Tunnetekoälyn etiikka toimijuuden valossa – kohteena pedagogisesti orientoitunut ryhmävuorovaikutustutkimus

Tiivistelmä

Artikkeli ”Tunnetekoälyn etiikka toimijuuden valossa – kohteena pedagogisesti orientoitunut ryhmävuorovaikutustutkimus” valottaa tekoälyn ja aivan erityisesti tunnetekoälyn käytön eettisiä haasteita toimijuutta painottaen. Tarkasteltavana ovat vuosien 2019–2021 välillä tehdyt ryhmävuorovaikutustutkimukset, joihin tunnetekoälyn eettisiä haasteita peilataan. Eettiset haasteet liittyvät käytettävään teknologiaan ja menetelmiin, taustalla oleviin tunneteorioihin, osallistujien eettiseen kohteluun ja huomioimiseen sekä laajempaan ihmis- ja toimijuuskäsitykseen.

Erilaisten tunneteroioiden ja käytettyjen menetelmien paradigmoja ylittävänä ja yhdistävänä teoriana käytetään arviointitunneteorioita. Tekoälyä sovellettaessa on suojeltava ja vahvistettava ihmistoimijuutta. Tekoälyn hyödyntämisessä olisi eduksi löytää yhteisiä eettisiä periaatteita ja normistoja sekä varautua jo ennakolta eettisiin riskeihin. Riittävän laaja eettinen näkökulma mahdollistuu yhdistämällä strukturaalista etiikkaa, yksilöllistä toimijuuden vahvistamista ja yhteisöllistä ”me-tilaisuutta”.

Avainsanat: ryhmävuorovaikutus, etiikka, toimijuus, tekoäly, tunnetekoäly, paradigmat

Abstract

The article ”Ethics of emotional artificial intelligence in the light of the agency of the human being – case pedagogical social group interaction research” sheds light on the ethical challenges of artificial intelligence, especially emotional artificial intelligence focusing on the principle of the human agency. I use my social interaction of groups researches from the years 2019-2021 that applies emotional AI as case studies. Ethical challenges I refer here are related to the technology and methods used, underlying emotional theories, the ethical treatment of participants, and the broader views of human beings and their agency.

The appraisal theories of emotions have transcended different paradigms between the different research methods and theories of emotions. Protecting and strengthening the conditions of human agency in any AI environment is a necessary ethical condition of the ethics of AI. It would be an advantage of setting common ethical principles and norms and preparing ourselves for the ethical risks. Combining structural ethics, strengthening human agency and communal “we-ness” we might reach the broad ethical view enough.

Keywords: social interaction of groups, ethics, human agency, artificial intelligence, emotional artificial agency, paradigms

1. Johdanto

Keskustelua tekoälystä leimaa usein dikotominen suhtautuminen, jossa tekoäly on nähty joko uhkana ja ihmisten mahdollisena hallitsijana tai kaiken ratkaisevana vastauksena ihmiskunnan kysymyksiin (Pietikäinen & Silvén, 2019, 11–12, 141). Tekoälyn eettiset kysymykset on tuotu esille niin Suomen, Euroopan kuin maailmankin tasolla (mm. Ailisto ja muut, 2018; 2019; A European approach to artificial intelligence, 2023).

Tämä artikkeli käsittelee tekoälyä ja erityisesti erästä tekoälyn osa-aluetta, tunnetekoälyä ja siihen liittyviä eettisiä kysymyksiä. Tunnetekoälyn sisällä artikkeli keskittyy vielä yhteen sen alueeseen eli kasvojentunnistusteknologiaan ja siinä tunnereaktioiden tunnistamiseen. Tunnetekoäly määritellään tässä teknologioina, jotka hyödyntävät ihmisen tunnetiloihin liittyvää affektiivista laskentaa sekä tekniikkoina, jotka havainnoivat, oppivat ja vuorovaikuttavat ihmisten tunteiden kanssa (McStay, 2020, 1). Yksittäinen tutkija kohtaa monia eettisiä haasteita tunnetekoälyä soveltaessaan. Peilaan näitä haasteita ja niihin liittyviä ratkaisuja esimerkinomaisesti itse tekemieni ryhmävuorovaikutustutkimusten kautta.

Biometriikka viittaa tieteeseen, jossa pyritään arvioimaan ihmisen identiteettiä fysiologisten, kemiallisten tai käyttäytymiseen liittyvien (yksilöllisten) piirteiden perusteella (Jain & Ross, 2008, 1). Tällaisia piirteitä ovat esimerkiksi kasvojen piirteet, sormenjäljet, käden piirteet, silmän iiris, DNA, sydämen syke tai ääni (Sutrop & Laas-Mikko, 2012, 21). Tätä niin sanottua biometriikkaa käytetään, jotta ymmärretään paremmin mielen, aivojen ja kehon välistä vuorovaikutusta (Human Behavior, 2017). Tunnetekoäly hyödyntää käytännössä usein biometrisiä tutkimusmenetelmiä, jonka vuoksi nämä molemmat käsitteet ovat keskiössä tunnetekoälystä puhuttaessa.

Artikkelini pyrkii vastaamaan seuraaviin kysymyksiin: Miten ihmisten toimijuus pitäisi huomioida tunnetekoälyä soveltavassa tutkimuksessa? Entä mitä eettisiä periaatteita meillä olisi oltava tunnetekoälyn käytön suhteen, jotta se vahvistaisi ihmisen toimijuutta?

Toisaalta on tärkeää huomata, että vaikka tällaisia eettisiä periaatteita voitaisiin formuloida, kaikki toimijat, kuten valtiot, eivät piittaa näistä periaatteista eivätkä siis myöskään vahvista sen kautta ihmisten toimijuutta. Esimerkiksi kasvojentunnistusteknologian suurimpia eettisiä haasteita on, miten voidaan välttää sen avulla tapahtuva kontrollointi, kriminalisointi tai syrjintä. Suostumuksesta ei ole useinkaan välitetty, eikä pelkkä suostumuskaan takaa teknologian eettistä käyttöä. Teknologiaa voidaan käyttää ihmisoikeuksien vastaisilla tavoilla. Ei pidä myöskään olettaa, että tutkijat noudattavat väistämättä ihmisoikeuksia, vaan vaikkapa Kiinassa osa tekoälytutkijoista on sortotoimien kannalla. (van Noorden, 2020.)

Maailman talousfoorumi onkin nostanut esille muun muassa tekoälyyn liittyvät mahdolliset seuraukset epätasa-arvon, puolueellisuuden ja ei-toivottujen sivuvaikutusten näkökulmasta. Yksi keskeinen kysymys koskee sitä, miten voidaan suojata eettisiä periaatteita noudattaen luodut tekoälyjärjestelmät pahantahtoisilta toimijoilta. (Bossmann, 2016.)

Tämä on johdantoluontoinen artikkeli tunnetunnetekoälyn eettisiin haasteisiin erityisesti toimijuuden ja ryhmävuorovaikutustutkimuksen näkökulmista. Tarkastelen aihetta sosiaalieettisesti painottuneen toimijuusnäkemyksen sekä kasvatustieteellisesti ja pedagogisesti² painottuneen ryhmävuorovaikutusnäkökulman kautta. Kehikkoa täydentävät empiiriset case-havaintoni omista tutkimuksistani.

2. Ihmisen toimijuus ja tekoäly

Euroopan komissio on kiinnittänyt huomiota tekoälyn käytössä yksityisyyden, datan hallinnan, läpinäkyvyyden, moninaisuuden ja sosiaalisen ja ekologisen hyvinvoinnin kysymyksiin (Ethics guidelines for trustworthy AI, 2019). Edellä mainitut kysymykset ovat tärkeitä, ja useita niitä yhdistää vielä perimmäisempi kysymys ihmisen toimijuudesta ja siihen liittyvästä moraalisesta vastuullisuudesta.

Toimijuudella on erilaisia määritelmiä eri tieteenaloilla, mutta yleisesti sillä viitataan aktiivisuuteen, aloitteellisuuteen, osallisuuteen sekä jonkinlaiseen hallintaan ja vaikutusmahdollisuuksiin (Eteläpelto ja muut, 2017, 7). Toimija on Hallamaan (2017, 17) määritelmän mukaan ihminen, joka pystyy asettamaan päämääriä, ymmärtää ja osaa arvioida syys-seuraussuhteita ja kykenee toimintansa kautta tavoittelemaan asettamiaan päämääriä. Toimijuuteen voidaan katsoa liittyvän käsitykset kyvykkyydestä, intentionaalisuudesta ja rationaalisuudesta sekä vastuullisuudesta (Hallamaa & Kalliokoski, 2020).

Toimijuus on aina myös relationaalista eli suhteessa toisiin tapahtuvaa. Samalla myös ymmärrys omasta itsestä muokkautuu. Vuorovaikutuskin on tavallaan ”vuorotellen vaikuttamista” eli molemmat osapuolet vaikuttavat toisiinsa. Tähän liittyvät eettiset kysymykset oikeuksista, velvollisuuksista, vapaudesta ja vastuusta. (Mellenius, 2013, 80, 91.) Nämä kysymykset puolestaan ovat jo osa toimijuuden eettistä ja eksistentiaalista puolta, joihin kuuluvat myös kysymykset elämän tarkoituksesta ja merkityksestä, kuolemasta, osattomuudesta ja voimaantumisesta. (ks. Vanhalakka-Ruoho, 2014, 194–199.)

