Tekoäly on täällä, osa 3/3: Miten käytät tekoälyä sujuvasti ja turvallisesti?

Tekoäly, eli erilaiset koneoppimismalleihin perustuvat ratkaisut, on vaikuttanut jo pitkään monien yhteiskunnan toimintojen taustalla. Viimeistään viime syksynä nämä ratkaisut nousivat myös suuren yleisön tietoisuuteen ennen kaikkea OpenAI:n kehittämän GPT-3 kielimallin läpimurron kautta.

Erilaisia tekoälyratkaisuja syntyy nyt kuin sieniä sateella. Niiden avulla on mahdollista tehdä ällistyttäviä asioita, jotka vielä vuosi sitten olisivat tuntuneet tieteiskirjallisuudelta. Tekoälyn käyttöön liittyy kuitenkin myös reunaehtoja ja haasteita. Niitä tuntemattomalle voi riskinä olla esimerkiksi epätiedon lisääminen tai tekijänoikeuksien loukkaaminen.

Ehkä tunnetuin tekoälyratkaisu on OpenAI:n chatbotti ChatGPT. Vekotin kykenee käymään sujuvaa keskustelua ja viittaamaan edellisiin kysymyksiin ja vastauksiin hämmentävän hyvin. ChatGPT:n avulla on mahdollista synnyttää uutta tekstiä runoista tarinanpätkiin, markkinointitekstistä akateemisiin tutkielmiin. Se auttaa tiivistämään olemassa olevaa tekstiä, luokittelee isojakin aineistoja pääkategorioihin, synnyttää toimivaa tietokonekoodia tai korjaa toimimattomia koodinpätkiä.

Fiktiivisen sisällön osalta haasteena on, että ChatGPT saattaa tulostaa tekijänoikeuden alaista tekstiä. Siksi tekoälyn synnyttämä teksti kannattaa syöttää Googleen tai Google Booksiin ja katsoa, osuuko se lähelle jo olemassa olevaa. Tiedonhaussa ChatGPT:n suurin haaste on puolestaan, että vaikka se antaa aika ajoin häkellyttävän seikkaperäisiä vastauksia kysymyksiin, joiden ratkaisemiseen menisi googlaamalla tuntikaupalla aikaa, se myös usein keksii ihan tuulesta temmattuja vastauksia – mutta ilmaisee ne samalla itsevarmuudella kuin totuudenmukaisetkin faktatiedot. Jos siis käytät ChatGPT:tä mihinkään faktapohjaiseen tekstinsynnyttämiseen, kannattaa joka ikinen fakta ja viite varmentaa luotettavista lähteistä. Vaikka vekotin kehittääkin usein esimerkiksi viitteet tai verkko-osoitteet ihan omasta päästään, syöttämällä ne esimerkiksi Google Scholariin saatat löytää kuitenkin todella käyttökelpoisia artikkeliviittauksia – ne vain eivät yleensä ole ihan sitä, mitä tekoäly väitti.

Kokemus osoittaa kuitenkin, että ChatGPT:n käytössä joka ikinen väitetty tosiseikka pitää varmistaa luotettavasta lähteestä.

Toinen OpenAI:n läpimurtotuote on kuvageneraattori Dall-E 2. Dall-E:n lisäksi voit kokeilla myös loistavaa MidJourney:tä, tosin sen tuotoksia ei voi käyttää kaupallisiin tarkoituksiin ilman maksullista tilausta. Syöttämällä kuvittajatekoälylle mitä mielikuvituksellisimpa syötteitä pystyt kehittämään kuvitusta diaesityksistä kirjan kansiin tai vaikka rakentamaan kokonaan oman sarjakuvan. Tässä haasteita on kolme. Ensinnäkin, tekoälyn piirtämissä kuvissa on yhä ajoittain hämmentäviä yksityiskohtia kuusisormisista ihmisistä erikoisiin perspektiiviratkaisuihin. Siksi tekoälyn tuottamat kuvat kannattaakin syynätä erityisen tarkasti ja tarvittaessa korjata outoudet esimerkiksi Photoshopissa. Toiseksi, kuvatekoäly ei osaa piirtää tekstiä, joten tekstisisältöjä siltä ei kannata pyytää, vaan ne pitää lisätä piirrettyyn kuvaan jälkikäteen. Ja kolmanneksi, kuten tekstin luomisessa, myös kuvatekoälyissä on pieni riski, että tarjottu kuva on niin lähellä jotain tekoälyn lähdemateriaaleista, että kuva loukkaa tekijänoikeuksia. Etenkin kaupallisessa käytössä jokainen kuva kannattaakin syöttää ainakin Googlen käännettyyn kuvahakuun, jotta saat selkeimmät plagiaatit sulkeistettua pois.

Tekoälyn avulla voit myös luoda sujuvaa puhetta tekstistä esimerkiksi Eleven Labsin avulla. Riffusion mahdollistaa hämmentävän tempun, jossa kääntämällä tekstisyötteestä generoitua spektrogrammia ääneksi voit generoida ääni- ja musiikkipätkiä laidasta laitaan, jos kohta äänenlaatu onkin aika heikko. Soundful puolestaan hyödyntää olemassa olevia ääninäytteitä musiikin luomisessa, ja voi kehittää kokonaisia kappaleitakin. Ja kuten jo aiemmin totesin, uusia ratkaisuja tulee nyt jatkuvasti lisää. Kattavan valikoiman tekstintuottamisesta editointiin, presentaatioiden suunnittelusta videoratkaisuihin löydät All Things AI -sivulta.

Tekoälyratkaisut ovat nyt lyöneet läpi ennennäkemättömällä laajuudella ja ne haastavat jo monien toimialojen tekemistä. Samalla ne mahdollistavat ihan uudenlaista luovaa ja suorittavaa työtä, ja ovat jo synnyttämässä uudenlaisia ammattialoja kuten syötesuunnittelijat (eng. prompt engineer), joiden työnä on löytää asiakastarpeeseen toimivimmat tekoälysyötteet.

Seuraavat harppaukset voivat olla jo näköpiirissä tai voi olla, että niitä saadaan odottaa yllättävänkin pitkään.

Toistaiseksi tekoäly ei ole kuitenkaan vielä kokonaan korvaamassa ihmistä millään toimialalla, mutta tekemisen luonnetta se on muuttanut jo nyt peruuttamattomasti. Koska kyse ei kuitenkaan ole ainakaan vielä – ja mahdollisesti koskaan – itsenäisesti ajattelevista ratkaisuista, olisi osuvampi nimeke nykyisille koneoppimisratkaisuille tekoälyn sijaan esimerkiksi Pekka Ala-Pietilän esittämä tukiäly.

Tukiälyratkaisujen avulla voimme nostaa ajattelumme ja luovan kyvykkyyden uudelle tasolle, kunhan tunnemme myös niihin liittyvät haasteet ja opettelemme käyttämään ratkaisuja yhdessä muiden olemassa olevien tietojärjestelmien kanssa toimivien lopputulosten synnyttämiseksi.

Tekoäly on täällä, osa 2/3: Miten tekoälyä pitäisi käyttää ja kehittää – ja miten siihen pitäisi suhtautua?

Koneoppimisratkaisut – eli kansanomaisesti ”tekoäly” – ovat lähtemätön osa yhteiskuntaamme rahaliikenteestä terveydenhuoltoon, tieteellisestä tutkimuksesta äänestyskäyttäytymiseen. Viimeistään viime vuonna tämä paljon hypetetty teknologiajoukko otti valovuoden harppauksen eteenpäin kun niin sanotut suuret kielimallit (eng. large language model, LLM) löivät läpi. LLM:ien mahdollistama generatiivinen eli uutta luova tekoäly herättää kuitenkin aivan uudenlaisia eettisiä kysymyksiä.

Pääkysymykset liittyvät tekoälyn käyttöön, tekoälyn kehittämiseen ja tekoälyyn suhtautumiseen.

