Rapida toteutti yhteistyössä VXT Research:n kanssa tekoälyyn pohjautuvan analyysin järjestöjen kurssien ja valtakunnallisten opetussuunnitelmien perusteiden osaamiskuvausten vastaavuudesta. Toteutus oli osa Opetushallituksen, Opintokeskus Siviksen, Partion nuorisoalan osaamiskeskuksen ja Metropolia Ammattikorkeakoulun osaamisen opinnollistamisen kokeilua, ja sen on tarkoitus auttaa harrastustoiminnan opinnollistamisessa eli harrastuksissa kertyneen osaamisen hyväksilukemisessa opintosuorituksiksi.
Osaamisen tulkintafoorumit ja järjestötoiminnan opinnollistaminen
Harrastus- ja vapaaehtoistoiminnassa on mahdollisuuksia kehittää monia työelämässä vaadittavia taitoja. Yhteyksiä järjestöjen koulutusten ja tutkintotavoitteisen koulutuksen välillä onkin tunnistettu niin kutsutuissa osaamisen tulkintafoorumeissa, joissa oppilaitosten ja järjestöjen asiantuntijat yhdessä tekevät näkyväksi vastaavuuksia osaamisalueissa ja luovat opettajille ohjeistuksia aiemmin hankitun osaamisen tunnustamiseksi.
Vertailtavia osaamiskuvauksia on kuitenkin niin paljon, että kokonaan manuaalisesti toteutettuna osaamisen tulkintafoorumit vaatisivat tuhansia tunteja tulkintafoorumityöskentelyä. Tekoälyn avulla työskentelyä voidaan tehostaa tunnistamalla potentiaalisia vastaavuuksia automaattisesti.
Kohti tekoälyn ja ihmisen tiimityötä
Semanttisessa analyysissä (LSA, Latent Semantic Analysis) tekstisisältöjen abstraktiotasoa nostetaan ja tekstien yksittäiset termit niputetaan korkeamman abstraktiotason käsitteistön alle. Ihminen saattaa suhteellisen helposti ymmärtää, että kurssien nimet Tietokoneen ajokortti ja ICT:n käyttötaidot kuvaavat todennäköisesti suhteellisen samankaltaista osaamista. Tietokoneille tämän yhteyden tunnistaminen on kuitenkin hankalaa, koska nimissä ei esiinny samoja sanoja eikä myöskään suoria synonyymejä. LSA:n avulla tietokone ja ICT voidaan niputtaa tietotekniikan käsitteistön alle, kun taas ajokortti ja käyttötaidot saatettaisiin niputtaa laitteen käsittelyn käsitteistöön. LSA:n tuottaman korkeamman abstraktiotason avulla kone kykenee tunnistamaan, että molemmat kurssit käsittelevät tietoteknisen laitteen käsittelyä.
Tekoäly löytää tehokkaasti tuhansien osaamiskuvausten joukosta sellaiset, joilla on potentiaalisesti yhteyksiä keskenään. Ihminen taas kykenee näistä tekoälyn löytämistä yhteyksistä tunnistamaan sellaiset, joilla on merkitystä opintojen hyväksilukemisen kannalta. Kokeilussa tarkastelluille 174 järjestökoulutukselle löydettiin kullekin tekoälyn avulla 0-10 vahvaa ja 0-33 kohtalaista vastaavuutta ammatillisen koulutuksen 8 178 tutkinnon osan joukosta. Opettajien sekä nuorisotyön asiantuntijoiden mukaan tekoälyn löydökset vastasivat jo aiemmin käsityönä tehtyä opettajien tulkintaa osaamisen tunnustamiseksi. Järjestöjen suunnitelmissa on, että jatkossa tekoäly algoritmeineen ja ihmisäly yhteistyössä tekevät yhä vaivattomammin suosituksia osaamisen tunnustamiseksi oppilaitoksissa ja työelämässä.
Lisätietoja
Joonas Pesonen, Educational Data Scientist, Rapida Oy, 050 3575130, etunimi.sukunimi@rapida.fi
Jussi Nykänen, Chief Operating Officer, VXT Research Oy, 050 3713485, etunimi.sukunimi@vxt-research.com
