Tekoälystä ja sen etiikasta opinto- ja uraohjauksessa

Kirjoittajat: Mikko Lampi & Piia-Elina Ikonen.

Useimpiin tekoälymenetelmiin liittyy riskejä ja eettisiä kysymyksiä. Millaista valtaa kone voi käyttää? Kenellä on vastuu päätöksistä? Miten estämme syrjivät algoritmit ja muut vinoumat? Entä katoaako ihmiskontakti, jos automatisoimme liikaa? On varottava, ettemme rakenna kalliita ja monimutkaisia hirviötä, joiden toimintaa emme tunne tai osaa selittää.

Teknohuumasta tekoälyn todellisuuteen

Pohdimme artikkelissa tekoälyä ja sen etiikkaa opinto- ja uraohjauksessa. Valmiita vastauksia ei ole, joten tarvitaan monialaista keskustelua, tutkimusta ja parempaa ymmärrystä. Artikkelissamme resonoi realistisen skeptinen, mutta optimismiin lopulta taipuva lähestyminen tekoälyn soveltamiseen. Ilmiöt, joihin tekoäly vaikuttaa ovat monimutkaisia ja moniulotteisia. Tekoälyyn liittyy paljon eettisiä kysymyksiä sekä osittain teknohuumaa. Tekoälyn realistisia mahdollisuuksia opinto- ja uraohjauksessa käsitellään artikkelin lopulla, kun esittelemme Älykäs ohjaus- sekä Ohjaus tulevaisuuden työhön -kehittämishankkeita.

Nimestään huolimatta tekoälyä on vaikea sanoa sangen älykkääksi, sillä se on nykyään usein niin sanottua kapeaa tai heikkoa tekoälyä. Se suoriutuu hyvin tarkasti rajatuista toiminnoista jopa siinä määrin, että se saattaa vaikuttaa älykkäältä. Nykyiset tekoälysovellukset on kuitenkin kehitetty ja sovitettu suorittamaan kapea-alaisia tehtäviä. Esimerkiksi konenäkö tunnistaa hahmoja tai kuvioita, joita se on opetettu havainnoimaan. Suosittelumoottorit osaavat hyödyntää vain tietynlaista aineistoa ja tehdä suosituksia aineiston perusteella. Tekoälypohjaiset roskapostisuodattimet puolestaan eivät ymmärrä sähköpostien sisältöä tai tarkoitusta, vaan perustuvat matemaattisiin sääntöihin ja alkeelliseen sanojen yhdistelyyn. (Kts. esim. Elements of AI -verkkokurssi).

Tunnetuimpia tekoälyyn yhdistettyjä menetelmiä ovat koneoppiminen, syväoppiminen, neuroverkot sekä erilaiset matemaattiset menetelmät, kuten sumea logiikka ja epälineaariset tilastolliset mallit. Niiden taustalla toimii erilaisia matemaattisia algoritmeja sekä automatisaatiota. Nykyisenkaltainen tekoäly suoriutuu hyvin monista ihmisille hankalista tehtävistä, kuten suurten tietomassojen käsittelystä, muuttujien tunnistamisesta ja yhteyksien havainnoinnista.

Toisaalta monet ihmiselle luontevat asiat, kuten kielen merkityksien ymmärtäminen sekä laajemman kokemuksen ja tietopohjan hyödyntäminen päätöksenteossa ovat tekoälylle vaikeita. Tekoälyn on vaikea esimerkiksi erottaa chihuahuaa ja mustikkamuffinia toisistaan (Kuva 1) (Yao, 2017). Ei siis ole välttämättä pelkoa koneiden kapinasta tai ihmisen korvaamisesta tekoälyllä. Työelämän ja koulutuksen muutokseen kannattaa joka tapauksessa varautua, koska tekoälyä tullaan soveltamaan monenlaisiin tehtäviin koko koulutussektorilla, myös korkeakouluissa. Korkeakoulut eivät kuitenkaan yleensä toimi tekoälyn soveltamisen kärkenä. Tämä on toisaalta hyvä, koska valmiita menetelmiä ja teknologioita hyödyntämiseen on jo olemassa. Korkeakouluissa osataan toivottavasti myös kyseenalaistaa teknohuuma.