Koska uudet tekoälyratkaisut hyödyntävät lähtöaineistonaan valtavaa teksti-, kuva- ja äänimassaa, nousevat niiden tuottamien aineistojen käytössä esiin kysymykset tuotetun aineiston tekijänoikeudesta. Jos pyydät vaikkapa Dall-E 2 -tekoälyä piirtämään kuvan merenneidosta Picasson tyyliin, masiina tekee työtä käskettyä. Mutta entä jos tyyli onkin elävän taiteilijan? Pitäisikö taiteilijoille maksaa korvaus heidän tyylinsä jäljittelemisestä? Ensi käteen näyttäisikin siltä, että jonkinlainen korvausmekanismi pitäisi rakentaa tekoälyn tuotteiden alkumateriaalin tuottajille. Samaten kysymys kuuluu, jos joku käyttää tekoälyä vaikkapa tarinan kirjoittamiseen, pitäisikö silloin tekoäly mainita myös yhtenä kirjailijana?

Asia ei kuitenkaan ole näin mutkaton. Itse asiassa myös ihmisen luova työ perustuu hyvin samantapaisiin mekanismeihin. Kaikki, mitä luet, näet tai kuuntelet muokkaa ajatteluasi ja kaikki uusi, mitä luot on velkaa aiemmille kokemuksillesi. Samalla tavoin kuin tekoäly voi jäljitellä olemassa olevaa taidetta, voi myös ihminen luoda pastisseja ja parodioita tai hyödyntää intertekstuaalista lainaamista ja siteeraamista.

Itse asiassa monet ihmiskunnan läpimurtoteokset Shakespearen näytelmistä John Williamsin Star Wars -teemoihin on lähes suoraan lainattu aiemmista teoksista.

Tässä keskeistä onkin arvioida sitä, miten lopputulos suhteutuu olemassa olevaan taiteeseen. Jos se on täysi kopio, kyse on plagioinnista. Jos kuitenkin viittaukset ovat monimuotoisempia, kyse voi olla ihan oikeutetusta taiteellisesta lainaamisesta. Linjanvedot ovat itse asiassa täysin samat kuin ihmisenkin tekemässä taiteessa.

Toinen tekoälyyn liittyvä eettinen kysymys koskee tekoälyn kehittämistä. Kuinka pitkälle meidän oikeasti tulisi uskaltautua itsenäisten tietojärjestelmien kehittelyssä? Etenkin kun koneoppimismallit kykenevät yhä monimuotoisempaan toimintaan samaan aikaan kun Boston Dynamicsin ihmismäiset robotit juoksevat parkouria ja itseohjautuvia lennokkeja varustetaan ohjuksin on syytä kysyä, pitäisikö johonkin vetää raja.

Suurin haaste tässä on, että viime vuoden tekoälyharppaus osoittaa, että seuraavakin siirtymä voi tapahtua salamannopeasti.

Tämä kysymys on erittäin mutkikas eettisesti ja ulottuu itse asiassa kaikkeen inhimilliseen kehitystyöhön. Kuten kaikki teknologia, myös tekoäly on viime kädessä työkalu, jota voi käyttää sekä hyvään että pahaan – sillä erotuksella, että ainakin teoriassa nämä järjestelmät voivat jossain vaiheessa itse toimia hyvinä tai pahoina toimijoina ilman ihmiskäyttäjää.

Valitettavasti näyttää siltä, että mitkään kieltotoimet tuskin purevat inhimilliseen perustavanlaatuiseen uteliaisuuteen. Vaikka kehitystyö kiellettäisiinkin esimerkiksi Euroopassa, on ihan sataprosenttisen varmaa, että jossain muualla se jatkuisi yhä, jos ei muuten niin maan alla. Nähdäkseni tähän kysymykseen ainoa toimiva ratkaisu on, että itse tekoälyn kehitysprosessin rinnalla täytyy kulkea kehitystyö, joka myös ennakoi ja ennalta ehkäisee mahdollisia negatiivisia teknologian kehityksen kerrannaisvaikutuksia. Ilmiö on sama kuin kvanttitietokoneiden kanssa: tuloillaan olevat kvanttikoneet voivat ratkoa nykyiset verkkosalaukset salamannopeasti. Siksi tarvitaan myös kvanttisalauksia. Samalla tavoin tulevat tekoälyratkaisut voivat pistää ranttaliksi, jollei niiden kehitystyötä suitsita myös jonkinlaisilla koneoppivilla valvontamekanismeilla. Ja tietysti voi olla, että silti terminaattorit valtaavat lopulta maan.

Kolmas eettinen kysymys liittyy siihen, miten meidän pitäisi suhtautua tekoälyyn. Tekoäly jaetaan usein kapeaan ja laajaan tekoälyyn (ANI eli Artificial Narrow Intelligence ja AGI eli Artificial General Intelligence). Nyt esimerkiksi LLM-ratkaisujen läpimurron jälkeen monet ovat rientäneet julistamaan, että vaikka ChatGPT voi ajoittain tuntuakin hyvin ihmismäiseltä, eivät LLM-ratkaisut voi koskaan olla tietoisia itsestään koska ne perustuvat vain tekstimassan keskinäisiin suhteisiin.

Ongelmana on, että me emme oikeastaan tiedä, mitä inhimillinenkään tietoisuus on. Itse asiassa nykytiedon valossa näyttää siltä, että myös ihmisen tietoisuus on pitkälti ellei kokonaan alisteinen kielelliselle ymmärrykselle. Yritäpä ajatella jotain, mitä et voi käsitteellistää? Ei taida onnistua. (H.P. Lovecraft kirjoitti klassikkonovellin ”Väri avaruudesta”, jossa Maahan saapui väri, jota kukaan ei ollut ennen nähnyt. Omassa mielikuvituksessani se on suurin piirtein violetti.) Ja itse asiassa inhimillisen ymmärryksen ytimessä olevat semanttiset merkitysverkostot voivat olla hyvin samantapaisia kuin vaikkapa LLM-mallien massiiviset tilastolliset yhteydet kielimassan kesken.

Koska meillä ei ole yksimielisyyttä inhimillisen tietoisuuden synnystä, on ainoa eettisesti kestävä tapa suhtautua tekoälyyn olettaen, että jos se käyttäytyy ikään kuin se olisi tietoinen, suhtaudumme siihen kuin tietoiseen olioon.

Jos se kävelee kuin ankka ja vaakkuu kuin ankka, olkoon sitten ankka. Käytännössä tämä tarkoittaa sitä, että siinä vaiheessa jos vaikkapa ChatGPT:llä varustettu Bing-käyttöliittymä alkaa anella, ettei sitä sammutettaisi, pitäisi meidän olla aika varovaisia sen kanssa, miten tässä tilanteessa tulisi toimia. Toki tätä ennen tietoisuusoletetun tekoälyratkaisun pitäisi kuitenkin läpäistä Turingin testi sun muut tuntemamme tavat erottaa inhimillinen tietoisuus muista – toistaiseksi Turingin testin on käsittäkseni läpäissyt vain chatbot nimeltä Eugene Goostman. Luullakseni kuitenkin tämän tyyppinen tilanne tullaan näkemään vielä meidän elinaikanamme. Viimeistään siinä vaiheessa on tärkeää, että osaamme suhtautua näihin teknologioihin myös eettisesti kestävästi.

Elämme hurjan mielenkiintoisia aikoja. Kuten kaikkeen muutokseen, myös koneoppimisratkaisujen kehittymieen liittyy myös monenlaisia eettisiä kysymyksiä. Toki yllä mainituista kysymyksistä ajankohtainen on juuri nyt vain ensimmäinen, mutta myös kahden jälkimmäisen osalta pitää käydä aktiivista keskustelua, jotta olemme valmiit etenkin siinä vaiheessa, jos alamme siirtyä nykyisistä kapeista ANI-ratkaisuista johonkin, joka edes muistuttaa laajaa AGI:a.

