Katkoksia kirjaston palveluissa

Kirjaston palvelujen taidokas hyödyntäminen on osa laadukasta ammattikorkeakouluopiskelua. Kirjaston tehokas hyödyntäminen ja tiedonhankinta ovat tärkeitä oppimaan oppimisen taitoja, jotka on hyvä hallita jo opintojen alussa. Tässä kirjoituksessa kerron kirjastoon tutustumisesta Seppo-pelin avulla. Opintojen alun infoähky Opintojen alussa opiskelija kohtaa paljon uutta. Niin paljon, ettei kaikkea voi mitenkään omaksua. Erityisen pulmallisia ovat mielestäni perinteiseen luento-opetusmalliin toteutetut infotilaisuudet, joissa vuoron perään kerrotaan Metropolian eri toimintoihin liittyviä asioita. Suurin osa kerrotuista asioista unohtuu saman tien, kun muisti on jo kuormittunut uusien opiskelukavereiden nimistä ja siitä, miten kampuksella löytyy oikea tila. Uudenlaiseen tilanteeseen ja uusiin ihmisiin tutustuminen vie paljon energiaa. Toiminnallisuus avuksi Tiedämme, että sanallinen tieto sisäistetään parhaiten, kun se on oikea-aikaista ja tulee tarpeeseen. Vielä parempi, jos sen voi saman tien sitoa konkreettiseen toimintaan. Järvilehdon (2014) mukaan kuullusta tiedosta muistetaan vain noin 5 %, kun taas tekemällä opitusta 75 %. Tehokasta oppimista ei myöskään tapahdu ilman kiinnostusta ja innostusta.  Kirjastossa opintojen alun infoähkyä on pyritty ratkaisemaan kehittämällä kirjastoon tutustumista toiminnallisempaan suuntaan. Ensin puhutut infot korvattiin kirjastosuunnistuksilla, joissa ratkaistiin erilaisia tehtäviä kirjastossa paikan päällä välineinä pääsääntöisesti paperi ja kynä. Teknologian kehittymisen ansiosta voimme toteuttaa kirjastoon tutustumisen digitaalisesti ja mobiilisti Seppo-pelin avulla. Sepon avulla pelattavassa pelissä opiskelija oppii kirjaston käyttöä vähitellen, kun peli etenee. Ymmärrys syntyy, kun asialle tai käsitteelle saa vastineen toiminnan ja kokemuksen kautta. Siten opittavat asiat jäävät paremmin muistiin. Pelaaminen on samaan aikaan leikkimielistä ja tavoitteellista, mikä edesauttaa oppimista. Ihminen pelaa ja leikkii luonnostaan Pelaaminen ja leikkiminen on ihmiselle lajityypillistä toimintaa. Lähes kaikki vauvasta vaariin pelaavat. Yleisessä keskustelussa pelaaminen usein viittaa digitaaliseen pelaamiseen, mutta pelaamista on hyvin monenlaista: korttipelit, pallopelit, rahapelit, sanaristikot jne. Tilastokeskuksen tutkimuksen mukaan digitaalinen pelaaminen on nelinkertaistunut 25 vuoden aikana. Pelaajabarometrin 2018 mukaan 97,8 % suomalaisista ilmoittaa pelaavansa ainakin satunnaisesti. Vuoden 2020 pelaajabarometrissä vastaava luku on peräti 98,2 %, ja digitaalisia pelejä pelaavien määrä on 78,7 %. Pelaaminen on useimpien mielestä mielekästä. Vaikka pelaaminen on pääsääntöisesti vapaa-ajan puuhaa, pelejä ja pelillisyyttä voidaan hyödyntää myös muilla elämän osa-alueilla. Pelaajabarometrin 2020 mukaan oppimispelejä on pelannut 19 % väestöstä. Pelissä vaikean tai tylsän asian oppiminen voi olla helppoa ja hauskaa. Pakkopullasta voi muodostua mielekäs kokemus. Kirjaston tiloihin ja perustoimintoihin tutustuminen pelin avulla tekee tilaisuudesta hauskan ja leikkisän. Pelin avulla haluamme myös kertoa, että kirjasto ei ole vakava ja hiljainen paikka, vaan myös rento ja leikkimielinen. Ensivaikutelmalla on väliä, mukavaan paikkaan palataan helpommin. Seppo-pelialusta Seppo on kotimainen digitaalinen pelialusta, jossa voi luoda karttapohjaisia pelejä, joita pelataan