Moraalinen toimijuus viittaa ihmisiin ja heidän moraaliseen vastuullisuuteen teoistaan, heidän kyvykkyyteensä erottaa oikea väärästä ja hyödyntää moraalista harkintaansa toiminnassaan (Brey, 2014, 126). Moraalinen toimijuus perustuu ajatukselle, että toimija on vapaa toimimaan intentionaalisesti ja vapaaehtoisesti, jolloin häntä voidaan pitää vastuussa omasta toiminnastaan. Tämä ajatus on sisäänrakennettuna oikeastaan kaikissa moraaliteorioissa. (Johnson, 2006, 198.) Moraalisen toimijuuden myöntäminen on tärkeää, sillä se velvoittaa myös yhteisön jäsenet myöntämään toistensa moraalisen toimijuuden (Brożek & Janik, 2019, 103).

Moraalista toimijuutta on mahdotonta paeta, sillä elämme täysin normatiivisessa maailmassa, jossa ilmenee oikean ja väärän sekä hyvän ja pahan välisiä erotteluja ja niille annettuja merkityksiä (Pihlström, 2021, 211). Kasvatuksessa ihmisen sivistäminen vastuuntunnon ja arvotajunnan omaavaksi moraalisubjektiksi hahmotetaan kasvatuksen tärkeimmiksi tehtäviksi. Tästä seuraa, että kasvatus pyrkii kehittämään kasvatettavan moraaliresursseja ja eettistä toimintakykyä. (Värri, 2018, 123.)

Parhaimmillaan kasvatus ja kulttuuri välittävät ihmiselle sellaisia hyvän elämän malleja ja normeja, jotka edistävät hänen moraalisen toimijuuden kykyjään (Visala, 2021, 159–160) ja mahdollistavat sekä yhteisen hyvän että yksilön persoonan kehittymisen (Gjerstad, 2011, 84–89). Jos ihmisyys määritellään toimijuuden ja moraalisen toimijuuden kautta näin laajasti ja syvällisesti, se asettaa tekoälyn tuottamalle lisäarvoa suuria haasteita.

Tekoälyyn perustuva ympäristö saattaa itsesssään jo muokata moraalisuuden perusperiaatteita kuten ihmisen arvokkuutta ja moraalista vastuullisuutta (Hallamaa & Kalliokoski, 2020, 54–55). Algoritmien ja niiden käyttötapojen on katsottu sisältävän kätkettyä valtaa, jonka avulla ne voivat vähitellen muuttaa ihmisenä olemisen sääntöjä (Fry, 2018, 15). Biometrisiä menetelmiä on kritisoitu ”algoritmisesta hallinnasta”, jonka avulla luodaan ja ylläpidetään valvontaa (Crampton, 2019).

Laajasti tunnetun kantilaisen periaatteen mukaan ihmistä ei saa koskaan kohdella välineenä vaan aina päämääränä sinänsä, mutta teknologiat on jo lähtökohtaisesti suunniteltu toimimaan välineinä johonkin (Hallamaa & Kalliokoski, 2020, 54–55). Ironisesti kukaan ihminen ei kuitenkaan kykene täysin toimimaan kantilaisen moraalisen periaatteen mukaisesti, vaan se voi olla koneelle joissakin tapauksissa jopa helpompaa kuin ihmiselle. Tämä perustuu siihen, että ihmisen kognitio ja motivaatio eivät riitä kantilaisen moraalisen periaatteen johdonmukaiseen toteuttamiseen. Kone kykenee huomioimaan nopeasti valtavan määrän moraalisia sääntöjä ja niihin liittyviä monimutkaisia systeemejä sekä suorittamaan niihin liittyviä tehtäviä. (Brożek & Janik, 2019, 102.)

Lisäksi kone voidaan ohjelmoimaan siten, että se seuraa vain tiettyjä sääntöjä, kun puolestaan ihmisen on vaikeampi ulkoistaa tiettyjä asioita päätöksenteon ulkopuolelle. Toisaalta kone ei välttämättä kykene havaitsemaan ja keräämään kaikkea relevanttia tietoa ympäristöstä, jota moraalisiin päätöksiin tarvitaan. (Brożek & Janik, 2019, 102.) Ihmisen moraaliseen päätöksentekoon voivat vaikuttaa esimerkiksi yksittäisen ihmisen tarpeet ja kärsimykset, jolloin halukkuus poikkeuksen tekemiseen formaaliin sääntöön tietyn yksilön auttamiseksi voi kasvaa (Galinsky ja muut, 2011, 21–24). Tämä voi olla tilanteesta riippuen hyöty tai haitta.

Lähtökohtaisesti siis näyttäisi siltä, että tekoäly on tietyissä asioissa ylivertainen ihmiseen verrattuna, mutta toimijuus ja moraalinen toimijuus sisältävät ulottuvuuksia, joita tekoälyyn ei sisälly. Kuitenkin sen käyttö voi lisätä ihmisen toimijuutta – vai voiko?

3. Tunnetekoälyn toiminta ja siihen liittyviä eettisiä huomioita

Edellisessä alaluvussa tarkastelin toimijuutta laajemmasta tekoälyn näkökulmasta. Tässä alaluvussa siirryn tarkastelemaan tarkemmin tunnetekoälyn toimintaperiaatteita ja siihen liittyviä eettisiä kysymyksiä. Koska olen hyödyntänyt omissa tutkimuksissani tunnetekoälystä nimenomaan kasvojentunnistus- / tunnereaktioiden tunnistamisteknologiaa, keskityn lähinnä sen tarkasteluun osana tunnetekoälyä. Kun sovelletaan tunnetekoälyä tutkimuksessa, on huomioitava sekä tutkimuksen tekoon että tutkimuksen kohteena olevien kohteluun liittyvät eettiset seikat. Tunnetekoäly, kuten yleensäkin teknologiat, saatetaan ottaa ”annettuna”. Tunnetekoäly sovelluksineen pohjautuu kuitenkin aina johonkin tunneteoriaan tai sen sovellukseen, jotka itsessään ovat ristiriitaisia tai ainakin monimerkityksisiä.

Käytännössä kaikki kasvonilmeisiin liittyvien tunteiden tunnistusjärjestelmät pohjautuvat tavalla tai toisella Ekmanin ja Friesenin kehittämään koodausjärjestelmään (FACS eli Facial Action Coding System) (ks. esim. Ekman, 1992; Stöckli ja muut, 2018, 1447–1448)³ . FACS on ollut laajimpia kasvonilmeiden kehikkoja jo yli 30 vuoden ajan. Kasvonilmeiden koodauksen automatisointi on nopeuttanut ja monipuolistanut siihen perustuvaa tutkimusta. (Martinez ja muut, 2019.) Näin ollen aikaisemmin ihmisten tekemät koodaukset kasvonilmeistä ovat korvautuneet koneiden opettamisella tekemään saman moninkertaisella nopeudella.

Esimerkiksi iMotionsin AFFDEX-algoritmi ottaa ihmiskasvoista 25 kuvaa sekunnissa ja tekee analyysin salamannopeasti. On itsestään selvää, että ihmisen kognitiivinen kapasiteetti ei riitä samaan. Toisaalta ihminen on opettanut koneelle periaatteet, joiden pohjalta analyysi tehdään. Algoritmit tunnistavat tunnereaktioita aina tietyllä todennäköisyydellä. Käyttämäni iMotion-ohjelmiston Affectivan Affdex-algoritmin lisäksi kasvonilmeisiin perustuvia tunnejärjestelmiä ovat muun muassa FaceVideo, Facet, Cognitive Services: Face, EmotionalTracking, EmotionRecognition, FaceReader ja Face Analysis (ks. Dupré ja muut, 2020).

FACS taas perustuu erillisten tunteiden teoriaan, jota kutsutaan myös perustunteiden teoriaksi tai diskreetiksi tunneteoriaksi. Ajatuksena tässä teoriassa on, että perustunteet ovat diskreettejä eli toisistaan riippumattomia, lajinkehityksessä syntyneitä, yleismaailmallisia tunteita, joihin liittyvät kasvonilmeet tunnistetaan lähes kaikkialla samalla tavalla. Tämän mukaisesti uskotaan, että jopa tekoäly kykenee erottelemaan eri tunteet toisistaan, koska eri tunteiden sisältämä tieto on niin erilaista. Toki kulttuurien ”murteet” sekä tunteisiin liittyvät esiintymissäännöt vaikuttavat siihen, miten näitä ilmeitä esitetään ja tulkitaan. (Nummenmaa, 2010, 33–41, 89-90.)

FACS-luokittelujärjestelmää on kuitenkin myös kritisoitu. Se ei kykene huomioimaan kontekstiin liittyvää tietoa tunteiden tunnistamisessa (ks. Stöckli ja muut, 2018, 1447–1448). Kasvonilmeiden avulla voidaan kommunikoida eri asioita eri konteksteissa, eivätkä läheskään kaikki ihmisten tunnetilat mahdu muutamaan perustunteeseen (Krywko, 2017). Samallakin kasvonilmeellä ja siitä tulkitulla tunnereaktiolla voi olla eri funktioita (ks. Darwiche ja muut, 2008), joita täytyisi tutkimuksessa selvittää. Esimerkiksi Ruisrockissa kasvojentunnistuksessa käytetty ohjelmisto ei pystynyt erottelemaan ilosta seuraavaa itkua surullisesta itkusta (Rissanen, 2017). Nämä seikat liittyvät usein nimenomaan ihmisen toimijuuteen, jota tunnetekoäly ei tässä kykene havainnoimaan tai ainakaan tulkitsemaan.

