Avainsana: opetus

  • NotebookLM – tekoälykäs muistikirja oppimisen ja tutkimisen apuna asiantuntijatyössä

    NotebookLM – tekoälykäs muistikirja oppimisen ja tutkimisen apuna asiantuntijatyössä

    Tekoäly muuttaa tietotyön tekemisen tapoja korkeakouluissa ja yrityksissä. Generatiivinen tekoäly ja suuret kielimallit avaavat uusia mahdollisuuksia tehostaa tietointensiivisiä prosesseja.

    Sekä korkeakoulut että yritykset tarvitsevat tekoälyä tutkimuksessa, oppimisessa ja päätöksenteossa. Tavoitteet ja resurssit eroavat, mutta molemmilla on tarve hallita tietoa paremmin, tuottaa uusia oivalluksia ja pysyä kilpailukykyisinä.

    Tekoäly muuttaa tietotyötä

    Kuva on luotu OpenAI Sora -tekoälysovelluksella

    Tekoälypohjaiset työkalut yleistyvät tietotyössä. Yksi esimerkki uusista tekoälypohjaisista työkaluista on Google NotebookLM. Se on suunniteltu erityisesti käyttäjän toimittamien lähdeaineistojen pohjalta toimivaksi tekoälyavustajaksi, joka auttaa käyttäjiä ymmärtämään, tiivistämään ja löytämään yhteyksiä omista dokumenteistaan.

    Akateemisen työn luotettavuus edellyttää lähteiden tarkistettavuutta. Puhtaasti generatiiviset mallit, jotka eivät tarjoa luotettavia lähteitä ja saattavat tuottaa virheellistä tietoa, eivät sovellu tieteelliseen tiedonhakuun.

    NotebookLM-sovelluksessa käyttäjä kerääkin itse luotettavat lähteet ja aineistot ja käsittelee niitä tekoälyn avulla. Tämä soveltuu asioiden oppimiseen ja asiantuntijatyön tekemiseen. Edelleen kannattaa kuitenkin tarkistaa tekoälyn aineistosta tekemät tulkinnat.

    Google NotebookLM – tekoälypohjainen muistikirja

    Google NotebookLM erottuu monista muista tekoälytyökaluista sen  suunnittelufilosofian ansiosta. Se on alusta alkaen suunniteltu suurta kielimallia hyödyntäväksi muistiinpanotyökaluksi. Se toimii lähdeperustaisesti eli hyödyntää vain sille annettuja lähteitä. Oikeastaan se onkin virtuaalinen tutkimusavustaja: sen avulla voi tiivistää faktoja, selittää monimutkaisia ideoita, ideoida uusia yhteyksiä ja löytää uusia oivalluksia aineistosta. Hyvänä puolena on myös mahdollisuus jakaa muistikirja valitsemilleen henkilöille, jolloin NotebookLM voi toimia yhteistyöalustana.

    Ruutukaappaus Google NotebookLM -sovelluksesta

    NotebookLM sisältääkin monia mielenkiintoisia työkaluja:

    • Chat-tyyppinen kysymysten esittäminen aineistosta
    • Omien muistiinpanojen tekeminen aineistosta
    • Opiskeluopas, joka sisältää sanaston, tenttikysymyksiä vastauksineen ja esseekysymyksiä
    • Tietopakettidokumentti, “briiffaus” koko aineistosta
    • UKK – Usein kysytyt kysymykset vastauksineen
    • Aikajana: tapahtumien eteneminen aikajärjestyksessä ja tapahtumien toimijat
    • Syväluotaava keskustelu: kahden puhujan keskustelupodcast-yhteenveto aineiston pohjalta
    • Video-yhteenveto: kuvia ja puhetta aineiston pohjalta
    • Miellekartan laatiminen aineiston/muistiinpanojen pohjalta
    • Lisälähteiden löytäminen omien lähteiden lisäksi.