mobiililaitteilla. Seppo toimii selainpohjaisesti, eli mitään erillistä sovellusta ei tarvitse ladata. Pelilautana voi olla pelialueen GPS-kartta tai peliin tuotu kuva. Seppoa hyödynnetään monessa peruskoulussa suunnistamiseen, esimerkiksi oman poikani koulussa sitä käytettiin kevään etäopetusjakson aikana liikuntatunneilla. Sepossa on monenlaisia tehtävätyyppejä, joista voi valita kuhunkin tehtävään parhaiten sopivan. Luovassa tehtävässä vastaus voi olla tekstiä yhdistettynä kuvaan, videoon tai audioon. Muut tehtävävaihtoehdot ovat perinteisempiä: monivalinta, valintaruutu, puuttuva sana ja yhdistä parit. Lisäksi on mahdollista luoda salamatehtäviä, lisätä aikapainetta ja lukita tehtävä avautumaan koodilla. Tehtäviin voi lisätä tekstin lisäksi tai sijaan ääntä, kuvaa ja/tai videota. Sepossa voi käyttää hyödyksi myös pelitasoja. Tasojen avulla voi määrittää tehtävien suorittamisen järjestystä tai lisätä vaikeusastetta, kun edetään tasolta toiselle. Seppoa pelataan paikan päällä ja etänä Seppoa on käytetty kirjastoperehdytyksessä Metropolian kirjastossa ensimmäisen kerran jo vuonna 2017 Myyrmäen kampuksella. Sepon käyttö on laajentunut vähitellen, ja tänä syksynä kirjastoon on tutustuttu Seppo-pelin avulla lähes kaikilla kampuksilla. Myös Myllypurossa on vihdoin päästy seppoilemaan, kun uusi kirjasto on saatu käyttöön. Kirjaston Seppo-peliä pelataan kirjaston pohjapiirrokseen sijoitettujen tehtävien avulla. Peliä pelataan pienryhmissä. Peli kestää ryhmästä riippuen puolisen tuntia, aikaa sessiolle varataan yleensä vähintään 45 minuuttia. Pelin tavoite on, että opiskelijat tutustuvat kirjaston tiloihin ja oppivat siitä, mitä kirjastossa voi tehdä ja miten. Olemme tehneet pelistä sekä kirjastossa pelattavan että etänä pelattavan version. Kirjastossa pelattavaa peliä kutsutaan meillä “Lähisepoksi”. Siinä opiskelijat kisaavat kirjastotietäjän tittelistä. Pelin ajatus on yksinkertainen: jokaisesta oikeasta vastauksesta saa pisteitä, ja pelin voittaa se ryhmä, jolla niitä on pelin lopussa eniten. Kirjaston pelissä ryhmien keskinäinen kilpailu on ainakin toistaiseksi ollut toissijaista, riittää kun ryhmät pelaavat pelin läpi. Peli pelataan anonyymisti itse keksityn ryhmätunnuksen avulla. Pieni palkkio onnistuneen pelisuorituksen jälkeen on pohdinnassa. Kartalle sijoitetut tehtävät suoritetaan menemällä kartan osoittamaan paikkaan kirjastossa. Osa tehtävistä avautuu vain koodilla, joka löytyy kirjastosta juuri siitä paikasta, jonne tehtävä on kartalla sijoitettu. Näin varmistetaan, että ryhmät liikkuvat kirjastossa. Pelikartalla voi edetä haluamassaan tahdissa ja järjestyksessä. Kirjastoon tutustumisen tehtävät ovat konkreettisia kirjaston palveluihin liittyviä tehtäviä. Pelissä tutustutaan kirjaston fyysisiin tiloihin, aktivoidaan kirjastokortti opiskelijoille tarkoitetussa Tuudo-mobiilisovelluksessa, etsitään kirjoja MetCat Finnasta ja hyllystä sekä opitaan, miten kirjoja varataan.  [caption id="attachment_4946" align="alignnone" width="363"] Voit tutustua Myllypuron kirjastoon etänä Seppo-pelin avulla osoitteessa seppo.io. Pelin koodi on 2G92EB.[/caption] Poikkeukselliset ajat vaativat uudenlaista ajattelua. Siksi kirjastossa ryhminä pelattavan pelin rinnalle on muokattu etänä pelattava peli. “Etäseppo” tarjoaa vaihtoehdon paikan päällä pelattavalle Sepolle.  