Tekoälyn käyttö matematiikan opetuksessa, osa 1

Tekoälyn käytöstä on tulossa – tai on jo tullut – osa matematiikan opetusta, niin pahassa kuin hyvässä, ja tämä herättää monia kysymyksiä. Syventyvätkö oppilaat enää aiheeseen tekoälyn tuottaessa vastauksia nopeasti? Mikä on medialukutaidon merkitys matematiikan tunneilla, entä millainen olisi tekoälytutorin rooli opettajan rinnalla? Tekoälyn nopea kehitys asettaa myös uudenlaisen haasteen: edellisellä lukukaudella tai viime kuussa tehdyt asiat saattavat saada erilaisen muodon tänään. Sama haaste näyttäytyykin myös tekoälyä koskevassa tutkimuksessa, jossa viime vuonna saadut tulokset eivät välttämättä tyydytä enää nykyhetken tietotarvetta. 

Pari päivää ennen tämän kolumnin kirjoittamista olin saanut lahjaksi kollegalta varaston perältä löytyneen Kalle Väisälän laatiman geometrian oppikirjan vuodelta 1961. Eräs oppilaani kirjaa tutkiessaan kysyi sen takana löytyvästä taulukosta; siihen oli merkitty lukujen 1–100 neliö- ja kuutiojuurien arvot kolmen desimaalin tarkkuudella, mitä oppilaani piti kätevänä, kun laskinta ei tarvittaisi. Olen aikaisemmin kuullut tekoälyä verrattavan taskulaskimen tai tietokoneohjelmien käytön tulemiseen osaksi matematiikan opetusta. Tästä herää muutamia ajatuksia:

• Taskulaskin mahdollisti vaikkapa luvun 2,75 neliöjuuren tarkastamisen nopeasti. Mitä uutta ja hyödyllistä tekoäly tarjoaa nykyopetukselle, kuten taskulaskin aikoinaan? 
• Kuitenkin, jos halusi korvata Väisälän kirjan neliö- ja kuutiojuuritaulukon, piti laskinta osata käyttää. Millaisia taitoja tekoälyn käyttöönotto edellyttää opettajalta tai oppijalta?
• Väisälän taulukkoa piti osata tulkita ja kaikkien neliöjuurien arvojen näkeminen samalla kertaa kuutiojuurien vastaavien rinnalla saattoi olla ajatuksia herättävää. Mitä siis saatetaan toisaalta menettää tekoälyn käyttöönoton myötä?
• Lisäksi taulukko pakotti käyttäjänsä tunnustamaan sen antamien mahdollisuuksien rajat ja kehittämään tilalle muita toimintatapoja. Miten siis tunnistaa tekoälyn hyödyntämisen rajat nykyopetuksessa ja kuinka kiertää tai ylittää ne?

Kahta ensimmäistä kysymystä pohdin tässä kolumnissa ja kahta jälkimmäistä seuraavassa.

Uutta ja hyödyllistä?

Tekoäly osaa ratkaista matematiikan tehtäviä ja ohjeistamalla tekoälyä hyvään ratkaisuun sen antamien vastausten taso paranee tai tekoäly voi osata muokata vastaustaan oppijan tasolle sopivaksi. Jos tekoälyllä haasteena aikaisemmin oli murtolukujen laskutoimitusten suorittaminen oikein, nykyään se on kuvallisen datan tulkitseminen. Opetuksen kentällä käytössä olevat tekoälytyökalut voidaankin jakaa karkeasti kahteen kategoriaan: matematiikan ongelmia ratkaiseviin ja kattavampaa pedagogista tukea tarjoaviin tekoälytyökaluihin (Awang ym., 2025). Lisäksi tekstiä tuottavan tekoälyn vahvuus lienee tarinan kerronnassa: sillä voi luoda varsinaisten tehtävien lisäksi taustoittavia tarinoita, jotka kytkevät ne oppilaan arkielämään.

Tekoälyä voi myös pyytää kertomaan, miten ratkaisu on saatu aikaan. Tekoäly osoittaakin potentiaalia tutorin tehtäviin; kenties tulevaisuudessa oppikirjailijoilla on sähköisen materiaalien applettien ohella tekoälytutori, jolta voi kysyä vinkkejä tehtävän ratkaisemiseen. Nykyisellään oppilaat saattavat sortua suoraan vastauksen kysymiseen ja tämän kopioimiseen; toisaalta valmiiden vastausten tulkitseminen on oivallinen tilaisuus harjoitella itseselittämisen taitoja. Zhang ja Aslan (2021) tunnistavat tekoälytutorit ja asiantuntijaohlemat merkittävänä tekoälyn tuomana hyötynä; teköäly voi lisätä oppijan kiinnostusta ja aktiivisuutta tehtävien suhteen sekä parantaa oppimisen laatua vuorovaikutteisuuden ja osaamistason mukaisten materiaalien avulla.

Tekoälystä puhuttaessa usein tulevat mieleen kielimallit, jotka tuottavat tekstiä tai puhetta, ja vähemmälle huomiolle tuntuvat jäävän tekoälyn sovellutukset, jotka tekevät jotain muuta kuin tekstiä tai puhetta. Zhang ja Aslan (2021) tunnistavatkin toisena merkittävänä hyötynä dataa käsittelevän ja sähköisten oppimisympäristöjen ei-tekstiätuottavat teköälytyökalut. Esimerkiksi Saksassa kehitetty KIALF-ohjelma (https://ki-alf.de/) hyödyntää tekoälyä siten, että tekoälyä käytetään tulkitsemaan tietokoneella harjoittelevien oppilaiden katseenseurantadataa. Tekoälyn tulkinta paljastaa oppilaiden käyttämiä laskustrategioita, minkä pohjalta harjoitteluohjelma antaa oppilaalle tämän oppimista tukevia tehtäviä.