    NotebookLM:n käyttökohteita

    NotebookLM tarjoaa monia konkreettisia tapoja tukea opiskelua ja tutkimusta korkeakouluissa ja työelämässä. Näistä esimerkkejä voivat olla seuraavat:

    • Syvälukeminen ja ymmärtäminen: Vuorovaikutus tekstien kanssa Q&A:n, tiivistelmien, keskeisten termien sanastojen ja opinto-oppaiden avulla voi syventää ymmärrystä.
    • Muistiinpanojen tekeminen ja organisointi: Muistikirjojen luominen projektikohtaisesti sekä lähdemateriaalien ja tekoälyn generoimien oivallusten tallentaminen omien muistiinpanojen rinnalle auttaa tiedon hallinnassa.
    • Opiskelu ja kertaaminen: ääniyhteenvetojen, usein kysytyt kysymykset, aikajanat, itsetestaus kysymysten avulla yms. voivat tehostaa oppimista.
    • Kirjoittamisen tuki: Ideointi, jäsentely ja alustavan tekstin luonnostelu muistiinpanojen pohjalta sekä argumenttien hiominen lähteiltä kyselemällä voivat auttaa kirjoitusprosessissa.  
    • Kilpailijatiedon analysointi: Kilpailijoihin liittyvää materiaalia esimerkiksi koskien markkinointia, viestintää ja verkkosivujen sisältöjä voidaan koota muistikirjaan, jonka jälkeen niitä voidaan analysoida kysymysten avulla.
    • Sisällöntuotanto ja strategia: Oman olemassa olevan markkinointisisällön kokoaminen muistikirjaan voi auttaa ideoimaan ja parantamaan tulevia kampanjoita.

    Almama-hanke on koostanut NotebookLM:n käyttökohteita matkailuyrityksen näkökulmasta.

    Huomioitavia asioita

    Vaikka NotebookLM tukeutuukin annettuihin lähdemateriaaleihin, on “hallusinointi” edelleen mahdollista, joten kannattaa tarkistaa tiedot alkuperäisistä lähteistä. Ihminen on lopulta vastuussa tuotoksista.

    Noudata varovaisuutta arkaluontoisten tietojen tai tekijänoikeuden alaisten tietojen käyttämisessä lähdemateriaalina ja tutustu siihen, miten NotebookLM käsittelee sille antamiasi tietoja. Ole myös lähdekriittinen: heikkolaatuiset lähteet vaikuttavat tekoälyn tuotosten laatuun.

    Kirjoittaja:
    Mika Saloheimo, lehtori, Lapin ammattikorkeakoulu

    Artikkelin sisällön ideointiin ja muotoiluun on hyödynnetty Google Gemini 2.5. Pro -kielimallin Deep Research -työkalua.

  • Tekoäly tuo uusia tuulia korkeakoulutukseen

    Tekoäly tuo uusia tuulia korkeakoulutukseen

    Tekoäly on tuonut monimuotoisia mahdollisuuksia korkeakoulujen toimintaan ja opetukseen. Opetus- ja kulttuuriministeriön mukaan korkeakouluissa tulisi hyödyntää digitalisaation mahdollisuuksia kokonaisvaltaisesti. Korkeakouluilla voisikin nyt olla oiva mahdollisuus oman toimintansa suoraviivaistamiseen ja tehostamiseen tekoälyn avulla.

    Opetus- ja kulttuuriministeriön raportin mukaan tekoäly- ja teknologiakehityksen kiihtyessä entisestään voidaan ajatella, että korkeakouluilla on näiden hyödyntämisen ymmärtämisessä ikään kuin etulyöntiasema. Sääskilahden ja Pieskän mukaan ammattikorkeakoulut ovat oppimisprosessien asiantuntijatahoja, joiden tulisi olla aallonharjalla uudistuvan työelämän kehityslinjoissa. Tulee siis olla kykyä muuttaa toimintaa tarvittaessa nopeastikin uusien työelämäilmiöiden ja toimintaedellytysten niin vaatiessa.

    Kuva luotu Microsoft Copilot -tekoälysovelluksella

    Tekoälysääntöjen viidakko on jatkuvassa muutoksessa

    Wölfelin ym. mukaan generatiiviset kielimallit muuttavat ihmisten tapaa kommunikoida tietokoneiden kanssa, joten niillä on siten myös suuri vaikutus koulutusmaailmaan. Ammattikorkeakoulujen rehtorineuvosto Arenen mukaan tekoälyn nopeat kehityslinjat ovatkin johtaneet siihen, että myös korkeakouluissa on täytynyt reagoida nopeasti tekoälyn mahdollisuuksien hyödyntämiseen niin opetuksessa kuin myös yleisesti työelämätaitona. Jokainen koulutusorganisaatio joutuikin lyhyellä aikajänteellä määrittelemään suhtautumisensa tekoälyn käyttöön paitsi opiskelijoiden myös henkilöstön näkökulmasta.