Kuva 1. Chihuahua or muffin? (Yao, 2017).

Tekoäly ohjaustoiminnassa

Tekoälyä hyödyntäviä opinto- ja uraohjauksen ratkaisuja on tutkittu kansainvälisesti (mm. Mehraj & Baba, 2019; Cao & Zhang, 2011; Leung ym., 2010). Tutkimusten mukaan tekoälystä on haettu tehokkuuden kasvua, mutta samalla myös pyritty vahvistamaan ohjauksen saavutettavuutta opiskelijoille. Klutka ym. (2018) korostavat omassa selvityksessään, että olemassa olevien ohjauksen palvelujärjestelmien laatua ei saa kuitenkaan vaarantaa. Tavoitteena on pikemmin tunnistaa tekoälyratkaisujen tuottama lisäarvo korkeakoulujen ohjaustoiminnalle.

Tutkimusten mukaan tekoälyä hyödyntävää ohjausta voitiin tarjota vain kulttuurisesti ja demografisesti melko homogeeniselle joukolle opiskelijoita (Mehraj & Baba, 2019; Cao & Zhang, 2011; Leung ym., 2010). Monet tekoälymenetelmät eivät kyenneet ottamaan huomioon monimutkaisia ja huonosti kvantifioitavia muuttujia, kuten persoonallisuutta ja luonteenpiirteitä. Itsepalveluna toimiva tekoälyyn pohjautuva ohjaus olisi tutkimusten mukaan teknisesti mahdollista, mutta se sisältää suuria riskejä ja ohjauseettisiä ongelmia. Kenellä on ohjauseettinen vastuu, jos sovellus tekee virhepäätelmiä, algoritmi ruokkii vinoumia tai opiskelija tekee tai jättää tekemättä valintoja suositusmoottorin perusteella?

Monesti monimutkaiset tekniset ratkaisut, kuten geneettiset algoritmit, laajat tietämystietokannat ja kognitiivinen laskenta, saattoivat edellä mainittujen selvitysten mukaan päästä kohtuullisiin tuloksiin, mutta niiden kehittäminen oli vaivalloista, kallista ja ylläpito haasteellista. Perinteisemmät ja yksinkertaisemmat tilastolliset mallit soveltuvat huonosti epätäydellisen ja moniulotteisen datan käsittelyyn. Vastaavasti sääntöjen kuvaaminen tarkasti ja koneiden ymmärtämällä tavalla on haasteellista. Ratkaisuna voidaan soveltaa esimerkiksi sumeaa logiikkaa, mutta vain osittain. (Mehraj & Baba, 2019). Harva opettaja tai opinto-ohjaaja kykenee mallintamaan tietämystään koneiden käyttöön. Tämä tarkoittaa sitä, että ohjauksen asiantuntijuuteen liittyvä tieto ja kokemus on kyettävä kuvaamaan tietokantaan tallennettavassa muodossa (Kts. Cao & Zhang, 2011).

Koneoppiminen, neuroverkot ja syväoppiminen ovat lupaavia ja suosiotaan jatkuvasti kasvattavia menetelmiä erilaisissa tekoälysovelluksissa. Myös niiden kanssa törmätään helposti eettisiin kysymyksiin. Kun algoritmi toimii lentokoneen mustan laatikon tavoin, sovellukseen voi kertyä opetusdatan kautta erilaisia vinoutumia. On myös kyseenalaista, millaisia päätöksiä tai suosituksia läpinäkymätön algoritmi voi tehdä ihmisten puolesta. Kenties helpoimmat ja riskittömimmät tekoälyratkaisut liittyvät luonnollisen kielen käsittelyyn. Nämä menetelmät mahdollistavat uudenlaisten käyttöliittymien kehittämisen ja voivat osaltaan vapauttaa ohjaustyötä tekevien työaikaa oleelliseen, kuten opiskelijoiden kohtaamiseen.

