Siirry sisältöön
Opiskelu
Tekoäly voi tarkistaa tehtäviä ja antaa opiskelijoille palautetta

Tekoäly nopeuttaa ja tehostaa opettajan työtä, kun pitää esimerkiksi tarkistaa iso joukko tehtäviä tai antaa palautetta suurelle opiskelijamassalle.

Kirjoittajat:

Mari Raaska

lehtori, hr ja johtaminen
Haaga-Helia ammattikorkeakoulu

Katja Wirenius

lehtori, pedagogiikka
Haaga-Helia ammattikorkeakoulu

Julkaistu : 13.02.2024

Tekoälyratkaisuista odotetaan tukea opetukseen erityisesti suurten opiskelijamäärien hallintaan. Yksi mielenkiintoisista kehityssuunnista on tekoälyn käyttö automaattisena tehtävien tarkastajana.

Tekoäly voi automatisoida rutiininomaisia arviointiin kytkeytyviä prosesseja, kuten esseiden, kirjoitelmien tai monivalintatehtävien tarkistamista. Tämä nopeuttaa arviointia ja palautteen antamista, mikä on olennaista oppimisprosessissa. Se myös lisää opettajan aikaa opiskelijoiden henkilökohtaiseen ohjaukseen ja vaikeampien tehtävien arviointiin

Opetusteknologioiden avulla pystymme hyödyntämään lukuisia automaattisen palautteen muotoja. Palauteautomatiikan suunnittelu nojaa tekniseen osaamiseen, ja teknisen prosessin räätälöinti on ollut yleensä opettajan ulottumattomissa (Buckingham Shum, Lim, Boud, Bearman & Dawson 2023).

Tasapuolinen tekoäly

Inhimillinen arviointi on aina subjektiivista. Tutkimuksissa on jonkin verran tunnistettu subjektiivista arviointia objektiivisen arvioinnin sijaan ja tekoälyllä on pystytty vaikuttamaan vaihteluun (Laing ym. 2020). Tekoäly voi tarkastella vastauksia neutraalisti ja johdonmukaisesti ja samalla vähentää mahdollisia arviointivirheitä.

Opiskelijat ovat tekoälyn näkökulmasta lähtökohtaisesti samalla viivalla, jolloin opiskelijan on mahdollista saada objektiivisempaa palautetta työstään. Tekoäly avaa mahdollisuuksia arvioinnin kehittämiseen oikeudenmukaisemmaksi.

Kokeilimme tekoälyn toimivuutta käytännössä

Pilotoimme niin kutsuttua esseetarkistinta yhteistyössä Eximian kanssa. Loimme kurssin osaamistavoitteiden pohjalta sisältökategoriat, ja opiskelijat palauttivat esseensä Eximian palvelimelle. Sitten Eximian kehittämä suomalainen kielimalli etsi esseistä ennakkoon annettuja kategorioita, pisteytti vastaukset löydösten perusteella ja tuotti ehdotuksen esseen arvioinnista.

Kokeilun perusteella voidaan todeta, että tekoälypohjaiset tarkistimet toimivat selkeissä ja yksinkertaisissa tehtävissä oivallisesti. Kielimalli on myös nopea oppimaan, joten kehitystyötä kannattaa jatkaa. Tekoäly voi jo arvioida sujuvasti yksinkertaisia oppimistehtäviä, mutta monimutkaiset tehtävänannot sotkevat sen ”ajatukset”.

Oppimistehtävien suunnittelu vaatii erityistä huomiota

Kun käytetään tekoälypohjaisia tarkistinratkaisuja, on mietittävä tarkasti oppimistehtävän malli, on esimerkiksi pohdittava, kuinka mielekkäitä ovat esseemuotoiset tehtävät. Pahin skenaario on se, että kielimalli tarkistaa toisen kielimallin kirjoittaman esseen eikä oppimista tapahdu. Tuttua esseetäkin on syytä uudistaa niin, että oppimisen prosessi erottuu siitä selvemmin.

Oppimistehtävien muokkauksessa voimme hyödyntää esimerkiksi generatiivista kielimallia. Tekoäly auttaa luomaan räätälöityjä tehtäviä, jotka vastaavat opiskelijoiden oppimistarpeita ja taitotasoja.

Opetuksen uudistaminen alkaa omaa toiminnan ja opintojaksojen rakenteiden kriittisellä tarkastelulla ja tekoälyajan oppimisen muotoilulla. Tämä edellyttää pedagogisilta toimilta innovatiivisuutta ja rohkeutta. On suositeltavaa jatkaa tekoälyyn liittyviä kokeiluja yhteistyössä kollegojen, verkostojen ja yhteistyökumppanien kanssa.

Opetushallituksen rahoittaman AiDriver!-hankkeen puitteissa olemme koonneet aineistoa päivittyvälle Tekoäly oppimisessa ja opetuksessa -sivustolle. Aineisto tarjoaa perustietoa tekoälyn haltuun ottoon opetusalalla toimiville sekä opettajiksi aikoville.

Lähteet

Buckingham Shum, S., Lim, L., Boud, D., Bearman, M. & Dawson, P. 2023. A comparative analysis of the skilled use of automated feedback tools through the lens of teacher feedback literacy. International Journal of Educational Technology in Higher Education, 20, 40, s. 1–42.

Laing, G., Kirkham, R. & van Kampen, T. 2020. An Automated Assessment Marking Approach: Using Ecxel to Grade an Accounting Practice Assignment (PDF-tiedosto). The e – Journal of Business Education & Scholarship of Teaching. Sunnybank Hills. 14, 3, s. 12–24.