Asiantuntija tanssii tekstien kanssa 1/2: Tekoälystä nostetta kirjoittamiseen
Jos pidät kirjoittamisesta, tekoälyn kanssa pidät siitä vielä enemmän. Jos et, niin varoitan: tekoälyavustaja voi muuttaa mielesi. Mieti hetki opiskelua tai elämää ilman harmaan näytön kammoa, huvenneiden ideoiden herättelyä, lähteiden ähkyistä etsintää ja kuumottavaa kääntämistä, unohtuneita aloituksia ja väsyneitä lopetuksia. Tai muistele käsitesolmuja, sanasokeutta, kirjoitusjumeja tai ajatuskatkoja, näytön ääressä yksin harovia sormia ja viikkokausien odottelua haaleasta tekstipalautteesta. Aivan, kirjoittaminen on prosessi ja siinä on puolensa, mutta monesti on vain pakko alkaa taas. – Mitäpä jos kokeilisit seuraavalla kerralla tekoälyä? Kun generatiivisen tekoälyn avustamasta kirjoittamisesta puhutaan, puhutaan tekstityöstä esimerkiksi ChatGTP:n tai Copilotin kanssa. Niin myös tässä kirjoituksessa. Kaveriksi käyvät yhtä hyvin myös muut tekoälyä hyödyntävät työkalut kuten Google-kääntäjä ja sen edistyneempi kollega DeepL. Myös tutussa Wordin tekstinkäsittelyohjelmassa on tekoälyominaisuuksia. Tekoälyhuolista hyötyihin Teknologiaa tervehditään yleensä ilolla. Mutta huomannette, että kun puhutaan tekoälystä tekstien tuottamisessa, Pisa-kansa huolestuu heti tekstitaitojen kapenemisesta. On toki aiheellista tuoda esiin ilmiön huonot puolet: eettiset epäilyt, plagioinnin pelko, vilppipandemian riskit, vanhalla tai vinoutuneella datalla koulutettujen kielimallien vajavaisuus ja vanhuus, hillitön hallusinointi tai disinformaatiotulva, oman ajattelun latistuminen, kritiikin kato ja tekstitaitojen tasapäistyminen. Ovathan ne kaikki tutkitustikin1 tekstityömme päälle lankeavia varjoja, mutta mitä jos liikkuisimme hetkeksi valon puolelle? Mitä jos tekoälyn avulla kirjoittaminen onkin hauskaa?2 Mitä jospa se lisäisikin hyvinvointiasi ja työtyytyväisyyttäsi! Tekoälyavusteinen kirjoittaminen lähti laukalle saman tien, kun ChatGPT loppuvuonna 2022 OpenAI:ssa julkaistiin. Sen jälkeen sitä ovat harrastaneet ahkerasti ainakin kaikki nohevat nörtit ja julkaisupisteistä kilpailevat tieteentekijät ja englantia toisena kielenä käyttävät asiantuntijat. Näin väitetään parin viimeisen vuoden aikana ilmestyneissä tutkimuksissa ja niistä kootuissa uunituoreissa kirjallisuuskatsauksissa.3 Kokeilleet tietävät, mitä tekevät. He tietävät, että uhkakuvista huolimatta tekoälystä on kirjoittamisprosessissa etua. Saman totesi myös vastikään Time-lehdessä tuskaansa purkanut tekstinohjaaja: Otin loparit, sillä kyllästyin antamaan palautetta tekoälyn tuottamista teksteistä. Tekoälystä eivät luovu nekään opiskelijat, jotka osaisivat itsekin.4 Miksihän? Tekoälyavusteisen kirjoittamisprosessin voimakohtia Kirjoittaminen on tunnetusti monivaiheinen prosessi. Tekoälyllä vaiheita voi lukemieni tutkimusten5 ja tekstintekijän ja -ohjaajan oivallusteni perusteella buustata merkittävästi. Tekoäly tuo prosessiin selvästi uutta nostetta. Se näkyy erityisesti seuraavissa prosessin kohdissa. Aloittaminen, ideointi ja luonnostelu Tekstitehtävien viivyttely väistyy, kun tietää, että tukea niiden tekemiseen on saatavilla. Aloittamista helpottaa, kun tajuaa, että ChatGPT:ltä tai Copilotilta voi vapaasti kysyä neuvoa aiheista, aihepiirin rajauksesta ja relevanteista näkökulmista. Järjestä aivoriihi tai ideamyrsky. Pyydä tekoälyä generoimaan yhtä monta tulokulmaa kuin työryhmässäsi on jäseniä. Tai valitse joukosta sytyttävin ja syvenny siihen. Kielimalli tarjoaa auliisti monenmoista. Ja nykyään jo oikein hyvällä suomen kielellä. Lyömätön etu tekoälyn kanssa työskentelyssä on, että sillä voittaa aikaa, yleensä kirjoitusprosessin kaikissa vaiheissa. Käännöstöissä se eritoten näkyy. Aikaa ja hermoja säästää se, että jo ensimmäisen tekstiluonnoksensa voi antaa avustajalle kommentoitavaksi. Se muokkaa mukisematta lauserakenteet, korjaa kielivirheet, lisää tai poistaa pilkut ja paikkaa monet typotkin. Jos et tyydy siihen, että tämä kaikki vain tapahtuu, voit saada haltuusi kieliopin säännöt seuraavaakin vaihetta varten. Jos kaipaat johdantoosi kehystä, kysy mihin kaikkeen merkitykselliseen aihevalintasi kietoutuu. Jos haluat lopettaa tekstisi synteesiin tai muuten muistiin jäävästi, kopioi tekstiluonnoksesi alustalle ja pyydä siitä yhteenveto tai parafraasi. Saatat yllättyä. Avustajasi tarkistaa puolestasi, onko kaikki olennainen mukana. Kun syötät luonnoksesi ChatGPT:hen, jossa tekstille on enemmän merkkitilaa kuin Copilotissa, saat koko tekstistäsi rakentavaa palautetta. Tekstilajin tunnustelu Tekoäly mallintaa hienosti monien tekstilajien rakenteita: osia