Opetuksessa todellisuutta on helpompi kuvata erilaisten mallien kautta. Malleilla pyritään esittämään yksinkertaistettu kuvaus tosielämän monimutkaisista asioista. Käytännössä usein mallit ovat ainoa mahdollisuus tutkia ja opettaa laajoja ja monimutkaisia kokonaisuuksia, koska todellisuus on liian laaja käsiteltäväksi.

Mallit ovat siis yksinkertaistuksia, ja siinä mielessä on hyvä pitää mielessä tilastotieteilijä George Boxin sanat: ”Kaikki mallit ovat väärässä, mutta jotkut ovat hyödyllisiä.” Parempi rajallisestikin todenmukainen, ymmärrettävä malli kuin täysi tietämättömyys.

Tarjolla olevia malleja on paljon, uusia syntyy jatkuvasti. Tuntuu, että jokainen itseään kunnioittava konsultti kehittää vähintäänkin yhden mallin, ja samoin tieteellisissä artikkeleissa uusia malleja vilahtelee jatkuvasti. Minkälaisia malleja meidän pitäisi opetuksessa ja tutkimuksessa hyödyntää ja nostaa esiin?

Tutkimuksen (ja myös opetuksen) näkökulmasta jokainen malli on eräänlainen hypoteesi: uusi tieto voi kumota ja muuttaa merkittävästi olemassa olevaa mallia. Uusien hypoteesien luominen on helppoa, mutta niiden kytkeminen aiempaan tietämykseen ja tutkimukseen on sen sijaan työlästä. Suuri kiusaus onkin jättää tämä kytkentä tekemättä. Konsulttimaailmassa on paljon malleja, jotka keittöfilosofin/psykologin/kehittäjän/yms. näkökulmasta ovat ihan ok, mutta jotka eivät kytkeydy mitenkään alan tutkimukseen, eikä niitä ole empiirisesti testattu.

Onko siis eettisesti oikein ottaa tämänkaltainen malli opetuksen keskiöön? Opetammeko samalla, että hyvä mielikuvitus on tärkeämpää kuin tutkittu tieto? Entä sopiiko tuollainen malli tutkimuksen lähtökohdaksi? Hyppäämmekö pois jättiläisten hartioilta?

Ajatuskokeilut eivät ole tiedettä, eivätkä välttämättä edes tietoa

Mallin kytkeminen olemassa olevaan teoriaan ja empiirinen testaaminen on usein haastavaa ja työlästä. Jos mallin piirtelee ruokaliinaan viidessä minuutissa, kattavaan teoreettiseen tarkasteluun ja empirian koostamiseen menee tieteenalasta ja aiheesta riippuen kuukausista vuosiin. Kuten keksijä Thomas Alva Edison sanoi: ”Nerous on yksi prosentti inspiraatiota ja yhdeksänkymmentäyhdeksän prosenttia hikoilua.” Tämä pätee myös tieteellisiin teorioihin ja malleihin. Se yhdeksänkymmentäyhdeksän prosenttia on oikeasti paljon työtä.

Aika on rahaa, tai joskus kiusaus on muuten vain suuri: joskus malli voidaan muotoilla lähes tieteellisen viitan sisään. Esimerkkinä voidaan nostaa Greenin sekä Hamiltonin ja Rosenbergin artikkelit, joissa he käsittelevät artikkeleissaan yhden yleisesti käytetyn mallin hyödynnettävyyttä. Artikkeleissaan he tuovat esiin, että kyseistä mallia ei ole mitenkään kytketty olemassa olevaan tieteelliseen tutkimukseen, eikä sitä ole myöskään empiirisesti testattu. Se, että mallin laatija ei ole suorittanut mallin aihealueeseen liittyvää tutkintoa, eikä hänellä ole alan työkokemusta, saattaa nostattaa kulmakarvoja, mutta ei olisi ongelma, jos malli olisi muuten validoitu asiallisesti. Tämänkaltaisiin malleihin ei pidä pyrkiä, eikä niiden käyttö opetuksessa tai tutkimuksessa ole perusteltavissa.

Kun teemme tutkimusta (ja opetamme), meidän on välillä hyvä kysyä: mihin tämä kaikki perustuu? Onko tässä taustalla tutkittuja asioita vai jänniä ajatuskokeiluja? Jännät ajatuskokeilut ovat melko lähellä vallitsevaa ”väärennettyjen uutisten” ideologiaa: kaikille näyttää olevan sallittua luoda omia todellisuuksiaan riippumatta siitä, mitä tosiasiat sanovat. Tällöin tiedettä käytetään vain ”rusinoiden poimintaan pullasta”, valitaan vain omaan ideologiaan parhaiten sopivat fragmentit. Jos tieteellistä menetelmää ei käytetä, todellista tiedettä ei enää ole.

Tietoa tuottavan, käsittelevän ja jakavan henkilön vastuulla on pitää huolta, että hänen käsiensä kautta kulkeva tieto on luotettavaa. Hänen tulee myös opettaa tuleville ammattilaisille, mitä tiedon luotettavuus tarkoittaa.

Lähteet:

• L. S. Green, “Through the Looking Glass Examining Technology Integration,” Knowl. Quest, vol. 43, no. 1, pp. 36–43, 2014.
• E. R. Hamilton, J. M. Rosenberg & M. Akcaoglu, “The Substitution Augmentation Modification Redefinition (SAMR) Model: a Critical Review and Suggestions for its Use,” TechTrends, vol. 60, no. 5, pp. 433–441, 2016.