Opiskelijat kysyvät tekoälyltä useammin “miten” kuin “miksi”
Yöllä, ennen palautusdeadlinea, opiskelija avaa chat-ikkunan ja kirjoittaa: “Miten tämän saa tehtyä?” Ei pohdintaa ilmiön periaatteista tai vaihtoehtoisista tavoista. Vain tarve päästä eteenpäin, askel askeleelta.
Moni on toivonut, että kielimallipohjaiset chatbotit toimisivat älykkäinä kotitutureina, jotka herättävät uteliaisuutta ja ohjaavat kysymään “miksi”. Uusi analyysi opiskelijoiden ja tekoälychatbottien keskusteluista maalaa hillitymmän kuvan: useimmiten opiskelijat pyytävät suoria toimintavaiheita – “miten” – ja tämä korostuu erityisesti silloin, kun kyse on arvosteltavista tehtävistä.
ArXivissa julkaistussa tutkimuksessa käytiin läpi 6 113 viestiä kahdesta erilaisesta oppimistilanteesta: toisaalta omaehtoinen harjoittelu, toisaalta kurssityöt ja muu arvioitava tekeminen. Viestejä luokiteltiin neljän aiemmin käytetyn luokittelutavan avulla ja arvioijina toimivat sekä ihmiset että peräti 11 erilaista tekoälymallia. Tulokset olivat ykskantaan samansuuntaiset: niin itseopiskelussa kuin arvosteltavaa työtä tehdessä yleisin kysymystyyppi oli toiminnallinen eli käytännön suuntaa näyttävä. Näitä olivat esimerkiksi “mitä tehdä seuraavaksi?” tai “kuinka aloitan?” -tyyppiset pyynnöt. Ja kun panokset nousivat – arvioitava työ – toiminnallisen avun osuus kasvoi entisestään.
Yksi arkinen esimerkki riittää valottamaan tulosta. Kuvitellaan opiskelija, jolla on tehtävä, jonka ohjeistus tuntuu monipolviselta. Hän voisi kysyä: “Miksi tätä menetelmää käytetään ja mitä se paljastaa aiheesta?” Usein hän kuitenkin muotoilee viestinsä näin: “Anna minulle vaiheittaiset ohjeet tämän tekemiseen.” Ensimmäinen kysymys tavoittelee ymmärrystä, toinen etenemistä. Tutkimusaineistossa jälkimmäinen linja oli selvästi yleisempi.
Tämä ei tarkoita, että opiskelijat olisivat vähemmän uteliaita kuin ennen. Pikemminkin se muistuttaa oppimisen arjesta: kun on umpikujassa, ensimmäinen tarve on päästä liikkeelle. Chatbotille kirjoitettu kysymys muovaa ratkaisevasti myös sitä, millaisen vastauksen tekoäly antaa – ja siten, millaista oppimista se tukee. Jos pyydetään vain ohjetta, harvemmin saa selitystä.
Tutkimuksessa oli toinenkin kiinnostava havainto: kun tekoälymalleja käytettiin arvioijina kertomaan, millaisesta kysymyksestä on kulloinkin kyse, mallien vastaukset olivat keskenään johdonmukaisempia kuin ihmisten arviot. Arvioijien välinen yhteneväisyys oli kokonaisuutena “kohtalaisesta hyvään”. Tämä viittaa siihen, että koneita voisi käyttää apuna suurten aineistojen läpikäynnissä. Silti arviot eivät olleet täydellisiä – ja ihmiset näkivät joitain vivahteita, jotka koneilta jäävät helposti väliin.
Rajoituksista tutkimus oli itsekin rehellinen. Ensiksi: käytetyt luokittelutavat ovat karkeita. Opiskelijan yksi viesti voi olla “kerro ensin miksi, sitten miten, ja vielä esimerkki” – tällainen moniosainen pyyntö ei istu siististi yhteen laatikkoon. Toiseksi: yksittäisen viestin luokittelu ei tavoita keskustelun kulkua. Monessa chatissa ymmärrys rakentuu vuoro kerrallaan, ja sävy tai tavoite voi muuttua kesken matkan. Siksi kirjoittajat suosittelevat tarkastelua, joka huomioi monivuorotteisen keskustelun vivahteet, esimerkiksi keskustelunanalyysin keinoin. Kolmanneksi: pelkkä kysymysten tyypittely ei vielä vastaa vaikeimpaan kysymykseen – mihin suuntaan chatbotit ohjaavat oppimista ja millä ehdoilla niiden käyttö on hyödyksi?
Mitä tästä pitäisi ajatella opettajan, opiskelijan tai yliopiston näkökulmasta? Yksi tulkinta on käytännöllinen: jos suurin osa kysymyksistä on toimintalähtöisiä, työkalut ja ohjeet kannattaa suunnitella niin, että ne ohjaavat samalla avaamaan taustaa. Esimerkiksi kun opiskelija pyytää “askelmerkit”, järjestelmä voisi automaattisesti liittää mukaan “miksi tämä askel on tarpeen” -selityksen tai vastakysymyksen, joka pakottaa jäsentämään ongelmaa omin sanoin.
Toinen tulkinta on varovaisempi. Jos arvioitavat tehtävät lisäävät “miten”-kysymysten osuutta, kannattaa miettiä arvioinnin vaikutuksia: mittaammeko osaamista tavalla, joka kannustaa oikopoluille? Tutkimus ei tarjoa siihen vastausta, mutta nostaa ilmiön pöydälle mitatun tiedon varassa.
On houkuttelevaa toivoa, että yksi työkalu ratkaisisi opetuksen haasteet. Tämä analyysi muistuttaa, että todellisuus on usein arkisempi: chatbot on juuri niin hyödyllinen kuin se kysymys, jonka sille kirjoitamme. Kysymys kuuluu: opetammeko seuraavaksi myös kysymisen taitoa – ja millaisen kysymyksen perässä tekoälyn kanssa kannattaa kulkea?
Paper: https://arxiv.org/abs/2602.18372v1
Register: https://www.AiFeta.com
tekoäly oppiminen korkeakoulutus chatbotit arviointi tutkimus