ja niiden järjestystä. Se osaa hyvin analysoida ja tunnistaa jo yhdestä tekstilajin esiintymästä tietyn lajin tyyppipiirteet ja tehdä niistä kirjoittajalle selkeän etenemisohjeen. Olen testannut toimintoa systemaattisesti muutamilla esimerkkiteksteillä: katsausartikkeli, tiivistelmä, mediatiedote. Tekstilajin eli genren prototyyppisiin rakenne- ja tyylipiirteisiin, niiden analysointiin ja analyysipohjaisen kirjoittamiseen keskittyvä genrepedagoginen lähestymistapa6 helpottaa tekstien ymmärtämistä ja tuottamista sekä niiden ohjaamista. Tekoälyn avulla tekstilajin perusteet avautuvat hetkessä: Miten rakentuukaan asiantuntija-artikkeli tai blogikirjoitus, millainen on pätevä lausunto tai vaikuttava mediatiedote? Tekstilajin taju auttaa alkuun yhtä lailla natiiveja kuin uuden kielen ja kulttuurin oppijoita. Markkinointitekstejä tekevän täytyy tuntea liuta tekstilajimalleja, mutta ennen kaikkea tohtia myös soveltaa niitä luovasti. Opettaja voi käyttää menetelmää opiskelijan tekstituotosten tai -analyysien ohjaukseen7 – tai CV:n tai työhakemuksen tekoon. Tieteellisiin teksteihin tekoälyä on selvästi koulutettu. Se tarjoaa hartaana muotoilemastasi luonnoksesta viiveettä elegantin version opinnäytetyösi tai artikkelisi tarkoituksesta, tavoitteista ja tutkimuskysymyksistä. Lukijaa puhuttelevan johdannon tai omaäänisen pohdinnan kirjoittamisessa ihminen on vielä sitä osaavampi. Otsikoinnissa tekoäly auttaa mielellään, vaikka sen valitsemat väliotsikot ovat usein tylsähkösti nimeäviä, vaisuja tai vivahteettomia. Joihinkin tekstilajeihin tai sisältöihin lakoninen toteavuus sopii, mutta useimmiten vaihtoehdoista kannattaa keskustella avustajan kanssa useampikin kierros. Erityisen innostunut tekoäly on listoista ja luetelmista. Bulleteja8 saat, vaikket tilaisikaan. Niillä se vastaa usein kysymyksiisi tai reagoi tekstisyötteisiisi. Kausaalisuhteissa tekoäly on kuitenkin hutera; siksi listan osien välisistä merkityssuhteista ei aina saa selkoa. Kohdennetut lisäkehotteet avustajalle yleensä auttavat, ja lista voi hyvinkin olla ponnahduslauta omaääniselle tekstille. Lähteiden löytäminen ja kääntäminen Lähteitä löydät helposti esimerkiksi Copilotin kanssa asioidessasi. Useimmiten se päätyy osumiin Google Scholar -tietokannasta. Avustaja antaa suoria linkkejä ja ohjaa asiantuntijaorganisaatioiden tietovarantoihin, mutta skarppaa kyllä pyydettäessä myös tieteellisiin lähteisiin. Kokemukseni mukaan Copilotin lähteet ovat yleensä relevantteja ja autenttisia. ChatGPT:n ilmaisversioon tehokas hakutoiminto on juuri tulossa. Tekoäly paitsi kääntää, myös lukee tekstejä puolestasi. Se on etenkin tutkijalle huima etu: säästää hurjasti aikaa, mutta auttaa samalla saamaan luetusta isoja kuvioita näkyviin.9 Näyttöä, evidenssiä – todella nopeasti. Voit pyytää kertomaan viiden tai kymmenen löytämäsi tutkimusartikkelin pointit tai päätulokset suomeksi sillä aikaa, kun käyt laittamassa valot päälle, ja pääset jatkamaan analyysiisi tai viitekehyksesi täydentämiseen. Käsitteiden avaamiseksi tilaa teksteistä niiden määrittelyitä. Määritelmiesi viimeistelyyn tarvittavat lähteet täytyy silti hakea kirjastosta, Googlesta, open access -julkaisuista tai tietokannoista. Muuten ei voi varmistua niiden oikeellisuudesta tai tehdä moneen asiantuntijatekstiin kuuluvaa relevanttia lähdemerkintää. Kone on aivan ylivertainen, vaikkei täysin virheetön, suurten tekstimäärien käsittelyssä –ja ällistyttävän nopea, kunnes vauhtiin tottuu. Montakohan kuukautta vuodesta esimerkiksi väitöskirjatutkija vielä hetki sitten käytti aikaa lähteiden penkomiseen eikä tieto silti juuri kumuloitunut? Onko nyt dystooppista juhlia nuorten tutkijoiden paremman tulevaisuuden puolesta? Jatkuva palaute Tekstin tekemisessä juhlaa on tekoälyn antama vuorovaikutteinen palaute10, jota normaalioloissa kirjoittaja ei saa keneltäkään tai ei välttämättä kehtaa pyytää. Tekoälyn palautteenantaja on paikalla 24/7. Se kertoo epäröimättä vaikka aamuyöllä tekstisi voimakohdat ja antaa vaihtoehtoja parantaa ilmaisua, vaikkapa tekstin havainnollisuutta tai esittämisjärjestystä. Se ei syyllistä eikä väsy. Joskus tosin sovelluksen merkkimäärä tulee keskustellessanne lisenssivajeen vuoksi vastaan. Aloita silloin uusi keskustelu tai vaihda toiseen avustajaan. Tekoäly sujuvoittaa pelotta kieltäsi ja kommentoi tyyliäsi, vaikka tekstin sävyn arvioinnissa se ei kovin sofistikoitunut olekaan. Avustaja on myös sanakirja, esimerkiksi synonyymisiä verbejä tai adjektiiveja saa pyytämällä. Samalla sanastosi laajenee. Tekoäly huomaa helposti liian pitkät tai vajaat virkkeet, ja voit