Lisäksi kasvojentunnistusohjelmistojen ja etenkin tunteidentunnistusohjelmistojen validaatiossa on vielä parantamisen varaa, joten niiden käyttö yksinään tai ehdottomien johtopäätösten teko niiden varassa ei ole eettisesti kestävää. Tunnetekoälyn algoritmit pystyvät yleensä arvioimaan ilon tai onnellisuuden hyvin, mutta negatiivisten tunteiden kuten vihan tai pelon tai monitulkintaisten tunteiden tunnistaminen on heikompaa tai toisinaan jopa virheellistä (Calvo ja muut, 2018; Cojocea ja muut, 2019; Stöckli ja muut, 2018; Tavares ja muut, 2016). Validaatiotutkimus on saanut jalansijaa ihan EU-tasoisesti (ks. Lassalle ja muut, 2019), ja validaatiotutkimukset ovat laajentuneet kattamaan kasvonilmeiden lisäksi myös ääntä emootioiden välittäjänä (Bänziger ja muut, 2009; Samadiani ja muut, 2019). Tämä onkin välttämätöntä, jotta tunnetekoälyn suhteen saavutetaan tutkimuksessa riittävä tarkkuus.

Tunnereaktioiden tunnistamista voivat vaikeuttaa myös arkisemmat, esimerkiksi valaistukseen, pään ja kasvojen väliseen suhteeseen tai hiuksiin ja koruihin liittyvät tekijät (Calvo ja muut, 2018, 2). Etenkin laboratorio-olosuhteiden ulkopuolella haasteina ovat muun muassa valaistus ja pään asento (Samadiani ja muut, 2019; Corneanu ja muut, 2016, 1560; Kumar ja muut, 2019, 946; Martinez ja muut, 2019, 340). Kasvot ja pää eivät ole todellisessa elämässä kovin suorassa (Krumhuber ja muut, 2020).

Kasvonilmeisiin perustuvien analysointimenetelmien vaikeus on, että ne vaativat kunnolla toimiakseen edestäpäin otetut videot, joilla pään asento ei saa juurikaan vaihdella eikä olla peitossa. Niin sanotussa luonnollisessa ympäristössä tai puheen aikana kasvonilmeiden tunnistaminen on haastavaa. (Pietikäinen & Silvén, 2019, 199.) Luonnollisessa vuorovaikutuksessa varsinkin ryhmässä ihmisen pää liikkuu kuitenkin jatkuvasti, jolloin ryhmävuorovaikutustutkimuksessa on tasapainoiltava jatkuvasti tunnereaktiodatan määrän ja vuorovaikutuksen luonnollisuuden välillä. Jompikumpi kärsii väistämättä.

Kun vuorovaikutuksen tutkiminen siirretään laboratorioon, haasteena on muutenkin säilyttää luonnollisen vuorovaikutuksen dynamiikka (Stevanovic, 2016, 405–406). Erilaiset mittauslaitteet saavat ihmiset toimimaan epäluonnollisesti noin tunnin ajan (ks. Pentland, 2012, 5; Peräkylä ja muut, 2016, 260). Parhaimmillaan vuorovaikutustutkimus on yhtä aikaa sekä kontekstiherkkää että yleistettävää (Voutilainen, 2016, 387–388). Kontekstiherkän koodausjärjestelmän luominen on kuitenkin vaikeaa, koska jokaisella tilanteella on oma dynamiikkansa (Haakana, 2002, 227). Kontekstiherkkyys tarkoittaa myös sitä, että videointien analysointeja ei voida koskaan kokonaan automatisoida, vaan tutkijan tulkinnoilla ja luokitteluilla on niissä keskeinen rooli.

Luotettavuutta lisää joka tapauksessa videoiden käyttö valokuvien sijaan: Kasvojen ilmeiden tärkein piirre on sen dynaaminen luonne, ja dynaaminen (liikkuva) informaatio parantaa tunteen tunnistuksen koherenssia ja virheettömyyttä. Lisänä on kuitenkin hyvä käyttää erilaisia itsearviointeja. (Krumhuber ja muut, 2013.) Tekoäly ei nimittäin kykene kovin tulkitsevaan työhön (Saranpää, 2019). Rikkain näkemys ihmisen käyttäytymisestä saadaan usein nimenomaan monimenetelmäisesti, sillä silloin menetelmät tuottavat keskenään erilaista tietoa (Murray, 2019).

Vaikka tällä hetkellä perustunteista vallitsee melko laaja yksimielisyys etenkin viiden tunteen eli vihan, pelon, inhon, surun ja ilon / onnellisuuden osalta (Ekman, 2016), myös muut näkemykset, kuten tunteet konstruktioina näkevät teoriat, epäkognitiiviset emootioteoriat, enaktivismi sekä arviointitunneteoriat (ks. mm. Barrett ja muut, 2019, 4; Salmela, 2017, 33) ovat voimissaan. Toisaalta tunteiden universaalisuus täydennettynä tunteiden ”murteiden” ja tunteiden esittämissääntöjen teorioilla on tieteellisesti vahvasti toteennäytetty (ks. esim. Nummenmaa, 2019). Dimensionaalinen (eli näkemys tunteista eri ulottuvuuksia sisältävänä) ja diskreettinen (eli näkemys tunteista erillisinä perustunteina) näkemys tunteista on ehkä mahdollista osittain yhdistää, jos tunteet käsitteellistetään sekä fysiologisina, kokemuksellisina että behavioraalisina vastauksina henkilökohtaisesti merkityksellisiin ärsykkeisiin (Mauss ja Robinson, 2009).

Tunnereaktioiden ja tunnekokemusten ja niiden välisen paradigmaeron ylittäminen ja yhdistäminen on mahdollista, jos nojaudumme arviointitunneteorioihin (appraisal theories of emotion). Niissä tunteet nähdään sopeutuvina reaktioina ja havaintoina ympäristön haasteisiin siten, että niihin sisältyy myös neuraalisia ja fysiologisia muutoksia (Ellsworth, 2013). Näitä fysiologisia muutoksia voidaan tutkia biometriikan kautta ja reaktioita ja havaintoja ihmisten kokemusten kautta. Tilanne ja aikaisemmat kokemukset vaikuttavat siihen, miten mentaalisten prosessien eli arviointien kautta tunteet syntyvät (Moors, 2014).

Näin ollen kasvojenilmeet nähdään dynaamisina ilmiöinä, joihin ihmisten omat arviot vaikuttavat (Scherer ja muut, 2019). Tämä näkemys auttaa tieteenfilosofisesti yhdistämään kokemuksia painottavat menetelmät biometristen menetelmien kanssa. Arviointitunneteorialla on yhtäläisyyksiä Maussin ja Robinsonin (2009, 210) esittämän mallin kanssa, jossa tietty tapahtuma aiheuttaa arvion sen merkityksestä, joka puolestaan aiheuttaa emotionaalisia reaktioita niin kokemusten, toiminnan kuin autonomisen hermoston suhteen.

Näin ollen kasvojenilmeet nähdään dynaamisina ilmiöinä, joihin ihmisten omat arviot vaikuttavat (Scherer ja muut, 2019). Tämä näkemys auttaa tieteenfilosofisesti yhdistämään kokemuksia painottavat menetelmät biometristen menetelmien kanssa. Arviointitunneteorialla on yhtäläisyyksiä Maussin ja Robinsonin (2009, 210) esittämän mallin kanssa, jossa tietty tapahtuma aiheuttaa arvion sen merkityksestä, joka puolestaan aiheuttaa emotionaalisia reaktioita niin kokemusten, toiminnan kuin autonomisen hermoston suhteen.

Tämä näkemys on mahdollista yhdistää myös esimerkiksi kasvatustieteissä usein ilmenevään ihmiskäsitykseen, jossa keskiöön halutaan nostaa yksilön omat kokemukset niin tunteista, oppimisesta, dialogisuudesta kuin vuorovaikutuksestakin. Vain nämä huomioimalla katsotaan voitavan kunnioittaa ja edistää ihmisen toimijuutta. Toisaalta arviointiteorian primaarireaktio – eli ensin seuraava, yleensä nopea reaktio ilman siihen liittyvää arviointia ja tulkintaa⁴ – jota olen itse tutkinut ja tulkinnut diskreetin tunneteorian mukaisella kasvojenilmeiden ilmenemisellä, täydentää nähdäkseni erinomaisesti ihmistieteisiin sisältyvää tunnekokemuksiin ja niiden tulkintaan perustuvaa traditiota. Sen mahdollistama luonnontieteellisempi paradigma tuo ihmisen toimintaan liittyvät, osittain tiedostamattomatkin, reaktiot fokukseen.

Näin ollen vuorovaikutuksesta saadaan monipuolisempi ja vivahteikkaampi kokonaiskuva. Lisävalaistusta tuo myös ryhmäprosesseihin liittyvä viitekehys, joka laajentaa kehystä sosiaalisempaan suuntaan. Liittyväthän tunteisiin ja niiden tutkimukseen niin tunteisiin liittyvät subjektiiviset kokemukset, niihin linkittyvät psykofyysiset prosessit kuin niiden sosiaalinen funktiokin (Nummenmaa, 2010, 53; Peräkylä, 2009, 261; van Kleef & Fischer, 2016, 4). Ylipäänsä sisäiset kognitiiviset ja emotionaaliset sekä ulkoisemmat käyttäytymiseen ja toisten kanssa vuorovaikutukseen liittyvät prosessit ovat yhteydessä toisiinsa (Janusz & Peräkylä, 2017, 427), joten on hyödyllistä, jos tutkimus pystyy valottamaan useampaa niistä.