Ihmisen, teknologian ja etiikan suhde

Valtionvarainministeriö (2018) on toteuttanut selvityksen eettisestä tietopolitiikasta tekoälyn aikakaudella. Suomessa on siten visio eettisesti kestävästä ja kilpailukykyä kehittävästä tekoälystä. Visiota tavoiteltaessa on tärkeää pohtia tiedon ja datan eettisyyttä, koska kaikki tekoälymenetelmät pohjautuvat tavalla tai toisella saatavilla olevaan dataan. Esimerkiksi niin sanottu omadata sisältää periaatteet ihmiskeskeiselle datan käsittelylle. Luottamus ja läpinäkyvyys ovat edellytyksinä tekoälyn eettisyydelle. Ei ole aivan sama, miten ja millaiset algoritmit henkilödataa käsittelevät ja millaisia päätöksiä niiden pohjalta tehdään. On kuitenkin tärkeää, ettei teknologian soveltaminen, eikä edes kehittäminen, ole yksinomaan yritysten tai teknologistien käsissä. Teknologian kehittämiseen tarvitaan myös ohjauseettistä asiantuntijuutta.

Esimerkiksi Kaakkois-Suomen ammattikorkeakoulussa on meneillään hankkeita, joissa pyritään tunnistamaan tekoälyn sovelluskohteita opinto- ja uraohjauksessa ammatillisella toisella asteella sekä ammattikorkeakoulussa. Joudumme pohtimaan eettisiä kysymyksiä esimerkiksi Älykäs ohjaus ja Ohjaus tulevaisuuden työhön -hankkeidemme yhteydessä1.

1Älykäs ohjaus -hankkeessa (1.9.2019 – 31.8.2021) tavoitellaan digitaalista data-analytiikkaa ja tekoälyä hyödyntäen ratkaisumalleja opinto- ja uraohjaukseen liittyvien prosessien ja mallien haasteisiin.

Kirjoittajat

Mikko Lampi, Insinööri (AMK), Kehitysjohtaja, Metatavu Oy, mikko.lampi(at)metatavu.fi

Piia-Elina Ikonen, TtM, projektipäällikkö, Kaakkois-Suomen ammattikorkeakoulu, Piia-Elina.Ikonen(at)xamk.fi


Cao, Y., & Zhang, L. (2011, August). Research about the college students career counseling expert system based on agent. In 2011 2nd International Conference on Artificial Intelligence, Management Science and Electronic Commerce (AIMSEC). IEEE, 3208–3211.

Elements of AI -verkkokurssi (2018). Helsingin yliopisto & Reaktor. Haettu 12.8.2019 osoitteesta https://www.elementsofai.com/

Klutka, J., Ackerly, N. & Magda, A. (2018). Artificial Intelligence in Higher Education – Current Uses and Future Applications. Wiley education services. Haettu 22.5.2019 osoitteesta https://www.learninghouse.com/knowledge-center/research-reports/artificial-intelligence-in-higher-education/

Mehraj, T. & Baba, A. (2019). Scrutinising Artificial Intelligence based Career Guidance and Counselling Systems: An Appraisal. International Journal of Interdisciplinary Research and Innovations, vol. 7(1), 402–411.

Leung, C. M., Tsang, E. Y., Lam, S. S., & Pang, D. C. (2010). Intelligent counseling system: A 24 x 7 academic advisor. Educause Quarterly, 33(4).