muina miehinä korjata ne. Ikään kuin mitään ei olisikaan tapahtunut. Anonyymi avustaja poistaa sosiaaliset paineet onnistua kerralla. Itse vertailen omaa ja tekoälyn tarjoamaa tekstiä tarkasti toisiinsa ja hyödynnän lopputuotoksessa molempien parhaat puolet. Kaikki tekoälyn ehdottamat muutokset eivät suinkaan ole eduksi, mutta sysäävät ajatuksiani eteenpäin. Vaikka tekoäly ei varsinaisesti itse ajattele, vaan yhdistelee eri aineistoja, sillä on palautteenantajana tavallaan toisin näkemisen taito, jota erityisesti arvostan. Tekstin muokkaaminen, täydentäminen ja versiointi Jos tekstisi vaadittu merkkimäärä ei tahdo täyttyä, kysy tekoälyltä, mikä unohtui, mitä tekstiin voisi lisätä. Tekoäly täydentää ajatuksiasi ja herättää assosiaatioita, vaikkei ihan oikeaan aina osuisikaan. Spesifiset ammattitermit ja jotkut tuoreet käsitteet menevät sen koulutustaustalla usein ohi. Kannattaa olla hereillä, ettei vain satuilu satu kohdalle. Joskus iloa tuottaa havaita, ettei tekoäly ihan kaikkea alastani osaakaan; asiantuntijuuttani tarvitaan. Sama toimii myös toisinpäin: jos kirjoitit liian pitkästi, kehota avustajaa lyhentämään tuotostasi. Tiivistelmien pyytäminen kesken kaiken taas auttaa pysymään olennaisessa. Iso ilo tekoälystä on, kun kirjoittaa selkoversioita ohjeista, tiedotteista tai uutiskirjeistä esimerkiksi kielenoppijoiden tai erityisryhmien käyttöön.11 Kieliversioita tehtäessä ilmaista DeepL:ää pidetään Google-kääntäjää tarkempana apurina. ChatGPT leikkii myös tyyleillä, savolaismurteilla tai stadin slangilla. Kirjoittamisessa vaihtelu virkistää: vaihda verbalisointi välillä visualisointiin pyytämällä tekstikatkelmasi tekoälyltä kuvana tai graafina. Tallenna se kätevästi ja kopioi tekstisi lomaan. Tekstien versioinnissa tekoäly on taikuri. Vastikään näin, miten vaivatta ChatGPT 4.0 muunsi opiskelijan käsin piirtämän ja tekstaaman miellekartan kehittämistyönsä pääkohdista jäsentyneeksi ja sujuvaksi pikkutekstiksi. Taulukoiden ja muiden grafiikoiden tekemiseen on eksperteille sovelluksia, jotka tuottavat professionaalista jälkeä, mutta perustyökaluillakin saa esitykseensä nostetta tai ainakin kustomoitua kuvitusta. Joskus pyytämäni kuva paljastaa, miten aukkoisen tekstin teinkään. Se on kuin suomalainen sääkartta, ei sille voi kuin nauraa. Viimeistely ja oikoluvut Jos olet käynyt tekstiä tuottaessasi vuoropuhelua avustajasi kanssa ja syöttänyt tuotoksesi välillä kommentoitavaksi, myös kielen rakenteet, kielioppi, välimerkit ja sopimusten mukainen kieliasu alkavat olla kunnossa. Pilkutkin! Tutkitusti tekoäly keventää kirjoittajan ahdistusta ja kognitiivista kuormaa12, mutta sekä tutkimusten että havaintojeni perusteella monen kirjoittajan stressiä vähentää eniten tekoälyn tekemä tekstinhuolto. Wordin kielentarkistus on silti lisäksi pätevä ja vaiheessa käyttökelpoinen väline. Kun luonnos on liki valmis, pyydä Wordin tarkistusohjelmista löytyvää puheominaisuutta toistamaan tekstisi ääneen. Word-puhuja lukee tekstisi suomeksi luontoäänellään, ja kaikki vaikuttaa seesteiseltä kuin savanni. Yleiskielen loppukerakkeita se ei tosin osaa ääntää. Tai korvaan sattuvat vain omat korjattavat: oudot sijamuodot, puuttuvat tavut, toistuvat sanat, väärä sanajärjestys, katkonainen virkerakenne. Kielikorvasi on inhimillinen, mutta se kuulee kyllä erehdykset toistaiseksi tekoälyäkin paremmin. Oikolukijan luennan voi välillä keskeyttää. Korjaa tekstiäsi – ja jatka taas fiilistelyä. Uskalla kokeilla Tekoälyavusteisen kirjoittamisprosessin supervoimia ovat reaaliaikainen keskustelu avustajan kanssa ja jatkuva vaiheenmukainen palaute. Jos niille on altis, edistymistä ei voi estää. Prosessi mahdollistaa kirjoittajalle inspiroivan tavan kehittää taitojaan ja tuottaa laadukasta sisältöä. Onnistumisen kokemukset puolestaan lisäävät luottamusta itseen sekä kirjoittajana että asiantuntijana. Kehota tekoälyä kehumaan valmiinoloista tekstiäsi viimeiseksi illalla, niin vielä aamulla tunnet voimaantumisen sormissasi. Uusi teksti voi taas alkaa. Tai ainakin virkeämpi versio eilisestä. Kirjoittaja Kirjoittaja yliopettaja, FT Aino Vuorijärvi inspiroituu vuosikymmenestä toiseen opinnäytetyön tekstinohjauksesta. Työelämäläheisten tekstikäytäntöjen tutkiminen oli fokuksena myös hänen väitöskirjassaan (2013). Uusien tekstimallien kokeilu ja ohjaaminen tekoälyn kanssa keskustellen on hänen uusimpia villityksiään. Tekstiensä sisällöstä hän kuitenkin vastaa edelleen itse. Lähteet 1 Esim. Khalifa, Mohamed & Albadawy, M. 2024. Using artificial intelligence in academic writing and research: An essential productivity tool. Computer Methods and Programs in Biomedicine Update 5. 