JultikaUniversity of Oulu repository

Tiivistelmä

Tekoälyn vaikutus teknologian kehityksessä on merkittävä, ja tulevaisuudessa sen rooli tulee vielä kasvamaan. Perustiedot tekoälyn mahdollisuuksista ja riskeistä on hyvä opettaa lapsille jo varhaisessa vaiheessa. Se valmistaa heitä tulevaisuuden mahdollisuuksiin, haasteisiin ja työelämään sekä opettaa kriittiseen ajatteluun.

Tämän tutkielman tavoitteena on selvittää ryhmien yhteisöllistä tiedonrakentamista ja tutkivan oppimisen toteutumista tekoälyprojektin parissa. Oppilaat kehittävät tekoälysovelluksen yhteisöllisesti ja tutkivasti työskennellen. Tiedonrakentaminen on aktiivinen tiedon luomisen prosessi, jossa ryhmä oppilaita työskentelee saavuttaakseen yhteisen tavoitteen. Yhteisöllinen oppiminen tarvitsee toimiakseen vuorovaikutusta ja sitoutumista yhteiseen toimintaan. Tutkivan oppimisen lähestymistavassa oppilaan työskentely alkaa halusta ratkaista ongelma. Se vaatii muun muassa ongelmanratkaisutaitoja ja kriittistä ajattelua.

Tutkimuksen aineisto on kerätty osana Strategisen Tutkimuksen Neuvoston (STN) rahoittamaa Generation AI -hanketta. Hanke alkoi Oulussa keväällä 2023, ja se seuraa oppilaiden työskentelyä tekoälyn parissa kolmen vuoden ajan. Hankkeen tavoitteena on opettaa lapsille ja nuorille ymmärrystä tekoälystä ja koneoppimisesta sekä niiden riskeistä. Se kannustaa kehittämään erilaisia tekoälyyn liittyviä taitoja. Tutkimus on toteutettu laadullisena tapaustutkimuksena. Tutkimukseen osallistui 4. luokan oppilaita kahdelta eri luokalta. Tutkimuksen aineisto koostuu videotallenteista, oppilaiden täyttämistä lomakkeista ja haastatteluista. Tässä tapaustutkimuksessa tarkastellaan neljän ryhmän ennakkokäsityksiä tekoälystä, luokittelijan suunnittelua ja oppilaiden välistä yhteistyötä työskentelyn aikana. Näiden avulla kartoitetaan yhteisöllisen tiedonrakentamisen ja tutkivan oppimisen toteutumista projektissa.

Tutkimuksessa selvisi, että konkreettinen tekeminen ja ystävyyssuhde olivat yhteisöllistä tiedonrakentamista edistäviä tekijöitä. Kun taas yhteisöllistä tiedonrakentamista estivät sitoutumattomuus yhteiseen toimintaan, ryhmän jäsenten välinen heikko vuorovaikutus ja oppimisympäristön asettamat haasteet. Ryhmät ymmärsivät luokittelijan toimintaidean, saivat tehtyä toimivat luokittelijat sekä osasivat antaa kehitysideoita luokittelijan parantamiseksi. Lisäksi he käyttivät koneoppimisen keskeisiä käsitteitä, kuten opetusdataa ja luokittelijaa. Tutkimusaineiston perusteella projekti noudattaa tutkivan oppimisen vaiheita, kuten kontekstin luomista, ongelman asettamista, kriittistä ajattelua ja jaettua asiantuntijuutta. Tekoälyn valtava kasvu haastaa myös tutkimaan sitä entistä enemmän.

Knowledge building among elementary school students in the development of artificial intelligence applications

Abstract

The impact of artificial intelligence on technological development is significant, and its role will continue to grow in the future. It is important to teach children the basics of artificial intelligence, its capabilities, and its risks from an early stage. This prepares them for opportunities, challenges, and working life in the future while fostering critical thinking.

The aim of this study is to investigate the collaborative knowledge building and realization of inquiry-based learning within an artificial intelligence project. Students utilize collaborative and inquiry-based methods to develop an artificial intelligence application. Knowledge building is an active process of creating knowledge where a group of students collaborate to achieve a common goal. Collaborative learning requires interaction and commitment to shared activities. The inquiry-based learning approach is based on the student’s desire to solve a problem. Among other things it requires problem-solving skills and critical thinking.

The research data was collected as part of the Generation AI project funded by the Strategic Research Council (STN). The project started in Oulu in the spring of 2023, and it follows students’ engagement with artificial intelligence for a period of three years. The project aims to teach children and young people understanding of artificial intelligence and machine learning, as well as their risks. It encourages the development of various artificial intelligence related skills. The research was conducted as a qualitative case study. Fourth-grade students from two different classrooms participated in the study. The data consists of video recordings, student questionnaires, and interviews. This case study examines the four groups’ preconceptions of artificial intelligence, classifier design, and student collaboration during the project. These are used to map the realization of collaborative knowledge building and inquiry-based learning in the project.

The study revealed that concrete engagement and friendship were factors that facilitated collaborative knowledge building. On the other hand, lack of commitment to shared activities, weak interaction among group members, and challenges in the learning environment hindered collaborative knowledge building. The groups understood the concept of the classifier’s operation, successfully built functional classifiers, and knew how to provide ideas to improve the classifier. They also utilized key concepts of machine learning, such as training data and the classifier. Based on the research data, the project follows the stages of inquiry-based learning, including context creation, problem formulation, critical thinking, and shared expertise. The growth of artificial intelligence also challenges us to study it more.