Tekoäly (artificial intelligence) on kiistatta yksi mielenkiintoisimmista tutkimuskohteista useilla eri tieteenaloilla. Tekoälyyn liittyvä tutkimus- ja kehitystyö on ollut varsin nopeaa ja käyttökelpoisia sovelluskohteita on löydetty nopeasti. Tekoälyä sovelletaan jo esimerkiksi kameroiden kasvojen tunnistuksessa. Kuvatessa algoritmi pyrkii tunnistamaan ihmisen kasvot etukäteen annettujen parametrien mukaan, mutta tunnistusalgoritmi ei kehity itsenäisesti ilman tekoälyä.
Kasvojen tunnistusalgoritmiin lisätyn tekoälyn avulla jokainen kuvaustilanne on kameralle mahdollisuus oppia tunnistamaan kasvoja paremmin, jolloin myös tunnistusalgoritmi kehittyy automaattisesti. Samaa ideaa voidaan soveltaa, vaikka robotti-imureihin. Kameran avulla robotti-imuri voi oppia tunnistamaan ja väistämään vaikkapa lattialla lojuvia johtoja. Kun johtomyttyjä kohdataan riittävästi, oppii robotti tunnistamaan ne varsin tehokkaasti.
Vaikka tekoälyn periaate on monille mysteeri, on se matemaattisessa mielessä yksinkertainen. Toinen algoritmi tunnistaa ja toinen algoritmi kehittää tunnistusalgoritmia. Mitä enemmän dataa syötetään, sitä paremmaksi tunnistusalgoritmi kehittyy.
Tutkimuksessa esitetään, että tulevaisuudessa tekoälyä voidaan käyttää myös verkko-oppimisympäristöjen kehittämiseen.
Mika Koponen, Anni Sydänmaanlakka ja Erika Löfström tarkastelivat tutkimuksessaan tekoälyn mahdollisuuksia verkko-oppimisympäristöjen kehittämiseen. Tutkimusaineistona käytettiin verkkokurssin taustalle tallentuvia ns. lokitietoja. Lokitietoihin tallennetaan yksilöllisesti verkkoympäristössä seikkailevan jokainen napin painallus tai hiiren klikkaus. Lokitiedot ovat siis massiivinen kokoelma klikkaustietoja, päivämääriä ja kellonaikoja. Lokitietoja tarvitaan aina verkko-oppimisympäristöjen tekniseen toteutukseen, jotta järjestelmä voi erottaa esimerkiksi tekemättömät tehtävät tehdyistä. Koska lokitiedot tallentuvat joka tapauksessa, ei tutkimusta varten kerätty lainkaan erillistä aineistoa. Tutkimukseen osallistuneilta tarvittiin vain suostumus, että heidän lokitietojaan saadaan käyttää tutkimustarkoitukseen.
Tutkimustulokset osoittivat, että lokitiedoista saadaan selville esimerkiksi kuinka paljon osallistujat käyttävät aikaa verkkotehtävien tekemiseen, kuinka pitkiä aikoja he viettävät kerrallaan verkossa, millaista opiskelurytmiä he suosivat ja millaisia eroja yksilöiden välillä on. Myös verkkotehtävätyypeillä havaittiin olevan vaikutusta opiskelun rytmittämiseen. Syvällisemmät tai enemmän aikaa vaativat aktiviteetit keskeyttävät yhtenäisen opiskelun herkemmin kuin esimerkiksi videoluennot. Lyhytkestoiset videot ja nopeasti vastattavat kyselyt sen sijaan sitouttavat osallistujia yhtenäiseen opiskeluun. Tutkimuksen johtopäätöksenä todettiin, että lokitiedoista saadaan tietoa verkko-oppimisesta sekä yksilö- että ryhmätasolla, mutta ilman analyysiä lokitietoja ei voida hyödyntää verkkokurssien kehittämisessä.
Tutkimuksen pohjalta tutkijat loivat katseita tulevaisuuteen ja esittivät, kuinka tekoälyä voitaisi soveltaa verkkoympäristöjen kehittämiseen. Tekoälyn soveltaminen tapahtuisi kahden algoritmin kautta. Ensimmäinen algoritmi analysoi verkkokurssin lokitietoja ja tunnistaa verkko-oppijat heidän opiskelutaipumuksien mukaan. Toinen algoritmi kehittää tunnistusalgoritmia, jolloin lokitietojen kasvu johtaisi yhä tarkempaan ja monipuolisempaan luokitteluun. Näin verkko-oppimisympäristö voitaisi myös ohjelmoida mukautumaan automaattisesti tunnistettujen opiskelutaipumusten perusteella. Tutkimusten mukaan verkko-oppimisympäristön yksilölliset ratkaisut parantavat verkko-opiskelukokemusta ja oppimista.
Artikkeli on luettavissa osoitteesta:
https://journals.helsinki.fi/lumat/article/view/1660
Koponen, M., Sydänmaanlakka, A., & Löfström, E. (2021). Verkko-oppimisympäristöjen kehittäminen tekoälyn avulla: Tulevaisuusvisio matematiikan opetuksen täydennyskoulutuksesta: Developing online learning environments with AI. Future visions from continuing training in mathematics teaching. LUMAT: International Journal on Math, Science and Technology Education, 9(1), 917–944. https://doi.org/10.31129/LUMAT.9.1.1660
Lisätietoja aiheesta:
Mika Koponen, FT
Yliopistonlehtori, matematiikan didaktiikka
Kasvatustieteiden ja kulttuurin tiedekunta
Tampereen yliopisto