2 Ks. esimerkiksi Lametti, D. 2022. AI could be great for college essays. slate.com. 3 Esim. Imran, Muhammad & Almusarrafh, N. 2023. Analyzing the role of ChatGPT as a writing assistant at higher education level: A systematic review of the literature. Contemporary Educational Technology 15 (4). 4 Livingstone, V. 2024. I quit teaching because of ChatGPT. Time 30.9. Viitattu 26.10.2024. 5 Imran, Muhammad & Almusarrafh, N. 2023. Analyzing the role of ChatGPT as a writing assistant at higher education level: A systematic review of the literature. Contemporary Educational Technology 15 (4). 6 Ks. lyhyt määrittely menetelmästä: What is the genre-based approach to writing? Viitattu 27.10.2024. 7 Hankala, M., Kauppinen, M. & Mustonen S. 2023. Tekoäly tuottaa ja tulkitsee tekstejä – mihin meitä enää tarvitaan? Virke 1. 20–22. 8 Suomeksi: luettelomerkki. 9 Ks. esimerkiksi Sallam, M. 2023. ChatGPT utility in healthcare education, research, and practice: Systematic review on the promising perspectives and valid concerns. Healthcare 11 (6). 10 Vuorijärvi, A. 2024. Asiantuntija tanssii tekstien kanssa 2/2: Kirjoittajan ja tekoälyavustajan vuorovaikutus. Sotemuotoilijat-blogi. Metropolia. 11 Saksi, J. 2024. Joko hyödynnät tekoälyä sisältöjen selkokielistämiseen? Johtaja on media. Viitattu 27.10.2024. 12 Wang, C. 2024. Exploring students’ generative AI-assisted writing processes: Perceptions and Experiences from Native and Nonnative English Speakers. Technology, Knowledge and Learning.
Innovaatioilla vaikuttavuutta terveysalan koulutukseen
Terveydenhuollon toimialan kehittyminen on dynaaminen prosessi, joka on välttämätön potilaille ja työssä toimiville asiantuntijoille kaikkialla maailmassa. Välttämätöntä se on myös terveydenhuollon kestävyydelle, saatavuudelle, turvallisuudelle ja laadulle. Tässä moniulotteisessa kehittymisprosessissa koulutuksen ja jatkuvan oppimisen roolit ovat merkittävät. Liittämällä näyttöön perustuva tieto ja innovatiiviset opiskelu- ja opetuskäytänteet yhteen voidaan varmistaa, että eri tavoin saavutettu osaaminen vastaa organisaatioiden ja työyhteisöjen kehittyviä tarpeita. Vahvistamalla yhteistyötä ja vuoropuhelua kouluttajien, tutkijoiden ja kentällä toimivien asiantuntijoiden välillä voidaan uutta tietoa, näkemyksiä ja kokemuksia hyödyntää jatkuvaa oppimista tukevien kokonaisuuksien suunnittelussa ja toteuttamisessa. Näyttöön perustuva tieto + teknologiset ratkaisut + pedagogiikka = innovatiiviset oppimisratkaisut Terveydenhuollon koulutukseen ja koulutustarpeisiin liittyy monia isoja kysymyksiä. Minälaista on tulevaisuuden työ ja miten koulutuksen järjestäjien tulisi tähän valmistautua? Miten ratkaista sekä työvoiman että terveydenhuoltopalveluja käyttävien henkilöiden määrän lisääntymisen ja monimuotoisuuteen liittyvät haasteet? Miten huomioida työssä hyödynnettävien teknologioiden kehittyminen ja käyttöönotettavien teknologisten opetusratkaisujen määrän lisääntyminen? Näihin kysymyksiin etsitään joustavia ja monimuotoisia ratkaisuja maailmanlaajuisesti. Erilaisten teknologioiden, virtuaalisten simulaatioiden, laajennettujen todellisuuksien ja tekoälytyökalujen integrointi koulutukseen antaa koulutuksen asiantuntijoille mahdollisuuden kehittää ja tuottaa, opiskelijoille mahdollisuuden osallistua entistä mukautuvampiin oppimistilanteisiin. Yksi maailmanlaajuisesti arvostettu hoito- ja terveystieteiden koulutuksen yhteistyöfoorumi on NETNEP (Nursing Education In Practice)-konferenssi, joka tänä syksynä pidettiin Singapore Expossa. Konferenssin teemana oli From disruption to innovation in nursing and midwifery: Celebrating and driving outcomes through education. Konferenssissa kuultiin kymmeniä puheenvuoroja ja nähtiin satoja postereita. Tämä teksti perustuu konferenssin laajaan tieteelliseen sisältöön teemasta New technolgies, artificial intelligence, simulation and social media in teaching and practice. Tekoäly kaiken keskiössä Yksi tämän hetken kuumimmista ilmiöistä on generatiivinen tekoäly ja sen hyödyntäminen opettamisen ja oppimisen eri yhteyksissä. Koulutuksen näkökulmasta ilmiötä tarkasteltiin useissa puheenvuoroissa sekä opettajien että opiskelijoiden näkökulmasta. Sille esitettiin useita opetusta rikastavia käyttökohteita, kuten tapaustyyppisten, reflektointia edellyttävien oppimistehtävien tuottaminen monivalintakysymysten tuottaminen arviointikehikkojen, kyselylomakkeiden ja mittareiden tuottaminen palautteiden antaminen kieliopin ja tekstien tarkistaminen oppimistehtävien plagiointitarkistus ohjaus- ja