Tekoälyn kestävä integrointi korkeakoulutukseen edellyttää, että opiskelijoille löytyy oppimista tukevia tapoja hyödyntää sitä. Millä tavoin tekoäly tukee oppimista ja miten näitä käytäntöjä voidaan vakiinnuttaa korkeakoulun arkeen?
Useissa tutkimuksissa todetaan, ettei tekoälyn käyttö suinkaan ei aina edistä oppimista, vaikka opiskelijan tuotos olisi tekoälyn avulla tehtynä parempi kuin ilman sen apua (esim. OECD, 2026, s. 20). Diakin kokeilun tarkoituksena on ohjata opiskelijoita sellaiseen tekoälyn käyttöön, jolla voi tutkimusten mukaan olla positiivisia vaikutuksia oppimistuloksiin. Tähän vaikuttaa esimerkiksi tekoälyn rooli ja se, millaisissa tehtävissä sitä käytetään. Olen eritellyt tätä yksittäisten tehtävätyyppien osalta aiemmassa artikkelissani (Nokso-Koivisto, 2025). Tässä kirjoituksessa tarkastelen aihetta muutaman laajemman jäsentelyn näkökulmasta.
Hidas ja nopea tekoälyn käyttö
Ronald Beghetto (OECD, 2026, s. 118) havainnollistaa sitä, kuinka tekoäly voi olla avuksi luovassa prosessissa jaottelemalla tekoälyn käyttökokemuksen nopeaan (fast AI) ja hitaaseen (slow AI). Nopealla tekoälykokemuksella tarkoitetaan sen hakukonemaista tai muuten kritiikitöntä käyttöä siten, että tekoälyn odotetaan tuottavan nopeasti valmiita vastauksia ja siten tekevän työn oppijan puolesta. Tällaisena se ei luonnollisesti tue omaa ajattelua, pikemminkin laiskistaa sitä.
Vaikka Beghetto tarkastelee jaottelua luovan prosessin näkökulmasta, se havainnollistaa osuvasti tekoälyn käyttöä oppimisessa laajemminkin. Opiskelijoita tulisi Beghetton mukaan kannustaa hitaaseen tekoälyn käyttöön, jossa tekoäly toimii oppimisen kumppanina. Tekoälyn kanssa vaihdetaan ajatuksia, mutta samanaikaisesti sen näkemyksiä kyseenalaistetaan kuin kollegan kanssa jutellessa. Hitaalle tekoälyn käytölle on ominaista se, ettei tekoälyn äärelle mennä valmiiden vastausten toivossa, ja opiskelijalla on jo jokin käsitys opittavasta asiasta ennen sparrailua aiheesta tekoälykumppanin kanssa. Näin tekoäly pakottaa oppijan pysähtymään opittavan asian äärelle. (OECD, 2026, s. 118.) Tällaista tekoälyn käyttöä vaikuttaakin luonnehtivan prosessimaisuus, jossa tekoäly on mukana oppimisprosessin eri vaiheissa, mutta opiskelija työstää aihetta aina ensin, prosessin aikana ja lopuksi itse.
Pedagoginen kumppanuus tekoälyn kanssa
Beghetton näkemystä täydentävä lähestymistapa tekoälyn oppimista tukevaan käyttöön on alkuvuodesta 2026 Wangin ja Zhangin julkaisemassa tutkimuksessa, jossa tarkastellaan tekoälyn vaikutusta transformatiiviseen oppimiseen. Tutkimuksessa tekoälyn käyttöä tarkastellaan pedagogisen kumppanuuden (pedagogical partnership) näkökulmasta. Pedagoginen kumppanuus on syvällistä yhteistyötä opiskelijan ja tekoälyn välillä, eikä tekoälyä pidetä pelkkänä passiivisena välineenä vaan aktiivisena kumppanina. Kumppanuudelle on ominaista jaettu toimijuus (shared agency), molemminpuolinen vuorovaikutus ja yhteinen tiedonluonti. (Wang & Zhang, 2026, s. 2–5.)
Wang ja Zhang liittävät pedagogiseen kumppanuuteen kognitiivisen valppauden (cognitive vigilance), jolla he tarkoittavat tekoälyn tuottaman sisällön järjestelmällistä ja kriittistä arviointia. Wangin ja Zhangin (2026, s. 4) mukaan valppaus on syvällistä kriittisyyttä tekoälyä kohtaan ja pitää sisällään virheiden havaitsemista, kyseenalaistamista ja päättelyketjujen varmentamista. Toinen tutkimuksen mukaan positiivisiin vaikutuksiin oppimisprosessissa johtanut tekijä on kognitiivinen ulkoistaminen (cognitive offloading), jolla Wang ja Zhang (2026, s. 4–5) viittaavat oppimisprosessin osien harkittuun ulkoistamiseen tekoälylle. Tämä ulkoistaminen ei koske vain mekaanisia osia prosessissa vaan myös sellaisia vaativampia tehtäviä kuin tiivistämistä, syntetisointia, tekstiluonnosten laatimista ja data-analyysia.