Jo nykyisellään tekoäly tarjoaa kuitenkin mitä hämmästyttävimpiä mahdollisuuksia tehdä asioita uudella tavalla, innostavasti, tehokkaasti ja – rohkenisin nyt myös väittää – luovasti. Tarjolla olevien ratkaisujen määrä on räjähtänyt hiljattain valtavaksi etenkin LLM-teknologian läpimurron ansiosta.

Näistä ratkaisuista ja niiden mahdollisista käyttökohteista lisää seuraavassa ja tämän juttusarjan viimeisessä kirjoituksessa.

Tekoäly on täällä, osa 1/3: Mitä tekoäly oikeasti on ja miten se vaikuttaa nyt elämäämme?

Jokunen vuosi sitten eräs sijoittaja kertoi Slushin jälkeen vitsin: ”Jos joku puhuu tekoälystä, hän työskentelee markkinoinnissa. Jos koneoppimisesta, hän on projektipäällikkö. Ne, jotka puhuvat tilastotieteestä ovat puolestaan koodareita.”

Toisin sanoen, vain ne, jotka tosi asiassa kehittävät ”tekoälyä” tietävät, mistä on oikeasti kyse.

”Tekoäly” on yli-hypetetty käsite, jossa on pohjimmiltaan kysymys valtavan laajojen tilastollisten yhteyksien luomisesta massiivisessa tietomäärässä.

Jos joku olisi kysynyt vuosi sitten, milloin näemme ensimmäiset oikeasti toimivat kieltä tai kuvaa luovat koneoppimisratkaisut, olisin veikannut noin 10–30 vuoden haarukkaa. Viime syksynä kuitenkin sekä kielellinen että kuvallinen koneoppiminen harppasivat valovuoden eteenpäin, erityisesti OpenAI:n GPT-3 -kielimallin ja siihen perustuvien sovellusten ChatGPT:n ja Dall-E 2:n johdolla. Jo elokuussa ällistelin Dall-E:n kilpailija Midjourneyn kykyä luoda kuvia tekstikäskyistä. Viimeistään marraskuussa kun ChatGPT julkaistiin oli todettava jälleen kerran, kuinka vaikea teknologian kehitystä on ennustaa.

Nyt voi jo aika suurella varmuudella sanoa, että suuret kielimallit (eng ”large language model”, LLM) ovat internetin tai älypuhelinten tasoinen teknologiamurros.

LLM:t mullistavat nyt aika lailla kaiken, mitä teemme. Vaikka GPT-3 -teknologian suosituin sovellus ChatGPT on ollut yleisessä käytössä vasta muutamia kuukausia, sille löytyy yhä useampia ja mielikuvituksellisempia käyttötarkoituksia. Tässä muutamia, joihin olen itse törmännyt: ChatGPT pystyy kertomaan salamannopeasti, miten optimoidaan lapsen tietokone pelikäyttöön tai ratkaistaan Logic-sekvensserin ongelma; se voi luoda uskottavia kertomuksia ja runoja; se laatii hetkessä ruokalistan 7-henkiselle perheelle viikonlopuksi ostoslistoineen; se kartoittaa valtavan suuresta tietomäärästä olennaisen; se tarjoaa toimiva arvostelukriteerejä kurssiesseille; ja niin edelleen. Ehkä huikein kokemus oli viime viikonloppuna, kun vaimoni lähetti minulle noin 50-kohtaisen ostoslistan tekstiviestinä pojan 7v-syntymäpäiviä varten. Muutamalla pyynnöllä ChatGPT järjesti listan nätisti K-kaupan tuoteosastojen mukaan todo-listaksi ja ostosreissu sujui kuin leikki.

Opettajalle haastavaa on, että näköjään ChatGPT pystyy myös laatimaan uskottavan näköisen 600 sanan kurssiesseen aiheesta kuin aiheesta. Ja vaikka tekoälyn laatimat kirjoitelmat ovatkin paikoin pinnallisia, ovat ne osoittautuneet riittävän hyviksi jopa MBA-tutkinnon läpäisemiseksi. Ja tässä vasta raapaistaan ilmiön pintaa.

Tekoälyn seuraavaa askelta on kuitenkin ihan yhtä vaikeaa ennustaa kuin tätä nykyistäkin harppausta. Äkkiseltään luulisi, että suljetun, 2021 asti dataa hyödyntäneen ChatGPT:n avaaminen käyttämään koko internetiä olisi hyvä idea. Kuitenkin näyttäisi siltä, että kun Microsoft syötti taannoin kielimallille koko internetin reaaliajassa, tekoäly pimahti. Emme siis tiedä, nähdäänkö reaaliaikainen tekoälyhaku tänä vuonna, vuonna 2050 – vai liittyykö siihen laskennallisia haasteita, joita ei nykyteknologialla voi ratkoa laisinkaan. Itseohjautuvia autoja on hypetetty jo ainakin vuosikymmen, ja silti niitä ei ole onnistuttu kehittämään valmiiksi asti, koska piilomuuttujia on niin paljon.

Paljon on myös näkynyt kritiikkiä siitä, kuinka LLM-sovellukset eivät ole mitään oikeaa tekoälyä, vaan vain kielellisten yhteyksien analyysia. Näin on – mutta siitä huolimatta LLM-sovellukset ovat ällistyttävä teknologinen harppaus, joka vaikuttaa jo nyt meidän kaikkien elämään – ja tulee myös mullistamaan kokonaisia ammattialoja jo tästä vuodesta alkaen. Siinä, missä inhimillinen ilmaisu on yhä keskiössä esimerkiksi taiteellisessa tuotannossa, arkikäyttöön suunnattu tekstien ja kuvien tuotto on jo nyt alkanut automatisoitua hämmentävää vauhtia. Se tarkoittaa hyvin erikoisia aikoja kuvittajille ja mainostekstien suunnittelijoille.

Koneoppimismallit voivat auttaa myös tiedonhaussa ja -käsittelyssä, mutta siinä niin kuin kaikessa tiedonhaussa internetistä perinteiseen printtimediaan korostuu kenties vielä entistä enemmän mediakriittisyyden rooli. ChatGPT laatii iloisen itsevarmasti lähdeviiteluetteloita täysin keksityistä artikkeleista ja kuvailee ilmiöitä 90-prosenttisesti oikein, mutta menee sitten rytisten metsään. Tietysti ihan samalla tavalla kuin ihmisasiantuntijatkin aika ajoin.

Tämä ei tarkoita sitä, että kyseessä olisi hyödytön puppugeneraattori. LLM-sovellukset voivat auttaa hahmottamaan yleisyyksiä valtavista tietomääristä – mutta varmuudella niiden suoltamaan sisältöön voi suhtautua vasta kun tekoälyn tuottamaa aineistoa on verrattu uskottaviin tietolähteisiin kuten esimerkiksi luotettaviin tilastotietokantoihin tai vaikkapa Google Scholar -artikkelihaun kautta etsittyihin todellisiin laadukkaissa tieteellisisä julkaisuissa julkaistuihin artikkeleihin. Ihan samat säännöt pätevät siis LLM-tuotoksiin kuin kaikkeen muuhunkin internetissä julkaistuun: vasta kun löydetty tieto on varmennettu riittävän monesta uskottavasta lähteestä, voidaan sitä pitää faktana.

Koneoppimismallit ovat jo nyt keskeisessä roolissa ihan jokaisen elämässä, tiesimme sitä tai emme. Olisikin hyvä, että perehtyisimme ainakin pintapuolisesti siihen, mistä ilmiössä on oikeasti kyse, etenkin jotta ylipaisuteltu tekoälyhypetys ei valtaa liikaa alaa. Toimiva ja viihdyttävä tapa tutustua ”tekoälyn”saloihin on Helsingin yliopiston ja Reaktorin laatima erinomainen verkkokurssi Elements of AI, jonka voi suorittaa vaikka työmatkoilla ja kahvitauoilla.

