Osaamisen arviointi epävarmuuden keskellä verkossa

Täysin etänä toteutettavilla ammattikorkeakoulun verkkokursseilla arviointi on perinteisesti nojannut kirjallisiin palautuksiin, verkko-oppimisympäristön (esimerkiksi Moodle) testeihin ja joskus valvottuihin tentteihin. Generatiivinen tekoäly muuttaa arvioinnin lähtökohtia: tehtävä, joka aiemmin mittasi osaamista melko luotettavasti, voi nyt painottua enemmän tekoälykehotteiden tuottamiseen kuin opiskelijan oman osaamisen osoittamiseen. Haaste korostuu silloin, kun arviointi nojaa valvomattomiin kirjallisiin palautuksiin ja kurssin lupaus on, ettei opiskelijan tarvitse matkustaa kampukselle.

Koska tekoälyä on vaikea sulkea tehtävistä kokonaan pois ja sen käyttöä on vaikea todentaa ilman kohtuutonta lisätyötä, arviointia on syytä rakentaa uudella tavalla: tekemällä opiskelijan ajattelu ja työskentely näkyväksi ja todentamalla osaamista oppimisprosessissa. Samansuuntaisesti korkeakouluarviointia koskevassa tutkimuksessa on todettu, että generatiivinen tekoäly haastaa erityisesti sellaisia arviointitapoja, joissa osaaminen päätellään pääasiassa kirjallisesta lopputuotoksesta ilman riittävää tietoa opiskelijan työskentelyprosessista tai omasta ajattelusta (Kizilcec ym. 2024; Xia ym. 2024). 

Tekoälyn käyttö on samalla sekä arvioinnin haaste että tulevaisuuden työelämätaito. Siksi tavoitteena ei voi olla pelkästään tekoälyn käytön estäminen. Arvioinnin näkökulmasta keskeistä on erottaa toisistaan oppimista tukeva käyttö ja sellainen käyttö, jossa opiskelija ulkoistaa ajattelun, perustelut tai ongelmanratkaisun tekoälylle. Kosmyna ym. (2025) nostavat esiin huolen siitä, että tekoälyavusteinen kirjoittaminen voi heikentää käyttäjän omaa kognitiivista työskentelyä, jos työkalua käytetään ilman riittävää kriittistä arviointia. Vaikka tutkimus tekoälyn oppimisvaikutuksista on vielä kehittymässä, havainto tukee arvioinnin perusajatusta: opiskelijan oma ajattelu on tehtävä näkyväksi. 

Rakentavan epävarmuuden näkökulmasta arvioinnin kysymys on kuitenkin laajempi kuin tekoälyn käytön todentaminen. Korkeakouluopetuksen tehtävänä on valmistaa opiskelijaa myös tilanteisiin, joissa tietoa on puutteellisesti, vaihtoehtoja on useita eikä yhtä ennalta määrättyä oikeaa ratkaisua ole. Barnettin (2004) mukaan tuntemattomaan tulevaisuuteen valmistava oppiminen edellyttää valmiin tiedon ja taitojen lisäksi kykyä kohdata avoimia ja ennakoimattomia tilanteita. Myös Kennedy ym. (2026) korostavat, että tarkoituksellisesti avoimet, monimutkaiset ja todellisiin ongelmiin kytkeytyvät oppimistilanteet voivat vahvistaa opiskelijan toimijuutta ja kykyä työskennellä epävarmuuden kanssa, kun epävarmuutta samalla kehystetään ja tuetaan pedagogisesti. 

Miksi tekoäly haastaa verkkokurssien arvioinnin

Perinteiset ratkaisut nojaavat usein valvontaan ja vilpin tunnistamiseen, mutta tekoälyn käyttö voi tapahtua huomaamattomasti esimerkiksi mobiililaitteella. Jo luokkatilanteessa luotettava valvonta suurella opiskelijamäärällä voi edellyttää huomattavia resursseja (Happo 2026), ja lisäksi vilppiepäilyjen käsittely edellyttää riittävää näyttöä ja yhtenäisiä menettelytapoja (Jeskanen 2026). Etäverkkokursseissa haaste korostuu, koska arvioitavat tehtävät tehdään usein valvomattomasti: tallentavat ratkaisut (videointi, näytön jako) eivät ole aukottomia, ja tallenteiden läpikäyminen yhden opettajan voimin on yleensä epärealistista. Sähköiset EXAM-tenttitilat voivat joissain tilanteissa vahvistaa arvioinnin valvottavuutta, mutta ne eivät yksin ratkaise täysin verkossa toteutettavien opintojaksojen arviointihaastetta.