Paradigmojen yhdistämisen konkreettisena seurauksena on usein monimenetelmäisyys tai multimodaalisuus. Monimenetelmäisyys viittaa monien erilaisten tutkimusmenetelmien käyttöön samassa tutkimuksessa. Esimerkiksi tunteiden tutkimisessa on suositeltavaa käyttää montaa eri menetelmää tai komponenttia kuten osallistujien kokemuksia, käyttäytymistä tai toimintaa luotaavia menetelmiä sekä psykofysiologisia menetelmiä (Eteläpelto ja muut, 2018, 8). Multimodaalisen datan käyttö yhdistää niin sanottuja subjektiivisia ja objektiivisia tutkimusmenetelmiä yhdistäessään fysiologisten reaktioiden, subjektiivisten kokemusten ja tunteiden sosiaalisten funktioiden tutkimisen vuorovaikutuksessa. Parhaimmillaan multimodaalinen data pystyy ylittämään ontologisia rajoja ihmiskehon (neurologiset prosessit), ympäristön (toiminta) ja mielen välillä. (Järvelä ja muut, 2019.)

Luonnollisesti monimenetelmäisyys tai -modaalisuus asettaa haasteita luotettavuuden arvioinnille (Eteläpelto ja muut, 2018, 8). Sen lisäksi, että laboratorio-olosuhteissa haasteena on säilyttää luonnollisen vuorovaikutuksen dynamiikka, luotettavuuden kannalta vertailukelpoista materiaalia tulee myös olla riittävästi (Stevanovic, 2019, 405–406). Jo ilmiö itsessään, kuten ihmisen emootiotilan luotettava tunnistaminen ja seuranta, voi on hyvin haastavaa ja monimutkaista (Pietikäinen & Silvén, 2019, 106). Tieteenfilosofisesti erilaisista lähtökohdista lähteviä menetelmiä voi olla vaikea yhdistää, tai ainakin niiden vertailussa on vaikea löytää yhteismitallisia kriteereitä.

4. Tunnetekoälytutkimukseen osallistuvien ihmisten toimijuuden huomiointi

Tunnetutkimusta tehtäessä on tarpeen erottaa biologisesti määräytyneet ja automaattisesti toimivat tunnereaktiot niihin liittyvistä tietoisista kokemuksista eli tunnekokemuksista (Nummenmaa, 2010, 16). Vuorovaikutukseen liittyvässä tunteiden tutkimisessa on keskitytty usein puhtaasti tunnekokemuksiin, vaikka ne edustavat ”jäävuoren huippua” tunneprosessissa. Toisaalta tunteiden ohjaavuus sosiaalisissa vuorovaikutustilanteissa on ilmeistä ja osittain jopa automaattista, joten myös tunnekokemusten ymmärtäminen on keskeistä. (Nummenmaa, 2017, 37; 2010, 52–53.)

Pelkkien tunnereaktioiden tutkiminen jättää ihmisen kokemuksellisena ja sosiaalisena olentona tutkimuksen ulkopuolelle, mutta toisaalta tunnetekoälyn mahdollistama tunnereaktioiden löytäminen tuottaa tietoa, jota pelkkä tunnekokemuksiin keskittyminen ei paljasta. Ihmiset eivät ole aina tietoisia tunnereaktioistaan, sillä ne ovat usein hyvin automaattisia ja nopeasti esiintyviä. Näin ollen tunnereaktioiden tutkiminen voi tuottaa tietoa, jota tunnekokemuksia tutkimalla ei saada esille. Esimerkiksi on huomattu (Reed ja muut, 2012), että aidot tai sosiaaliset hymyt saattavat ennustaa todennäköisyyttä yhteistyöhön molempien osapuolten taholta, kun puolestaan halveksunnan ilmeneminen kasvoilla saa todennäköisemmin peräytymään yhteistyöstä. Pesosen (2018) tutkimuksessa taas kyselytutkimukset antoivat positiivisemman kuvan koehenkilöiden suhtautumisesta materiaaliin kuin heidän tunnereaktionsa biometriikan perusteella.

Olisikin hyödyllistä, jos useammissa tutkimuksissa tutkittaisiin yhtä aikaa tunnereaktioita ja tunnekokemuksia. Pelkkä tunnereaktioihin keskittyminen voi tosin vääristää tuloksia, kun ihmisen toimijuutta ja siihen liittyviä omia kokemuksia ei huomioida. Jos ihmisen fyysiset piirteet tai käyttäytyminen tulkitaan ihmisen käyttäytymistä ennustavaksi siten, että häntä itseään ei kuulla eikä hänen tahtoa tai toimintaa määrittäviä motiivejaan kartoiteta, riskit diskriminaatioon ja stigmatisointiin väärien tulkintojen muodossa kasvavat (Sutrop & Laas-Mikko, 2012, 22–23, 34). Tunnekokemusten huomiointi vähintään tunnereaktioiden rinnalla huomioi ihmisen kokonaisvaltaisemmin.

Yksi tapa lisätä tutkimukseen osallistuvien mahdollisuutta omaan toimijuuteen ja omiin tulkintoihin vuorovaikutuksestaan on reflektio. Reflektiossa tapahtuva jälkikäteinen tilanteen tarkastelu antaa osallistujalle mahdollisuuden omaan tulkintaan ja oman toiminnan ja ajattelun sanallistamiseen. Tällöin sekä osallistujien omat tunnekokemukset että heidän omat tulkintansa heidän vuorovaikutuksestaan ovat keskeisessä osassa.

Osana tätä tulkintaa ja kokemusten jakamista voidaan hyödyntää niin sanottuja reflektiovideointeja tai jälkihaastatteluja, joissa osallistujat katsovat tai kuuntelevat vuorovaikutustallenteensa tai osia siitä. Tällaista menetelmää kutsutaan Stimulated Recall (STRI) -menetelmäksi (tai lähes rinnakkaisena terminä käytettynä interpersonal process recall (IPR) -menetelmäksi) (alun perin mm. Kagan ja muut, 1963; ks. myös Ryan & Gass, 2012). Tätä menetelmää on käytetty ammatillisen kehittymisen välineenä muun muassa opettajilla (ks. Hennissen ja muut, 2010; Gazdag ja muut, 2019), kliinisessä työssä ja psykoterapiassa (ks. Janusz & Peräkylä, 2017, 429) sekä osana ammatillisen kommunikaation parantamista eri ammattilaisilla (esim. Hussin, 2013). Tämä menetelmä tarjoaa uusia näkökulmia sekä ihmissuhteisiin että ryhmäprosesseihin (Kagan ja muut, 1963). Menetelmä soveltuu sekä yksilöiden, dyadien että myös ryhmien tutkimiseen.

Tämän menetelmän käyttäminen vuorovaikutustutkimuksissa mahdollistaa osallistujille aiempaan tilanteeseen liittyvien ajatusten ja kokemusten muistelun (Juutilainen, 2003, 69). Tällöin keskustelun pohjana on usein havainnointimateriaalia, kuten juuri videoituja tilanteita, joiden avulla tilanne palautuu osallistujien mieleen (Atjonen, 1996, 229–231). Reflektiovideointien käyttöä puoltaa myös se seikka, että osallistujien on vaikeaa muistaa asioista jälkikäteen pelkästään muistinvaraisesti. Videointi ”hidastaa aikaa” ja antaa mahdollisuuden sekä oman toiminnan , tarkkailuun että kokemuksesta oppimiseen. (ks. Aaltonen & Eskola-Kronqvist, 2011, 49.)

Menetelmä voi olla pehmeän joustava tai tiukemmin strukturoitu riippuen muuan muassa siitä, kuka valitsee katsottavat yksityiskohdat, miten kysymykset muodostetaan ja mikä on tutkijan ja osallistujan rooli (Gazdag ja muut, 2019, 66). Jo menetelmän alkuajoista saakka fysiologisia reaktioita on tutkittu myös suhteessa tähän menetelmään ja toimijuuteen (Kagan & Schauble, 1969, 312), joten omat tutkimukseni sijoittuvat tälle jatkumolle.

Stimulated recall -menetelmän tavoitteena on yleensä ihmisen toimijuuden lisäämiseen jollakin tavalla. Esimerkiksi psykoterapiassa menetelmän avulla voidaan tarkastella, miten terapeutin toiminta voisi lisätä asiakkaan reflektiota, itsetietoisuutta ja toimijuutta (Rennie, 2001). Menetelmän avulla ammattilainen, kuten psykoterapeutti, voi oppia oman toiminnan reflektointia ja sisäisen puheensa tavoittamista ”kokevan minän” ja ”ammatillisen minän” sisäisenä dialogina (esim. Rober, 2005).

Menetelmän tavoitteena on päästä käsiksi osallistujien sisäisiin kokemuksiin tietyissä hetkissä. Ihmisten välisessä vuorovaikutuksessa ilmeneviä kognitiivisia ja emotionaalisia prosesseja voi olla vaikea tai mahdoton havainnoida varsinaisessa vuorovaikutustilanteessa. Niinpä menetelmän sisältämän palautuksen tai uudelleen muistelun kautta voidaan pyytää osallistujia palauttamaan mieliin heidän sen hetkisiä ajatuksia, tunteita ja muistoja. (Janusz & Peräkylä, 2017, 429-430.) Osallistujat voivat kokea videon katsomisen hetkellä tai sen jälkeisessä keskustelussa erityyppisiä oivalluksia ja muutoksia. Nämä voivat liittyä esimerkiksi itsensä ymmärtämiseen, tunteiden kokemiseen ja ilmaisemiseen, toisen ihmisen havainnointiin sekä omaan vuorovaikutukseen ja sen ristiriitoihin. (Huhtamäki & Lehtinen, 2016, 21–30.)

