaa suunnittelemaan oppimistehtäviä yhä soveltavampaan suuntaan ja korkeammalle osaamisen tasolle (ks. Bloomin taksonomia). Kun tiedonhankinta helpottuu ja nopeutuu, oppimisessa yhä suurempi rooli on hankitun sisällön analysoinnilla ja arvioinnilla, tehtyjen tulkintojen perustelemisella ja uuden tiedon luomisella. Tällöin tulisi miettiä entistä tarkemmin, millaisia oppimistehtäviä opiskelijoille annetaan. Yleiseen esseetehtävään tai avoimeen kysymykseen saa helposti teköälyltä vastauksen tai ainakin hyvän pohjan. Tällöin myös hyvän viittaustekniikan harjoittelu tulee entistä tärkeämmäksi.

Tekoälyn avulla saa myös luotua vakuuttavalta kuulostavia vastauksia tehtäviin, jotka pyytävät reflektoimaan oppimismateriaalia. Ei riitä, että pyytää opiskelijoita kirjoittamaan oppimispäiväkirjaa, jossa pohditaan oman oppimisen haasteita tai kriittistä pohdiskelua. Tämä on niin vakiintunut tekstilaji, että esim. ChatGPT pystyy tekemään sen suurelta osin opiskelijan puolesta, jos kehotteeseen liittää omat luentomuistiinpanonsa ja pyytää reflektoivaa yhteenvetoa niistä.

Tämän vuoksi opettajan kannattaa itse kokeilla, millaisia vastauksia tekoäly tuottaa suunniteltuihin oppimistehtäviin, ja sen pohjalta miettiä, miten oppimistehtäviä voisi kehittää ohjeistuksella oppimisen kannalta mielekkääseen suuntaan. Useissa alla listatuissa esimerkkitehtävissäkin tekoäly nopeuttaa vastaamista, joten tehtävänanto kannattaa suunnitella siten, että vastausta koostaessa opitaan opintojakson oppimistavoitteiden mukaisia asioita, huolimatta siitä, millä keinoilla vastausta laaditaan.

Esimerkkejä oppimistehtävistä:

  • Tekoälyn tuottamaa tekstiä saa käyttää pohjana ja vastauksessa omat kommentit ja ajatukset erotellaan selkeästi tekoälyn tekstistä. 
  • Pyydetään soveltamaan tietoa tapauspohjaisessa oppimisessa (case-based learning) tai ongelmalähtöisessä oppimisessa (problem-based learning).
    • Osana tehtävää kirjataan tekoälylle esitetyt kysymykset ja jatkokysymykset. Samalla harjoitellaan tekoälyn käyttöä osana tiedonhankintaa ja arvioidaan kriittisesti sen tuottamia vastauksia. 
    • Tehtävässä voidaan pyytää hyödyntämään opettajan antamia lähdeaineistoja ja raportoimaan ratkaisut perusteluineen tavalla, joka tekee oppimisprosessin näkyväksi.
  • Tieteellinen kirjoittamistapa, jossa lähteistetään käytetty aineisto, suorat lainaukset osoitetaan selkeästi, ja ilmaistaan näkyvästi mikä on omaa kommentaaria, on edelleen hyvä toimintamalli. 
  • Uuteen aiheeseen tutustuminen: taustatiedon etsimisen lisäksi jatkokysymyksillä tuetaan tiedon käsittelyä, kuten pyydetään soveltavia esimerkkejä tai pyydetään pohtimaan itselle epäselväksi jääneitä avoimia kysymyksiä. Tekoälyltä voi saada tähän hyvin apua, mutta tehtävän rooli kurssilla on pieni ja/tai ei vaikuta arviointiin. 
  • Prosessikirjoittaminen ja välipalautteen käyttö.
  • Käsitekartat ja muu visualisointi osana tiedonhankintatehtävää. Tekoälysovellusten avulla voidaan tuottaa myös kuvia (ks. esim. DALL·E 2), joten on hyvä itse testata, millaisen pohjan sen avustuksella saa.

Tekoälyn käytön ohjeistus oppimistehtävässä

Peruslähtökohta on, että tekoälyn tuottamaa tekstiä ei saa esittää omanaan. Siihen voi viitata tekoälymallin nimellä ja generoidun tekstin päivämäärällä. Opiskelija on vastuussa omasta tekstistään ja plagiointi on kiellettyä.

