Viime vuosikymmeninä tekoälyn kehitys on edennyt huomattavasti (Montenegro-Rueda ym., 2023). Lisäksi sen hyödyntäminen opetuksessa on lisääntynyt merkittävästi. Tekoäly voi tarjota uusia mahdollisuuksia sekä oppimisen, että opetuksen kehittämiseen (Zawacki-Richter ym., 2019). Sitä hyödynnetään esimerkiksi adaptiivisina opetusalustoina, oppimisen haasteiden varhaisessa tunnistamisessa sekä opettajan arviointityötä helpottavissa järjestelmissä (Euroopan komissio, 2022). Lisäksi tekoäly mahdollistaa opetuksen yksilöllistämisen ja eriyttämisen aiempaa paremmin, mikä voi tukea oppijoiden erilaisia tarpeita ja edistää oppimismotivaatiota. Tekoälyn hyödyntämiseen liittyy kuitenkin myös haasteita ja kriittisiä kysymyksiä. Sen käyttö herättää pohdintaa muun muassa opettajan ammatti-identiteetistä sekä opetuksen laadusta.  Tekoälyn nopea integroituminen kouluympäristöön edellyttää opettajilta uudenlaista osaamista, jatkuvaa oppimista sekä kykyä arvioida kriittisesti sen pedagogista merkitystä ja käyttöä osana omaa opetustyötä. Samalla korostuu tarve eettiselle pohdinnalle, kuten tietosuojaan, läpinäkyvyyteen ja vastuulliseen käyttöön liittyville kysymyksille. Näin ollen on tärkeää ymmärtää, miten opettajat suhtautuvat tekoälyyn ja millaiset tekijät vaikuttavat sen hyväksymiseen ja käyttöön koulutuksessa (Cardona, Rodríguez & Ishmael, 2023).  

Tekoälyn hyödyntämistä opetuksessa (engl. AIEd) on tarkasteltu tutkimuksessa jo useiden vuosikymmenten ajan, ja alan juuret ulottuvat yli 40 vuoden taakse (Holmes, 2024). AIEd-tutkimus on tuonut esiin, että tekoälyllä on potentiaalia tehostaa sekä koulutuksen hallinnollisia käytäntöjä että itse opetus- ja oppimisprosesseja. Lisäksi tekoälyn on todettu tukevan oppimisen yksilöllistämistä tarjoamalla oppijoille heidän tarpeisiinsa ja etenemiseensä paremmin mukautuvia oppimispolkuja (Jara & Ochoa, 2020; Montenegro-Rueda ym., 2023). Kansainväliset tutkimukset korostavat tekoälyn hyödyllisyyttä opetuksen tukena (Walter, 2024), mutta Suomessa aihetta koskeva empiirinen tutkimustieto on edelleen lähes olematonta.  

Pro gradu -tutkielmassani tarkastelin peruskoulun opettajien suhtautumista tekoälyyn. Tutkimus toteutettiin kvalitatiivisena tutkimuksena fenomenologisella tutkimusotteella. Aineisto kerättiin alkuvuoden 2026 aikana teemahaastatteluiden avulla. Haastatteluihin osallistui 15 peruskoulun luokanopettajaa eri puolilta Suomea. Aineisto analysoitiin fenomenologisella analyysilla, jossa hyödynsin sekä Giorgin (1997) fenomenologista lähestymistapaa, että Juha Perttulan (2000) empiiriseen fenomenologiaan perustuvaa menetelmää.

Tulosten tulkinnassa hyödynsin myös TAM-mallia (Davis, 1989), sekä Reissin 16 perustarpeen teoriaa (Reiss, 2004). Mallien hyödyntäminen tulosten tulkinnassa tapahtui vasta fenomenologisen analyysin jälkeen. TAM-malli auttoi jäsentämään sitä, miten uuden teknologian koettu hyödyllisyys ja helppokäyttöisyys vaikuttavat yksilön suhtautumiseen, motivaatioon ja käyttöaikomukseen (Davis, 1989). Reissin (2004) teoria puolestaan tarjosi syvällisemmän näkökulman yksilöllisiin motivaatiotekijöihin, sillä sen avulla oli mahdollista tarkastella, miten erilaiset perustarpeet, kuten hyväksynnän, uteliaisuuden tai itsenäisyyden tarve, näkyvät tuloksissa (Reiss, 2004). Näiden teoreettisten viitekehysten yhdistäminen fenomenologisen analyysin tuloksiin rikasti analyysia ja mahdollisti tulosten monipuolisemman tulkinnan.