Etänä pelattavassa versiossa pelaaminen ei vaadi kirjastoon tulemista. Peli on suunniteltu pelattavaksi yksin. Koska pelaajat eivät ole kirjastossa, peliin on lisätty kuvia ja tehtäviin on lisätty tietoa kirjastosta. Myös etäsepossa tehtävistä saa pisteitä, mutta siinä pelaajia ei aseteta järjestykseen.  Etäseppoa on tarjottu lähinnä vaihtoehdoksi niille ryhmille tai yksilöille, jotka eivät ole päässeet kirjastoon seppoilemaan. Peliä ei ole vielä pelattu kovin paljon. Tarkoitus on lisätä se avoimesti kirjaston verkkosivuille, jolloin kuka tahansa voi tutustua sen avulla kirjaston toimintaan. Sepon käyttö laajenee Kirjaston Seppoja on pelannut jo monta sataa uutta opiskelijaa, ja se on yleisesti ottaen otettu vastaan positiivisesti. Pelaaminen on koettu innostavaksi ja kivaksi tavaksi tutustua kirjastoon. Meillä on tarkoitus kehittää lisää Seppo-pelejä. Tällä hetkellä Sepon avulla on jo tehty pakopelihenkinen peli opinnäytetyövaiheen tiedonhakuun sekä aineistonhallinnan pakopeli. Kirjastoon tutustuminen pelaamalla luo kirjastosta mielikuvaa tekemisen paikkana. Rikomme mielellämme mielikuvan kirjastosta vain kirjavarastona jo heti ensimmäisellä tutustumiskäynnillä.  Seppo-pelin avulla se onnistuu! Kirjoittaja Päivi Ylitalo-Kallio on informaatikko ja tiimivastaava Myllypuron ja Arabian kampusten kirjastoissa. Päivi on opiskellut mm. pelitutkimusta Tampereen yliopistossa ja käyttäjäkeskeistä suunnittelua Laureassa. Päivillä on myös ammatillisen opettajan pedagoginen koulutus. Pelaaminen, pelillistäminen ja pelien hyödyntäminen toiminnan kehittämisessä kiinnostavat Päiviä sekä ilmiöinä että välineinä. Lähteet Järvilehto, L. 2014. Hauskan oppimisen vallankumous. Helsinki, PS-kustannus. Kinnunen, J., Lilja, P. & Mäyrä, F. 2019. Pelaajabarometri 2018: monimuotoistuva mobiilipelaminen. Tampere, Tampereen yliopisto. (PDF) Kinnunen, J., Taskinen, K. & Mäyrä, F. 2020. Pelaajabarometri 2020: pelaamist koronan aikana. Tampere, Tampereen yliopisto. (PDF) Suomen virallinen tilasto (SVT): Vapaa-ajan osallistuminen [verkkojulkaisu]. Digipelaaminen 2017. Helsinki: Tilastokeskus [viitattu: 15.9.2020]. Tutustu aiheeseen lisää Seppo.io Gee, J. 2005. Learning by Design: Good Video Games as Learning Machines. E-Learning and Digital Media, 2005, Vol. 2, no. 1. Laukia, J., Isacsson, A., Mäki, K., Teräs, M. 2015. Katu-uskottava ammatillinen koulutus: Uusia ratkaisuja oppimiseen. [Helsinki]: Haaga-Helia ammattikorkeakoulu. (PDF)

Tekoälyn avulla erilaisten tietojärjestelmien toiminnallisuutta voidaan laajentaa käsittämään inhimillisiksi katsottavia taitoja, kuten omatoimista päättelyä, oppimista ja suunnittelemista. Tekoäly osaa työskennellä väsymättömästi oppimallaan rajatulla alueella. Oppiminen tapahtuu joko asiantuntijan sanoittaman eli leimaaman aineiston avulla tai itseoppivasti. Itseoppivuus toteutuu annetun säännöstön ja datan avulla tai tutkimalla ympäristöä käytettävissä olevilla tunnistimilla ja toimilaitteilla. Tekoälyn tuottaminen esimerkiksi koneoppimisen avulla on vaativa laskentatehtävä, jossa tyypillisesti tarvitaan runsaasti dataa ja laskentatehoa. Kun tekoälymalli on saatu opetettua, voidaan se siirtää suoritettavaksi päätelaitteisiin, esimerkiksi kannettaviin tietokoneisiin, älypuhelimiin ja vaikkapa ympäristöään tarkkaileviin ajoneuvoihin. Tekoäly ei ole käyttöönoton jälkeen samalla tavalla lopullinen kuten perinteinen, versioitava tietokoneohjelma, vaan se kehittyy koneoppimisen avulla käytön myötä. [caption id="attachment_2179" align="alignleft" width="620"] Kuva 1. “Tekoälysipuli”, jossa esitetään tekoälyn ja koneoppimisen välinen suhde. Tekoälyn mahdollistavia tekniikoita ovat datan pohjalta rakentuva koneoppiminen ja edelleen sen erityismenetelmänä syväoppiminen. Kuva: Aarne Klemetti.