Opettajan käytännön kokemuksen perusteella suurin osa opiskelijoista pyrkii toimimaan annettujen ohjeiden mukaisesti ja hyödyntämään opintojaksoa oman osaamisensa kehittämiseen. Arviointia ei kuitenkaan voi rakentaa vain tämän oletuksen varaan. Jos pieni osa opiskelijoista käyttää tekoälyä tavalla, joka korvaa oman työskentelyn, arvioinnin yhdenvertaisuus ja luotettavuus heikkenevät. Siksi arvioitavat tehtävät on syytä muotoilla niin, että opiskelijan oma työskentely ja ymmärrys korostuvat ja opiskelijalle on alusta asti selvää, millainen toiminta tukee oppimista ja millainen ei.

Tekoäly voi tukea oppimista esimerkiksi ideoiden jäsentämisessä, käsitteiden selittämisessä ja tekstin kieliasun parantamisessa. Ongelma syntyy silloin, jos opiskelija siirtää arvioitavan tehtävän tekoälyn ratkaistavaksi ja palauttaa vastauksen sellaisenaan. Tällöin oppiminen jää vähäiseksi, eikä arviointi enää kohdistu opiskelijan omaan osaamiseen.

Lopputuotoksesta oppimisprosessin arviointiin

Generatiivisen tekoälyn aikakaudella arvioinnin luotettavuus ei voi nojata pelkästään lopulliseen palautukseen. Arviointiin tarvitaan myös merkkejä siitä, miten opiskelija on edennyt, millaisia valintoja hän on tehnyt ja miten hän perustelee ratkaisunsa. Käytännössä tämä tarkoittaa kolmea asiaa. Ensinnäkin opiskelijan työskentelyprosessia voidaan tehdä näkyväksi luonnosten, välivaiheiden tai lyhyen prosessikuvauksen avulla. Toiseksi tehtävä voidaan sitoa opiskelijan omaan tilanteeseen, työelämän tapaukseen, kurssilla käsiteltyihin aineistoihin tai muuhun kontekstiin, jota yleinen tekoälyvastaus ei yksin ratkaise uskottavasti. Kolmanneksi opiskelijalta voidaan edellyttää perusteluja, vaihtoehtojen arviointia ja oman ratkaisun kriittistä tarkastelua. Näin arviointi kohdistuu lopputuloksen lisäksi opiskelijan ajatteluun. (Kizilcec ym. 2024; Xia ym. 2024; Miao & Holmes 2023.)

Epävarmuus voi olla arvioinnin kohde eikä vain arviointia vaikeuttava olosuhde. Kun opiskelijalta ei kysytä vain, mikä ratkaisu on oikea, vaan myös millaisia vaihtoehtoja hän tunnisti, mihin tietoon hän luotti, mitä jäi epävarmaksi ja miksi hän päätyi valintaansa, arviointi tekee näkyväksi hänen kykynsä toimia tilanteessa, jossa varmaa vastausta ei ole. Tällainen arviointi vastaa epävarmuuden pedagogiikan ajatusta siitä, että opiskelijaa tuetaan kohtaamaan avoimuutta ja kompleksisuutta sen sijaan, että ne poistettaisiin oppimistilanteesta. (Barnett 2004; Kennedy ym. 2026.)

Osaamisen todentaminen prosessissa

Seuraavat arviointiratkaisut on koottu korkeakouluarviointia ja tekoälyn opetuskäyttöä koskevan keskustelun sekä kirjoittajan omien verkkokurssikokemusten pohjalta (taulukko 1). Niiden yhteinen tavoite on siirtää arvioinnin painopistettä valmiin tuotoksen tarkastelusta kohti opiskelijan työskentelyprosessia, kontekstisidonnaista soveltamista ja osaamisen kevyttä varmentamista. Ratkaisut eivät muodosta kaikille opintojaksoille sopivaa mallia, vaan niitä voi käyttää valikoiden opintojakson osaamistavoitteiden, opiskelijamäärän ja arviointiresurssien mukaan. (Arene 2026; Kizilcec ym. 2024; Xia ym. 2024.) 