opetusvideoiden ja opetussisältöjen tuottaminen.1,2,3 Tekoälyn hyödyntämisen näkökulmasta tärkeänä pidettiin, että opetushenkilöstön osaaminen on ajantasaista ja että osaamisen kehittymistä tukevaa koulutusta, ohjeistusta ja käytännöllisiä esimerkkejä on riittävästi saatavilla4. Lisäksi peräänkuulutettiin avointa ja ajantasaista hoito- ja terveystieteiden tekoälyn opetuskäytön ohjeistusta5. Suomessa kaikille toimialoille soveltuvan kansallisen ohjeistuksen on tuottanut Arene (2024)6 ja se on avoimesti korkeakoulutoimijoiden hyödynnettävissä. Lisäksi monet korkeakoulut ovat julkaisseet omia ohjeistuksia henkilöstölle ja opiskelijoille. Kaikkien ohjeiden ja linjausten osalta tärkeintä on kuitenkin se, että ne otetaan korkeakouluyhteisöissä täysimääräisesti käyttöön ja kaikkien organisaation toimijoiden osaaminen saavuttaisi linjausten hyödyntämistä edellyttävän perustason. Teknisten mahdollisuuksien ohella esiin nousivat eettiset näkökulmat. Tärkeänä pidettiin sitä, ettei tekoälyn oleteta korvaavan nykyisiä toimintoja, vaan enemmänkin nähtäisiin se mahdollisuutena opettamisen ja oppimisen rikasteena. Selvää oli myös se, että vaikka opiskelijat ohjeistetaan asianmukaiseen ja eettiseen käyttöön, käytännön haaste on se, että ohjeistuksesta huolimatta yksilöt ovat vastuussa uusien työkalujen eettisestä hyödyntämisestä. Opiskelijoille tekoälytyökalut mahdollistavat nopean ja tehokkaan tavan ideoida ja tarkastella ilmiöitä eri näkökulmista. Lisäksi se voi avustaa tehtävien tekemisessä, vastausten tarkistamisessa ja tentteihin valmistautumisessa. Generatiivisen tekoälyn käytön on koettu lisäävän opiskelumotivaatiota, parantavan teknistä osaamista, opettavan kriittistä ajattelua ja valmistavan opiskelijoita työelämään. Lisäksi tekoälytyökalujen, kuten ChatGPT ja Copilot, käytöstä on koettu merkittävää etua tilanteissa, joissa opiskelukieli ei ole opiskelijan äidinkieli. Ylipäänsä esillä olleet tutkimukset raportoivat hyvin positiivisia asenteita sen käyttöä kohtaan, joskin lisätutkimusta peräänkuulutettiin. Eettisten haasteiden lisäksi käytön haittapuolena nähtiin tekoälytyökalujen mahdollinen hallusinointi tiedon tuottamisessa ja käyttäjien luovuuden ja kriittisen ajattelun väheneminen.7,8 Opiskelijoiden parissa esiin on nostettu huoli oman ajattelun laiskistumisesta ja tekoälyn tuottaman tiedon luotettavuudesta9. "Tekoälyn hyödyntäminen on pedagogiikkaa". - Hui Xuan Yap Laajennetut todellisuudet oppimisen rikastajina Konferenssin innovatiivisimmasta annista vastasi Hybrid Intelligence -tutkimushanke, jonka tarkoituksena on selvittää ihmisen ja koneen välistä vuorovaikutusta oppimisen tukena. Hanke hyödyntää laajennettua todellisuutta, sensoriteknologiaa ja ihmisen ja koneen välistä vuorovaikutusta mittaamalla kognitiivisten muutosten lisäksi neurofysiologisia muutoksia, rekisteröimällä sydämen ja aivojen sähköistä toimintaa ja iholla tapahtuvia muutoksia. Mittaustulosten perusteella positiivisia vaikutuksia on saatu oppijoiden varmuuden lisääntymiseen, kuitenkaan lisäämättä heidän kokemaansa stressiä.10 Laajennetun todellisuuden ratkaisuista esillä olivat virtuaaliset simulaatiot ja virtuaalipotilaat, jotka mahdollistavat oppijoiden toimimisen ja virtuaalisten potilaiden hoitamisen ympäristöön sulautuvissa, immersiivisissä ympäristössä, älylaitteiden tai VR-silmikon välityksellä. Oppimiskokemukset näillä tekniikoilla ovat olleet varsin positiivisia verrattuna perinteisiin opetusmenetelmiin, joskin teknisten ratkaisujen käytettävyys on osin koettu haastavaksi.11,12 Vaikutuksista kohti vaikuttavuutta Koulutuksen vaikuttavuus on monisyinen kysymys, jonka arvioiminen ja ymmärtäminen sisältää useita ulottuvuuksia13. Vaikuttavuustutkijoiden Kirkpatrickin (1998)14 ja Kaufmanin (1995)15 mukaan koulutuksen vaikutuksia tulee mitata useilla tasoilla ja eri toimijoiden näkökulmasta. Koulutusorganisaation näkökulmasta merkittävää on opiskelijoiden tyytyväisyys (taso I), muutokset tiedollisessa ja taidollisessa osaamisessa (taso II) ja opitun siirrettävyys oppilaitoksista työelämään ja ympäröivään yhteiskuntaan (taso III). Organisaatioiden näkökulmasta tärkeää on uusien oppien laajempi käyttöönottaminen osaksi toimintoja (taso IV) ja niiden pitkäaikaisvaikutukset esimerkiksi kustannusten laskuun ja muuhun resurssitehokkuuteen (taso V). Yhteiskunnalle merkittäviä ovat kansanterveydelliset vaikutukset (taso VI), joita voivat olla esimerkiksi positiiviset terveysvaikutukset, sairastavuuden väheneminen ja elämänlaadun parantuminen. Koulutusorganisaatioiden näkökulmasta vaikutusten ja vaikuttavuuden mittaamiseen