Tekoälyn käyttäminen fysiikan opetuksessa ja opiskelussa lukiossa

Generatiivisen tekoälyn nopea yleistyminen haastaa oppilaitokset uudistamaan pedagogisia käytäntöjään. Tämän kehityksen tueksi kehitimme fysiikan aineenopettajakoulutuksen kurssilla pedagogisen tuotteen, joka tarjoaa opettajille ja opiskelijoille käytännön menetelmiä tekoälyn tarkoituksenmukaiseen hyödyntämiseen. Tuotteen keskeisenä tavoitteena on ohjata tekoälyn käyttöä passiivisesta vastauksen hakemisesta kohti aktiivista kognitiivista kumppanuutta ja syvällisempää oppimista tukevaksi työkaluksi.

Johdanto

Tekoälyn pedagoginen hyödyntäminen fysiikan opiskelussa edellyttää opiskelijalta kolmiosaista tietoperustaa, joka koostuu substanssiosaamisesta, kehoteosaamisesta eli promptauksesta sekä kriittisestä tekoälyn lukutaidosta. Fysiikan lakien ja käsitteiden syvällinen tuntemus mahdollistaa tekoälyn tuottamien vastauksien ja mahdollisten hallusinaatioiden tunnistamisen ja validoinnin. Kehoteosaaminen puolestaan ilmenee kykynä muotoilla kehotteet siten, että ne ohjaavat fysikaalista ajattelua ja oppimisprosessia. Lisäksi kriittinen tekoälylukutaito edellyttää ymmärrystä generatiivisten kielimallien toimintalogiikasta, rajoituksista sekä eettisistä kysymyksistä, kuten algoritmien vinoumista ja tietosuojasta.

Tekoälytyökalut ovat muodostuneet kiinteäksi osaksi opiskelijoiden digitaalista toimintaympäristöä ja niiden käytön rajoittaminen on käytännössä haastavaa. Edellisen takia pedagogisena lähtökohtana tulisi olla tekoälyn hallittu hyödyntäminen oppimisen tukena, ei valmiiden vastauksien tuottajana. Pedagogisessa tuotteessamme käytimme esimerkkinä Microsoftin Copilottia, ja sen ”tutki ja opi”- asetusta.

Tuotteemme kytkeytyi lukion opetussuunnitelman perusteisiin (LOPS 2019), joissa fysiikan oppiainekohtaisina tavoitteina korostetaan kokeellisuutta, mallintamista sekä tietotekniikan monipuolista käyttöä tutkimusprosessissa, datan analysoinnissa, ohjelmoinnissa ja ilmiöiden selittämisessä. Tekoälyn kriittinen arviointi kehittää opiskelijan tieteellistä ajattelua ja teknologiaosaamista, joka heijastelee laajempaa teknologista murrosta. Fysiikka alana on nojannut laskentatehoon ja algoritmiseen analyysiin. Vahva substanssiosaaminen säilyy edelleen edellytyksenä teknologisten apuvälineiden kriittiselle ja eettiselle käytölle.

Tuotteen hyödyn tutkimukselliset perustelut

Tekoälyn hyödyntämistä fysiikan opetuksessa perustellaan useilla tutkimuksellisesti osoitetuilla hyödyillä. Jalilovan ja Musayevan (2025) mukaan tekoälyn käyttö fysiikan opetuksessa jakautuu neljään pääalueeseen: käsitteiden esittelyyn, opetuksen yksilöllistämiseen, sosiaalisen vuorovaikutuksen tukemiseen sekä arviointiin. Tekoäly voi parantaa opiskelijoiden käsitteellistä ymmärrystä tarjoamalla personoituja selityksiä ja visualisointeja, joihin massaluennoilla ei aina ole mahdollisuutta. Pelkkä teknologian läsnäolo ei kuitenkaan takaa oppimista, vaan ratkaisevaa on työkalun pedagoginen käyttötapa.

Mirzan ja Rebellon (2025) tutkimus osoittaa, että opiskelijat, jotka osaavat hyödyntää kontekstisidonnaisia ja tarkentavia kehotteita (engl. prompt engineering) hyötyvät tekoälystä merkittävästi ja kehittävät ongelmanratkaisukykyään. Päinvastoin passiivinen käyttö tai heikosti muotoillut kehotteet voivat jopa heikentää opintosuorituksia, mikä korostaa pedagogisen ohjauksen välttämättömyyttä. Myös Polverini ja Gregorcic (2024) korostavat käyttötaitojen merkitystä ja esittävät tekoälyn voivan toimia esimerkiksi tutoropettajana tai vertaisopiskelijana. Tulevaisuudessa tekoälymalleille voidaan luoda erilaisia rooleja tai ”persoonia”, joista opiskelija voi valita omaan oppimistyyliinsä sopivimman vuorovaikutuskumppanin tehtävien ratkaisuun.