Valtionvarainministeriö (2018). Eettistä tietopolitiikkaa tekoälyn aikakaudella -selonteko. Haettu 12.9.2019 osoitteesta https://vm.fi/documents/10623/7768305/Eettist%C3%A4+tietopolitiikkaa+teko%C3%A4lyn+aikakaudella+-selonteko.pdf/bf0ef101-5e11-175e-a87a-dea78359780c/Eettist%C3%A4+tietopolitiikkaa+teko%C3%A4lyn+aikakaudella+-selonteko.pdf.pdf/Eettist%C3%A4+tietopolitiikkaa+teko%C3%A4lyn+aikakaudella+-selonteko.pdf.pdf

Yao, M. (2017, syyskuu 22). Chihuahua or muffin? My search for the best computer vision API. Topbost 22.9.2017. Haettu 12.9.2019 osoitteesta https://www.topbots.com/chihuahua-muffin-searching-best-computer-vision-api/

Tavoitteena vahva ja osaava alue

Kirjoittajat: Tiina Kirvesniemi ja Leena Muotio.

Aluekehityksen moninaiset toimijat ja kohteet

Osaamisperustaisuus käsitteenä avaa laajan kentän näkökulmia korkea-asteen koulutukseen (ks. Haltia 2011). Artikkeli käsittelee, miten osaamisen kehittämisen autenttisia työtilanteita on mahdollista täydentää TKI-hankkeiden avulla. Osaamisperustaisuutta tarkastellaan alueellisen yhteistyön kannalta. Toimivan aluekehityksen ja osaamisperustaisen koulutuksen perustaksi haetaan yhteistyön rakenteita, jotka varmistavat ammattikorkeakoulun sisäisen tietoisuuden, tiedonjakamisen ja virtaviivaisen toiminnan aluekehityksen tarpeisiin.

Millaisena toimijana ja yhteistyökumppanina ammattikorkeakoulu näyttäytyy aluekehittämisen kentällä? Opetus ja TKI-toiminta ovat kumpikin aluekehityksen toimijoita. Ne kuitenkin eroavat toiminnan rakenteiden ja toimintalogiikkansa osalta toisistaan. Tästä näkökulmasta tarkasteltuna ammattikorkeakoulussa on siis eri tyyppisiä aluekehityksen yhteistyökumppaneita. On syytä kiinnittää katse koulutusorganisaation sisälle ja etsiä aluekehityksen vahvistamisen ja työelämäläheisen osaamisperustaisen koulutuksen kehittämisen kohteita ammattikorkeakoulun toiminnasta ja sen rakenteista.

Artikkelissa kuvaamme, millaisia käsityksiä Xamkin Kulttuurin koulutuksen henkilöstöllä on TKI-toiminnasta ja millaisena Luovien alojen TKI-henkilöstö näkee yhteistyön opetuksen kanssa. Tutkimusaineisto kerättiin vuoden 2018 aikana osallistavissa työpajoissa, jollaiset ovat luontevia kehittämistyössä. TKI-henkilöstön ja opetuksen yhteisten toimintamallien suunnittelussa on kyse myös opiskelijoille ja korkeakoulun sidosryhmille tarkoitetun palvelun suunnittelusta, joten palvelumuotoilun menetelmät sopivat kehittämisen välineiksi, kun keskeinen ajatus on eri osapuolten osallistaminen (Tuulaniemi 2013, 116). Pyysimme osallistujia kuvailemaan, millaisena he kokevat TKI:n ja opetuksen suhteen sekä TKI:n ja opiskelijoiden suhteen. Pyysimme ehdotuksia, miten opetus- ja TKI-henkilökunta voisivat tutustua toisiinsa sekä ehdotuksia opiskelijoiden ja TKI-henkilökunnan toisiinsa tutustumiseen opetuksen tai hanketoiminnan puitteissa. Lopuksi kysyttiin mieluisia osallistumisen tapoja TKI-hankkeiden suunnitteluun ja toteutukseen sekä ideoita yhteistoiminnan tiivistämiseen.