Vuorovaikutteisessa reflektiossa ihminen suuntautuu myös muita ihmisiä ja heidän ajatuksiaan ja tarpeitaan kohti (Laine, 2004, 24). Tällainen reflektio sopii hyvin pedagogisesti tai kasvatustieteellisesti orientoituneeseen kontekstiin, jossa painotetaan yhteistoiminnallisuuden kautta syntyviä vuorovaikutuskvalifikaatioita ja oman persoonan kehittymistä toimimalla suhteessa muihin (Pasanen, 2014, 15). Kun osallistujat katsovat heistä otettua videota ja keskustelevat siitä, pohdinta ja ymmärrys syvenee jokaisella kierroksella. Katsomistilanteesta voi tulla jopa merkityksellisempi ihmisten välisen vuorovaikutuksen kannalta kuin varsinaisesta videoinnista. Yllättävin ja arvokkain hetki ei ole etukäteen tiedossa. (Mäkelä ja muut, 2013, 25–26.)

Stimulated recall -menetelmä voi myös auttaa ymmärtämään mitkä asiat ovat osallistujille tärkeitä ja mitä he yrittävät toisilleen välittää. Sen avulla voidaan yrittää löytää vastauksia siihen, miksi vuorovaiktuus on joskus sujuvaa ja joskus taas tahmeaa. (Dempsey, 2010.) Reflektioon rohkaisevana ja ei-arvostelevana menetelmänä se voi auttaa pienentämään ihmisen intentioiden ja toiminnan välistä kuilua. Parhaimmillaan tuloksena ovat odottamattomat ’löydökset’, joita muut menetelmät eivät välttämättä tavoita. (Wass & Moskal, 2017.)

Reflektiovideoinnissa on myös mahdollista palata sisäisiin jännitteisiin ja jopa väärinymmärryksiin, joita varsinaisen videoidun vuorovaikutustilanteen aikana on tapahtunut. Reflektiovideointi soveltuu täten hyvin myös ryhmän oppimisen reflektion välineeksi.

Koska havainnoinnin kohteena oleminen niin kuin myös itsensä katsominen videolta esimerkiksi reflektiotilanteessa, on aina ihmiselle stressitilanne, myönteistä palautetta täytyy käyttää kompensoimaan niistä seuraavaa stressiä. Psykiatri Jukka Mäkelän mielestä videointi siten, että ihminen ”ei saa kuulla mitään palautetta, on haitan luomista ihmisen elämään”, eikä meillä ole oikeutta tällaisen haitan luomiseen. Videoinnin tarkoitus ja työskentelylogiikka täytyy myös esitellä erityisen selvästi ja ”läheisesti” paikalla olevan ihmisen kertomana. Tähän kuuluu se, että osapuolet ymmärtävät, miksi vuorovaikutusta kuvataan. (Mäkelä ja muut, 2013, 21–30.)

On myös hyvä myöntää, että vuorovaikutustilanteet eivät ole neutraaleja, vaan niihin sisältyy kysymys, vaaditaanko osapuolia jatkuvasti muuttumaan (Mäkelä ja muut, 2013, 29, 31). Toimijuuden kannalta on väliä myös sillä, painotetaanko ryhmävuorovaikutuksessa sosiaalipsykologisesti mukautumisen tai ryhmäpaineen mekanismeja (ks. esim. Logren, 2019, x) vai kuten kasvatustieteellisesti orientoituneessa vuorovaikutustutkimuksessa yleensä ihmisen autonomisuuden, kunnioituksen, dialogisuuden ja hyvän elämän ideaaleja.

Mukautuvaisuus, myöntyväisyys tai samaistuminen eivät nimittäin useinkaan johda arvotason muutoksiin, jotka taas ovat edellytyksiä ihmisen sisäiselle motivaatiolle ja ihmisen identiteetin kehittymiselle (esim. Kelman, 2006, 3–4). Mukautumisen korostamisessa ei myöskään huomioida välttämättä kunkin yksilön hyvää elämää. Arvoihin perustuva toimijuus on yleensä pysyvämpää ja pitkäkestoisempaa kuin mukautumiseen perustuva toimijuus. Se on myös enemmän linjassa toimijuuden ideaan sisältyvien ihmisen oman aktiivisuuden, aloitteellisuuden ja päämäärätietoisuuden kanssa. Kasvatuksessa pyritään tällaiseen toimijuuteen, sillä se mahdollistaa sivistyneen, autonomiseen ajatteluun kykenevän persoonan kehittymiseen.

Paradoksaalisesti yksilön kunnioituksen kanssa samanaikaisesti vuorovaikutukseen sisältyy sisäänrakennettuna (oikeutettujakin) vaikuttamisen ja oppimisen vaatimuksia. Pedagogiset vuorovaikutustutkimuksetkaan eivät ole immuuneja näille eettisille haasteille. Kuitenkin pedagogiikkaan sisältyvä vahva, lähes mahdottomalta tuntuva hyvän elämän ideaali edesauttaa eettisyyden huomaamisessa ja toteuttamisessa. Sen mukaisesti eettisyyden mittana on, että toisen parhaita kykyjä ja ominaisuuksia edistetään ja tarpeita ja oikeuksia kunnioitetaan nimenomaan nykyhetkessä eikä vasta tulevaisuudessa (Värri, 2000, 23).

Toimijuuden osana voitaneen pitää myös mahdollisuutta anonymiteettiin keskeisenä tunnetekoälyn vaatimuksena. Biometristen menetelmien tavoitteena on yleensä joko tunnistamisen avulla erottaa persoonat toisistaan tai ennustaa jonkun käyttäytymistä tai intentioita (ks. Sutrop & Laas-Mikko, 2012, 22), mikä on anonymiteetin ja toimijuuden kannalta ongelmallista. Toimijuuteen sisältyy sisäänrakennettuna ajatus oman itsensä määrittelystä ainakin osittain, joten ulkopuolelta rakennettu tulkinta ihmisen intentioista on erityisen ongelmallinen. Ratkaisuna lienee mahdollista harkita niin sanottua pehmeää biometriikkkaa, jossa ihmistä ei voida tunnistaa prosessin kuluessa (McStay, 2020, 1). Silloin ideana voisi olla tietynlaisen tiedon kerääminen yleisellä tasolla yksilöimättä sitä tiettyyn ihmiseen.

Tutkija on aina viime kädessä vastuussa tutkimuksensa eettisyydestä. Tutkimusta suunniteltaessa tutkijan on arvioitava tutkimukseen osallistumisesta ”mahdollisesti koituvia haittoja ja vahinkoja suhteessa tutkimuksella tavoiteltavaan tietoarvoon” niin osallistujien, heidän läheistensä kuin tutkijankin osalta. Tutkimuksen avulla oletettavan uuden tiedon merkitys on suhteutettava tutkimuksen mahdollisiin haittoihin ja riskeihin. Tutkimustilanteisiin saa kuulua saman tyyppistä ”henkistä rasitusta ja tunteiden kokemista” kuin arkeenkin. (Ihmiseen kohdistuvan, 2019, 8, 14–15.)

Ihmisen toimijuuden keskeisyys näyttäytyy suostumuksen vaatimuksena. Koska tutkittavan ei voida edellyttää hankkivan hänelle kuuluvista oikeuksistaan itse, jo tutkimusta suunniteltaessa täytyy ottaa kantaa tutkimusaineiston mahdolliseen avaamiseen, ja informoitava tutkittavia tästä (Ihmiseen kohdistuvan, 2019, 12–13). Jos aineistoa näytetään muille kuin tutkimukseen osallistuville ihmisille, siitä pitäisi siis eksplisiittisesti ilmoittaa jo tutkimuksen suostumisvaiheessa.

Suostumuksen käsite on tutkimuseettisesti selviö, mutta kasvojentunnistusteknologian käytössä usein rikottu periaate. Kasvojentunnistusteknologian käyttö on johtanut useisiin yksityisyyden loukkauksiin (Chochia & Nässi, 2021). Laajoja kuvatietokantoja on hyödynnetty kasvojentunnistukseen ilman siinä esiintyvien ihmisen lupaa. Esimerkiksi Yhdysvalloissa julkisen sektorin työntekijät ovat käyttäneet kasvojentunnistusteknologiaa ilman ihmisten suostumusta (Mac ja muut, 2021). Tiedelehti Naturen ja alan tutkijoiden enemmistön mukaan biometrisiin tutkimuksiin osallistuvilta ihmisiltä on saatava selkeä ja informoitu suostumus. (van Noorden, 2020.)

Suostumus yksinään ei kuitenkaan välttämättä riitä, sillä haavoittuvassa asemassa olevien ryhmien suostumus ei perustu aina heidän vapaaseen tahtoonsa. Aineistoja on myös mahdollista käyttää ihmisoikeuksien vastaisilla tavoilla eivätkä kaikki tutkijat noudata välttämättä yleisten ihmisoikeuksien mukaisia toimintatapoja. Kasvojentunnistusteknologian voidaankin lähtökohtaisesti ajatella olevan vaarallista, jos se voi tunnistaa tai luokitella ihmisiä ilman heidän suostumustaan. (van Noorden, 2020.)

Suostumuksen tärkeyttä lisää se fakta, että biometriset tiedot luokitellaan erityisiksi henkilötietoryhmiksi. Ne viittaavat tietosuojalainsäädännössä henkilötietoihin, joista ilmenee ”rotu tai etninen alkuperä, poliittisia mielipiteitä, uskonnollinen tai filosofinen vakaumus tai ammattiliiton jäsenyys, geneettiset tiedot tai henkilön tunnistamista varten käsitellyt biometriset tiedot” (Ihmiseen kohdistuvan, 2019, 11). Vaikka biometristä tietoa ei kerättäisikään tai biometrisiä menetelmiä ei käytettäisikään henkilön tunnistamista varten, biometrisen tiedon mukana olo missä tahansa muodossa on tietyllä tavalla arkaluontoista, jonka vuoksi on tärkeää noudattaa tavallista tiukempia rajoituksia tutkimusaineiston kanssa.