Tulokset osoittivat, että opettajien tekoälyyn liittyvät kokemukset ja suhtautuminen ovat vielä muotoutumisvaiheessa ja heijastavat sekä kiinnostusta, että varovaisuutta uutta teknologiaa kohtaan. Vaikka tekoälyä hyödynnetään jo joissakin opetuksen osa-alueissa, sen käyttö näyttäytyy paikoin kokeilevana ja tilannesidonnaisena. Opettajat tunnistivat erityisesti tekoälyn mahdollisuudet opetuksen suunnittelun tukena sekä oppimisen eriyttämisessä, mutta toivat esiin myös haasteita, kuten ajankäytön, kuormittavuuden, osaamisen puutteet ja epävarmuuden tuotetun sisällön luotettavuudesta. Tämä luotettavuuteen liittyvä epävarmuus näyttäytyi keskeisenä haasteena, mikä on linjassa myös aiemman tutkimuksen kanssa (Chan & Wu, 2023). Vastaajat korostivat, ettei tekoälyn tuottamaa sisältöä voidaan käyttää sellaisenaan, vaan se edellyttää aina erillistä arviointia oikeellisuuden ja pedagogisen soveltuvuuden näkökulmasta. Moni opettaja koki, että vastausten tarkistaminen vaatii aikaa sekä kriittistä ajattelua ja ammatillista harkintaa, mikä voi puolestaan lisätä työn kuormittavuutta. Tuloksissa korostui, että opettajien suhtautumista selittävät enemmän henkilökohtaiset kokemukset ja asenteet kuin esimerkiksi työkokemus, ja että teknologian käyttöä ohjaa vahvasti sen koettu käytettävyys ja hyöty omassa työssä. Lisäksi aineisto tuo selkeästi esiin tarpeen tuelle ja koulutukselle, jotta tekoälyn käyttö voisi kehittyä suunnitelmallisemmaksi ja pedagogisesti tarkoituksenmukaisemmaksi osaksi opetusta.

Tutkimuksen rajoitteena voidaan pitää sitä, että osallistujien taustatietoja kartoitettiin varsin rajallisesti, käytännössä ainoastaan työkokemuksen osalta. Tämän vuoksi muiden mahdollisesti merkittävien taustatekijöiden yhteyttä tuloksiin ei ollut mahdollista tarkastella. Jatkossa olisi perusteltua huomioida laajempi joukko taustamuuttujia, sillä aiempi tutkimus viittaa siihen, että esimerkiksi ikä ja sukupuoli voivat olla yhteydessä teknologiseen osaamiseen (Tanhua-Piiroinen ym., 2016). Lisäksi olisi tärkeää ottaa huomioon koulun toimintaympäristöön liittyviä tekijöitä, kuten organisaation digitaaliset linjaukset, tarjolla oleva tuki sekä työyhteisön suhtautuminen teknologiaan, sillä ne voivat vaikuttaa olennaisesti siihen, miten tekoälyä hyödynnetään ja millaisena se koetaan.

Toinen keskeinen huomio liittyy digitaalisen osaamisen tarkasteluun. Tässä tutkimuksessa osallistujien osaamista ei mitattu, vaan tarkastelu perustui heidän omiin kuvauksiinsa ja arvioihinsa. Näin ollen tulokset heijastavat ennen kaikkea koettua osaamista, eivätkä mahdollista tarkkojen johtopäätösten tekemistä digitaalisen kompetenssin ja tekoälyyn suhtautumisen välisestä yhteydestä. Aiemman tutkimuksen perusteella näiden tekijöiden välillä on kuitenkin havaittu yhteys (Galindo-Domínguez ym., 2024), joten aihetta olisi perusteltua tarkastella tarkemmin tulevissa tutkimuksissa.