    Korkeakoulujen tekoälyn hyödyntämistä ohjaa myös toimialan yhteinen säännöstö, jota on kehitetty viime vuosina varsinkin generatiivisen tekoälyn nopean yleistymisen vuoksi. Esimerkiksi Arene on laatinut suositukset ammattikorkeakouluille tekoälyn hyödyntämiseen. Arene suosittelee, että opiskelijoita ohjattaisiin ja neuvottaisiin hyödyntämään tekoälysovelluksia monipuolisesti oppimisessa ja oppimiskokemuksensa laajentamisessa. Arenen luoma liikennevalomalli puolestaan antaa opettajille käytännön ohjeita siitä, miten opiskelijoita voidaan ohjata hyödyntämään tekoälyä opinnoissaan.

    Tekoälyn hyödyntäminen ei ole vain yksilön vastuulla

    Yhtenä haasteena voi olla henkilöstön osaamisen ja ymmärryksen puute koskien sitä, miten tekoäly toimii ja miten sen avulla voidaan omaa asiantuntijatyötä tehostaa. Monesti huomaa, että korkeakoulun arjessa keskustelu tekoälystä painottuu ennen kaikkea niihin mahdollisuuksiin ja haasteisiin, jotka näkyvät opiskelijoiden oppimisprosesseissa ja oppimistehtävissä.

    Arenen tekoälysuosituksissa kuitenkin lähdetään liikkeelle organisaatio- ja opettajalähtöisesti huomioiden kaksi tasoa:
    1) organisaatiotasolla on varmistettava henkilöstön ja opiskelijoiden valmiudet vastuulliseen tekoälyn käyttöön ja
    2) opetuksessa opetushenkilöstön on varmistettava tekoälyn eettinen ja tarkoituksenmukainen käyttäminen oppimisen osana.

    Tämä osoittaa, että tekoälyn käyttöönoton ei tulisi olla yksittäisen opettajan vastuulla. Sen sijaan koko korkeakoulun tekoälykykyisyyden kasvattamisen tulisi lähteä liikkeelle johdon tasolta. Kun henkilöstö näkee konkreettisesti, miten tekoälyllä voidaan tehostaa heidän omaa työtään, on helpompi suhtautua positiivisesti ja kehittämisintoisesti tekoälyn hyödyntämiseen myös osana opetusta.

    Mihin ollaan menossa?

    Wölfel ym. huomioivat, että siinä missä generatiivisen tekoälyn hyödyt tarjoavat korkeakoulukenttään joustavuutta, niin samalla tiedon tarkastamiseen liittyvä osaaminen tulee korostumaan entisestään. Myös Budhwar ym. korostavat, että vaikka tekoälyllä on vahvaa potentiaalia tukea erityisesti tietotyötä, niin sen kaikkia vaikutuksia ei vielä tunneta, joten kehittämistyössä on oltava avoin mutta kriittinen ja analyyttinen asenne.

    Kuvio luotu Napkin AI -tekoälysovelluksella

    Tulevaisuudessa on varmistettava, ettei tekoälyn käytössä jäädä kehityksessä jälkeen. Yksi Sitran megatrendeistä 2023 on, että ”kilpailu digivallasta kiihtyy”. Myös Heikkilä ja Jokinen mainitsevat, että korkeakouluopetuksessa tulisi huomioida yhteiskunnan jatkuva teknologinen kehitys ja digitalisaation tuomat muutokset yhteiskuntaan. Näkisin, että koulutusorganisaatioiden tulisi kulkea aallonharjalla henkilöstön sisäisen osaamisen varmistamisessa, sillä tämä henkilöstö on vastuussa myös tulevien asiantuntijoiden kouluttamisesta korkeakouluopintojen kautta. Näin voidaan varmistaa, että korkeakouluopiskelijoilla on valmistuttuaan tarvittavat edellytykset pärjätä työelämässä nykypäivän vaatimusten mukaisesti.


    Kirjoittaja:
    Minttu Merivirta, lehtori, Lapin ammattikorkeakoulu

Lisää luettavaa