Taulukko 1. Arvioinnin suunnitteluperiaatteita tekoälyaikana. (Taulukko: Vesa Partanen.)

Nopeat rakenteelliset keinot verkko-oppimisympäristössä

Verkkokurssia ei yleensä tarvitse rakentaa kokonaan uudelleen, jotta arviointi vahvistuu. Usein riittää, että tehtävänantoja ja palautusrakennetta tarkennetaan. Jos opiskelijan edellytetään käyttävän kurssin omia käsitteitä, aineistoja tai esimerkkejä, arviointi kohdistuu todennäköisemmin opintojakson sisältöihin kuin yleisluontoiseen tekoälyvastaukseen. Aikarajoitetut tehtävät voivat joissain tilanteissa tukea välittömän osaamisen arviointia, vaikka ne eivät estä tekoälyn käyttöä kokonaan.

Tehtäväversioiden vaihtelu tai kysymysten arpominen puolestaan vähentää valmiiden vastausten jakamisen hyötyä. Näitä ratkaisuja ei pidä nähdä valvonnan korvikkeena, vaan arviointia tukevina rakenteina, jotka ohjaavat opiskelijaa työskentelemään kurssin tavoitteiden mukaisesti.

Prosessiperustaiset menetelmät

Prosessi näkyväksi

Prosessiperustainen arviointi tarkoittaa, että opiskelija ei palauta vain valmista vastausta, vaan myös lyhyen kuvauksen siitä, miten ratkaisu syntyi. Tämä voi olla luonnos, välivaihe, muistiinpanokuva, laskentataulukko tai muutaman virkkeen prosessiselostus. Olennaista ei ole lisätä opiskelijan tai opettajan työmäärää kohtuuttomasti, vaan tuottaa arviointiin pieniä merkkejä opiskelijan omasta etenemisestä ja ajattelusta.

Tehtävä omaan kontekstiin

Kontekstiperustaisissa tehtävissä opiskelija soveltaa osaamista omaan aineistoon, työelämän tilanteeseen, projektin dataan tai kurssilla tuotettuun materiaaliin. Tällöin tekoäly voi tukea työskentelyä, mutta se ei voi korvata opiskelijan omaa tulkintaa ilman, että vastaus jää pinnalliseksi. Tämä vahvistaa myös tehtävän autenttisuutta: opiskelija osoittaa osaamista tilanteessa, joka muistuttaa työelämän ongelmanratkaisua (Kofinas ym. 2025).

Osaaminen varmistetaan kevyesti

Joissakin tehtävissä opettaja voi varmentaa osaamista lyhyellä suullisella tai audiovisuaalisella lisänäytöllä. Esimerkiksi 5–10 minuutin etädefenssi tai 1–3 minuutin screencast voi riittää osoittamaan, että opiskelija ymmärtää palautuksensa keskeiset ratkaisut. Menetelmä ei sovi kaikkiin tehtäviin eikä suuriin opiskelijamääriin sellaisenaan, mutta sitä voi käyttää valikoidusti esimerkiksi opintojakson keskeisimmässä tehtävässä. Yksi vaihtoehto voi olla, että kurssin säännöissä ilmoitetaan, että etädefenssi tehdään satunnaisesti vaikkapa 10 %:lle palautuksista. Tällöin ideana on se, että kaikki kurssin opiskelijat joutuvat valmistautumaan defenssiin, mutta defenssin kokonaismäärä ei opettajan resurssien näkökulmasta ole kohtuuton.

Vaiheistettu arviointi voi rakentua esimerkiksi niin, että opiskelija saa jo opintojakson alussa selkeät pelisäännöt tekoälyn käytöstä, palauttaa työskentelynsä aikana välivaiheita ja osoittaa osaamistaan lopuksi soveltavassa tehtävässä. Taulukossa 2 kuvataan yksi mahdollinen tapa jäsentää arviointi opintojakson eri vaiheisiin.

Taulukko 2. Esimerkki vaiheistetusta arvioinnista verkkokurssilla. (Taulukko: Vesa Partanen.)

