Tekoälyä ja tutkimusta käsittelevää opintojaksoa kehittämässä | Developing a Course on Artificial Intelligence and Research

(Please, scroll down to read in English.)

Torstaina maaliskuun 20. päivä tänä vuonna käynnistyi ainutlaatuinen pilottiopintojakso nimeltään ”Kehittämistyö: Tekoäly tutkimuksen tukena”. Pilotoinnin tavoitteena oli kehittää kaikille avointa, itsenäisesti opiskeltavaa MOOC-verkkokurssia, joka olisi tulossa osaksi opintotarjontaa syksyllä 2025.

Tekoäly ja sen moninaiset toteutukset ovat olleet kuuma peruna myös korkeakoulumaailmassa kuluneiden parin vuoden ajan, joten linjausten pikkuhiljaa hahmottuessa ja Itä-Suomen yliopiston tekoälypolitiikan ilmestyttyä oli korkea aika aloittaa aihetta käsittelevän opetuksen suunnittelu. Syväoppimista ja laajoja kielimalleja varmasti lähestytään eri yksiköissä eri tavoin, ja yhden uusi löytö voikin olla toisen vanhaa kauraa. Täten valitsimme kehittämishankkeessa lähestymistavan, jossa osallistimme opiskelijoita sopivien opetussisältöjen ja -materiaalien kohdentamista varten keräten samalla kokemuksia ja käytänteitä kirjavalta osallistujajoukoltamme.

Mennäänpä hieman taaksepäin. Pilotin tuoreudesta huolimatta varsinainen opetustarve oli tunnistettu jo aiemmin, ja hanke käynnistettiinkin hankehakemuksen muodossa jo syksyllä 2024. Hakemuksessa kartoitettiin tarvittavat resurssit ja haettiin rahoitusta erityisesti hankekoordinaattorin palkkaamiseksi, mikä oli välttämätöntä monitieteisen ja yliopiston eri tahoja yhdistävän hankkeen ohjaamisen ja aikatauluttamisen kannalta.

Oma osuuteni hankkeessa alkoikin tämän vuoden puolella, kun aiempi esihenkilöni uteli minua kyseiseen tehtävään. Tekoäly, erityisesti modernit laajat kielimallit, ovat olleet suosikki-inhokkini jo jokusen tovin, ja ristiriitainen intohimoni suorastaan pakotti minut osaksi monitahoista asiantuntijajoukkoa. Tarkasti hankkeen tavoitteisiin perehdyttyäni aloitin työt helmikuun alussa, jolloin käytännön toteutus ja siihen vaadittavat toimet alkoivat pikaisesti valjeta sekä minulle että muulle työtiimille.

Pilotin lähestymistapa

Pilotti käynnistettiin lopulta varsin pikaisella aikataululla. Siinä vaiheessa, kun aloin itse perehtyä pilotin lähtökohtiin ja tavoitteisiin, oltiin suunnitteluryhmässä jo kiireen vilkkaa jakamassa sisällön tuottamisen vastuita sekä organisoitumassa eri opettajatiimeihin materiaalien realisoimiseksi. Pääasiallisista sisällöistä oli jo jonkinlainen näkemys, joskin osa asiantuntijoista oli vielä rekrytoitava. Kiireinen aikataulu sai potkua sekä itseeni että tukenani toimineeseen osaavaan ohjausryhmään, ja aloimmekin pienen perehtymisrauhan jälkeen laatia aikatauluja sekä markkinointimateriaalia opiskelijarekrytointia varten.

Rekrytoimista haastoi hieman tuolloinen konkreettisten aikataulujen ja tarkan sisällön puute, mutta jo hankehakemuksessa mainittujen tavoitteiden sekä ajankohtaisen aiheen turvin saimme laadittua puhuttelevat mainostekstit yliopiston infonäytöille ja sisäisen viestinnän kanaville. Vaikka emme ihan yltäneetkään kahdenkymmenen opiskelijan tavoitteeseen, talvilomakautena parin viikon aikaikkunalla tavoitetut kymmenisen aktiivista osallistujaa oli sekin kiitettävä saavutus. Huomionarvoista on, että ”kehittämistyönä” markkinoidulle opintojaksolle haettiin kirjallisella sähköpostihakemuksella, mikä toisaalta nosti hakukynnystä, mutta toimi myös takuuna opiskelijoiden kiinnostukselle pilottia kohtaan.