Kehitetty pedagoginen tuote tukeutuu Lev Vygotskyn proksimaalisen kehitysvyöhykkeen (engl. Zone of Proximal Development, ZPD) käsitekehykseen. Tekoäly toimii tässä mallissa älykkäänä tutorina, joka tarjoaa opiskelijalle oikea-aikaista oppimisen tukea (engl. scaffolding) opettajan läsnäolosta riippumatta. Tuotteen pedagoginen toiminta perustuu sokraattiseen menetelmään eli tekoälyä ohjataan toimimaan opiskelukumppanina, joka valmiiden vastausten sijaan esittää ohjaavia kysymyksiä ja auttaa opiskelijaa itse tunnistamaan ajattelunsa virhekohtia.

Pedagogisen tuotteen esittely

Lopputuotteena teimme ohjeistuksen, jota voivat hyödyntää sekä opiskelijat että opettajat. Ohjeistuksen alussa kävimme läpi olemassa olevia tekoälyohjelmia ja niiden eettistä käyttämistä (mm. luonnonvarojen tuhlaaminen). Ohjeistuksessa meillä oli esimerkkejä vanhoista YO-tehtävistä ja kuinka niiden läpikäymiseen voi hyödyntää tekoälyä. Meillä oli myös esimerkkejä käytettävistä kehotteista kokeiden suunnitteluun, tehtävien ratkaisemiseen, piirrosten luomiseen sekä käsitteiden hahmottamiseen.

Alla on yksi esimerkkikehote ohjeestamme. Siinä neuvotaan, kuinka tekoälyä kannattaa ohjeistaa tehtävien tekemiseen: ”Olet fysiikan opettajani. Tehtävänäsi on avustaa minua ratkaisemaan tehtävä paljastamatta minulle vastausta. Jokaisen neuvon kohdalla pohdi, onko se fysikaalisesti järkevä. Voit olettaa, että minulla on [n] vuoden kokemus fysiikan opiskelusta lukiossa. Kysele ja ohjaa minua niin, että voin oivaltaa itse asioita ja todella ymmärtää kuinka tällaista tehtävää tulisi lähestyä. Palautteessasi ole kriittinen, äläkä hyväksy pieniäkään virheitäni, vaan sano suoraan.”

Pedagogisen tuotteen arviointi lukioissa

Tekoälytuotetta testattiin kahdessa eri pääkaupunkiseudun lukiossa. Lukioissa tuotteen kokeilu tehtiin lukion toisen vuoden opiskelijoiden kanssa osana kursseja FY06 Sähkö ja FY02 Lämpö (LOPS 2019). Harjoitustuntien aiheina olivat: sähkövaraus, Coulombin laki, sähkökenttä ja potentiaali sekä nollaenergiatalo.

Ensimmäisessä koulussa kävimme yhteisesti opiskelijoiden kanssa läpi yhden pidemmän tehtävän Coulombin lakiin liittyen tekoälyn avulla. Aluksi ratkaisimme tehtävän niin sanotusti perinteisesti ja vertasimme saamaamme vastausta tekoälyn antamaan vastaukseen. Tekoälyn antama vastaus poikkesi monelta osin oikeasta ja sisälsi virheitä. Tämä esimerkki auttoi opiskelijoita miettimään kriittisesti tekoälyn käyttämistä. Opiskelijat ymmärsivät, kuinka fysiikan kannalta substanssiosaaminen on ensiarvoisen tärkeää. Ensimmäisessä koulussa ohjaava opettaja piti tuotteen aihetta niin tärkeänä, että palautetta siitä kerättiin kurssikokeen yhteydessä.

Toisessa koulussa opiskelijoiden tuli suunnitella aiemmin tunnilla käsitteenä esitelty nollaenergiatalo tekoälyä hyödyntäen.

Kerätty aineisto

Opiskelijat suhtautuivat aiheeseen suhteellisen kahtiajakoisesti. Oli niitä, jotka halusivat käyttää tekoälyä ja olivat käyttäneet ennenkin. Hieman yllätti, että kursseilla oli opiskelijoita, jotka eivät olisi halunneet käyttää tekoälyä ollenkaan. Lisäksi monet eivät olleet kokeilleet tekoälyä aiemmin ollenkaan. Ensimmäisen koulun kaikki 17 opiskelijaa vastasivat kyselyyn. Kyselyssä oli yksi kolmiportaisen asteikon (Hyödyllinen – Neutraali – Ei hyödyllinen) mukainen kysymys, yksi kaksiportaisen asteikon (Kyllä – Ei) mukainen kysymys, avoin kysymys sekä osio vapaalle palautteelle.

Toisesta koulusta emme onnistuneet saamaan kyselytutkimusaineistoa, koska opiskelijat eivät suostuneet vastaamaan kyselyyn.

Tulokset

Ensimmäisestä koulusta saadut opiskelijoiden kirjoittamat kehotteet olivat pääsääntöisesti hyviä. Monessa vastauksessa tulivat esiin seuraavat seikat: Opeta, älä anna suoraa vastausta, olet fysiikan opettajani, kerro vaihe vaiheelta ja niin edelleen. Ei tullut yhtäkään kehotetta tyyliin ”kerro tehtävään oikea vastaus”.