5. Tekoälyn ja tunnetekoälyn eettiset periaatteet ihmisen toimijuuden valossa

Tekoälyn etiikasta puhuttaessa meidän olisi ymmärrettävä samanaikaisesti sekä moderneja teknologioita että eettisiä näkökulmia (Chochia & Nässi, 2021). Teknologia ei synny irrallaan poliittisista, yhteiskunnallisista ja eettisistä tekijöistä (Visala 2021, 66; Brey 2018). Tekoälyssä ilmenee usean tason haasteita: teknologiaan liittyviä, ihmiseen liittyviä, prosesseihin liittyviä ja liiketaloudellisen vaikuttavuuden haasteita (Pietikäinen & Silvén, 2019, 90). Jos halutaan kehittää ihmiskeskeistä tekoälyä, on huomioitava muun muassa yksityisyyden, datan omistajuuden, vastuullisuuden, tilivelvollisuuden, läpinäkyvyyden sekä oikeudenmukaisuuden ja reiluuden asettamat haasteet (Lepri ja muut, 2021).

Esimerkiksi Helsingin kaupungin linjaukset tekoälyn ja algoritmin hyödyntämisestä rekistereitä koskien linjaavat, että vastuullisuuden kriteerien pitää olla samat kuin ihmisten toiminnassakin (Haataja ja muut, 2020, 4). Eettisesti korkeatasoiset periaatteet voivat johtaa kuitenkin toisenlaisiin eettisiin haasteisiin: jos esimerkiksi läpinäkyvyys tulkitaan ymmärrettävyytenä, se voi johtaakin uudenlaisiin selittämisen, välitteisyyden ja tulkinnan muotoihin. Näin ollen läpinäkyvyyttä voidaankin käyttää jopa vallan oikeuttamiseen demokraattisen valvonnan sijaan. (Koivisto, 2023.)

Tunnetekoälyä hyödyntävän vuorovaikutustutkimuksen eettiset haasteet puolestaan liittyvät sekä käytettyyn teknologiaan, menetelmiin, osallistujiin, taustateorioihin ja paradigmoihin sekä niihin liittyviin oletuksiin ihmisestä ja yhteisöstä. Tästä syystä eettiset kysymykset ovat tällaisissa tutkimuksissa laajat ja monimutkaiset. Vaikka eettiset periaatteet ja jopa normistot voivat selkeyttää tunnetekoälytutkimusten ja –sovellusten käyttöä, säännöt tai normit eivät kuitenkaan koskaan takaa tunnetekoälyn eettisyyttä. Eettisten periaatteiden soveltamisessa on aina kyse myös sen taustalla olevasta ihmiskäsityksestä.

Teknologian hyödyntämisen mahdollisuudet ovat ainutlaatuiset ja niihin liittyvät prosessit äärimmäisen nopeat. Eettiset vaikutukset mietityttävät samalla, kun teknologia on jo osa elämäämme. (Chochia & Nässi, 2021.) Teknologia kehittyy nopeammin kuin hidas lainsäädäntö, moraali ja etiikka. Paradoksaalisesti tällainen toimintaympäristön muutos on tehnyt valvonnan lisäämisestä yhteiskunnassa helpompaa. Biometriseen tunnistamiseen liittyvät oikeudelliset kysymykset liittyvät siihen, miten biometristä tunnistamista käytetään lainmukaisesti. Eettiset kysymykset puolestaan koskevat sitä, pitäisikö biometristä tunnistamista ylipäänsä käyttää yhteiskunnassa. Periaatteena pitäisi olla, että biometristä tietoa ei kerätä vain sen helppouden tai nopeuden takia, vaan että sille on syvällisempi tarve. (Korja, 2016, 10, 162, 417, 421–422, 454.)

Utilitaristinen vääristymä viitaa siihen, että suostumme hyväksymään uuden tekonologian käytön, jos se vaikuttaa turvalliselta ja hyvinvointia yhteiskunnassa lisäävältä, mutta samaan aikaan emme pysty kuvittelemaan itseämme kyseisen teknologian käytön tai soveltamisen uhreina (Laakasuo & Palomäki, 2018, 50). Teknologia, joka on kehitetty tiettyyn tarkoitukseen, laajenee kuitenkin helposti sen alkuperäisestä käytöstä myös muuhun käyttöön. Tätä ilmiötä kutsutaan nimellä function creep. (Dekkers, 2019; Korja, 2016, 160–161, 454.) Esimerkiksi viattomalta tuntuvasta kasvojentunnistuksesta liu’utaan helposti tunteiden tunnistukseen ja siitä päätelmien tekemiseen ihmisen tunteista tai luonteesta (Barrett, 2012, 414; Crampton, 2019, 59).

Esimerkiksi koronapandemian aikana oli usein epäselvää miten paljon ihmisistä kerättyä tietoa käytettiin vain koronan leviämisen estämiseen ja minkä verran muihin tarkoituksiin (ks. Chochia & Nässi, 2021). Suomessa poliisi ja tulli saivat kesäkuussa 2019 oikeuden automaattiseen kasvojen tunnistamiseen: viranomaisilla on oikeus verrata automaattisen kasvojentunnistusjärjestelmän ottamia valvontakameroiden kuvia henkilöstörekistereihin tallennettuihin kasvokuviin silloin, kun yritetään estää, paljastaa tai selvittää rikoksia tai tavoittaa etsintäkuulutettuja. Tämä on herättänyt huolta yksityisyyden suojasta, mutta viranomaiset ovat sanoneet kansalaisten oikeusturvan jopa paranevan, kun toiminta kohdentuu tarkemmin suoraan oikeisiin ihmisiin. (Hjelt, 2019.)

Rikosten parempi selvittäminen ei olekaan huolta aiheuttava asia, vaan pikemminkin parannus. Huolta aiheuttaa sen sijaan se, että valvontaa ulotetaan melko varmasti ennemmin tai myöhemmin myös alueille, joihin sitä ei teknologian kehittämisen aikaan ole suunniteltu tai tarkoitettu. Voi olla, että ihmisen toimijuus on huomioitu ja sitä on pyritty kunnioittamaan tietyn tunnetekoälyteknologian käytössä aluksi, mutta kun käyttötarkoitus muuttuu tai laajenee, toimijuuden suojelukin voi unohtua tai se voidaan nähdä vähemmän tärkeäksi. Jos toimijuudelle määritellään tietyt vähimmäisehdot, joihin sitoudutaan jo alussa, teknologian käytön laajenemisen vahingollisia seurauksia voitaisiin sillä osittain välttää.

Riskeistään huolimatta hyväksymme usein profilointialgoritmien käytön, sillä niiden käyttö vapauttaa meidät vaikeista päätöksistä ja sen myötä myös vastuusta. Esimerkiksi vuonna 2017 amerikkalaisen United Airlines -lentoyhtiön lennolta poistettiin väkivalloin matkustaja, jonka tietokonealgoritmi oli arponut poistettavaksi ylivaratusta koneesta. Henkilökunta ei kyseenalaistanut järjestelmän päätöstä eikä siten myöskään joustanut tilanteessa. Suuresta kohusta ja rahallisista tappioista ja korvauksista huolimatta työntekijät eivät joutuneet myrskyn silmään, sillä päätöksenhän olivat tehneet algoritmit. (Laakasuo & Palomäki 2018, 51–52.) Sen sijaan yrityksen johdon pätevyys kyseenalaistettiin.

Eettinen sokeus johtaa meidät toimimaan sokeasti sääntöjen mukaisesti sekä asettamaan ihmisille hyvin erilaisia moraalisia kriteereitä kuin koneille: esimerkiksi ihmishoitajan maine vaikuttaa hänen toimintansa arviointiin, mutta tietokoneen ei. (Laakasuo & Palomäki 2018, 51–52.) Tämä on kuitenkin myös perusteltua, sillä riippumattoman moraalisen toimijuuden olettaminen tekoälylle on vaaralista. Todellisuudessahan nimenomaan ihminen luo ja kehittää tekoälyä. (Johnson, 2006, 204.)

6. Tekoälyn soveltamiseen liittyviä eettisiä suosituksia

Jotta tietyn tekoälysovelluksen relevanttiutta voidaan arvioida tutkimuksen tai kehittämistyön taustalla, on eettisesti työhönsä suhtautuvan tutkijan seurattava (1) sen ohjelmistoon liittyvää validaatiotutkimusta, (2) sitä käyttäen tehtyjä tieteellisiä julkaisuja ja käytännön raportteja, (3) sen taustalla olevan metodin tai teknologian (tässä kasvonilmeiden tunnistukseen perustuvan tunnereaktioanalyysin) yleisempää kehitystä ja siihen liittyvää tutkimusta sekä (4) taustalla olevasta teoriasta käytyä keskustelua.

