Siirry sisältöön
Tekoäly
Korkeakouluopiskelijoiden ja -opettajien näkemyksiä generatiivisen tekoälyn hyödyistä ja haitoista

Generatiivisen tekoälyn työkalut muuttavat opetuksen ja oppimisen tapoja. Uudet työkalut tarjoavat uusia mahdollisuuksia tuottaa sisältöä, mutta toisaalta niiden tehokas käyttö vaatii myös kokonaan uusia taitoja.

Kirjoittajat:

Aarni Tuomi

lehtori, majoitus- ja ravitsemisliiketoiminta
lecturer, hospitality business
Haaga-Helia ammattikorkeakoulu

 

Visiting Research Fellow
University of Surrey

Julkaistu : 12.04.2024

Marraskuussa 2022 avoimeen jakoon julkaistu ChatGPT mullisti näkemykset koneoppimisen kyvykkyydestä, tarjoten kelle vaan ensimmäistä kertaa pääsyn suurella rahalla koulutettuun yleishyödylliseen kielimalliin. ChatGPT:n julkaisun jälkeen erilaiset julkaisukanavat blogeista vertaisarvioituihin tiedelehtiin täyttyivät nopeasti kielimallin – ja sen edustaman generatiivisen tekoälyn uuden aallon – vaikutuksia opetukseen ja oppimiseen pohtivista teksteistä.

Tämä on jälleen yksi sellainen teksti. Poikkeuksena on, että tällä kertaa pohdinnan tukena on empiiristä aineistoa hiljattain toteuttamaamme kyselytutkimukseen pohjautuen. Tutkimuksessa kartoitimme korkeakouluopettajien ja opiskelijoiden näkemyksiä generatiivisen tekoälyn keskeisimmistä hyödyistä ja haitoista (Ivanov, Soliman, Tuomi, Alkathiri & Al-Alawi 2024). Aineistoksi keräsimme 130 korkeakouluopettajan ja 168 opiskelijan vastaukset 47 eri maasta. Tutkimuksen teoreettisena pohjana oli Ajzenin (1991; 2020) suunnitellun käyttäytymisen teoria.

Suunnitellun käyttäytymisen teorian mukaan yksilön käyttäytymistä voidaan ennustaa aikomuksiin perustuen. Aikomukset muodostuvat asenteista käyttäytymistä kohtaan, subjektiivisista normeista ja koetusta käyttäytymisen hallinnasta. Teorian mukaan suotuisat asenteet, sosiaaliset normit ja koettu hallinta johtaa yksilön aikomukseen toimia tietyllä tavalla, esimerkiksi käyttää generatiivista tekoäly opiskelussa tai tutkimustyössä.

Tekoälyn hyödyt jyräävät alleen tekoälyn riskit

Tutkimuksemme tulokset tukevat pääosin Ajzenin teoriaa. Mitä enemmän korkeakouluopettajat ja opiskelijat tunnistavat generatiivisen tekoälyn etuja, sitä

  • suotuisammat heidän asenteensa
  • vahvemmat heidän koetut sosiaaliset paineensa
  • korkeampi on heidän koettu hallintansa näiden teknologioiden tehokkaassa käytössä

Mielenkiintoista oli kuitenkin, että vaikka generatiivisen tekoälyn vahvuudet ja hyödyt todettiin ratkaiseviksi asenteiden, subjektiivisten normien ja koetun käyttäytymisen hallinnan muovaajiksi, tekoälytyökalujen heikkouksien ja riskien havainnot eivät merkittävästi estäneet työkalujen omaksumista.

Korkeakoulusektori Suomessa ja maailmalla on omaksunut erilaisia lähestymistapoja generatiivisen tekoälyn käyttöön. Suomessa ollaan pääosin melko sallivalla linjalla, mutta esimerkiksi Haaga-Helian maltalaisen partnerikoulun vaihto-opiskelijat ovat raportoineet, että Maltalla tekoälytyökalujen käyttö oppimistehtävissä on paljon rajatumpaa.

Tutkimuksemme antaa osviittaa, että keskittyminen pelkästään generatiivisen tekoälyn työkalujen positiivisiin ominaisuuksiin saattaa peittää alleen huolenaiheet, jotka liittyvät niiden heikkouksiin ja riskeihin.

Uusien taitojen äärellä

Generatiivisen tekoälyn työkalujen integroinnissa korkeakoulutukseen ei ole kysymys siitä, milloin tämä tapahtuu, vaan miten. Näiden teknologioiden omaksumisen matkaa on navigoitava huolellisesti harkiten niiden vaikutuksia opetusmenetelmiin, eettisiin standardeihin ja koulutuksen tuloksiin. Haasteena on löytää tasapaino generatiivisen tekoälyn hyötyjen ja haittojen kanssa. Generatiivinen tekoäly mullistaa opetusta ja tutkimusta, samalla vaatien sekä oppijoilta että opettajilta uusia taitoja mm. lähdekritiikin, integriteetin, inklusiivisuuden ja tekijänoikeuksien saralla.

Tärkeää on esimerkiksi ymmärtää, että kielimalli on käytännössä ”sanajonoja” tuottava ennustuskone, joka arpoo käyttäjän kehotteen pohjalta vastaukseksi kehotteeseen todennäköisimmin sopivista sanoista kokonaisia lauseita ja tekstikappaleita. Välillä ennustus on hyvä, ja näin ollen generoitu teksti järkevää. Välillä ennustus menee metsään ja kielimalli hallusinoi, eli keksii faktoja tai vaikkapa lähdeviitteitä. Loppukädessä käyttäjä vastaa tekoälyllä generoimastaan sisällöstä.

Tärkeää olisi muistaa, että ennustukset pohjaavat kielimalliin syötettyyn koulutusdataan. Koulutusdata on aina jossain määrin puutteellista ja saattaa sisältää erilaisia vinoumia – jonkin tietyn asian yli- tai alipainottumista – jotka osaltaan vaikuttavat ennustusten laatuun. Uusia keinoja lisätä algoritmista läpinäkyvyyttä tarvitaan siis lisää (Tuomi & Ascencao 2023).

Lähteet

Ajzen, I. 1991. The theory of planned behavior. Organizational Behavior and Human Decision Processes, 50(2), 179-211.

Ajzen, I. 2020. The theory of planned behavior: Frequently asked questions. Human Behavior and Emerging Technologies, 2(4), 314-324.

Ivanov, S., Soliman, M., Tuomi, A., Alkathiri, N., Al-Alawi, A. 2024. Drivers of generative AI adoption in higher education through the lens of Theory of Planned Behaviour. Technology in Society 77, 102521.

Tuomi, A., Ascencao, M.P. 2023. Looking for algorithmic transparency. eSignals PRO. Haaga-Helia.

Kuva: Haaga-Helia