Opettajien yhteistyö

Tuoreen ja tulenaran aiheen ohessa projektin ainutlaatuisimpia piirteitä oli sen monitieteisyys. Tekoälyn tuomien mahdollisuuksien, ja paikoin myös uhkien, lähestyessä jokaista alaa suurin harppauksin, muodostui hankkeen tavoitteeksi aktivoida kaikkia Itä-Suomen yliopiston tahoja aina tiedekunnista kielikeskukseen ja kirjastoon. Looginen lähestymistapa tällaisen yhteistyön rakentamiseksi saattaisi olla aihepiirien tiukka delegoiminen, joskin tuolloin opetettavan sisällön yhtenäisyydestä voisi olla vaikea huolehtia. Olikin siis tärkeää saada eri tahojen edustajia suunnittelemaan ja vaihtamaan ajatuksia saman virtuaalipöydän äärellä.

Suunnitteluryhmän ja ohjausryhmän toiminta ajoi tavoitetta osaltaan, joskin vielä tärkeämpi rooli oli tiedon sujuvalla kulkemisella eri sisällöistä vastaavien pienryhmien ja koko laajan osallistujajoukon välillä. Tämä tiedon välittäminen olikin pääasiallinen tehtäväni hankekoordinaattorina, ja suoriuduin siitä lukuisien muistiinpanojen ja sähköpostivyöryjen turvin. Vaikka monesti mietinkin, miten tällaisesta tehtävästä selviäisi ilman moderneja toimistotarvikkeita, oli silti todettava kasvotusten käydyt keskustelut kaikkein tehokkaimmaksi toimintamalliksi. Olivat nuo kohtaamiset sitten kahvipöydässä tai Microsoft Teamsissa.

Työskentely opiskelijoiden kanssa moduuleissa

Opettajajoukon valmisteltua yleispätevää sekä aihekohtaisempaa erityistietoa oli seuraavana vuorossa noiden sisältöjen testaaminen osana pilotille ominaista kehittämistyötä. Opintojaksolle valikoituneet opiskelijat pääsivät maaliskuun puolivälissä tarkistelemaan Digicampus-oppimisalustalle vietyä materiaalia valmistautuen samalla 20.3. pidettävään johdantotilaisuuteen. Kirjoituksen alussa mainitsemaan MOOC-opintojaksoon kuuluvat seuraavat olennaiset sisällöt, joissa tekoälyä tarkastellaan:

• Etiikka
• Tutkimuksen ideointi ja suunnittelu
• Tieteellinen tiedonhaku
• Tutkimuksen analyysi
• Aineistonhallinta
• Kirjoittaminen ja raportointi

Ensimmäisissä yhteistapaamisissa perehdyimme tekoälyyn yleisesti, sen tarjoamiin mahdollisuuksiin tutkimuksen kannalta sekä sitä koskeviin eettisiin kysymyksiin. Näiden kahden luennoista ja keskusteluista koostuvan tilaisuuden ohessa opiskelijat jakautuivat omien kiinnostustensa mukaan neljään eri työryhmään, jotka seuraavilla viikoilla osallistuisivat jäljellä olevien aihepiirien kehittämiseen.

Näitä neljää moduulia, ideointi ja suunnittelu, tieteellinen tiedonhaku, tutkimusaineisto ja analyysi, ja kirjoittaminen ja raportointi, kehitettiin niille omistetuissa etätyöpajoissa. Työpajoja varten perehdyttiin oppimisalustalla oleviin materiaaleihin ja paikoin myös laajoihin ennakkotehtäviin, mikä mahdollisti aktiivisen ja sisällöllisesti rikkaan keskustelun noissa kahden ja puolen tunnin tilaisuuksissa.

Opiskelijoiden osallistuminen oli positiivista ja aktiivista, enkä ainakaan itse ollut kokenut oloani näin investoituneeksi sitten oman maisteriseminaarini. Opettajiemme laatimat sisällöt otettiin lämmöllä vastaan, ja opiskelijoiden omakohtaiset kokemukset ja paikoittain jopa kiusallisen tarkat kysymykset saivat ansaitsemansa tilan rennolla otteella pidetyissä työpajoissa.