[/caption]                       Tekoäly on poikkeuksetta erikoistunut oppimaansa ympäristöön: shakkitekoäly on voittamaton shakinpeluussa, mutta ei osaa ajaa autoa. Vastaavasti kuva-analyysitekoäly, joka tunnistaa luotettavasti ihosyövän valokuvien perusteella, ei tiedä, mikä on auton rekisterikilpi. Keskeinen kysymys on se, mitä, miten ja millä aineistolla tekoälyn annetaan oppia.[2] Puuttumatta eettisiin näkökulmiin on tärkeää, että aineiston valinnasta päättävä asiantuntija rajaa tehtävät selkeisiin kokonaisuuksiin: ei kannata pyrkiä kovin kattavaan tekoälyyn, koska se on todennäköisesti liian laaja opetettavaksi ja hallittavaksi. Sen sijaan joukko testatusti toimivia, rajattuja tekoälyjä nostaa tuottavuutta ja päätöksenteon luotettavuutta merkittävästi.[3] Digi-Salamassa tekoäly ja koneoppiminen automaatiossa oli omana teemanaan. Tavoitteena oli ymmärtää ja oppia soveltamaan tarvittavia toimintamalleja, datan keruuta ja muokkausta sekä koneoppimisen periaatteita suhteessa tavoitteisiin. Lisäksi pyrittiin saavuttamaan näkemys siitä, millä tasolla valittujen kohdeyritysten tekoälyosaaminen on ja miten mahdollisiin tarpeisiin voidaan vastata opetussuunnitelmissa. Tekoäly ja YK:n kestävän kehityksen tavoitteet Yhdistyneiden kansakuntien jäsenmaat sopivat vuonna 2015 Agenda 2030:stä, jossa pyritään edistämään kestävää kehitystä aikavälillä 2016-2030. Suunnitelma jaettiin 17 tavoitteeseen, jotka ohjaavat kestävän kehityksen edistämistä.[4] Tekoäly voidaan nähdä mahdollistavana tekijänä näiden tavoitteiden saavuttamisessa. Koko tavoitteisiin pyrkimisen prosessin ajan pitää kerätä ja analysoida dataa, jonka avulla voidaan luoda älykkäitä malleja päätöksenteon tueksi. Esimerkiksi voidaan ottaa älykäs talotekniikka, jonka optimointi säästää energiaa, tuottaa ilmakehään vähemmän hiiliyhdisteitä ja parantaa sisätiloissa oleskelun laatua - vaikuttaa siis osaltaan myös terveyteen. Kestävään kehitykseen liittyvät tekoälymallit eivät synny tyhjästä ja ilman laskentaa. Laskenta on usein niin vaativaa, että siinä tarvitaan supertietokoneen laskenta- ja tallennuskapasiteettia useiden päivien ajan. Se puolestaan kuluttaa myös energiaa. Tutkimuksissa on kehitetty erilaisia mittaustapoja tekoälyyn liittyvien laskentatarpeiden energiankulutuksen huomiointiin. Tarvittavia algoritmeja voidaan optimoida käytön myötä vastaavalla logiikalla kuin itse tekoälyäkin. Vaatimuksia koulutukselle Tekoäly ja koneoppiminen ovat monimutkaisia asioita, joiden tuotantomittaisen soveltamisen hidastavana tekijänä on useimmiten puutteellinen osaaminen. Tätä paikatakseen yritykset pyrkivät kouluttamaan henkilöstöään ja toisaalta ulkoistamaan tarvittavia osaamisia. Nämä molemmat vaihtoehdot sopivat luontevasti ammattikorkeakouluympäristöön, koska opiskelijaryhmien ja opinnäytetöiden avulla voidaan testata ja kehittää erilaisia konsepteja ja prototyyppejä. Tekoäly tieteenä soveltuu tiedekorkeakoulujen opetusohjelmiin ja tutkimuslaitoksiin - alempien oppilaitosten näkökulmasta tarvitaan pikemminkin sovellusosaamista kautta linjan. Tärkeämpää kuin tekoälyn ja koneoppimisen syvällinen ymmärtäminen on käsittää se, miten näitä teknologioita