Siinä missä ennen vanhaan sähköisissä MatikkaMoppi-tehtävissä saattoi oppilaalle tulla ylitsepääsemätön jumi, nykyään tekoälyä hyödyntävä harjoitteluohjelma voi tehdä oppimisesta sopivan haastavaa. Ryhmästä saatu tekoälyn tulkitsema data voisi myös tulevaisuudessa olla opettajan tukena opetuksen sisältöjen valinnassa: kun opettaja pohtii, palatako viimeisellä kertaustunnilla yhtälöparin yhteenlasku- vai sijoituskeinoon, tekoäly voisi kertoa, kumpaa oppilaat suosivat niissä tehtävissä, joissa saavat valita käyttämänsä ratkaisumenetelmän, sekä kuinka oikein tällaiset tehtävät ovat menneet.

Tarvittavia taitoja?

Tekoälylle pitää myös osata antaa oikeanlaisia käskyjä toivotun tekstin tuottamiseksi. Liian laajat kysymykset eivät välttämättä tuota toivotun kaltaista tulosta; toisaalta liian yksityiskohtaiset pyynnöt voivat johtaa outoon lopputulemaan. Vaikutusta on myös eri tekoälyjen soveltuvuudella erilaisiin tehtäviin; minkä valitsen itselleni käyttöön tekoäly-yritysten laajasta tarjonnasta? Stanfordin yliopiston (2025) verkkosivuilla on koottuna neuvoja toimivaan tekoälyn käyttöönottoon opetuksessa; tärkeää on kertoa oppijoille millä tavoin tekoälyä hyödynnytetään missäkin asiayhteydessä sekä tarjota harjoittelumahdollisuuksia tekoälyn tarkoituksenmukaiseen käyttöön.

Tekoälyn tuottamista vastauksista ei ole tarpeen osata huomata vain virheitä vaan tarvetta on kattavammalle matemaattisen tekstin lukemisen ja ratkaisun vaiheiden tulkinnan osaamiselle ts. itseselittämiselle. Jos ajatus on, että oppiminen voisi tapahtua “tekoälyn kanssa työskennellessä”, niin oppijan on tarpeen ymmärtää “keskustelukumppanin” kertomaa. Oppijat voivatkin toisilleen selittää tekoälyn tuottaman vastauksen ja pohtia tämän mielekkyyttä – voisiko vastausta parantaa? Edelleen Stanfordin yliopiston (2025) neuvoissa painottuvatkin oman ja tekoälyn tekemisen reflektointi ja kriittinen tarkastelu. 

Stanfordin yliopiston (2025) ohjeissa sivutaan myös tekoälyn käytön vastuullisuuden ja eettisyyden merkitystä. Euroopan komission Koulutuksen, nuorisoasioiden, urheilun ja kulttuurin pääosasto (2022) onkin ohjeistuksessaan tunnistanut useita uusia tarvittavia valmiuksia tekoälyn eettisessä käytössä opetuksen kentällä. Opettajalta tarvitaan tuntemusta muun muassa vuorovaikutteisen oppimisen vaikutuksista oppilaaseen ja koko luokkaan sekä ymmärrystä tekoälytyökalun soveltuvuudesta työskentelyyn. Arvioinnissa taasen on tarpeen ymmärtää tekoälytyökalun kyky tehdä arviointia: millä tavoin tekoäly voisi arvioida esimerkiksi työskentelyn taitoja tarkastellessaan vain oppilaan tekemää valmista vastausta?

Tekoälyn tuottaman ratkaisun tulkinta edellyttää tietotaitoa, joka ei välttämättä kehity vain valmiita vastauksia tutkimalla. Kysymykseksi muodostuukin, milloin oppija on valmis soveltamaan oppimaansa (tekoälyn tuottamien) valmiiden tekstien tulkintaan? Luetun ymmärtäminen edellyttää sanaston ja aiheen hallintaa. Stanfordin yliopiston (2025) neuvoja lukiessa huomio kiinnittyy rajanvetoon “perinteisen”, siis ei tekoälyä sisältävän, opiskelun ja tekoälyavusteisen opiskelun välillä sekä oman tieteenalan – matematiikan – tekoälyn käytön erityistarpeiden huomioimiseen. Ennen tekoälyn tuomista harjoittelun rinnalle voikin olla tarvetta matematiikan perusteiden ja kriittisen ajattelun kehittämiselle, minkä jälkeen on turvallista siirtyä työskentelemään tekoälyn kanssa media- ja tekoälynlukutaitoa hyödyntäen.

Lähteitä

Awang, L. A., Yusop, F. D., & Danaee, M. (2025). Current practices and future direction of artificial intelligence in mathematics education: A systematic review. International Electronic Journal of Mathematics Education, 20(2), em0823. https://doi.org/10.29333/iejme/16006

Euroopan komissio, Koulutuksen, nuorisoasioiden, urheilun ja kulttuurin pääosasto (2022). Tekoälyn ja datan käyttö opetuksessa ja oppimisessa – eettiset ohjeet opettajille. Euroopan unionin julkaisutoimisto, https://data.europa.eu/doi/10.2766/560

Stanfordin yliopisto (2025). AI Teaching Strategies. Haettu 12.5.2026 osoitteesta https://ctl.stanford.edu/aimes/ai-teaching-strategies#ai-assigned

Zhang, K. ja Aslan, A. (2021). AI technologies for education: Recent research & future directions. Computers and Education: Artificial Intelligence. 2, artikkeli 100025, https://doi.org/10.1016/j.caeai.2021.100025