Annammeko opintopisteet opiskelijalle vai tekoälylle – ja kumman osaamisesta?

Tekoälyn luomista mahdollisuuksista ja haasteista on keskusteltu vuosia niin korkeakoulumme henkilökunnan kuin opiskelijoidenkin keskuudessa. Vahvalla sisäisellä motivaatiolla varustautuneet opiskelijat kehittävät osaamistaan opinnoilla, joilla arviointi pohjautuu oppimisprosessin aikana tehtyihin tehtäviin. Tekoäly voi olla oiva tuki oppimisessa. Ulkoisesti motivoituneilla sekä arjen kiireiden ja suorituspaineiden kanssa kamppailevilla sen sijaan voi olla houkutus oikaista oppimisessa tekoälyn avustuksella erityisesti, jos kiinnijäämisen riski arvioidaan pieneksi. Nyt viimeistään on aika tehdä enemmän kuin keskustella. Tekoälyn käyttöä ohjeistavien Arenen liikennevalojenkaan (Arene 2026) käyttäminen ei välttämättä ole riittävän vahva tapa ohjata opiskelijoiden toimintaa.

kuvituskuva, opiskelijat ja robotti. — Kuva: Freepik / Magnific (AI-generoitu)

Kokeilu osoittaa: oppimistehtäväpalautukset eivät aina kuvaa opiskelijan osaamista

Ylen toimittaja on toteuttanut ”tutkimusidean”, jonka toteuttamista olen pohtinut työkavereideni kanssa jo pidempään: toimittaja ilmoittautui avoimen ammattikorkeakoulun opintoihin ja testasi, voisiko opinnot suorittaa tekoälyllä. Pienimuotoisen kokeilun tuloksena havaittiin, että oppimistehtäviä oli mahdollista suorittaa tekoälyllä ilman sisällöllistä osaamista. Toimittaja sai suorittamistaan opintojaksoista opintosuoritusmerkinnät, joista osa peruttiin, kun toimittajan yhteydenotto paljasti vilpin. (Politi 2026) Opetusministeri Anders Adlercreutz on järkyttynyt toimittajan tekemästä havainnosta, jonka perusteella opintosuorituksia voi saavuttaa ilman tosiasiallisen osaamisen kartuttamista. Ministeri peräänkuuluttaa opetusalalta ratkaisuja siihen, miten tekoälyä voitaisiin jatkossa käyttää oppimisen tukemiseen hallitsemattoman käytön sijaan (Pekonen 2026).

Toimittajan pienimuotoisen testin tulos ei mielestäni ollut yllättävä. Tekoälyn nopea kehittyminen on tehnyt äärimmäisen vaikeaksi sellaisten tehtävien suunnittelun, joita osaava tekoälyn käyttäjä ei pystyisi suorittamaan riittävällä tasolla ilman sisällöllistä osaamista. Samalla tehtävän pitäisi kuitenkin olla sellainen, että myös keskiverto-opiskelija pystyy suoriutumaan siitä itsenäisesti. Tämä tiedostamamme ristiriita ja korkeakouluopintojen nykyiset toteutustavat ovat saaneet myös meidät opettajat pohtimaan, missä määrin opinnot ovat suoritettavissa tekoälyllä ilman sisällöllistä osaamista. Korkeakouluopettajan työtehtävässä toimivana en ole kuitenkaan ollut valmis kokeilemaan toimittajan tekemää tekoälyopiskelua avoimessa korkeakoulussa siihen liittyvien eettisten haasteiden vuoksi, mutta nyt toimittajan aktiivisuuden ja rohkeuden ansiosta nämä tulokset ovat kaikkien saatavilla ja osa yhteiskunnallisista keskustelua.