Tekemällä opittua

Opintojaksopilotin aikana saimme monia oppeja verkkokurssin kehittämistä varten. Suureen suosioon nousivat erityisesti analyysimoduulin työpajaa varten kehitetyt tehtävät, joissa osallistujat pääsivät ohjatusti kokeilemaan omien tekstiensä muokkaamista tekoälyn (tässä tapauksessa Microsoft Copilot) avulla. Siinä missä tekoälyn ominaispiirteet eivät välttämättä näy läpi tuoreeltaan luetusta tekstistä, henkilökohtaisesti laaditun työn kohdalla vaikutukset korostuvat uudella tavalla. Esimerkiksi tekoälyn tapa häivyttää kirjoittajan omaa ääntä nousi keskeiseksi havainnoksi.

Vinon pinon ennakkotehtäviä sisältänyt tiedonhaun moduuli otettiin myös hyvin vastaan, ja ehkä jopa yllättäen opiskelijat tuntuivat suosivan tehtävien paljoutta niiden vähyyden sijaan. On tietenkin huomionarvoista todeta, että kehitettävän verkkokurssin koostuessa itsenäisestä opiskelusta tulee oppimistehtäville muutenkin korostetumpi rooli muiden työtapojen jäädessä pois. Tehtäviä tulee siis olla lukuisia, mutta ne pitää kohdentaa oikein ja jakaa tasaisesti eri osa-alueille.

Sisältöjen yleisestä painottamisesta ja vaatimustasosta käytiin muutenkin laajaa keskustelua. Tekoäly on erityisesti nykyisessä kehitys- ja laajenemisvaiheessaan vaikea opetuksen aihe, sillä eri aloilla ja erilaisissa työtehtävissä sen käytettävyys vaihtelee dramaattisesti. Opiskelijoiden yksilölliset lähestymistavat ja mielenkiinnot aihetta kohtaan tekevät ilmiöstä entistä jakavamman, minkä vuoksi ns. ”yleistasoa” opintojaksolle on vaikea asettaa.

Pilotin aikana kokonaisuus koettiin toimivaksi, joskin eri osiot koettiin eri tavalla hyödyllisiksi riippuen opiskelijoiden omista osaamistarpeista. Toisaalta osallistujajoukossamme oli jo kokeneita tekoälyn käyttäjiä, joille alkupään helpommat sisällöt olivat tavallaan itsestäänselvyyksiä. Varsinaisella opintojaksolla on kuitenkin tarpeellista olla myös promptauksen peruskäytäntöjä sekä kielimallien logiikoita käsitteleviä osuuksia, jotta myös kokemattomat käyttäjät saadaan mukaan.

Jälkisanat

Kaiken kaikkiaan pilotista jäi inhimillisen lämmin vaikutelma konemaisen kylmästä aihepiiristä huolimatta. Itselleni oli tärkeää huomata miten jokaiselta opiskelijalta ja opettajalta löytyi omanlaisensa näkemys tekoälyn ja erityisesti laajojen kielimallien sopivaan soveltamiseen. Paikoittaisista uhkakuvista ja asiallisista soraäänistä huolimatta olimme kaikki ennen kaikkea oppimassa ja opettamassa toisiamme.

Vaikka valtakunnallisista ja organisaatiokohtaisista tekoälyohjeista on saatu vastauksia, herää yhtä lailla myös soveltavia kysymyksiä ja epävarmuutta. Kaikkiin tutkimuksen tekemistä, sen arviointia ja tekoälyä koskeviin ristiriitoihin ei välttämättä löydy ratkaisuja vielä muutamaan toviin, mutta opiskelijoiden kuuleminen auttaa meitä tunnistamaan niitä opetustarpeita, joihin voimme pyrkiä vastaamaan.

Ajatusten vaihto ja elävä keskustelu ovat tieteellisen maailman peruskiviä, ja vain aktiivisella pohdinnalla voimme edetä niistä pattitilanteista, joihin tekoälydiskurssi tuntuu meidät helposti ajavan.