Junat eri raiteillaan

Opetushenkilöstö koki TKI:n ja opetuksen välisen suhteen melko etäiseksi, jopa olemattomaksi. TKI-henkilöstöön tutustumista pidettiin kuitenkin tärkeänä ja hyviä yhteisiä kokemuksia tuotiin esiin. Yleinen huolenaihe oli opettajan työajan ja hankesyklin yhteensopimattomuus. Opetus ja TKI-hankesuunnittelu nähtiin kumpikin omana raiteenaan, joilla erilliset junat kulkevat kohtamatta toisiaan. Koettiin myös, että TKI-henkilöstö suunnittelee hankkeita itseään, ei opetusta ja opiskelijoita varten, jolloin tarvetta kysyä opetushenkilökunnan näkemyksiä hankkeiden sisältöön ei ole.

TKI-henkilöstö puolestaan kuvaili TKI:n ja opetuksen suhteen pääosin toimiviksi, mutta osapuolet toimivat vastaajien mielestä erillään ja ovat vain vähän tietoisia toisistaan. Yhteistyötä kaivataan enemmän, sillä TKI ja opetus nähdään liittyvän kiinteästi toisiinsa esimerkiksi hankkeissa toimivien opiskelijoiden ja opettajien asiantuntijuuden kannalta.

Opiskelijat, TKI-toiminnan käyttämätön voimavara?

Opetushenkilöstö koki, että opiskelijat eivät vielä viimeisenä opiskeluvuotenaankaan tiedä, mitä TKI tarkoittaa. Hankekieli koettiin vaikeasti ymmärrettäväksi, niin opiskelijoille kuin opettajillekin, joskin opettajilla nähtiin olevan valmiuksia tulkata hankekieli ymmärrettäväksi opiskelijoille. On tärkeää, että opiskelijat saavat hankkeissa selkeitä tehtäviä, joihin heillä on perusosaaminen. Tärkeänä pidettiin hankkeiden opetuslähtöisyyttä, jolloin niiden toimenpiteitä ja tutkimusvaiheita voi sisällyttää opetukseen. Opiskelijoille hankkeisiin osallistumisen pitäisi ilmetä kiinnostavana ja ymmärrettävänä tilaisuutena. Opetushenkilöstön mielestä opiskelijat ja TKI-henkilökunta voisivat tutustua toisiinsa opetuksen puitteissa siten, että TKI-henkilöstö kävisi opetusryhmissä esittelemässä hanketoimintaa ja kertomassa opiskelijoiden osallistumismahdollisuuksista. Opiskelijoiden hankeideointia voisi myös järjestää säännöllisesti. Myös tutkijakoulumaista työskentelyä ehdotettiin. Hankehenkilökunta toivotettiin tervetulleiksi opinnäytetyöseminaareihin ja loppukritiikkeihin.

TKI-henkilöstön mukaan opiskelijat eivät tiedä paljoakaan TKI-toiminnasta, joka voi olla opiskelijalle näkymätön osa ammattikorkeakoulutyötä. Opiskelijoiden ja TKI-toiminnan suhde nähtiin olevan olemassa satunnaisena ja irrallisena. Satunnaisuus riippuu TKI-toimijan tarpeesta tai opiskelijan omasta aktiivisuudesta. Opiskelijoita kuitenkin toivottiin lisää TKI-toimintaan. TKI-vastaajien mukaan hankkeissa toimimisesta on monesti konkreettista hyötyä opiskelijoille opinto- ja harjoittelupisteiden, hankekokemuksen ja verkostoitumismahdollisuuksien muodossa. Opiskelijat ovat vastaajien mukaan oivallisia hankeideoiden tuottajia. TKI-toimijat ehdottivat kurssivierailuja tai vierailevia luennoitsijoita TKI-henkilöstöstä. TKI-toiminnan näkyvyyttä kampuksilla kaivattiin lisää. Keskustelussa todettiin, että opiskelijoiden tavoittamisessa opetushenkilöstö on tärkeässä asemassa.