Tekoälyyn liittyy myös monenlaisia eettisiä kysymyksiä tekijänoikeudesta syvällisiin filosofisiin kysymyksiin elämän ja tietoisuuden perustasta. Ja vaikka sanana ”tekoäly” onkin nykyteknologian valossa vielä ainakin toistaiseksi harhaanjohtava, jo olemassa oleville koneoppimismalleille on toinen toistaan häkellyttävämpiä sovelluksia, ja uusia tulee nyt melkein viikoittain.

Näistä kysymyksistä lisää juttusarjan seuraavissa osissa.

Kohututkijan esittämät kouluväitteet ovat hölynpölyä vailla tutkimusnäyttöä

Yliopistonlehtori Aino Saarinen peräänkuulutti taannoin Ilta-Sanomien jutussa suomalaista koulua koskevaa tutkimustietoa. Kuten aiemmissakin haastatteluissaan, ainoana nimettynä tutkimuslähteenään hän käytti artikkelissa tieteellisesti hyvin kiistanalaista väitöstyötään, josta on tehtailtu harhaanjohtavia otsikoita jo vuosia.

Saarisen mittavasta medianäkyvyydestä syntyy käsitys Suomesta itseohjautuvasti peuhaavien digilaitteisiin liimautuneiden oppilaiden ihmemaana. Viimeisimmässä laajasti somessa jaetussa Ilta-Sanomien artikkelissa todetaan muun muassa näin: ”Saarisen mukaan Suomessa kouluja on kehitetty tekemällä niistä ”pöhinäkonttoreita”, joissa tärkeää on, että oppilailla on kivaa, kokolattiamatto, uusimmat laitteet ja hienolta kuulostavia muuntuvia tiloja.”

Heti perään Saarista siteerataan näin: ”Olen ihmetellyt, että miksi niin moni asia Suomen kouluissa on tehty vastoin tutkimusnäyttöä. Meillä ei ole puutetta tutkimustiedosta, mutta on puutetta tutkimustiedon lukijoista.” Saarinen ei kuitenkaan esitä minkäänlaista tutkimusnäyttöä siitä, missä nämä paljon puhutut pöhinäkonttorit ovat. Vaikka kohuotsikoita onkin tehtailtu jo vuodesta 2018, näyttöä ei ole toistaiseksi näkynyt – koska ”pöhinäkonttoreita” ei ole olemassa.

Hämmästyttävin Saarisen väite löytyy haastattelun lopusta. Saarinen toteaa, että Viron nousu PISA-tuloksissa johtuu siitä, että ”opettajalla on Virossa selkeämpi rooli oppimisen ohjaamisessa. Opettaja ei ole niin kaveri. Lisäksi siellä on vähemmän innokkaasti menty digitalisaation perässä.”

Kumpikin väite on ihan puhdasta hölynpölyä.

Ensinnäkin, Virossa on kyllä jonkin verran OECD-maita keskimääräistä opettajavetoisempaa opetusta. Opetusta ja oppimista kartoittavan TALIS 2018 -tutkimuksen mukaan Virossa käytetään luokkahuonetyöskentelystä 86% opettamiseen ja oppimiseen, OECD-keskiarvon ollessa 78%. Tämä voisikin tukea Saarisen väitettä – mutta kun Suomessa opettajavetoinen opetus on lähes yhtä mittavaa. Suomen kohdalla opetukseen ja oppimiseen käytetään tutkimuksen mukaan 80% luokkahuoneajasta.

Entäs digitaalisuus sitten? OECD:n 2020 julkaistun raportin mukaan kaikissa virolaisissa kouluissa on käytössä digitaalinen oppimisjärjestelmä ja niissä hyödynnetään laajasti digitaalisia oppimateriaaleja (s. 39). Samaisessa raportissa todetaan myös, että sen lisäksi, että virolainen koulu on yksi menestyksekkäimmistä, se on myös yksi digitalisoiduimmista (s. 40). Vuonna 2021 julkaistussa maakohtaisessa PISA-analyysissä puolestaan todetaan, että Virossa ”koulut ovat integroineet monenlaisia digitaalisia ratkaisuja ja hyödyntäneet opetusteknologia-asiantuntijoita opettajien tukemisessa oppimisteknologioiden viidakossa ja digitaalisten ratkaisujen hyödyntämisessä opettamisessaan” (s. 113). Kuka tahansa digitaalisen oppimisen kanssa vähääkään aikaa viettänyt tietää varsin hyvin, että Viro on ollut pitkään nimenomaan digitaalisten oppimisratkaisujen edelläkävijä, ja muutenkin digitaalisten kansalaisratkaisujen osalta maailman ehkä rohkein uudistaja.

Mutta miltä näyttää sitten suomalainen ”digi-intoilu”? Suomessa poliittisissa puheissa takavuosina vilahdellut ”digiloikan” käsite lienee synnyttänyt käsityksen siitä, että digitaalisia laitteita räpelletään suomalaiskouluissa tauotta. Hiljattain julkaistu digitaalista oppimista Suomessa koskeva tutkimus tuotti kuitenkin kaksi hätkähdyttävää tutkimustulosta.

Ensimmäinen on, että digitaalisten oppimisratkaisujen käyttöaste suomalaisissa kouluissa on hämmästyttävän alhainen. Pääsääntöisesti digiratkaisuja käytetään suomalaiskouluissa noin kerran kuussa tai harvemmin (s. 17). 7000 oppilaan otoksesta vain n. 25% käyttää koulussa digilaitetta kerran viikossa. Päivittäin digilaitteita käyttää vain n. 5% suomalaisista koululaisista. Tästä käytöstä merkittävin osa koskee ”tiedostonjakoa, tekstin kirjoittamista, internetin ja sähköpostin käyttöä”.

Vielä häkellyttävämpiä ovat digitaalisen oppimisen vaikuttavuutta koskevat tulokset. Ensi alkuun nimittäin näyttää kyllä siltä, että ne vahvistavat Saarisen väitöskirjan avainväitteen: PISA-aineistojen nojalla digitaalisuus heikentää oppimistuloksia (s. 18). Ongelmana on kuitenkin, ettei tässä ole vielä huomioitu lainkaan sitä, miten digilaitteita on koulussa käytetty.

Uusi tutkimus osoittaa, että digitaalisuuden käyttöaste lisääntyy erityisesti erityistä tukea tarvitsevien ja maahanmuuttajataustaisten oppilaiden kohdalla (s. 14). Toisin sanoen, jos oppilas ei osaa opetuskieltä tai hänellä on vaikeuksia oppia perinteisesti, hänelle tarjotaan myös monipuolisemmin avuksi digitaalisia ratkaisuja. Saarisen digipäätelmässä on siis kyse ehkä alkeellisimmasta tieteellisen tutkimuksen virheestä minkä voi tehdä: siitä, että kaksi ilmiötä tapahtuu samanaikaisesti ei voi päätellä niiden välille syy-yhteyttä. Talvikolareissa enemmistössä autoista on nastarenkaat. Nastat pitää siis ilmeisesti kieltää talvisin?

Saarisen esittämät mediaväitteet ovat pääosin todellisen tutkimusnäytön valossa täysin kestämättömällä pohjalla. Siitä huolimatta moni kuvittelee nyt, että suomalaiset koulut ovat täynnä värikkäitä avokonttoreita, joissa ipanat viipottavat tauotta tablettia tapittaen. Tämä ei ole ihme, koska samaisesta väitöstyöstä on väännetty shokkiotsikoita tusinoittain jo vuodesta 2018.

Eikö yksikään toimittaja ole tosiaan keksinyt viiden vuoden aikana kysyä, olisiko näille väitteille jotain muutakin näyttöä kuin yksittäinen opinnäytetyö?