Suuret kiitokset Kati Kasasen ja Outi Hakolan vetämälle Tekoäly tutkimuksen tukena -opintojakson suunnitteluryhmälle.

Erityiset kiitokset kehittämistyöhön osallistuneille opiskelijoille, jotka antoivat luvan tulla mainituksi tämän kirjoituksen yhteydessä, ja joiden panostus mahdollisti suunnittelutyön kohdentamisen aivan ainutlaatuisella tavalla:
Miika Immonen
Timo Härkönen
Anne Partti
Sanni Pakarinen
Eero Rantala
Meri Maukonen
Niko Loikkanen
Tarja Turunen
Anu Metsätalo

_______________

On Thursday 20 March this year, a unique course pilot by the name of ‘Development work: AI as a Tool for Research’ was started. The objective of this pilot was to develop an open-for-all online self-study MOOC course, which would become available as part of the University of Eastern Finland’s study offering in Autumn 2025.

For the last couple of years, artificial intelligence and its many applications have been a hot potato in the academic world as well. As the policies slowly come into form and after the publishing of UEF Artificial Intelligence policy, it was high time to start planning teaching on the subject. That said, deep learning and large language models are discussed in various ways in different units, and another’s new finding may be ancient history to another. It was therefore decided that the approach for our development project would involve gathering insight from the students themselves in order to better select the contents and materials for our teaching. In addition, we would have the chance to share experiences and practices with our diverse group of students.

Let us go back a few months. Despite the pilot’s apparent recency, the need for teaching on the topic had been recognized much earlier. The application form for the project had, in fact, been sent already in Autumn 2024. This application laid out the necessary resources and was used to secure funding, especially for the hiring of a project coordinator, who would be needed in the guiding and scheduling of the multidisciplinary initiative involving the different units and departments of the university.

My own involvement in the project began earlier this year, when a former superior of mine asked me to take on said role. AI, the modern large-scale language models in particular, have been my pet peeve for some time now, and one could say that my conflicting passion practically forced me to join this diverse team of experts. After a thorough examination of the project’s objectives, I started work at the beginning of February, at a point when the scope of the practical implementation and the tasks required for it started to quickly dawn on me and the rest of the team.

The piloting approach

The pilot was inevitably launched on a notably short timeframe. By the time I started to familiarise myself with the starting points and objectives of the pilot, the larger design group was already busy distributing responsibilities for the production of course content and organising teacher teams for the realization of materials. While an idea for the main content was already in place, some experts had yet to be recruited. The hectic schedule gave a kick-start both to myself and to the competent steering group that acted as my support, and after a little familiarisation we started drafting schedules and marketing materials for student recruitment.

The recruitment process was a bit challenging due to the lack of concrete schedules and precise content at the time, but we did manage to create appealing advertisements for the university’s information boards and internal communication channels, much thanks to the already written objectives in the project application form and the topical subject matter. Although we did not quite reach our target number of twenty students, receiving applications from the near dozen active participants was also a commendable achievement considering our recruitment took place around the winter break. It is noteworthy that the course, marketed as a “development project”, was applied for via written e-mail applications, which on the one hand raised the application threshold, yet on the other served as a guarantee of the students’ interest towards the pilot.

Collaboration between teachers

In addition to the fresh and volatile subject matter, one of the most unique features of the project was its multidisciplinary nature. As the opportunities and, in many cases, threats of AI approached every field in leaps and bounds, the project’s aim was to mobilise all the different entities at the University of Eastern Finland, from the various faculties to the Language Centre and the Library. Strict delegation of subjects might be the logical approach for organising such cooperation, although it might be difficult to ensure consistency in the content to be taught. It was therefore important to get representatives from the participating units and faculties to plan and exchange ideas around the same virtual table.

The work of the design group and the steering group contributed to this objective, although the smooth flow of information between the smaller groups responsible for the different contents and the wider group of participants played an even more important role. This flexible communication was my main task as the coordinator for this project, which I carried out with the help of numerous notes and floods of emails. Although I often wondered how one could manage such a task without modern office equipment, I had to conclude that face-to-face discussions were almost always the most effective way of working. Whether those meetings were at the coffee table or through Microsoft Teams.