Oppimistehtävien tekeminen ilman osaamista on helpottunut

Tekoälyn kehitys on tuonut oppimistehtävissä oikaisemisen tai jopa huijaamisen aiempaa helpommaksi ja useampien saatavilla olevaksi. Jo ennen tekoälyn yleistymistä opiskelijat hyödynsivät etätenttien valvomattomuutta omaksi edukseen. Koronakriisin aikana korkeakouluopinnoissa yleistynyt etäopiskelu perustuu pitkälti opettajan ja opiskelijan väliseen luottamukseen, mutta tutkimusnäyttö ja myös arkikokemukset YAMK-opetustyöstä antavat viitteitä siitä, ettei luottamukselle ole kaikissa tapauksissa perustetta. Esimerkiksi Klijn, Alaoui ja Vorsatz (2022) raportoivat satunnaistettuun koeasetelmaan perustuvassa tutkimuksessaan havaintoja, joiden perusteella valvomattomissa etäyhteyksin toteutetuissa monivalintatenteissä on viitteitä epärehellisyydestä ja opiskelijoiden välisestä tiedon jakamisesta. Osana tutkimusasetelmaa toteutetuissa etätenteissä osallistujilla ei ollut mahdollisuutta palata aiempiin kysymyksiin, tentti toteutettiin samanaikaisesti kaikille, ja tenttikysymysten järjestys satunnaistettiin eri ryhmille. Tulokset osoittivat, että saman tenttikysymyksen myöhemmin kohdanneet suoriutuivat tehtävästä systemaattisesti paremmin ja nopeammin kuin sen aiemmin kohdanneet, mikä viittaa siihen, että tentin aikana tietoa vastauksista saatettiin jakaa osallistujien välillä.

Ortiz-Bonnin ja Blahopoulou (2025) tarkastelevat tutkimuksessaan koetun riskin merkitystä tekoälyn käytössä korkeakouluopinnoissa. Tutkimuksessa todetaan, että kiinnijäämisen riski ja mahdolliset sanktiot voivat vaikuttaa tekoälyn käyttöön. Mitä pienemmäksi kiinnijäämisen riski arvioidaan, sitä todennäköisempää tekoälyn epäasiallisesta käytöstä voi tulla. Jos opiskelijat siis arvioivat epäasiallisen tekoälyn käyttöön liittyvän kiinnijäämisen riskin pieneksi, se voi madaltaa kynnystä esittää tekoälyn tuottamaa sisältöä omana tuotoksena. Ortiz-Bonnin ja Blahopoulou tarkastelevat tutkimuksessaan koettua riskiä kiinnijäämiseen liittyvää riskiä laajempana käsitteenä. Esimerkiksi ymmärrys tekoälyn tuottaman tiedon epäluotettavuudesta, huoli liiallisesta riippuvuudesta tekoälyn tuottamaan sisältöön sekä yksityisyyteen ja tietoturvaan liittyvät tekijät on tunnistettu mahdollisiksi riskitekijöiksi.

Ortiz-Bonninin ja Blahopouloun (2025) tekemän kyselytutkimuksen tulokset osoittavat, että korkeammaksi koettu riskitaso on yhteydessä sekä vähäisempään tekoälyn käyttöön että matalampaan käyttöaikomukseen. Opiskelijoiden käsitys akateemisesta epärehellisyydestä ei sen sijaan ollut suoraan merkitsevässä yhteydessä tekoälyn käyttöön eikä käyttöaikomukseen, vaan vaikutus välittyi koetun riskin kautta. Säännöistä muistuttaminen ei myöskään kaikissa tapauksissa riitä käytöksen muutokseen. Klijnin, Alaouin ja Vorsatzin (2022) tutkimuksessa kesken tenttiä annettu muistutus yliopiston eettisistä periaatteista ei vaikuttanut osallistujien suoriutumiseen mitattuna oikeiden vastausten määrällä ja vastaamiseen käytetyllä ajalla. Näiden tutkimustuloksen valossa pelkkä eettisiin sääntöihin vetoaminen ei välttämättä riitä estämään epäasiallista toimintaa.