Tekoälyn käytössä hyvät tavoitteet tai aikeet eivät riitä, sillä ne voivat muuttua. Olisi pikemminkin kehitettävä hyviä hallintotapoja. (Tegmark, 2018, 201.) Avuksi voisi tulla myös yleisempi normisto. Osa ammattikunnistahan on onnistunut luomaan selkeitä eettisiä normeja. Toisin kuin vaikkapa lääketieteen etiikassa, tekoälyn etiikasssa ei ole riittävän yleisiä tavoitteita, velvoitteita eikä menetemiä, joiden avulla periaatteet siirretään käytäntöön. Laillisia ja ammatillisia vastuullisuusmekanismeja ja normeja ei myöskään vielä ole. Tämä johtaa muun muassa kilpailutilanteisiin yleisten ja yksityisten intressien kesken. Euroopan komission tekoälyryhmä suosittelee neljää eettistä periaatetta: ihmisen autonomian kunnioittamista, harmin välttämistä, reiluutta ja selitettävyyttä. (Mittelstadt, 2019.) Nämä ovat hyvä lähtökohta, mutta lisäksi tarvitaan konkreettisempia eettisiä periaatteita ja käytäntöjä, jotka muodostuisivat samalla tavalla itsestäänselvyyksiksi kuin monien ammattikuntienkin etiikka.

Tällä hetkellä tekoälyn käytölle ei ole riittävää ja selkeää regulaatiota eli sääntelyä, eikä tekoälyteknologian käytön varmistusmekanismejakaan ole riittävästi. EU on yrittänyt ottaa tässä portinvartijan roolia: muun muassa Euroopan komission “Ethics Guidelines for Trustworthy Artificial Intelligence” (2019) on hyvä suunta. Silti teknologia kehittyy niin nopeasti, että tällaiset pyrkimykset uhkaavat olla liian hitaita. (Chochia & Nässi, 2021.) Joka tapauksessa laajempien instituutioiden vaatima ja asettama säätely on välttämätön osa kokonaisuutta, vaikka se ei yksinään kykenekään haasteita ratkaisemaan.

Toisaalta on huomattava, että myös eettiset periaatteet voivat olla ristiriidassa keskenään eivätkä ne kykene vastaamaan kaikkiin kysymyksiin. Eettisiä periaatteita pitää aina tulkita ja painottaa. (Beauchamp & Childress, 2009; Siipi, 2017.) Näin ollen eettinen arviointi on aina laajempi kysymys kuin tietyt eettiset periaatteet (Siipi, 2017). Osa filosofisista ja moraalisista ongelmista on tosi syviä ja vaikeasti ratkaistavia (Harari, 2022), joten helppoja tai yksinkertaisia ratkaisuja ei useinkaan ole.

Uutena, täydentävänä eettisenä kehyksenä tunnetekoälyn ja ihmisen toimijuuden arvioimiseen voidaan ehdottaa Breyn mainitsemaa strukturaalista eli rakenteellista etiikkaa. Siinä keskitytään laajempiin rakenteisiin ja verkostoihin, sosiaalisten ja materiaalisten asetelmien moraalisiin aspekteihin ja siihen millaisia vaikutuksia niillä on ihmisten toimijuuteen. Etuna on, että tällainen etiikkaa täydentää individualistista etiikkaa. Strukturaalinen etiikka 1) analysoi olemassa olevien asioiden ja asetelmien moraalisia seurauksia; 2) arvioi niiden moraalista hyvyyttä tai sopivuutta ja 3) kuvaa normatiivisesti moraalisesti toivottavia asetelmia tai sitä, miten nykyisiä asetelmia pitäisi muuttaa. (Brey, 2014, 135.)

Tällainen etiikka on perusteltua, sillä vaikka eettisesti tarkastellaan yleensä yksilötoimijaa, ihmisten välinen toiminta on pääsääntöisesti yhteisöllistä. Valtaosa ihmisen kohtaamista tilanteita on ryhmätilanteita ja niissä ilmenevä toiminta yhteistoimintaa. (Hallamaa, 2017, 97.) Varsinkaan tekoälyn kohdalla yksilöllisen etiikan painotus ei riitä, sillä laajemmat järjestelmät ja rakenteet määrittävät vahvasti tekoälyn periaatteita, soveltamista ja niiden seurauksia yksilöille, ryhmille ja niiden toimijuudelle.

Tällainen etiikka on perusteltua, sillä vaikka eettisesti tarkastellaan yleensä yksilötoimijaa, ihmisten välinen toiminta on pääsääntöisesti yhteisöllistä. Valtaosa ihmisen kohtaamista tilanteita on ryhmätilanteita ja niissä ilmenevä toiminta yhteistoimintaa. (Hallamaa, 2017, 97.) Varsinkaan tekoälyn kohdalla yksilöllisen etiikan painotus ei riitä, sillä laajemmat järjestelmät ja rakenteet määrittävät vahvasti tekoälyn periaatteita, soveltamista ja niiden seurauksia yksilöille, ryhmille ja niiden toimijuudelle.

Strukturaalisessa etiikassa ei tarvitse pitää teknologisia artefakteja moraalisina toimijoina sinänsä, mutta niillä voidaan nähdä olevan tärkeitä moraalisia rooleja. Niiden moraaliset roolit eroavat kuitenkin ihmisen moraalisista rooleista. Vaikka artefakti voi olla syy moraalisesti hyviin tai huonoihin seurauksiin, tällaiset seuraukset ovat silti aina riippuvaisia laajemmasta ihmisten ja asioiden verkostosta. (Brey, 2014, 126, 136.)

Toimintamme tekoälyn kanssa on jo muuttanut käsitystämme toimijuudestamme. Ratkaisuna on siis tuskin vain tekoälyyn liittyvien eettisten periaatteiden listaus, sillä ne ovat abstrakteja ideaaleja, joita on vaikea soveltaa todellisessa käytössä (ks. myös Brożek & Janik, 2019, 104). Sen sijaan tulisi pyrkiä syvempään ymmärrykseen siitä miten teknologiset prosessit muuttavat maailmaa. Tekoäly keskittyy instrumentaalisiin hyötyihin, kun sen sijaan moraalinen vastuullisuus on meille ihmisille tyypillinen piirre. Meidän tehtäväksi jää siten kehittää tekoäly, joka palvelee moraalisesti hyviä päämääriä. Jos tämä ei onnistu, pahimmillaan tekoälyn instrumentaaliset arvot voivat syrjäyttää ihmisten sisäiset moraaliset arvot. Tärkeä osa tätä tehtävää on suojella ja vahvistaa ihmistoimijuuden ehtoja kaikissa tekoäly-ympäristöissä. (Hallamaa & Kalliokoski, 2020, 55, 63.) Tässä prosessissa on huomioitava sekä tekoälyn suunnittelija, itse tekoäly että myös tekoälyn käyttäjä (Johnson, 2006).

Tässä artikkelissa on oletettu ihmisen toimijuus ja moraalinen toimijuus lähtökohtaisesti hyvänä ja kannatettavana asiana, joita tunnetekoälyn tulisi lisätä. Tunnetekoälyä hyödyntävässä tutkimuksessa monimenetelmäisyys näyttäytyy lähes väistämättämältä valinnalta, jotta ihmisen toimijuus-näkökulma säilyy mukana. Toimijuus on kuitenkin tosiasiassa mutkikkaampi eettinen käsite kuin mitä tässä kuvataan, sillä tässä artikkelissa esitetyissä toimijuuden määritelmissä ei määritellä sitä mihin (moraaliseen hyvään tai pahaan) toimijuus kohdistuu. Näin ollen rikollisillakin voi olla vahva toimijuus, mutta harvoin ajattelemme sen olevan vahvistamisen arvoinen tai yhteistä hyvää tuottava seikka.

Dilemmana on, että älykkäät koneet pitää havainnoida moraalisesti relevantteina siitäkin huolimatta, ettei niillä ole varsinaista moraalitajua (Laakasuo & Palomäki, 2018). Toisaalta tekoälyä ei voida pitää moraalisena agenttina tai vastuullisena toimijana, jolloin ihmisen ja tekoälyn yhteistoimintakaan ei ole varsinaista kollektiivista toimintaa (Hallamaa & Kalliokoski, 2020, 61). Näin ollen tekoäly ei voi saavuttaa eettisesti korkeatasoista ”me-tilaisuutta”, jota Hallamaa (2017, 115, 218) pitää tärkeimpänä ja tehokkaimpana yhteistoiminnallisuuden muotona.

Me-tilassa yhteistoimintaan osallistuvilla on aidosti yhteinen tavoite ja halu toimia yhdessä. Yhteistoimintaan osallistuvat muokkaavat tavoitteita siten, että yhteisön tavoitteesta tulee kaikkien tavoite. Tällöin yhdessä toimiminen on jo osa toiminnan tavoitetta. Tässä on kuitenkin varottava me-tilan muuttumista vahingolliseksi symbioottiseksi tilaksi, jossa yksilöllisten päämäärien asettaminen vaikeutuu. (Hallamaa, 2017, 115, 221.) Näin ollen lähes kaikki eettinen arviointi kohdistuu jollakin tavalla yksilön ja yhteisön väliseen tasapainoon. Ryhmävuorovaikutustilanteissa osallistujat kokevatkin dialogisuuden samanaikaisesti yksilön kunnioituksena ja ryhmän onnistuneena ilmapiirinä ja yhteistoimintana (Gjerstad, 2022).

Me-tila on yhteistoimijuudelle välttämätön tila, jota tekoäly ei kykene saavuttamaan. Tämän vuoksi tekoälyn soveltamisessa on oltava varovainen. Paradoksaalisesti tunnetekoäly – esimerkiksi tunnereaktioiden analyysi ryhmävuorovaikutuksesta – voi kuitenkin auttaa ryhmää lisäämään ”me-tilaisuutta” esimerkiksi paljastamalla ihmisten tai ihmisryhmien toiminnasta jotakin sellaista, jonka löytämisessä tai tulkitsemisessa ihmisarvio voisi olla vaikeaa, mahdotonta tai epäeettistä kuten tiettyihin puheenaiheisiin liittyviä erityisen vahvoja tunnereaktioita.