Working with students in modules

After our team of teachers had prepared general and more specific content for the teaching, the next step was to test that content as part of the pilot’s specific development work. In mid-March, the students selected for the course were able to review the material that had been gathered on the DigiCampus learning environment in preparation for the introductory session to take place on 20 March. The MOOC course that we were developing, mentioned at the beginning of this article, would include the following central topics in relation to AI:

• Ethics
• Brainstorming and planning research
• Scientific information retrieval
• Research analysis
• Data management
• Writing and reporting

In the first meetings, we learned about AI in general, its potential for research, and the ethical issues involved. Alongside these two sessions consisting of lectures and discussions, the students were divided into four different working groups according to their interests. These groups would then contribute to the development of the remaining topics through the following weeks.

The remaining four modules, Brainstorming and Design, Scientific Information Retrieval, Research Data and Analysis, and Writing and Reporting, were developed in dedicated remote workshops. In preparation for these workshops, materials on the learning environment and, in some cases, extensive pre-assignments were employed, allowing for active and content-rich discussion in those two and a half hour long meetings.

Student participation was positive and active, and I can say for myself that I hadn’t been quite this invested since my own master’s seminar. The materials designed by our teachers were warmly welcomed, and the students’ individual experiences and at times even concerningly sharp questions were given the room they deserve in the relaxed workshops.

Learning through action

The course pilot rewarded us with numerous lessons for the development of the online course. In particular, the exercises developed for the analysis module’s workshop, which allowed participants to try editing their own texts using AI (in this case, Microsoft Copilot), were very popular. While the characteristics of AI may not necessarily shine through from a text that one has freshly read, the effects are highlighted in a revolutionary manned when it comes to personal work. For example, one of the key findings related to the way AI blurs an author’s personal voice.

The information retrieval module with its stack of pre-assignments was also well received, and perhaps surprisingly, students seemed to prefer the number of tasks to their paucity. It is of course worth mentioning that the online course under development, which will consist of independent study, will inevitably give more emphasis to learning tasks, as other working methods are mostly excluded. It is, however, important that the large number of tasks are suitably targeted and evenly distributed across the different modules.

There was also widespread discussion regarding the overall emphasis and difficulty level of the content. Especially at its current stage of development and expansion, AI is a difficult topic to teach as its usability varies dramatically between different disciplines and dissimilar jobs. Students have their individual approaches and interests towards the subject, which makes the phenomenon even more divisive, resulting in difficulties in the selection of a ‘general level’ for the course.

During the pilot, the overall approach was perceived to be suitable, whereas the usefulness of different modules varied depending on the students’ own learning needs. On the other hand, our selected group included students that were already experienced with AI, for whom the easier content in the early parts of the course came across as self-evident. For the actual self-study course, however, it is necessary to also include sections on basic prompting practices and the logic of large language models, so that inexperienced users can also get involved.

Afterword

Overall, the pilot left me with a humanly warm impression despite the machine-cold subject matter. It was important for me personally to notice how each student and teacher had their own unique views on the appropriate application of AI, and in particular that of large-scale language models. Despite the scattered presence of nightmare scenarios and appropriately voiced disagreements, we were all there to first and foremost learn from and teach one another.

While national and organisational AI guidelines have provided some answers, they have also raised uncertainty and further questions on proper application. It may not be founded to expect all the controversies revolving around research, evaluation, and AI to be resolved anytime soon, but hearing from students will help us identify the teaching needs that we can work to address.

The exchange of ideas and lively debate are cornerstones of the academic world, and it is only through active reflection that we can move beyond these stalemates that the AI discourse seems to easily push us into.

Many thanks to the design group working on the ‘AI as a Tool for Research’ course, led by Kati Kasanen and Outi Hakola.

Special thanks to the students who participated in the development work, who have all given permission to be named alongside this blog post. Your efforts allowed us to refine our course development work in an entirely unique manner:
Miika Immonen
Timo Härkönen
Anne Partti
Sanni Pakarinen
Eero Rantala
Meri Maukonen
Niko Loikkanen
Tarja Turunen
Anu Metsätalo

Niko Niskanen, hankekoordinaattori | Project coordinator