Hyvänä esimerkkinä TKI-integraatiosta on opinnäytetyötään kevättalvella 2019 KYMIEXACT-hankkeelle tekevä tuote- ja palvelumuotoilun (amk) opiskelija. Hankkeessa kehitetään Kaakkois-Suomen ammattikorkeakoululle ja muille koulutuksen tarjoajille täydennyskoulutusmallia. Tärkeä väline työelämän kehittämisessä on tulevaisuuden ennakointi. Opiskelija selvittääkin opinnäytteessään, millaisia ennakointimenetelmiä kymenlaaksolaiset yritykset käyttävät ja miten ne hyödyntävät ennakointitietoa toiminnassaan. Vastaavia esimerkkejä opintojen eri vaiheessa olevien opiskelijoiden osallistamisesta TKI-hankkeiden eri vaiheiden toimenpiteisiin on useita. Esimerkkitapauksessa tapahtuu osaamisperusteista oppimista autenttisessa työelämän tutkimuksen tilanteessa, joka avaa myös näkemystä tulevaisuuden työllistymisestä. Kyseinen opinnäytetyö antaa luotettavaa tietoa niin opiskelijan osaamisesta ja asiantuntijuudesta kuin siitä, millaisia asiantuntijoita työelämä jatkossa tarvitsee. (Haltia 2012, 59.) Hyvin valittu aihe, opiskelijan ohjaaminen oikeiden asioiden äärelle sekä työskentelyn arvioinnin sitominen osaamisperusteisuuteen tuottavat laajakantoista ja täsmällistä työelämäosaamista. Korkeakouluopiskelijoiden työelämäorientaation tukemista on tutkittu yliopisto-opiskelijoilla (ks. Penttinen ym. 2011). Ammattikorkeakoulun tutkinnot kiinnittyvät tiukemmin työelämän tarpeisiin, mutta siitä huolimatta työelämäorientaation vahvistaminen opiskelun aikana liittyy opiskelijoiden kokemuksiin työelämästä esimerkiksi TKI-toiminnassa.

Miten tullaan tutuiksi?

Opetushenkilöstö esitti tapoja opetus- ja TKI-henkilökunnan tutustumiseen, kuten henkilökohtainen tutustuminen ja työskentely vaikkapa opettajatiimeittäin. Selkeitä puitteita kohtaamisille ja tasavertaisuutta pidettiin tärkeänä. Ajatus TKI-kummista opetuksessa ja opettajakummista TKI-puolella nostettiin esiin. Vastaajat korostivat opettajien asiantuntijuutta hankkeissa. Hankkeiden suunnitteluun halutaan työaikaa. Hankehakuihin pitäisi reagoida nopealla aikataululla, mikä ei ole mahdollista opetustyön ohella. Jos hanke alkaa, tulee sitä suunnitelleiden opettajien olla mukana hankkeen toteuttamisessa. Hankkeen päättyessä tulee hankkeessa mukana olleen opettajan voida palata työtehtäviin, joista hän hankkeeseen lähti.

TKI-vastaajat esittivät tutustumista muun muassa erilaisten projektien esittelyjen puitteissa sekä käytännön yhteistyössä projekteissa. Yhteistä hankeideointia ehdotettiin myös. Kaivattiin myös tiedonjakamista TKI:n ja opetuksen ajankohtaisista teemoista ja opettajien työajan suunnittelusta. Lisäksi toivottiin vapaampaa tutustumista, kuten yhteisiä aamukahveja ja virkistyspäiviä. Myös työtilojen sijainti vaikuttaa yhteistyöhön, joten TKI-henkilöstön on hyvä työskennellä lähellä opettajia. Myös TKI-henkilöstö tiivistäisi TKI:n ja opetuksen yhteistoimintaa, jotta hankkeiden yhteissuunnittelu toteutuisi ja hankkeiden tulokset hyödyntäisivät opetusta. Opetushenkilöstöstä osa on kiinnostuneempaa hanketyöstä kuin toiset ja kiinnostuneisuus pitäisi ottaa huomioon työajan suunnittelussa.