parhaiten soveltuvat tasot I-III, joita voidaan arvioida esimerkiksi tiedollista tai taidollista osaamista ja tyytyväisyyttä arvioivilla mittareilla. Kyselyt, lomakkeet ja standardoidut testit tarjoavat tietoa, joilla voidaan arvioida koulutusten onnistumisia ja puutteita ja kehittää niitä edelleen. Konferenssin annin perusteella innovatiivisten oppimisratkaisujen vaikutusten arviointiin hyödynnetään edelleen hyvin perinteisiä menetelmiä, kuten tieto- ja taitotestejä ja tyytyväisyyttä kuvaavia kyselyjä. Sen sijaan opitun siirtovaikutusta, uusien taitojen implementointia käytäntöön, resurssitehokkuutta tai kansanterveydellisiä vaikutuksia ei ole arvioitu lainkaan. Ne vaatisivat pitkäaikaisseurantaa ja kontrolloituja koeasetelmia ja nykyistä laajempia osallistujamääriä. Työelämään siirtyvien opiskelijoiden seuraaminen antaisi mielenkiintoista tietoa tietopohjan kasvamisesta käyttäytymismuutoksiksi ja edelleen väestöön kohdistuviksi terveysvaikutuksiksi. Tällainen laaja-alainen ja pitkäkestoinen arviointi on olennaista koulutusinnovaatioiden vaikutusten ymmärtämiseksi. Lisäksi valikoimaan tarvitaan uudenlaisia arviointimenetelmiä arvioimaan tekoälyllä tuettua oppimista16,17, joihin toivottavasti palataan seuraavassa, vuoden 2026, konferenssissa. Tällä välin innovatiivisten ja vaikuttavien opetus- ja oppimisratkaisujen kehittäminen jatkuu maailmanlaajuisesti konferenssin pääpuhujan, Gemma Staceyn sanoin, "Unlock the power of knowing what you don´t know." Lähteet 1 Stratton-Maher, D. & Kelly, J. 2024. Embracing artificial intelligence to reimagine assessment to ethically accommodate ChatGPT in nursing education. Oral presentation. NETNEP2024. 2 Yap, H., Kwah, L. Zhou, Y.et al. 2024. A mixed methods study of undergraduate students’ attitudes and ethics towards the use of ChatGPT in learning and education. Oral presentation. NETNEP2024. 3 Shin, S., Choi, J., Hong, E. et al. 2024. Development of Multiple-Choice Questions in Nursing Education Using Generative AI. Oral presentation. NETNEP2024. 4 Groeneveld, S., van Os-Medendorp, H., van Gemert-Pijnen, J. et al, 2024. Required competences of nurses working with artificial intelligence-based lifestyle monitoring in long-term care: a Delphi study. Oral presentation. NETNEP2024. 5 Yap, H., Kwah, L. Zhou, Y.et al. 2024. A mixed methods study of undergraduate students’ attitudes and ethics towards the use of ChatGPT in learning and education. Oral presentation. NETNEP2024. 6 Arene. 2024. Arenen suositukset tekoälyn hyödyntämisestä ammattikorkeakouluille. Päivitetty 4.10.2024. 7 Zgambo, M., Costello, M., Buhlman, M. et al. 2024. Enhancing Academic Integrity in Higher Education: A Multi-phase Study on Students' Perceptions and Use of Artificial Intelligence. Oral presentation. NETNEP2024. 8 Yap, H., Kwah, L. Zhou, Y.et al. 2024. A mixed methods study of undergraduate students’ attitudes and ethics towards the use of ChatGPT in learning and education. Oral presentation. NETNEP2024. 9 Summers, A., El Haddad, M., Prichard, R. et al. 2024. Generative AI, the views of students, markers and the Integrity Compliance Unit. Oral presentation. NETNEP2024. 10 Mikkonen, K., Kuivila, H., Pramila-Savukoski, S. et al. 2024. Enhancing Clinical Education: The Role of Human-Centered Extended Reality in Healthcare Student Learning. Oral presentation. NETNEP2024. 11 Ropponen, P., Tomietto, M., Pramila- Savukoski, S. et al. 2024. The impacts of educational interventions using VR simulations on nursing students’ learning. Oral presentation. NETNEP2024. 12 Mattson, K., Haavisto, E., Jumisko-Pyykkö, S. et al. 2024. Nursing students' experiences of empathy in a virtual reality simulation game: a descriptive qualitative study. Oral presentation. NETNEP2024. 13 Virtanen, M. 2018. The development of ubiquitous 360° learning environment and its effects on students’ satisfaction and histotechnological knowledge. Väitöskirja. Oulun yliopisto. 14 Kirkpatrick, D. 1998. Another look at evaluating training programs. Alexandria, VA: American Society for Training & Development. 15 Kaufman, R., Keller, J., & Watkins, R. 1995. What works and what doesn’t: Evaluation beyond Kirkpatrick. Performance and Instruction, 35(2), 8-12. 16 Yap, H., Kwah, L. Zhou, Y.et al. 2024. A mixed methods study of undergraduate students’ attitudes and ethics towards the use of ChatGPT in learning and education. Oral presentation. NETNEP2024. 17 Ramjan, L., Drury, P., Glarcher, M. et al. 2024. Educator perspectives on the use of generative AI in nursing: Friend or foe? Oral presentation. NETNEP2024.