voidaan käytännössä soveltaa ja millaisia kyvykkyyksiä kannattaa sisällyttää yritysten ja oppilaitosten osaamiseen. Kustannuksiltaan tekoälyn ja koneoppimisen soveltaminen ei ole enää kynnyskysymys. Avoimen lähdekoodin alustoilla on tarjolla laaja valikoima kehitystyökaluja algoritmeineen. Niiden käyttämisessä tulee poikkitieteellisiin tiimeihin lisätä data- ja tekoälyosaamista sisältöammattilaisten tueksi. Lisäksi korkeakouluilla on pääsy vaativaa laskentaa tarjoaviin supertietokoneympäristöihin, jolloin myös suurten datajoukkojen käsittely ja koneoppiminen on mahdollista toteuttaa skaalautuvasti. Tärkeämpää kuin jokaisen toimijan ammattimainen tekoälyosaaminen on se, että pystytään tunnistamaan datan eri prosessivaiheiden hallinta: mitä on kerättävä data, mistä sitä voidaan kerätä, mitä sillä voidaan tehdä ja mitä se merkitsee? Näin ollen on syytä ennemminkin tietää, kuka tietää ja mitä pitää tietää, kuin vaatia kaikilta osapuolilta samantasoista teknologista ymmärrystä. Seuraava askel kohti älykkäämpää automaatiota - toimialasta riippumatta - on sen ottaminen osaksi normaalia toimintaa. Tätä tarkoitusta varten opetussuunnitelmiin kannattaa lisätä ainakin käytännölliset, omaa osaamisaluetta palvelevat kurssit esimerkiksi intensiivitoteutuksina. Lisäksi aiheeseen syvällisempää perehtymistä varten tulee tarjota mahdollisuudet ainakin koodaamiseen ja ohjelmistotuotantoon keskittyville opiskelijoille.   Lähteet: Kuvituskuva Pixabaysta: <https://commons.wikimedia.org/wiki/File:Artificial-Intelligence.jpg> 6 Biggest Limitations of Artificial Intelligence Technology. Verkkosivu. Saatavana osoitteesta:<https://hackernoon.com/the-missing-pieces-6-limitations-of-ai-s85r3upr>.  Luettu 2.12.2021. 5 + 1 myyttiä tekoälystä.  Verkkosivu. Saatavana osoitteesta: <https://www.aaltopro.fi/aalto-leaders-insight/2019/5-1-myyttia-tekoalysta>. Luettu 2.12.2021 Kestävän kehityksen tavoitteet. Verkkosivu. Saatavana osoitteesta: <https://www.ykliitto.fi/yk-teemat/kestavan-kehityksen-tavoitteet>. Luettu 2.12.2021.   Lisätietoja aiheesta kiinnostuneille: Tekoäly, Wikipedia. Verkkosivu. Saatavana osoitteessa: <https://fi.wikipedia.org/wiki/Tekoäly>. Luettu 2.12.2021. Koneoppiminen, Wikipedia. Verkkosivu. Saatavana osoitteessa: <https://fi.wikipedia.org/wiki/Koneoppiminen> Luettu 2.12.2021. Metropolia edistää kestävän kehityksen osaamista ainutlaatuisen tekoälyratkaisun avulla. Metropolian ajankohtaisten uutisten verkkosivu. Saatavana osoitteessa: <https://www.metropolia.fi/fi/metropoliasta/ajankohtaista/uutiset/metropolia-edistaa-kestavan-kehityksen-osaamista-ainutlaatuisen-tekoalyratkaisun-avulla>. Luettu 2.12.2021. YK:n arvot tekoälykehityksen tienviittana. Politiikasta-sivuston verkkosivu. Saatavana osoitteessa: <https://politiikasta.fi/ykn-arvot-tekoalykehityksen-tienviittana/>. Luettu 2.12.2021. Eettinen tekoäly ja algoritmit. Helsingin Yliopiston verkkosivu. Saatavana osoitteessa: <https://www.helsinki.fi/fi/ajankohtaista/ihmisten-teknologia/eettinen-tekoaly-ja-algoritmit>. Luettu 2.12.2021. Sivonen, A., Heikkinen, K.: Tekoäly - uhka vai mahdollisuus amk-opettajalle. Verkkosivu Haaga-Helia eSignals. Saatavana osoitteessa: <https://esignals.fi/kategoria/pedagogiikka/tekoaly-uhka-vai-mahdollisuus-amk-opettajalle/#0dde0fb1>. Luettu 2.12.2021. Kirjoittaja: Aarne Klemetti työskentelee tutkijaopettajana Metropolia Ammattikorkeakoulussa. aarne.klemetti@metropolia.fi