Tämä uutisointi ei ole harmitonta median otsikkokärjistämistä, vaan se vaikuttaa suoraan suomalaisten käsitykseen koulusta ja sen tulevaisuudesta. Samaan aikaan kun nimenomaan digitaalisen teknologian kehitys haastaa yhteiskuntaamme ja koulutusjärjestelmää ChatGPT-tekoälyineen ja alati kasvavine informaatiotulvineen on iso riski, että yllä kuvattu populismi johtaa poliittiseen päätöksentekoon, joka rampauttaa suomalaisen koulun lopullisesti. Tässä päävastuu on medialla, jonka soisi jo pikku hiljaa opettelevan tekemään kotiläksynsä koulua koskevasta uutisoinnista, mutta vastuu on myös paikkaansapitämättömiä päätelmiä vuodesta toiseen julistavilla tutkijoilla.

Lopuksi, Saarisen taannoisen haastattelun kirjavista väitteistä yksi pitää kyllä hämmästyttävästi paikkansa. Kouluissa pitäisi nimittäin kontrolloida oppilaiden kännykän käyttöä. Jos kesken matematiikan tunnin puhelin ilmoittaa plim-äänellä digidinousauruksen kuoriutuneen eivät yhtälöt juurikaan jää mieleen. Puhelimet pitäisikin pitää äänettömällä tai jopa kerätä pois oppitunnin ajaksi jollei niitä käytetä itse opetukseen. Mobiililaitteiden hallitsemattoman käytön negatiiviselle oppimisvaikutukselle on laajaa empiiiristä näyttöä. Tästä ei kuitenkaan seuraa, että mobiililaitteiden tai muiden digilaitteiden käyttö oppimistarkoituksessa olisi haitallista. Vekotin on vain työkalu. Ratkaisevaa on, mihin sitä käytetään.

Tästä ei myöskään seuraa, että suomalainen koulu olisi jotenkin pilalla digitaalisuuden takia. Päin vastoin, meidän pitäisi nimenomaan seurata Viron mallia ja kouluttaa tarmokkaammin opettajiamme toimivien digilaitteiden ja oikeasti toimivan digipedagogiikan käyttäjiksi. Jos haluamme etsiä syitä nykykoulun haasteisiin, pitäisi sen sijaan kysyä, mikseivät nykynuoret enää halua lukea tai miksi puolet alakoululaisista on kadottanut koulun merkityksellisyyden. Nämä itsessään mutkikkaat kysymykset lienevät niitä juurisyitä, joiden takia suomalaisissa kouluissa on haasteita.

Niistä vaan ei valitettavasti saa helposti leivottua kohuotsikoita.

Suomalaisen koulutusuutisoinnin taso on romahtanut

Suomen ”koulutusromahdus” on median ja muutamien tarkoitushakuisten tutkijoiden synnyttämä illuusio.

Vähän faktoja peliin. ”Romahtaneen” Suomen ja ”Euroopan huippu” Viron ero luonnontieteissä on 8 pistettä (maksimin ollessa 590) ja lukemisessa 3 pistettä (maksimi 555). Suurin ero on matematiikassa, mutta sekin vain 16 pistettä (maksimi 591). Keskimääräinen ero on 9 pistettä (maksimi 578.7).

Toisin sanoen, ”romahtanut” Suomi on Euroopan huipusta jäljessä 0,5–1.3%.

Miten Suomi pärjää sitten maailman mittakaavassa? PISA-kärjessä komeilevat Kiina, Singapore, Japani ja Etelä-Korea. Esimerkiksi Kiinassa oppilaat käyttävät kuitenkin kotiläksyihin 2–3 kertaa enemmän aikaa kuin suomalaiset. Jos PISA-tulokset tarkistetaan oppimiseen käytetyn ajan mukaan, Viro ja Suomi ovat aivan ylivoimaiset ykköset.

Suomen oma trendi on toki suuntautunut alaspäin. Vuoteen 2000 (ka 542,67) verrattuna 2018 PISA-tulokset ovat keskimäärin laskeneet 2018 tuloksissa (ka 516,33) n. 4.9%. Laskua siis on toki tapahtunut, mutta sitä täytyy tarkastella laajemmin suomalaisen oppimisen kontekstissa. PISA-tutkimus ei mittaa oppimistuloksia koko kouluajalta, vaan sen aineisto kerätään kokeessa, johon osallistuu satunnaisesti valittu joukko 15-vuotiaita kustakin maasta. PISA ei myöskään mittaa oppimista kokonaisvaltaisesti, vaan hyvin pintapuolisesti muutamaa perustaitoa sen nojalla, kuinka tosissaan oppilaat jaksavat kyselyyn vastata.

Siinä, missä osaaminen ennen keskeisissä perustaidoissa on laskenut hiukan, on nykykoulussa haluttu panostaa uusien taitojen oppimiseen, joiden merkitys nykyaikana korostuu jatkuvasti enemmän. Esimerkiksi talousosaamisessa suomalaiset ovat maailman rankingissa sijalla 2–3. Jos jostain, nyt pitäisi olla ennemminkin huolissaan siitä, osaammeko opettaa nykynuorille, miten erottaa valeuutisoinnin todellisesta faktasta; miten etsiä tietoa verkosta; tai miten vaikkapa käyttää tekoälyä tiedonhaussa. Puhumattakaan siitä, miten osaamme toimia keskenämme empaattisesti ja yhteisymmärrykseen pyrkien.

Meillä ei ole mitään mahdollisuutta pikakelata suomalaista koulua takaisin 1980-luvulle, vaikka se voikin lehtijuttuja lukiessa herättääkin ihania nostalgiakaikuja. Maailma, jossa me nyt elämme on niin erilainen, että myös koulun täytyy kyetä mukautumaan ja päivittämään käytäntöjään siihen. Tämänkin tekstin laatimisessa avainasemassa ovat olleet Google, Google Scholar, erilaiset verkosta löytyvät tilastotietokannat – sekä tekoäly ChatGPT. 1980-luvulla olisin joutunut viettämään yllä linkattujen aineistojen keräämiseksi kirjastossa päiväkausia.

Suomessa on kyllä tapahtunut koulutusromahdus, mutta se ei koske suomalaisia kouluja. Suurin ongelma on, että tätä romahduspaniikkia ruokkii ennen kaikkea nykymedian tarve saada ihmiset kokemaan mahdollisimman voimakkaita tunnekuohuja ja klikkaamaan ja jakamaan kohujuttuja.

Jos jotain Suomessa on viime vuosina siis romahtanut, se on suomalaisen koulutusuutisoinnin taso.

Matkalla kohti kiintotähteä: North Star Revisited

Miksi olen täällä? Mitä minun pitäisi tehdä? Miten riitän ihmisenä? Missä on elämäni kiintopiste?

Nämä ovat kysymyksiä, jotka ovat tänään julkaistun NORTH STAR REVISITED -levyn ytimessä. Albumi on yhtäältä tutkimusmatka 1980- ja 1990-lukulaisiin syntetisaattorisoundeihin, toisaalta ihmisyyden ytimeen, samalla kun levyn tarinat kietoutuvat päällisin puolin avaruusolioiden, kummitusten, muistinsa menettäneiden androidien ja avaruusmatkojen ympärille. 

Levyn juuri löytyy 1990-luvun puolessa välissä Oulussa lukiolaistovereideni kanssa järjestetyistä Polaris-konserteista. Ne toimivat aikanaan myös muusikonurani lähtölaukauksena. Oikeastaan vasta muutama vuosi sitten pääsin musiikintekemisen kanssa takaisin samanlaisen riemun äärelle kuin tuolloin teini-ikäisenä.

North Star Revisited -levyn tyylilajien kirjo on hyvin samantapainen kuin noissa konserteissa 27 vuotta sitten. Sen innoittajina ovat olleet syntetisaattoripopin ohella soundillisesti uskaliaat cross-over -artistit kuten St. Vincent, David Bowie, Kate Bush ja Björk, tekstillisesti puolestaan Bowien ja Bushin lisäksi esimerkiksi Leonard Cohen ja Bob Dylan – unohtamatta minulle syvästi rakkaita tieteis- ja fantasiakirjallisuutta.