Tekoäly voi tarjota pikareittejä tehtävien suoritukseen, muttei oppimiseen.
Perinteisesti on ajateltu, että kognitiivinen ulkoistaminen haittaa syvällistä oppimista. Wangin ja Zhangin tutkimustulokset viittaavat vastakkaiseen: pedagoginen kumppanuus tekoälyn kanssa aktivoi samanaikaisesti sekä kriittisen arvioinnin että strategisen tehtävien delegoinnin. Näin voidaan vapauttaa voimavaroja korkeamman tason pohdiskelulle, mikä vahvistaa oppimista. Wang ja Zhang tarkentavat kuitenkin, että tämä hyöty näkyy vasta tietyn kynnyksen ylittyessä. (Wang & Zhang, 2026, s. 15–17, 23–24.)
Kokeiluilla kohti yhteistoimintaa tekoälyn kanssa
Tekoäly voi tarjota pikareittejä tehtävien suoritukseen, muttei oppimiseen. Jotta se aidosti tukee oppimista, täytyy aiheen äärelle pysähtyä ja ponnistella itse. Tietoautomaatin tai asiantuntija-apurin sijaan tekoälyä tulisikin kohdella kollegan kaltaisena kumppanina. Tämä vaatii kuitenkin opiskelijalta varsin syvällistä tekoälylukutaitoa, joka kriittisyyden ohella pitää sisällään myös uskallusta harkitusti ulkoistaa tehtäviä tekoälylle.
Kuinka tällaisia valmiuksia voi kehittää korkeakoulussa? Wang ja Zhang painottavat, että korkeakoulujen tulisi korostaa tekoälystrategioissaan pedagogisen kumppanuuden mallia. Tekoälyä ei tulisi esitellä pelkkänä työkaluna tai avustajana, eikä suosia harjoituksissa pintapuolista tekoälyn käyttöä esimerkiksi hakukoneena. Tekoälyn käytön harjoittelun tulisi edetä alkukokeiluista kohti yhteistoimintaa tekoälyn kanssa, ja siihen tulisi liittää reflektiopisteitä, joissa opiskelijat sanoittavat kehittyvää suhdettaan teknologiaan. Harjoittelua tulisi tukea arvioinnilla, jossa kriteereihin liitetään lopputulosten ohella vuorovaikutuksen laatu tekoälyn kanssa. Tässä tulisi kiinnittää huomiota esimerkiksi strategisen delegoinnin ja kriittisen arvioinnin taitoihin sekä tiedonluontiin yhteistyössä tekoälyn kanssa. (Wang & Zhang, 2026, s. 26.)
Tekoälyn ohjattu käyttö oppimistehtävissä voi olla yksi keino kehittää opiskelijoiden osaamista kohti hitaan tekoälyn käytön tai pedagogisen kumppanuuden kaltaisia malleja.
Kirjoitus on osa Tekoälyn pedagogisesti kestävä integrointi korkeakouluopetukseen -blogisarjaa, joka esittelee Diakissa keväällä 2026 käynnistyneen kokeilun tuloksia. Kokeilussa kehitetään tekoälyn ohjattua käyttöä opetuksessa.
Lähteet
Nokso-Koivisto, I. (2025). Tekoäly muuttaa korkeakouluopetusta – näin tekoälychatit voivat tukea oppimista. Dialogi. Diakonia-ammattikorkeakoulu. https://www.diak.fi/dialogi/artikkeli/tekoaly-muuttaa-korkeakouluopetusta-nain-tekoalychatit-voivat-tukea-oppimista/
OECD. (2026). OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. OECD Publishing. https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html
Wang, S., & Zhang, H. (2026). Pedagogical partnerships with generative AI in higher education: How dual cognitive pathways paradoxically enable transformative learning. International Journal of Educational Technology in Higher Education 23, 11. https://doi.org/10.1186/s41239-026-00585-x
Kirjoittajat
Inka Nokso-Koivisto
Diakonia-ammattikorkeakoulu Digipedagogiikan asiantuntija, FT