Monissa opiskelijoiden palautteissa korostui kriittinen ajattelu tekoälyä kohtaan. Ajateltiin, että se auttaa väärin, tekoäly vie opettajien ja insinöörien työt. Tai tehtävät koettiin niin helpoiksi, että ei kannattanut uhrata aikaa tekoälylle.

Tulokset asteikollisiin kysymyksiin näkyvät alla kuvissa 1 ja 2 (ensimmäinen koulu).

Opiskelijoiden kirjoittamissa vapaissa palautteissa toistuivat seuraavat seikat: hyvä materiaali, välivaiheiden hyödyntäminen, hyviä esimerkkejä, hyödyllinen vaikeissa tehtävissä.

Kriittisiä palautteita tuli myös opiskelijoilta. Niissä toistuivat seuraavat asiat: ei mitään uutta materiaalissa, kehotteet antoivat vääriä vastauksia, en pitänyt/oppinut mitään ja tekoäly vie työpaikkoja.

Pedagogisen tuotteen arviointi ja asiantuntijapalaute

Tuotteen arviointi osoitti, että ohjemateriaali mahdollisti etenemisen haastavissa laskuharjoituksissa silloinkin, kun opettaja oli varattuna muiden opiskelijoiden kanssa. Ohjaavilta opettajilta saatu palaute vahvisti, että materiaali auttoi hallitsemaan tekoälyn käyttöä luokassa ja tuki opiskelijoiden omaa ajattelua.

Erityisen onnistuneena osana tuotetta voidaan pitää kehoteohjeistusta, joka ohjasi opiskelijat muotoilemaan kontekstisidonnaisia kehotteita. Tämä tuki opiskelijoiden kykyä antaa tekoälylle selkeä rooli ja tehtävänanto, mikä paransi vastausten laatua verrattuna passiiviseen käyttöön. Kokonaisuutena pedagoginen tuote osoitti, että tekoäly voi toimia tehokkaana pedagogisena työkaluna, kunhan sen käyttö on tarkasti ohjeistettua.

Pohdinta

Kerätyn palautteen perusteella oppimateriaali täytti sille asetetut tavoitteet. Tuloksissa huomionarvoista oli, että osa opiskelijoista ei ollut hyödyntänyt tekoälytyökaluja lainkaan ennen kokeilua. Tämä havainto haastaa yleisen oletuksen nuorten aukottomasta tekoälyosaamisesta tai sen rutiininomaisesta käytöstä. Opiskelijoiden antamassa palautteessa nousi esiin myös perusteltua kriittisyyttä, mikä ilmentää kykyä arvioida teknologiaa analytiikan ja etiikan näkökulmasta.

Saatujen havaintojen pohjalta tekoälylukutaidon opetukseen on syytä sisällyttää myös teknologian ympäristövaikutusten ja eettisten kysymysten käsittely. Kriittinen keskustelu luonnonvarojen kulutuksesta on välttämätöntä, mutta resursseista käydyn keskustelun tulee pohjata realistiseen tietoon. Tekoälyn tarkoituksenmukaista käyttöä edeltävän pedagogisen keskustelun tuleekin käsitellä tasapuolisesti teknologian mahdollistamia hyötyjä sekä sen reunaehtoja, jotta opiskelijoille muodostuu yhdenmukainen tietopohja vastuullisen toiminnan tueksi.

Tekoälyohjelmistojen nopean kehityksen vuoksi myös oppimateriaalien ja pedagogisen tukiaineiston päivittäminen on jatkuva prosessi. Esimerkiksi fysikaalisten vapaakappalekuvioiden ja visuaalisten mallinnusten tuottaminen on nykyisille kielimalleille vielä haastavaa, mutta suorituskyvyn oletetaan parantuvan mallien kehittyessä. Jatkotutkimuksessa ja materiaalin jatkokehityksessä olisi hedelmällistä syventyä tarkemmin opiskelijoiden laadullisiin kokemuksiin ja ajatuksiin tekoälyn käytöstä. Kuten Polverini ja Gregorcic (2024) esittävät, tulevaisuuden sovellusalueet voivat laajentua personoituihin tekoälyrooleihin (esim. tutoropettajiin tai vertaisopiskelijoihin), mikä avaa uusia linjoja opiskelijakohtaisesti mukautuvien oppimisympäristöjen kehitykselle.

Lähteet

Lukion opetussuunnitelma 2019: (https://www.oph.fi/fi/koulutus-ja-tutkinnot/lukion-opetussuunnitelmien-perusteet), viitattu 10.04.2026.

Jalilova S ja Musayeva G, Artificial Intelligence in Physics Teaching, Sciences of Europe, 2025.

Qurat-ul-Ann Mirza ja N. Sanjay Rebello, Help or Hype? Students’ Engagement and Perception of Using AI to Solve Physics Problems, arXiv:2509.25642, 2025.

Polverini, G., & Gregorcic, B., How understanding large language models can inform the use of chatgpt in physics education, arXiv:2402.15654, 2024.

Saul McLeod, Vygotsky’s Theory of Cognitive Development, 2025, https://www.simplypsychology.org/vygotsky.html, viitattu 29.4.2026