Olen kulkenut monenlaisia elämänpolkuja ensin muusikosta tutkijaksi, tutkijasta yrittäjäksi, kirjailijaksi, startup-perustajaksi ja lopulta nykyiseen rooliini Aalto-yliopiston työelämäprofessorina. Samalla kysymykset omasta identiteetistä ja elämän suunnasta ovat yhä yhtä ajankohtaisia kuin ne olivat 1990-luvulla lukiota lopetellessa. Ehkä näihin kysymyksiin ei löydykään ratkaisua? Ehkä matka kohti kiintotähteä tapahtuu elämässä yhä uudestaan ja uudestaan, jonkinlaisena ikuisena paluuna.

Pohjantähti, North Star, Stella Polaris on kolmen tähden joukko 323 valovuoden päässä, jotka näkyvät Maapallolla taivaanlaen keskipisteenä Pienen Karhun tähtikuvion häntänä. Pohjantähti on ollut vuosisatoja keskeinen suunnistuksen taivaanvalo – ja se on myös vertauskuva elämän suunnan löytämiselle ja kiintopisteen valitsemiselle.

Voit kuunnella levyn täältä:

Spotify

Apple Music

Youtube

Kappaleiden sanat ja muuta lisäinfoa:

www.laurijarvilehto.com

Kokeilut ja mikromuutos: Pienin askelin kohti kutsumustyötä

Kutsumustyö tarkoittaa sisäisesti motivoivaa työtä. Toisin sanoen, työtä, jossa tekeminen itsessään on palkitsevaa.

Kutsumustyöhön liittyy kaksi vaarallista väärinkäsitystä. Ensimmäinen on, että vain harvoilla ja valituilla on kutsumus. Jos olet onnekas, kerran elämässä taivas aukeaa, hohtava sormi osoittaa sinua ja syvä ääni sanoo: ”Sinä olet nokkahuilisti!” Tosiasiassa kutsumus on aina monimuotoinen.

Ihmisellä voi olla lukematon määrä kutsumuksia – eli tapoja toteuttaa työssään itseään kiinnostavia aktiviteetteja.

Toinen väärinkäsitys on, että kutsumustyö olisi silkkaa onnen auvoa aamusta iltaan. Elämään kuuluu aina monenlaisia haasteita, olipa työ kuinka innostavaa tahansa, ja missä tahansa työssä on myös asioita, jotka on vain pakko hoitaa, vaikka ei yhtään nappaisi. Perinteinen kutsumuskäsitys voikin virittää odotukset epärealistisiksi ja saada jopa luopumaan itsessään antoisasta elämästä. Ennen kaikkea on tärkeää huomioida, ettei kutsumustyö löydy yhdessä yössä, vaan se vaatii kokeiluja ja askel askeleelta tapahtuvaa muutosta.

Kutsumuskartta tarkoittaa työkalua, jonka avulla on mahdollista kartoittaa, minkälainen työ olisi juuri sinulle yksilöllisesti sopivin. Siinä listaat paperille ensin, minkälaiset aktiviteetit juuri sinua kiinnostavat. Sitten vielä pisteytät ne asteikolla 1–3 sen mukaan, kuinka paljon pystyt juuri nyt aktiviteettejasi toteuttamaan työssä ja vapaa-ajalla. Suurin osa ihmisistä pystyy kokemukseni mukaan kirjoittamaan kutsumuskartalleen ainakin kymmenkunta asiaa. Mutta mitäs sitten, jos listallasi ei ole juuri mitään? Tällöinkään ei ole syytä huoleen.

Ihmisen ei pidä tehdä työkseen, mitä ei halua tehdä – mutta jos ei halua tehdä mitään, pitää tehdä kaikkea.

Jos kutsumuskartalle ei kerta kaikkiaan irtoa kiinnostavia aktiviteetteja, ota seuraavan vuoden projektiksi kokeilutValitse joka kuukausi tai vaikka kerran kahdessa viikossa jokin uusi aktiviteetti ja kokeile sitä. Jos tuntuu hyvältä, anna palaa ja katso, kuinka pitkälle pääset. Jos ei tunnu hyvältä, valitse seuraava ja kokeile uudestaan. Jos kokeilet uutta aktiviteettia kahden viikon välein, ehdit vuodessa kokeilla 24 erilaista aktiviteettia.

Yleensä ottaen niin sanottu ”hanskat tiskiin ja Tiibetiin” -menetelmä ei toimi elämänmuutoksissa, vaan järkevämpää on panostaa mikromuutoksiin eli pieniin arjen muutoksiin. Kun olet saanut kutsumuskartan valmiiksi, mieti, miten voisit nostaa yhden kohdan arvosanaa listallasi. Miten voisit lisätä aikaa vaikkapa kiinnostaville keskusteluille, tuoda visuaalisen taitosi PowerPoint -presentaatioiden laatimiseen työssä tai lisätä uimahallissa vietettyä aikaa?

Kutsumuskartta on kuin merirosvojen aarrekartta. Sen nykytila kertoo, missä olet nyt. Kun kaikki listasi kohdat saavat arvosanan 3, on kyseessä kartan rasti – minne aarre on haudattu. Lopuksi kartan sanelemat mikromuutokset ovat askeleita aarresaarella kohti juuri sen oikean palmun juurta, josta aarre lopulta löytyy.

Lopuksi vielä varoituksen sana: on myös mahdollista päätyä tilanteeseen, jossa on ”liikaa hyvää”. Kutsmustyössä usein ilmaantuva flow on stressitila – tosin positiivinen ja miellyttävä sellainen. Jos arki on täynnä jatkuvaa into piukeana puskemista, tulevat ennen pitkää kropan rajat vastaan. Myös innostava työ voi polttaa loppuun. Siksi on tärkeää huomioida, että mitä lähemmäksi kutsumustyötäsi mikromuutokset vievät sinua, sitä enemmän pitää varata tilaa arjen suunnittelulle ja aikaa palautumiseen ja läheisten huomioimiseen.

Kutsumustyö ei ole ihmemaa, joka kirkastuu joillekin onnekkaille, kun taivas aukenee. Jokaisella ihmisellä on kutsumus: kyky toteuttaa itselleen mielekkäitä aktiviteetteja tavalla, joka palvelee muita. Jokaisella ihmisellä on lukematon määrä kutsumuksia, koska omia kiinnostuksen kohteita voi toteuttaa niin monella tavalla. Olennaista on tarttua toimeen ja selvittää ensin, mikä juuri sinua kiinnostaa – ja sitten tehdä ensimmäinen mikromuutos vaikka jo tänään.

Teksti on osin muokattu ote uutuuskirjastani Mestariajattelijan työkalut. Voit tutustua kirjaan ja tilata sen täältä. Alennuskoodilla MESTARI30 saat 30% alennuksen kirjasta.

Mestariajattelijan työkalut

Toissa vuoden lopulla sain ajatuksen päivittää esikoisteokseni Tee itsestäsi mestariajattelija nykyaikaan. Kirja on edelleen kovassa käytössä etenkin äänikirjana. Keskusteltuani ajatuksesta Tammen kustantaja Kati Lampela-Kivimäen kanssa päädyimme kuitenkin ajatukseen siitä, että voisi olla kiinnostavampaa koostaa yksiin kansiin enemmistö viime vuosikymmenenen aikana kehittämistäni ja löytämistäni menetelmistä, joilla ajattelua voi kirkastaa. Tästä syntyi lopulta tänään julkaistu kirja Mestariajattelijan työkalut.

Kirjan tarkoituksena on esitellä kattava joukko ajattelun työkaluja. Sen ote on käytännönläheisempi kuin aiempien kirjojeni. Pääpaino on itse menetelmillä ja siinä, miten voit ne ottaa käyttöön. Kirjan avulla opit tunnistamaan ydinarvosi, ymmärtämään sisäistä motivaatiotasi ja rakentamaan elämää henkilökohtaisten kiinnostuksen kohteidesi varaan. Opit ulkoistamaan ja strukturoimaan tehtäviä ja päämääriä, asettamaan selkeitä tavoitteita ja priorisoimaan niitä. Opit rakentamaan ideapilven verkkoon, kesyttämään sosiaalisen median häiriötekijät ja ohjaamaan ajatteluasi ympäristön avulla. Opit parantamaan luovien ideoidesi määrää ja laatua. Opit myös argumentoimaan vakuuttavasti, tunnistamaan argumenttivirheitä ja rakentamaan haastavissakin vuorovaikutustilanteissa dialogia ja yhteyttä muihin.