Yhtenä rintamana vastaamaan aluekehityksen haasteisiin

Opetussuunnitelmataso ei hyvistä yrityksistä huolimatta pysty avaamaan osaamisperusteisuutta täysin näkyväksi. OPS-uudistuksessa (2020) tulisi kiinnittää huomiota siihen, miten työelämälähtöisyys saadaan näkyväksi sekä siihen, miten TKI- osallisuutta voidaan sisällyttää opetussuunnitelmaan. Millaista lisäarvoa TKI-toiminta tuo opintoihin? TKI-toiminta tarjoaa runsaasti resursseja opintojen työelämälähtöisyyteen ja mahdollisuuksia opiskelijakeskeiseen oppimiseen. (Ks. Haltia 2012, 59 – 61.)

Työpajat antoivat paljon tietoa opetuksen ja TKI:n yhteistyön haasteista ja mahdollisuuksista. Integraation tavoittelu on tärkeää aluekehityksen ja työelämälähtöisen osaamisperustaisen koulutuksen näkökulmista. Integraatio vahvistaa myös osaamisperusteista pedagogiikkaa, jolla tarkoitetaan koulutuksen tuottaman osaamisen ja ympäröivän yhteiskunnan osaamistarpeiden läheistä yhteyttä (Virkkula ym. 2018). Ideat yhteistyö edistämiseen yhtenäistävät kuvaa ammattikorkeakoulusta alueen kehittämistoimijana. Opetushenkilöstön ja TKI-toimijoiden näkemykset ja tuntemukset olivat samansuuntaisia, joten nykytilanteen haasteet tunnistetaan puolin ja toisin. Konkreettiset kehittämisideat liittyvät opettajien TKI-työajan ja TKI-tietoisuuden lisäämiseen, tiiviimmän yhteistyön rakenteiden luomiseen ja opiskelijoiden roolin vahvistamiseen tärkeinä aluekehityksen toimijoina. Parhaimmillaan hankesuunnittelu ja toteutus ovat opetuksen, opiskelijoiden ja TKI-henkilöstön saumatonta yhteistyötä, jonka hedelmistä voidaan nauttia paitsi ammattikorkeakoulun asiantuntijuuden vahvistumisena myös alueen osaamistarpeiden tunnistamisena ja niihin vastaamisena yhteisenä rintamana.

Kirjoittajat

Tiina Kirvesniemi, KT, projektipäällikkö, Kaakkois-Suomen ammattikorkeakoulu, tiina.kirvesniemi(at)xamk.fi

Leena Muotio, FT, yliopettaja, Kaakkois-Suomen ammattikorkeakoulu, leena.muotio(at)xamk.fi


Haltia, P. (2012). Toimivaan osaamisperustaisuuteen. Ammattikasvatuksen aikakauskirja 4.2011. Osaamisen tunnistaminen ja arviointi. Helsinki: Okka. 57–67.

Penttinen, L., Skaniakos, T., Lairio, M. & Ukkonen, J. (2011). Korkeakouluopiskelun pedagoginen työelämähorisontti. Miten työelämäorientaatiota voidaan tukea koulutuksen aikana? Aikuiskasvatus 2, 99–110.

Tuulaniemi, J. (2013). Palvelumuotoilu. Helsinki: Talentum.

Virkkula, E., Karjalainen, A., Guttorm, T., Happo, I., Kiviniemi, K. & Tenno, T. (2018). Osaamisperusteisuudet. Teoksessa A. Karjalainen (toim.) Osaamisen opettaja. ePooki. Oulun ammattikorkeakoulun tutkimus- ja kehitystyön julkaisut 56. Hakupäivä 11.2.2019. http://urn.fi/urn:nbn:fi-fe2018102638893