Älykkäästi kohdennettua potilasohjausta kehittämässä
Älykäs tekoälytehostettu potilasohjaus on yksi terveydenhuollon digitalisaation uusimmista ilmiöistä. Siihen kuuluvat esimerkiksi chattibottien, äänibottien ja antropomorfisten eli ihmisenkaltaisten digitaalisten avattarien hyödyntäminen[1]. Palvelujen saatavuuden, oikea-aikaisen tarjoamisen ja optimaalisen kohdentamisen kannalta on tärkeää löytää älykkäästä potilasohjauksesta eniten hyötyvät kohderyhmät ja kohdentaa uusia palveluratkaisuja heille. Koska teknologinen kehitys on viime vuosina ollut ällistyttävän nopeaa, älykkäät palvelut voivat mullistaa potilasohjausta erityisesti ennaltaehkäisevän työn ja hoitoon ohjaamisen osalta. Älykkäiden palvelujen kehittämisen ja onnistuneen käyttöönoton kannalta kohderyhmän osallistaminen on merkittävässä roolissa. Varhaisessa vaiheessa osallistettu asiakas motivoituu ja sitoutuu helpommin valmiin palvelun käyttöön kuin pelkkää palvelua käyttävä yksilö. Älykkään potilasohjauksen tekniset ratkaisut Älykäs potilasohjaus voidaan ymmärtää monella tavalla, mutta tässä yhteydessä sillä tarkoitetaan tekoälytehostettuja digitaalisia ratkaisuja, jotka avustavat potilasta hänen hoitopolkunsa eri vaiheissa. Älykkäät ratkaisut pyrkivät jäljittelemään ihmisten välistä vuorovaikutusta eri viestintämuotojen, kuten kirjallisen, suullisen ja visuaalisen viestinnän avulla.[2] Uusimmat tekoälyratkaisut eivät pelkästään luota ennalta laadittuihin vastausprotokolliin, vaan antavat yksilöityjä ehdotuksia käyttäjän toimien ja vuorovaikutuksen perusteella. Käytännössä älykkäät ratkaisut ovat kehittyneitä ohjelmistosovelluksia, jotka hyödyntävät erilaisia tekoälytekniikoita, kuten koneoppimista, luonnollisen kielen käsittelyä ja data-analytiikkaa. Ne ovat suunniteltu ymmärtämään vuorovaikutusta, tulkitsemaan ihmisen antamia komentoja ja vastaamaan niihin asianmukaisesti, mikä mahdollistaa myös monimutkaisempia, päättelyä ja ennustamista edellyttäviä tehtäviä.[3] Tekstiä ymmärtävien chattibottien[4] rinnalle on viime vuosien aikana tuotu myös ääntä ymmärtäviä botteja. Näiden älykkäiden äänibottien (voicebots) avulla käyttäjä voi navigoida vuorovaikutteisessa järjestelmässä omalla kielellään ja äänellään. Enää ei tarvitse kuunnella esimerkiksi puhelimen eri näppäimiin liittyviä numerovalintoja, vaan järjestelmän kanssa voi vuorovaikuttaa suoraan puhumalla.[5] Vaikka teknisiä ratkaisuja on jo runsaasti olemassa, niiden soveltava käyttö suomalaisessa terveydenhuollossa on vielä vähäistä. Maailmalla älykkäistä boteista etsitään apua esimerkiksi elämäntapamuutosten ja terveyttä edistävän käytöksen tueksi. Näissä yhteyksissä ne voivat auttaa saavuttamaan terveyskäyttäytymistavoitteet tarjoamalla reaaliaikaista palautetta ja tukea, mikä parantaa käyttäjien sitoutumista ja motivoitumista haastavaan pitkäkestoiseen muutokseen. Älykkäiden palvelujen kohdentaminen Tekoälyyn perustuvan potilasohjauksen kehittäminen edellyttää teknologian hyödyntämistä yksilöllisesti, vuorovaikutteisesti ja tutkittuun tietoon perustuen. Älykkäiden terveysratkaisujen kohdentamisen kannalta tärkeää on tunnistaa korkean riskin ja hyödyn asiakkaat ja kohdentaa palveluja resurssitehokkaasti oikealle kohdejoukolle. Tehokkaamman kohdentamisen myötä terveydenhuollon painopistettä voidaan kääntää reaktiivisesta hoitamisesta yhä enemmän ennaltaehkäisevään työhön. Älykkään ohjauksen kohdentamisen tueksi asiakkaita voidaan profiloida tarvelähtöisesti esimerkiksi keräämällä demografisia tietoja, terveys- ja käyttäytymistietoja sekä tietoja mieltymyksistä, elämäntapatekijöistä ja ympäristömuuttujista. Näiden tietojen perusteella voidaan kehittää ja kouluttaa laadukkaita ja tarkoitukseen soveltuvia tekoälymalleja. Koneoppimista hyödyntävät tekoälyjärjestelmät voivat analysoida kerättyjä tietoja ja tunnistaa riskitekijöitä, jotka liittyvät esimerkiksi diabetekseen, sydänsairauksiin ja syöpään. Lisäksi ne voivat arvioida yksilön todennäköisyyttä sairastua ja tarjota terveydenhuollon ammattilaisille käyttökelpoista tietoa potilaiden tulevaisuudesta. Tunnistamalla korkean riskin ja hyödyn potilaita terveydenhuollon tarjoajat voivat toteuttaa varhaisen puuttumisen strategioitaan entistä aikaisemmin. Näihin kuuluvat esimerkiksi yksilölliset hoitosuunnitelmat, elintapojen muutosohjelmat ja taudin etenemisen yksilöllinen seuranta.