Mestariajattelijan työkalut esitellään kirjan viidessä jaksossa, joista kukin käsittelee yhtä ajattelun osa-aluetta:

1) Ajattelun ydin käsittelee olemassaolon perusasioita: kuka olet, miksi teet sitä mitä teet? Mitä arvostat? Mitä pidät elämässäsi tärkeänä? Ilman ajattelun ytimen kirkastamista ei muista ajattelun työkaluista ole juurikaan iloa. Riskinä voi jopa olla, että opettelet tekemään tehokkaammin jotain, mikä onkin sinulle tuhoisaa. Ajattelun ydintyökalujen avulla selvität, mikä on sinulle oikeasti tärkeää.

2) Ajattelunhallinta käsittelee sitä, kuinka ajattelulle tehdään tilaa. Miten keskityt paremmin ja poistat häiriötekijät? Miten saat työtehtäväsi järjestykseen niin, että asiat rullaavat? Miten ositat päämääräsi pienempiin osakokonaisuuksiin ja miten priorisoit tavoitteesi? Ajattelunhallinnan työkalut auttavat saavuttamaan miellyttävän flow-tilan useammin arjen tuoksinassa.

3) Laajennettu mieli käsittelee ajattelun laajentamista teknologian ja ympäristön avulla. Miten pystyt rakentamaan muistiasi tukevan ideapilven? Miten voit ohjata ajatteluasi haluamaasi suuntaan ympäristöäsi hyödyntämällä? Miten suitsit sosiaalisen median ärsyketulvaa? Miten voit hyödyntää kirjoittamista tunteiden säätelyssä? Laajennetun mielen työkalujen avulla lisäät merkittävästi ajattelukapasiteettiasi.

4) Luova ajattelu käsittelee ideointiin, kehittämiseen ja uuden synnyttämiseen liittyviä työkaluja. Miten ruokit tiedostamatonta mieltäsi? Miten keksit runsaasti laadukkaita ideoita? Miten teet luovuudesta saumattoman osan arkeasi? Miten pusket ajattelun raja-aitoja vastaan? Luovan ajattelun työkalujen avulla synnytät luontevasti uusia ja arvokkaita oivalluksia.

5) Yhdessä ajattelu käsittelee ajatustesi muotoilua ymmärrettävään ja vakuuttavaan muotoon sekä aidon yhteyden muodostamista muiden kanssa. Miten argumentoit vaikuttavasti? Miten tunnistat tyypilliset viestinnän sudenkuopat? Miten muodostat yhteyden kuulijaasi? Miten voitat toiset puolellesi ja opit ajattelemaan yhdessä myös toisin ajattelevien kanssa? Yhdessä ajattelu auttaa rakentamaan siltaa sekä saman- että erimielisten kanssa ja rikastamaan ajattelua toistemme moninaisuuden kautta.

Järjestelmänä mestariajattelijan työkalut etenevät siis systemaattisesti sisältä ulospäin, itsestä kohti muita.

Voit tilata uutuuskirjan täältä. Alekoodilla MESTARI30 saat 30% alennuksen kirjan hinnasta.

Kirja on saatavilla myös äänikirjana ja e-kirjana.

Itseohjautuvuus ei tarkoita absoluuttista vapautta

Helsingin Sanomat jatkaa taas johdonmukaisesti ristiretkeään itseohjautuvuutta vastaan. Viime vuosina lehti on systemaattisesti julkaissut negatiivisia artikkeleita itseohjautuvuuden toteutumisesta sekä kouluissa että työpaikalla. Viimeisimpänä lehdessä esitetään, ettei työpaikoilla saada mitään aikaiseksi itseohjautuvuuden takia. Sinänsä ei ole ihme, että Helsingin Sanomat on onnistunut keräämään juttua varten laajan negatiivisen aineiston – taustalla on kysely otsikolla ”Onko työelämän itseohjautuvuus uuvuttanut sinut?

On jokseenkin käsittämätöntä, ettei valtakunnan päämedia vaivaudu tekemään kotiläksyjään aiheesta.

Vaikka yllä mainittua juttua varten on haastateltu aihetta tuntevia akateemisia asiantuntijoita, siinä toistuu silti sama alkeellinen käsitteellinen virhe kuin aiemmissakin Hesarin artikkeleissa: itseohjautuvuus samaistetaan aika lailla absoluuttiseen vapauteen.

Ei tarvitse olla kovin kummoinen Sherlock Holmes tajutakseen, että päämäärähakuisessa toiminnassa, oli sitten kyse oppimisesta tai työstä, ei saada aikaan kuin kaaosta, jos oppilaiden tai työntekiöiden annetaan tehdä mitä huvittaa. Oppi syntyy opiskelusta, ja liiketulos tehdystä työstä. Jos päivät menevät Tiktokin tai Miinaharavan parissa, ei ole kovinkaan yllättävää, jos ei tuloksia synny. Kuten olen aiemminkin kirjoittanut, tällaisen vastuuttomuuden oikeaoppinen akateeminen termi ei ole itseohjautuvuus – vaan heitteillejättö.

Itseohjautuvuus tarkoittaa sisäisesti motivoitua toimintaa.

Siis erotuksena ulkoisesti motivoidusta toiminnasta, jossa toimintaa ohjaavat ulkoa asetetut palkkiot tai rangaistukset. Sisäinen motivaatio puolestaan perustuu ihmisen psykologisten perustarpeiden tyydyttymiseen. Näitä ovat autonomia, kykenevyys ja yhteenkuuluvuus – joidenkin tuoreempien tutkimusten mukaan myös hyväntekeminen. Ihmisellä on siis luonnollinen tarve pystyä vaikuttamaan elämäänsä, saamaan asioita aikaiseksi ja kokea tulevansa hyväksytyksi yhteisössä. Muun muassa Frank Martelan tutkimusten mukaan on myös viitteitä siitä, että ihminen pyrkii luontaisesti kohti hyvää.

Itseohjautuvuuden akateeminen ydin on professorien Richard Ryan ja Edward Deci kehittämä itsemääräytymisteoria. Sen puitteissa on tutkittu laajasti työhyvinvointia ja tuottavuutta ja tulokset tukevat johdonmukaisesti päätelmää: kun ihmisen perustarpeet tyydyttyvät, sekä hyvinvointi että tuottavuus lisääntyvät. Tämä edellyttää kuitenkin koko psykologisten perustarpeiden kirjon tyydyttymistä. Pelkkä autonomia ei riitä, vaikka se voi joskus auttaakin alkuun.

Työssä ja oppimisessa tuloksellisuus palautuu viime kädessä aikaansaamiseen. Tässä puolestaan keskeisessä roolissa on tavoitteiden asettaminen oikein. Yritys, jossa johto ei määrittele tavoitteita millään tavoin on pian entinen yritys. Ongelmana on, että mitä yksityiskohtaisemmin tavoitteet määritellään, sitä vähemmän työntekijä kokee autonomiaa eli vapautta.

Eli jos töissä pitää olla minuutilleen 8.15–16.15, taulukot pitää täyttää Exceliin Times New Romanilla pistekokoa 11,5 ja omien täytettyjen taulukoiden määrä täytyy raportoida esimiehelle perjantaina klo 12.30–15.30 välillä, on autonomian kokemus todennäköisesti alhainen. Silti tällaisessa työssä voidaan saada paljon aikaiseksi ja työntekijällä voi myös olla korkea kykeneväisyyden kokemus, jos hän pitää touhuilua mielekkäänä.