Tekoälyn käyttö voidaan ohjeistaa kurssin tehtäviin sopivaksi, esimerkiksi jollain seuraavista tavoista: 

  • Käyttö sallittu: tekoälyä saa käyttää vapaasti tiedonhankinnassa ja tehtävien vastaamisen apuna. Jos kielimallia on käytetty palautettavan työn tuottamisen apuna, opiskelijan tulee ilmoittaa kirjallisesti, mitä mallia on käytetty ja millä tavalla.
  • Rajattu käyttö. Tekoälyä saa käyttää tarkennetun ohjeistuksen mukaisesti:
    • Esimerkiksi: Viittaa tekoälyn tuottamaan tekstiin tekoälymallin nimellä ja päivämäärällä, jolloin teksti generoitiin. 
    • Mahdolliset lisäohjeet: Kirjaa tekoälylle esittämäsi kehotteet osana vastaustasi. 
    • Jatkokysymykset osana tehtävää, kuten: pohdi, miten hyvin tekoälyn antamat vastaukset vastaavat suhteessa annettuun tehtävään.
  • Käyttö kielletty: tekoälyä ei saa käyttää lainkaan. Käytännössä tämän todentaminen on haasteellista, vaikka on palveluita, jotka antavat todennäköisyyden sille, onko teksti tekoälyn tuottamaa. 

Kurssin suunnittelu: mieti oppimisprosessi

Kun opiskelijan tiedonhankinta ja vastauksen koostaminen helpottuu, vastauksen tuottamisen aikana oppimista ei välttämättä tapahtu yhtä paljon tai yhtä syvällisesti kuin jos itse koostaisi vastauksen lukemalla tietyn määrän taustatietoa. Mikäli tehtävänanto on sellainen, johon tekoälyltä saa helposti vastauksen, ei tehtävän painoarvo kurssin kokonaisarvosanasta tulisi olla suuri.

Oppimisen kannalta entistä tärkeämpää on, mitä tiedonhankinnan lisäksi kurssilla tapahtuu. Onko oppimisprosessia (mitä ja miten opin) mahdollista tehdä näkyvämmäksi niin opiskelijoille itselleen kuin opettajillekin? Mikäli oppimista tapahtuu vähemmän tiedonhankintavaiheessa, sitä voi tukea muilla kurssin aikaisilla tehtävillä.

Esimerkkejä tehtävistä, jotka ohjaavat käsiteltävään aiheeseen perehtymiseen, ymmärtämiseen ja soveltamiseen: 

  • Lukupiirit
  • Paneelikeskustelut, roolikeskustelut
  • Seminaarimuotoinen työskentely: esitelmät, videot, ja opiskelijoiden pitämät opetustilanteet, joita seuraa osallistujien tarkentavat kysymykset esityksistä. 
  • Pienien välitestien ja Moodlessa automaattisesti arvioitavien kysymysten kohdalla tilanne on ennallaan. Kurssin materiaaleista ja verkosta vastaukset löytyvät, mutta niillä voidaan tukea tiettyjen kysymysten ja teemojen läpikäyntiä ja kertausta, ja opiskelijat pystyvät arvioimaan omaa osaamistaan.

Esimerkkejä, joissa oppimista syvennetään tiedonhankintavaiheen jälkeen:

  • Flipped learning (ks. esim. Talbert 2017), jossa tiedonhankinta ja aiheeseen tutustuminen tapahtuu etäjaksojen aikana, ja lähiopetuksessa syvennetään ja sovelletaan tietoa yhdessä.
  • Vertaisarviointi ja itsearviointi, jolloin aihealueeseen perehdytään enstistä tarkemmin arviointivaiheessa.
  • Verkkokeskustelut, jossa keskustelu perustuu edellisiin viesteihin ja opettaja voi tarvittaessa ohjata keskustelua jatkokysymyksillä oppimisen kannalta keskeiseen suuntaan.
  • Projektikurssit

Muuta

Jos halutaan toteuttaa tentti, jossa varmistetaan, että opiskelija osaa myös ulkoa keskeisiä prosesseja ja käsitteitä, vaihtoehtoina toimivat Examinarium-tentti tai valvottu Moodle-salitentti

Tekoälyä voi käyttää myös itse apuna kurssin suunnittelussa. Siltä voi pyytää ideoita esimerkiksi kurssisyllabukseen, pyytää sitä generoimaan suuren määrän monivalintakysymyksiä valitusta aiheesta, tai esimerkiksi generoimaan tehtävän tekstiaineiston, jota opiskelijat sitten arvioivat.(2) 

 

  1. Toistaiseksi ei ole vapaassa käytössä mallia, jolla olisi reaaliaikaista yhteyttä verkkoaineistoihin. Esim. ChatGPT:n ei tiedä juurikaan asioista, jotka ovat tapahtuneet vuoden 2021 jälkeen. ChatGPT:n kehittäjät eivät ole julkistaneet täyttä listaa aineistoista, joilla se on koulutettu, mutta esim. Alan D. Thompson on kirjoittanut hyödyllisen yhteenvedon ChatGPT:n koulutusaineistoista.
  2. Opettajan (Bodo Steiner, MMTDK) esimerkki kotitenttitehtävästä: I will generate a set of ChatGPT-generated essays on three topics, the students can choose a given essay that fits their interest, and then they will be tasked to write an essay themselves on the very same topic, discussing the strengths and weaknesses of the ChatGPT-generated essay.

Katso myös opiskelijan ohjeet

Aiheeseen liittyvät opiskelijoille suunnatut ohjeet löydät Opiskelijan ohjeet -palvelusta.