Erika Lassila

Lapin yliopisto, Kasvatustieteiden tiedekunta, Luokanopettajakoulutus

Blogikirjoitus perustuu pro gradu -tutkielmaan ”Työkalu vai ongelma?” – Fenomenologinen tutkimus opettajien suhtautumisesta tekoälyyn 

Lähteet:

Cardona, A., Rodríguez, R. & Ishmael, K. 2023: Artificial Intelligence and the Future of Teaching and Learning: Insights and Recommendations. U.S. Department of Education, Office of Educational Technology. Washington, DC. https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf

Chan, C. K. Y., & Whu, W. (2023). Students’ voices on generative AI: Percep tions, benefits, and challenges in higher education. International Journal of Educa tional Technology in Higher Education, 20(1), 43. https://doi.org/10.1186/s41239 023-00411-8

Euroopan Kommissio (2022). Ethical guidelines on the use of artificial intelligence (AI) and data in teaching and learning for educators. Publications Office of the European Union. https://data.europa.eu/doi/10.2766/153756https://doi.org/10.1186/s41239 023-00411-8

Galindo-Domínguez, H., Delgado, N., Campo, L., & Losada, D. (2024). Relationship between teachers’ digital competence and attitudes towards artificial intelligence in education. International Journal of Educational Research, 126. https://doi.org/10.1016/j.ijer.2024.102381

Giorgi, A. (1997). The theory, practice, and evaluation of the phenomenological method as a qualitative research procedure. Journal of Phenomenological Psychology, 28(2), 235–260. https://doi.org/10.1163/156916297X00103

Holmes, W. (2024). AIED—Coming of Age? International Journal of Artificial Intelligence in Education, 34(1), 1–11. https://doi.org/10.1186/s41239 023-00411-8

Jara, I., & Ochoa, J. M. (2020). Uses and effects of artificial intelligence in education. Inter-American Development Bank. https://doi.org/10.18235/0002380

Montenegro-Rueda, M., Fernández-Cerero, J., Fernández-Batanero, J. M., López-Meneses, E. (2023). Impact of the Implementation of ChatGPT in Education: A Systematic Review. Computers, 12, 153. https://doi.org/10.3390/computers12080153

O. Zawacki-Richter, V.I. Marín, M. Bond, F. Gouverneur, Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, 16 (2019), p. 39, 10.1186/s41239-019-0171-

Perttula, J. 2000. Kokemuksesta tiedoksi: fenomenologisen metodin uudelleen muotoilua. Kasvatus 5/2000, ss.428-442.

Reiss, S. (2004). Multifaceted Nature of Intrinsic Motivation: The Theory of 16 Basic De sires. Review of General Psychology, https://doi.org/10.1037/1089-2680.8.3.179 8(3), 179–193.  

Tanhua-Piiroinen, E., Viteli, J., Syvänen, A., Vuorio, J. – Kari A. Hintikka, K. A., & Sairanen, H. (2016). Perusopetuksen oppimisympäristöjen digitalisaation ny kytilanne ja opettajien valmiudet hyödyntää digitaalisia oppimisympäristöjä. (Valtioneuvoston selvitys- ja tutkimustoiminnan julkaisusarja 18). Valtioneuvoston kanslia

Venkatesh, V. & Davis, F. D. 1996. A Model of the Antecedents of Perceived Ease of Use: Development and Test. Decision Sciences, vol. 27, no. 3, pp. 451 – 481.

Walter, Y. (2024) Embracing the Future of Artificial Intelligence in the Classroom: The Relevance of AI Literacy, Prompt Engineering, and Critical Thinking in Modern Education. International Journal of Educational Technology in Higher Education, 21, Article No. 15. https://doi.org/10.1186/s41239-024-00448-3