Osaamisen arvioinnin irtauttaminen oppimisprosessin tuotoksista

Tekoälyn nopea kehittyminen on johtanut siihen, ettei oppimisprosessin aikana valvomattomasti tuotettuja oppimistehtäväpalautuksia voida kaikilta osin enää pitää osaamisen mittarina tai arvioinnin kohteena. On kohtuuton vaatimus olettaa, että opettaja pystyy luomaan sellaiset tehtävät, jotka keskiverto-opiskelija pystyy tekemään itsenäisesti, mutta joita ei voi tehdä annettujen materiaalien ja reaalimaailman kontekstin kuvaamalla tekoälyavusteisesti. Yhtä kohtuutonta on olettaa, että opettaja pystyisi aina tekstipalautuksen tai videopalautuksen perusteella tunnistamaan, mikä on opiskelijan omaa osaamista ja mikä tekoälyn tuotosta, kun tekniset työvälineetkään eivät pysty varmuudella irtauttamaan näitä kahta toisistaan. Arkikokemuksen perusteella useat videopalautuksetkin ovat tällä hetkellä ennakkoon kirjoitettuja ja ääneen luettuja tekstejä.

Korkeakouluopetuksessa on aiempaa kattavammin siirryttävä osaamisen arvioinnissa tapoihin, joissa voimme olla riittävässä määrin varmoja siitä, että arvioinnin kohteena on henkilön todellinen osaaminen. Verkkoalustalla tuettu oppimisprosessi on edelleen keskeisen tärkeää, mutta emme voi enää kaikilta osin luottaa siihen, että verkko-oppimisalustalla tehdyt ja palautetut oppimistehtävät kuvastaisivat henkilön sisällöllistä osaamista.

Luodaan uutta menettämättä kuitenkaan vahvuuksiamme

Laurea-ammattikorkeakoulu on tunnettu ja arvostettu käytännönläheisestä ja työelämätaitoja kehittävästä pedagogisesta toimintamallistaan. Kehittämispohjaisen oppimisen, Learning by Developing (LbD), lähtökohtana on mahdollistaa oppiminen autenttisten työelämän kehittämistehtävien ratkaisemisen parissa, jolloin teoria ja käytäntö yhdistyvät luontevasti oppimisprosessin aikana kehittäen opiskelijoiden ongelmanratkaisu- ja yhteistyötaitoja sekä kyvykkyyttä kriittiseen ajatteluun ja reflektointiin (Laurean pedagoginen ohjelma 2026-2028).

Osaamisen näyttämisen tapojen kehittäminen on korkeakouluopetuksessa ajankohtainen haaste ja tässä meidän tulee olla yhdessä luovia. Ilmeisimpinä vaihtoehtoina ovat verkossa tai kampuksella suoritetut valvotut lopputentit ja esseet, mutta voinemme todentaa osaamista lukuisilla muillakin tavoilla, jotka mahdollistavat pedagogisen toimintamallimme toteuttamisen. Olen yhdessä opettajakollegoideni kanssa kokeillut opintojaksoilla esimerkiksi opiskelijaryhmien kanssa pidettäviä oppimis- ja arviointikeskusteluja, joita järjestetään kehittämisprojektin eri vaiheissa. Keskustelut on pisteytetty sen mukaan, miten hyvin opiskelija keskustelun aikana ymmärtää ja osaa perustella raportoimaansa kehittämistyötä sekä pystyy sanoittamaan saavuttamaansa osaamista. Näin Laurean pedagogiikassa keskeinen LbD-malli voi toteutua oppimisprosessin aikana, vaikka osaamisen arviointia irtautetaan kirjallisesta raportista. Oppimisprosessi kiinnittyy kuten aiemminkin kehittämistehtävän aikana kohdattujen haasteiden ratkomiseen ja käytännön tekemiseen, vaikka arvioinnin kohteena raportin sijaan on keskustelun avulla todennettavissa oleva oppimisprosessin aikana kehittynyt osaaminen.