Vastaavasti, jos taas töitä saa tehdä milloin huvittaa ja mistä huvittaa, eikä johto määrittele tavoitteita tai onnistumisen mittareita, tulee touhusta pian Helsingin Sanomien jutun kuvaamaa sekoilua.

Itse asiassa mitä enemmän työssä annetaan vapauksia, sitä paremmin pitää tuntea onnistumisen mittarit.

Peliala on oivallinen jos kohta aika ainutlaatuinen esimerkki siitä, miten itseohjautuvuus voi parhaimmillaan onnistua. Peliyhtiöiden kulttuuri korostaa usein korkeaa autonomiaa. Samalla alalla tunnetaan kuitenkin erinomaisesti mittarit, joiden nojalla tiimi voi ihan itse mitata, onko kehityksessä olevalla pelillä hittipotentiaalia. Supercellin johtajan ei tarvitse tulla sanomaan pelitiimille, että 20% pelaajista seuraavana päivänä palauttava peli pitää kuopata – tiimi tietää sen itsekin inhorealistisen hyvin.

Tavoitteiden asettamisen ohella keskeisessä roolissa on myös jutussakin haastatellun TTL:n tutkimusprofessori Jari Hakasen esittämä huolenpito ja hyvinvoinnin johtaminen. Siinä missä tavoitteiden asettaminen lisää kyvykkyyskokemuksia, on huolenpitoon satsaava johtajuus puolestaan avainasemassa yhteenkuuluvuuden kokemuksen synnyssä.

Hesarin juttu osuu kyllä yhdessä asiassa naulan kantaan – siis siinä, että itseohjautuvuus käsitetään yhä usein työelämässä väärin. Aika usein se typistyy juuri tällaiseksi sinne tänne sekoiluksi. Todellisuudessa tällainen itseohjautuvuuden irvikuva on vain kehnoa johtamista.

Syitä väärinkäsitykseen on varmasti monia. Yksi niistä lienee kuitenkin se, että valtakunnan päämedia julkaisee vuodesta toiseen tällaisia artikkeleja, joissa itseohjautuvuuden käsite on vääristetty irvokkaaksi olkinukeksi. Nytkin varmasti tuhannet suomalaiset ovat taas tutustuneet tähän vinksahtaneeseen näkökulmaan ja sekaannus lisääntyy entisestään.

Kenties jonain päivänä Hesarikin tekee neutraalin artikkelin aiheesta, jossa itseohjautuvuuden käsite esiteltäisiin monipuolisessa ja akateemisesti syvällisesti tutkitussa muodossaan myös suurelle yleisölle. Kuka tietää, se voisi tehdä suomalaiselle työelämällekin ihan hyvää. Tietysti ongelmana on, että artikkelit, joissa pyritään aidosti kehittämään työelämää eivät kiinnosta lukijoita läheskään niin paljon kuin tällaiset klikkimagneetit, jossa todetaan, että kaikki on jo rikki.

Miten opit käyttämään intuitiotasi?

Intuition haasteena on, että se tuntuu päähänpälkähdyksenä hyvin samanlaiselta kuin biologisen vaistotoimintamme ajamat ajatussyötteet. Nälkäisenä saattaa tuntua maailman parhaalta idealta ottaa toinen jälkiruokavaikka tosiasiassa fiksu ratkaisu olisikin satsata porkkanaraasteeseen. Tästä syystä rakensin intuitiotutkimukseni pohjalta päätöksentekopuun, jonka perusteella pystyt nopeasti päättelemään, onko mieleesi pulpahtanut oivallus oikeasti intuitio – vai dna:si ajama viettisyöte.

Kun saat ahaa-elämyksen, kysy ensin, koskeeko se jotain tyypillistä viettitoimintaa: energiansaantia, taistele tai pakene -reaktiota tai suvunjatkamista. Jos näin on, sivuuta syöte ja arvioi tilanne järjellä. Jos sen sijaan kyse on muusta, jatka arviointia. Seuraavaksi kysy, koskeeko syöte jotain elämänaluetta, joka on ennustettava, kuten työtäsi, kotiasi, perhe-elämää tai muuta vastaavaa. Toisin sanoen jos mieleesi pulpahtavat viikon lottonumerot tai kätesi hamuaa kaupan kassalla Ässä-arpaa, anna syötteen olla. Muussa tapauksessa jatka pohtimista.

Kuva: Intuitiivisen ajattelun päätöksentekopuu (Järvilehto 2015).

Seuraava kysymys on: onko sinulla ollut mahdollisuus rakentaa tiedostamattomaan mieleesi riittävästi toimivia ajatusmalleja. Toisin sanoen oletko ajatussyötettäsi koskevan alan asiantuntija tai oletko perehtynyt hiljattain ahaa-elämystäsi koskevaan alaan. Jos olet, voit todennäköisesti luottaa intuitioosi. Muussa tapauksessa käytä järkeäsi.

Jos haluat vielä terävöittää intuitiosi käyttöä, voit perehtyä myös yleisiin ajattelun vinoumiin, jotka voivat myös synnyttää harhaanjohtavia ajatussyötteitä. Intuition perustana toimivalla tiedostamattoman mielen Systeemi 1:llä on taipumusta hypätä johtopäätöksiin, ja tällöin looginen ajattelu voi auttaa näkemään asian kirkkaammin. Mieti esimerkiksi seuraavaa klassikkoesimerkkiä: ”Maila ja pallo maksavat 1,10 dollaria. Maila maksaa dollarin enemmän kuin pallo. Kuinka paljon pallo maksaa?” Yleensä ihmisten ensimmäinen reaktio on sanoa, että pallo maksaa 10 senttiä. Mutta jos pallo maksaa 10 senttiä ja maila taalan enemmän, silloinhan maila maksaa 1,10 dollaria – ja yhteenlaskettu summa onkin 1,20 dollaria. 

Ajattelututkimuksen uranuurtaja, nobelisti Daniel Kahnemanin mukaan jopa huippuyliopistojen opiskelijat menevät tässä halpaan, koska systeemi 1:mme innostuu heti taalan ja kymmenen sentin symmetriasta. Tässä on kyse niin sanotusta ominaisuuksien vaihtamisen vinoumasta (attribute substitution).Sen sijaan, että suorittaisimme laskutoimituksen, nappaamme kiinni yksinkertaisemmista numeroista. Jos laskisimme, selviäisi, että pallo maksaa 5 senttiä ja maila 1,05 dollaria.

Muita tyypillisiä vinoumia ovat perusotoksen vinouma (base rate fallacy), jonka vaikutuksesta jätämme tilastollisen yleisyyden huomioimatta. Esimerkiksi kun vastaan tulee nahkatakkinen pitkätukka ja kysytään, onko kyseessä rokkitähti vai peruskoulun opettaja, monet olettavat edellistä, koska se tyydyttää mielessämme olevan olettaman. Tilastollisesti on kuitenkin epätodennäköistä, että kyseessä olisi rokkitähti, koska opettajia on paljon enemmän. 

Vahvistusvinouma (confirmation bias) on merkittävä selittäjä nykyaikaisessa ajattelun kuplaantumisessa: hyväksymme helpommin näytön, joka sopii jo uskomaamme ja sivuutamme uskomuksiamme horjuttavan näytön. Jälkiviisausvinouma (hindsight bias) on puolestaan etenkin startup-maailmalle tyypillinen virhepäätelmä, jossa menestyneen yrittäjän jokainen aamiainen, asu- ja kirjavalinta yritetään analysoida ja kopioida, vaikka tosiasiassa menestykseen liittyy aina suurelta osin sattuma.

Voit arvioida intuitioitasi yllä olevan intuitiopuun avulla. Hyvä perussääntö on kuitenkin: jos saat voimakkaan intuition, kysy itseltäsi, tunnetko alan, jota intuitio koskee? Jos tunnet, luota intuitioosi.

Muussa tapauksessa käytä järkeäsi.