[6] Älykkäiden palvelujen haasteita Vaikka teknologinen kehitys on jo pitkällä, tekoälytuetussa potilasohjauksessa on tunnistettu merkittäviä haasteita, joista seuraavassa muutamia esimerkkejä: Älykkyyden taso haastaa tekoälyjärjestelmien kykyä osallistua monimutkaisiin keskusteluihin ja vaikuttaa kykyyn tuottaa asiakkaan tarvetta palvelevia yksilöllisiä vastauksia. Empatian ja tunneälyn puute haastaa käyttäjien sitoutumista ja tyytyväisyyttä tekoälybottien käyttöön. Vaikka empatiaa on yritetty sisällyttää näihin ratkaisuihin, ne eivät kovin hyvin tunnista vuorovaikutuksen emotionaalista kontekstia. Potilastietojen käsittely, tietoturva ja tietosuoja. Kyvyttömyys tarkasti tunnistaa potilaan kiireellistä hoitoa vaativaa tilaa. Mahdollisuus epäasianmukaisiin terveysnevoihin ja siihen liittyvään hoidon viivästymiseen tai komplikaatioihin. Älykkäiden ratkaisujen lääketieteellinen kouluttaminen ja validointi on vielä keskeneräistä, mikä herättää huolta niiden luotettavuudesta. Tekniset ongelmat, kuten tietojärjestelmien ja laitteiden yhteensopimattomuus voivat heikentää tekoälyratkaisujen tehokkuutta. Tutkitun tiedon ja luotettavan näytön puute hidastaa tekoälyratkaisujen käyttöönottoa. Tutkittua tietoa on todella vähän, tehdyissä tutkimuksissa otoskoot ovat pieniä ja interventioiden kestot lyhyitä, minkä vuoksi tulokset eivät ole yleistettävissä[7]. Älykkään ohjauksen kehittämisen tueksi Myös asiakaslähtöisestä kehittämisestä puhutaan paljon. Käytännössä sillä tarkoitetaan sitä, että kehitteillä olevat palvelut suunnitellaan ja toteutetaan vastaamaan asiakkaan tarpeita ja toiveita. Asiakas nähdään aktiivisena toimijana, ja hänen kokemuksiaan hyödynnetään kehittämisen kaikissa vaiheissa palvelujen ideoinnin, suunnittelun, toteuttamisen ja arvioinnin tukena.[8] Kehittäminen etenee tyypillisesti vaiheittain, ja sen tukena voi hyödyntää esimerkiksi PDCA-mallia (plan-do-check-act)[9]. Suunnittele (Plan) Tee taustakartoituksia ja systemaattisia tiedonhakuja ilmiön ja olemassa olevan näytön kartoittamiseksi. Analysoi olemassa olevia ratkaisuja ja tarkastele aikaansaatuja vaikutuksia. Tee asiakastutkimus loppukäyttäjiä kuulemalla kyselyjen tai haastattelujen avulla. Määritä selkeät tavoitteet, suunnittele ja kehitä ensimmäinen prototyyppi keräämääsi aineistoon perustuen. Tee (Do) Toteuta ohjausbotin kehitys suunnitelman mukaisesti. Ota loppukäyttäjät mukaan käytettävyyden testaukseen ja kerää laajasti palautetta eri menetelmillä. Tarkista (Check) Arvioi käyttäjien palautteita ja tyytyväisyyttä kyselyjen ja haastattelujen avulla. Arvioi ohjausbotin suorituskykyä, käyttöä ja mahdollisten ongelmien määrää. Tarkista järjestelmätekniset yksityiskohdat ja mahdollinen integrointi olemassa oleviin järjestelmiin. Toimi (Act) Tee tarvittavat muutokset palautteiden ja käytettävyystestauksen perusteella. Lisää ja parantele ominaisuuksia. Integroi kehitetty ohjausbotti osaksi olemassa olevia järjestelmiä.Toista kehittämisen PDCA-sykli säännöllisesti. Pidä loppukäyttäjä, asiakas tai potilas jatkuvasti mukana ja varmista, että kehitettävä palvelu vastaa oikeasti heidän tarpeitaan. Lähteet [1] Anisha SA, Sen A, Bain C. 2024. Evaluating the Potential and Pitfalls of AI-Powered Conversational Agents as Humanlike Virtual Health Carers in the Remote Management of Noncommunicable Diseases: Scoping Review. J Med Internet Res, 26:e56114.[2] Aggarwal A, Tam CC, Wu D et al. 2023. Artificial Intelligence-Based Chatbots for Promoting Health Behavioral Changes: Systematic Review. J Med Internet Res, 24;25:e40789.[3] Tudor Car L, Dhinagaran DA, Kyaw BM, et al. 2020. Conversational Agents in Health Care: Scoping Review and Conceptual Analysis. J Med Internet Res, 7;22(8):e17158.[4] Aggarwal A, Tam CC, Wu D et al. 2023. Artificial Intelligence-Based Chatbots for Promoting Health Behavioral Changes: Systematic Review. J Med Internet Res, 24;25:e40789.[5] Genesys. 2024. What is a voicebot?[6] Sandeep, R. 2024. Employing AI to Generate Ideas in Education. The Key to Entrepreneurial Innovation, Chapter 4. IGI Global Platform.[7] Bachina L & Kanagala A. 2024. Health revolution: AI-powered patient engagement. J Med Internet Res, 26:e56114;1.[8] Virtanen M. 2022. Aito asiakaslähtöisyys ja asiakasosallisuus - Onko niitä digitaalisten palveluiden kehittämisessä? Teoksessa Elomaa-Krapu, M. & Vuorijärvi, A. (toim.). Osallistavia ratkaisuja digitaalisiin hyvinvointi- ja terveyspalveluihin. ISBN 978-952-328-349-7. Metropolia Ammattikorkeakoulu.[9] PDCA. Wikipedia.
Mari Virtanen, päätoimittaja, yliopettaja TtT, terveysalan digitalisaatio
Aino Vuorijärvi, yliopettaja FT, suomen kieli ja viestintä
Salla Kivelä, yliopettaja TtT, tutkimus ja kehittäminen
Sähköpostiosoitteet: etunimi.sukunimi@metropolia.fi
Sotemuotoilijat- blogin tekstit käsitellään toimituskunnassa ennen niiden julkaisua. Toimituskunta on toiminut blogin perustamisesta alkaen (15.8.22).
Haluatko julkaista Sotemuotoilijoissa? Lue kirjoittajaohjeet Drivessä ja ota yhteyttä toimituskuntaan
aluekehitys asiakaslähtöisyys asiantuntijaviestintä bloggaus digikliiniset digikliiniset asiantuntijat digitalisaatio etiikka etäpalvelu etävastaanotto HyMy-kylä hyvät käytänteet innovaatio-osaaminen kliininen asiantuntija kliininen asiantuntija digitaalisissa toimintaympäristöissä kuntouttava työtoiminta Metropolia Ammattikorkeakoulu moninaisuus NPT näyttöön perustuva toiminta näyttöön perustuvat toiminta osaaminen Osaaminen 2035 osaamisedellytykset osaamisvaatimukset palvelujen kehittäminen palvelumuotoilu sosiaali- ja terveysala sotemuotoilijat sotemuotoilu suun terveys tekoäly tekstitaidot terveyden edistäminen terveydenhuolto terveysinterventio tieteisfiktio TK-osaaminen TKI tulevaisuusajattelu tutkimuksellinen kehittäminen tutkimus- ja kehittämisosaaminen yamk yhteiskehittäminen yhteisöllinen kehittäminen