Tunnetekoäly voi siis paljastaa ihmisyksilöiden tai -ryhmien toimijuudesta sellaisia säännönmukaisuuksia, jotka voivat hyödyttää yksilöä, ryhmää tai laajempaa yhteisöä tai yhteiskuntaa. Tämä on eettisesti perusteltua kuitenkin vain silloin, kun yksilön tai ryhmän toimijuuden ja yksityisyyden suojelusta onnistutaan huolehtimaan tutkimuksen tai ylipäätään tunnetekoälyn käytön aikana. Tämä ei kuitenkaan itsestäänselvästi lisää yksilön tai ryhmän toimijuutta, vaan sitä on tutkittava erikseen.

Toisaalta tällaisella tunnetekoälyllä voi olla vaikutuksia myös yksilöiden välisiin (valta)suhteisiin, kun yksilö ei enää kykene kontrolloimaan itse sitä mitä hänestä tulkitaan (Korja, 2016, 160–161). Voidaan myös perustellusti kysyä, tarvitsemmeko me ihmiset kaikkea tätä uutta tutkimusta ja ennen kaikkea sen tarkkuustasoa? Esimerkiksi Kiinassa kasvonilmetunnistusta käytetään jo oppilaiden vireystason tarkkailuun (Crampton, 2019, 61). Kaupalliset sovellukset diktatuuriin kallellaan olevien valtioiden sovelluksista puhumattakaan eivät välttämättä piittaa sovellusten ja ihmisten oikeuksien välisestä ristiriidasta. Näin ollen dilemma eettisesti käytettyjen ja ihmisten toimijuutta lisäävien tekoälysovellusten ja niiden epäeettisen, jopa sortavan käytön välillä jää vaille ratkaisua. Sovellus yksinään ei tosin sanoen ratkaise tekoälysovelluksen eettisyyttä, vaan viime kädessä kyse on ihmisen valinnasta.

Kannatan samanaikaisesti tunnetekoälyn ammattilaisten eettisen normiston juurruttamista, hyviä hallintotapoja sekä eettisten riskien ennakoivaa tiedostamista ja varautumista. Strukturaalinen etiikka yhdistettynä yksilöllisen toimijuuden ja yhteisöjen eettisen me-tilaisuuden painotukseen mahdollistaa riittävän laajan eettisen näkökulman. Tämä tarkoittaa sitä, että eettinen arviointi on monimutkaista.

¹VALAA:ssa muodostin tunnekokemusmittarin universaaleista perustunteista, joita ovat: ilo, suru, inho, pelko, viha, ylenkatse ja hämmästys (ks. esim. Nummenmaa 2016, samat vuorovaikutuslabin iMotions AFFDEX-algoritmissa); VALAA-ohjaajien näkemykset tärkeistä ohjausvuorovaikutukseen sisältyvistä tunteista, suomalaisten tärkeimmiksi nimeämistä tunteista (Tuovila 2005), PANAS-X:n (Watson & Clark, 1999), SYMLOG:n (Bales & Cohen, 1979), IPA:n (Bales, 1950) ja keskustelunanalyyttisissä tutkimuksissa keskeisimmiksi oletetuista tunteista. Tunnekokemusmittaristossa mukana olleet tunteet olivat: ilo, innostus, suru, hämmästys, onnellisuus, pelko, ystävällisyys, epäystävällisyys, tyytyväisyys, viha, inho, alakuloisuus, ilahtuneisuus, pettymys, ahdistus, kateus, ymmärrys, hyväksyntä, yhteenkuuluvuus, toivo, välinpitämättömyys, epätoivo, myötätunto, helpotus, empatia, epäily, huoli, epävarmuus, tylsyys, halveksunta, vihamielisyys, aktiivisuus, luottamus, valppaus, tarkkaavaisuus, määrätietoisuus, kiinnostus, hermostuneisuus, jännittyneisyys (myönteinen), jännittyneisyys (kielteinen), kyllästyneisyys, uupumus, itsevarmuus, ujous, energisyys, syyllisyys, tyyneys, rentous, rauhallisuus, vapautuneisuus, kielteisyys, rohkeus, keskittyneisyys, vastenmielisyys, yksinäisyys, tarmokkuus, ärtymys, ylpeys, häpeä, suuttumus, harmitus, yllättyneisyys, verkkaisuus, levollisuus, levottomuus, torjuvuus, turhautuneisuus ja päättäväisyys. Tunnekokemusmittaristossa käytin Likertin asteikkoa 1= en ollenkaan, 2= vähän, 3= kohtalaisesti, 4=melko paljon, 5=paljon kysymykseen: ”Mitä tunteita tai mielentiloja tunsit äskeisessä vuorovaikutustilanteessa (ei videointiin, vaan nimenomaan vuorovaikutustilanteeseen liittyen)?”
Olin myös huomannut VALAA:ssa, että siinä käytettyjen mittaristojen tunteet eivät kohdistuneet erityisesti oppimiseen ja ryhmävuorovaikutukseen. SOEVE:ssa sisällytin tunnekokemusmittaristoon nimenomaan oppimisessa keskeisimmin näyttäytyviä tunteita: Näin ollen SOEVE:n tunnekokemusmittari rakentui Pekrunin (esim. Pekrun ja muut, 2002; Pekrun, 2017) oppimisessa tunnistamille tunteille sekä VALAA:ssa ryhmävuorovaikutuksessa vahvimmin osallistujien kokemille nimenomaan ryhmässä oloon liittyville tunteille (esimerkiksi yhteenkuuluvuus, ystävällisyys, hyväksyntä). SOEVE:n tunnekokemusmittaristossa mukana olleet tunteet olivat: ilo, tylsyys, hämmästys, empatia, kiinnostus, ylpeys, suru, ihailu, yhteenkuuluvuus, turhautuneisuus, tyytyväisyys, rentous, innostus, viha, hämmennys, hyväksyntä, nautinnollisuus, inho, toivo, sympatia, uteliaisuus, kateus, ahdistuneisuus, kiitollisuus, oivallus, helpotus, häpeä, ylenkatse, rakkaus, pettymys, myötätunto, toivottomuus, ystävällisyys, luottamus, rauhallisuus ja ymmärrys. Tässä ei ollut käytössä Likertin asteikkoa, vaan ohjeistus oli seuraava: ”Merkitse (esimerkiksi alleviivaten) ne tunteet tai mielentilat, joita koit jonkin verran tai paljon äskeisen vuorovaikutuksen aikana. (Niitä tunteita tai mielentiloja, joita et kokenut ollenkaan, ei tarvitse merkitä mitenkään.) Merkitse lisäksi kirjaimella, kohdistuiko tunnetilasi: a) vuorovaikutukseen sinänsä, b) ryhmän tiettyyn ihmiseen tai ihmisiin, c) keskustelun sisältöön, d) oppimiseesi.”
VALAA:ssa heti videoinnin jälkeen osallistujat (sekä opiskelijat että ohjaavat opettajat) täyttivät joka kerta tunnekokemuksia ja dialogisuuskokemuksia kartoittavan kyselylomakkeen. Toisen vuorovaikutusvideoinnin jälkeen osallistujat (vain opiskelijat) täyttivät ryhmäidentiteettiä mittaavan kyselyn, joka oli suomentamani ja suomalaiseen opettajakoulutukseen lievästi muokkaamani versio Cameronin (2004) ryhmäidentiteettilomakkeesta.
SOEVE:ssa kehitin uuden mittariston, jolla voidaan tutkia ryhmän ryhmäkokemuksia. Kyselylomake perustuu lähes 20 jo olemassa olevaan mittaristoon ja tutkimustulosten operationalisointiin. Tämän kyselylomakkeen osallistujat täyttivät ennen ensimmäistä videointia, ja sitä on käytetty myös myöhemmin TIITU-tutkimushankkeessa.

²Kasvatustieteellisellä näkökulmalla viittaan kasvatustieteeseen tieteenalana, pedagogiikalla käytännön kasvatustoimintaan, jota ohjaavat tietyt pedagogisesti viisaiksi havaitut periaatteet. Nämä käsitteet ovat luonnollisesti osittain päällekkäisiä.

³Tutkija Simo Järvelän pitämässä työpajassa haaga-helialaisille tunnelabin käyttäjille 17.12.2020 hän tutustui tutkimuksiini, ja piti tutkimusasetelmaani huomattavan monimutkaisen ja monimenetelmäisenä. Järvelä pohti sitä, että tämänkaltaisessa tutkimusasetelmassa on vaikea sanoa mikä tietyn tunnereaktion aiheuttaa. Tässä on mahdollista käyttää psykofysiologiaa tavallaan osana laadullista kokonaismittaria, jolloin sen voi kontekstualisoida osana laajempaa kokonaisuutta, jossa tutkijan kokonaistulkinta on etualalla. Tällöin on kuitenkin perusteltava selkeästi mihin mittareihin kokonaisnäkemys perustuu. Arviointitunneteoria soveltuu tähän erityisen hyvin, jos sitä soveltaa sosiaalisen vuorovaikutuksen lyhyiden tilanteiden analyyseihin (niin kuin olen tehnyt). Tässä on mahdollista hyödyntää myös takaisinpäättelyä, ja pitää fysiologisia signaaleita pointtereina.

⁴Esimerkiksi viha ja halu satuttaa voi olla jopa pasifistille primaarireaktio (Ellsworth, 2013, 127).