Tekoälyn käytön ohjaaminen 

Kirjoittajan verkkokurssikokemusten perusteella tekoälyn ongelmallinen käyttö korostuu helposti tilanteissa, joissa arvioitavat tehtävät kasaantuvat opintojakson loppuun ja opiskelija etsii nopeaa ratkaisua aikapaineessa. Tätä havaintoa tukee laajempi arviointikeskustelu, jossa tekoälyaikaisen arvioinnin kehittämistä ei nähdä vain vilpin tunnistamisena vaan tehtävien, palautteen ja oppimisprosessin uudelleen suunnitteluna (Kizilcec ym. 2024; Xia ym. 2024). 

Tekoäly voi toimia myös välineenä epävarmuudessa toimimisen harjoitteluun, jos sen tehtävä ei ole tuottaa opiskelijalle nopeasti yhtä varmaa vastausta. Opiskelija voidaan esimerkiksi ohjata vertaamaan tekoälyn tuottamia vaihtoehtoisia ratkaisuja, tunnistamaan niiden oletuksia ja puutteita, tarkistamaan väitteitä lähteistä sekä perustelemaan, minkä ratkaisun hän hyväksyy tai hylkää. Chisale (2026) liittää tekoälylukutaitoon juuri kysymysten muodostamisen, tuotosten varmentamisen, käytön läpinäkyvyyden ja sellaiset arviointiratkaisut, jotka tekevät opiskelijan ajattelun näkyväksi. Tällöin tekoäly ei poista epävarmuutta, vaan siitä voidaan tehdä oppimisen ja arvioinnin materiaalia. 

Tekoälyn käytön ohjaaminen alkaa opintojakson rakenteesta. Jos työskentely rytmitetään välietappeihin, opiskelijan ei tarvitse ratkaista koko arvioitavaa tehtävää yhdellä kertaa kurssin lopussa. Samalla opettaja saa mahdollisuuden havaita ajoissa, tarvitseeko opiskelija tukea käsitteiden ymmärtämisessä, tehtävän rajaamisessa tai ratkaisun perustelemisessa. Tekoälyn sallittu käyttö kannattaa kuvata tehtävänannossa mahdollisimman konkreettisesti: saako sitä käyttää ideointiin, käsitteiden selittämiseen, kielenhuoltoon, laskujen tarkistamiseen tai vaihtoehtoisten ratkaisujen vertailuun. Yhtä tärkeää on kertoa, milloin tekoälyn käyttö ei ole sallittua, esimerkiksi silloin, jos opiskelija palauttaa tekoälyn tuottaman ratkaisun ilman omaa työskentelyä ja kriittistä tarkistamista. 

Arvioinnin kokonaisrakenne ratkaisee 

Arvioinnin kokonaisrakenteessa ratkaisevaa on, ettei opiskelijan osaamista päätellä vain yhdestä kurssin lopussa palautettavasta tuotoksesta. Vaiheistettu arviointi, välipalautukset ja kurssin sisältöihin sidotut tehtävät vähentävät viime hetken oikopolkujen houkutusta ja tukevat opiskelijan etenemistä. Samalla arvioinnin tulee säilyä opiskelijan kannalta ymmärrettävänä ja opettajan kannalta toteuttamiskelpoisena. Siksi jokaisen opintojakson kohdalla on arvioitava erikseen, mitkä ratkaisut tuottavat riittävästi lisänäyttöä opiskelijan osaamisesta ilman kohtuutonta hallinnollista kuormaa. 

Rakentavan epävarmuuden näkökulmasta arvioinnin onnistumista ei ratkaise vain se, pystytäänkö tekoälyn käyttöä rajoittamaan tai todentamaan, vaan se, pystyykö opiskelija osoittamaan omaa ajatteluaan tilanteessa, jossa vastaus ei ole valmiiksi annettu. Parhaimmillaan tekoälyaikainen arviointi voi samalla vahvistaa juuri niitä valmiuksia, joita epävarmassa työelämässä tarvitaan: vaihtoehtojen tunnistamista, perusteltua harkintaa, tiedon kriittistä käyttöä ja reflektiota. (Barnett 2004; Kennedy ym. 2026; Chisale 2026.)

Kirjoittaja on käyttänyt Microsoft Wordiin integroitua Copilot-työkalua rakenteen muokkaamisessa, toiston vähentämisessä ja oikoluvussa. Kirjoittaja vastaa artikkelin sisällöstä kokonaisuudessaan.