Ylen toimittajan testaamat itsenäisesti opiskeltavat verkko-opinnot voivat olla arvokkaita välineitä oppimisprosessin jäsentäjinä sekä motivaation ylläpitäjiä ja ne voivat tehdä osaamisen kehittymisen opiskelijalle konkreettisesti näkyviin. Samoin tekoälykin voi olla loistava oppimisprosessin aikainen sparraaja ja palautteenantaja. Verkko-oppimisalustojen sisällöistä ja oppimistehtävistä ole siis ole mitään tarvetta luopua. Se on kuitenkin eri asia, millä perusteella arvioimme opiskelijan osaamista ja annamme opintojaksosuorituksia. On korkeakoulujen vastuulla varmistaa, että arviointi kohdistuu opiskelijan osaamiseen ja annamme opintopisteet ja tutkintotodistukset vain silloin, kun olemme pystyneet todentamaan osaamistavoitteiden mukaisen osaamisen toteutumisen riittävällä varmuudella. Verkko-oppimisalustan sisällöt voivat siis toimia oppimista tukevana ”interaktiivisena (harjoitus)kirjana”, mutta opintopisteet saadakseen opiskelijan pitää osoittaa osaamisensa siten, että opettaja voi riittävällä varmuudella tietää arvioivansa opiskelijan todellista osaamista.

Laureassa elämme ajassa mukana ja ennakoimme

Laureassa kohtaamme koko opetusalaa koskevan tekoälyhaasteen hyvin valmistautuneina. Olemme jo tehneet aktiivisia toimenpiteitä tekoälyvapaan osaamisen näytön edistämiseksi korkeakoulussamme. Konkreettisena esimerkkinä tällaisesta toimenpiteestä on tänä keväänä pilotoitu tekoälyvapaa osaamisennäyttö Hoitotyön kliininen asiantuntijuus YAMK-koulutuksen valintaopintojaksolla Proctorio-etätenttivalvontaa hyödyntäen. Vastaavat käytännöt ovat olleet osa arkea jo pidempään esimerkiksi kielten opinnoissa.

Ensi syksynä pilotoimme Vaikuttava viestintä ja päätöksenteko johtamisessa YAMK-koulutuksen kaikilla ydinopintojaksoilla tekoälyvapaan osaamisen näytön periaatetta. Toteutuksien suunnittelua ohjaa ajatus oppimisprosessin ja osaamisen näyttämisen eriyttämisestä toisistaan, vaikkakin oppimisprosessin aikana tehdyt tuotokset voivat toimia lähtökohtana osaamisen näytön suunnittelussa. Oppimisprosessin aikana tekoälyn käyttö osaamisen kehittymisen tukena on suositeltavaa ja tuemmekin sitä, mutta osaamisen arviointi pohjautuu kampuksella annettuihin näyttöihin. Olemme tehneet siirtymää kohti tekoälyvapaata osaamisen näyttöä jo useamman vuoden ajan ja nyt laajennamme opiskelijan osaamisen todentavien näyttöjen käyttämisen koskemaan kaikkia ydinopintojamme sen sijaan että pisteyttäisimme oppimisalustalle palautettuja oppimistehtäviä sellaisenaan.

Osaamisen arvioinnin perustana olevan näytön irtauttaminen oppimisprosessin aikana suoritettavista oppimistehtävistä on yksi keino, jolla voimme vastata tekoälyn käytön luomiin haasteisiin alallamme. Se on yksinkertainen, helposti hallittavissa ja mahdollistaa opettajien resurssien kohdentamisen varsinaisen oppimisen tukemiseen ja osaamisen arviointiin sen sijaan, että opettajat käyttävät aikansa opiskelijan osaamisen tunnistamiseen tekoälyn tuotoksien joukosta. Tällä yksinkertaisella ratkaisulle voimme varmistaa, ettei yksikään myöntämämme tutkintotodistus ole tyhjiä bittejä, vaan todistus kuvaa tosiasiallista osaamista. Tällä tavoin toimimalla voimme vahvistaa osaamisen ja kilpailukyvyn kehittymistä yhteiskunnassamme.

Tämän tekstin valmistelussa on hyödynnetty Laurean O365 ympäristöön integroitua Copilot-tekoälyä. Tekoälyä on käytetty tekstin muotoilun tukena ja oikolukemisessa. Lisäksi olen hyödyntänyt tekoälypohjaista Keeniousta tiedonhaussa ja keskustellut Copilotin kanssa löytämistäni tutkimusartikkeleista. Tämä on auttanut tunnistamaan soveltuvaa lähdemateriaalia. Sisällöllisesti teksti on kuitenkin omaani ja vastaan siitä kokonaisuutena.