AIEd-tietopankkiAIEd KB
Tällä sivulla

Lue tämä sivu englanniksi

Käsitteet

Tekoälyn historia koulutuksessa

Luotu 2026-08-23 · Päivitetty 2026-11-08

Tämän englanninkielisen sivun automaattinen konekäännös, jota ei ole vielä tarkastanut äidinkielinen puhuja.

Tekoälyn historia koulutuksessa — tutkimus siitä, miten tekoäly ja koulutus ovat kehittyneet yhdessä 1900-luvun puolivälistä lähtien, ja miten menneet käsitteelliset, terminologiset ja suunnittelua koskevat valinnat muovaavat edelleen nykyisiä keskusteluja tekoälystä oppimisessa. Sen sijaan että generatiivista tekoälyä kohdeltaisiin äkillisenä, ennennäkemättömänä voimana, historiallinen linssi paljastaa toistuvia jännitteitä — kontrolli vs. toimijuus, standardointi vs. luovuus, automaatio vs. täydentäminen — jotka ovat jäsentäneet tekoälyä koulutuksessa sen alkuajoista lähtien.

Pohdittavaksi

  • Nykyistä generatiivista tekoälyä kuvataan usein ennennäkemättömäksi vallankumoukseksi. Miten tuo kehystys ("kronosentrismi") voi estää meitä näkemästä sen taustalla toistuvia kuvioita?
  • Ala olisi lähes voitu nimetä "kybernetiikaksi" "tekoälyn" sijaan. Miten tuo yksittäinen nimeämisvalinta on voinut muovata sitä, näemmekö koneet itsenäisinä älyinä vai osana toisiinsa kytkeytyneitä palautejärjestelmiä?
  • Sivu kehystää AIED:n historian jännitteenä kontrollin (Andersonin kognitiiviset tutorit, jotka optimoivat opetusta) ja toimijuuden (Papertin konstruktionismi, joka voimaannuttaa oppijoita) välillä. Mihin kohtaan tuolla spektrillä omat tekoälykoulutuksen valintasi sijoittuvat — ja miksi?
  • Personoinnilla, sivu väittää, on kaksi merkitystä: polun vaihtelu samaan lopputulokseen tai moninaisten, oppijalähtöisten lopputulosten mahdollistaminen. Kumpaa personointia instituutiosi todella tavoittelee, ja kumpaa sen pitäisi tavoitella?
  • Jos nykyiset GenAI-keskustelut "peilaavat" näitä historiallisia jännitteitä, mitä menneitä virheitä saatamme toistaa — ja mitä voisimme välttää muistamalla ne?
  • Sivu väittää, että tekniset suunnitteluratkaisut sisältävät arvovalintoja oppimisen tarkoituksesta. Voitko tunnistaa käyttämäsi tekoälykoulutustyökalun suunnitteluratkaisun, joka hiljaisesti suosi standardointia oppijan toimijuuden sijaan — tai päinvastoin?

Johdanto

Alan historia ei ole lineaarinen kehityskulku vaan sarja ehdollisia päätöksiä, joiden vaikutukset kaikuvat yhä. Tämän historian ymmärtäminen suojaa "kronosentrismiltä" (taipumukselta pitää nykykehitystä ainutlaatuisen vallankumouksellisena), auttaa välttämään menneiden virheiden toistamista ja paljastaa, miten kehystämistä ja terminologiaa — ei vain teknologiaa — koskevat valinnat ohjaavat tekoälyn koulutuskäytön kehityspolkua.

Keskeiset historialliset säikeet

Kybernetiikasta "tekoälyyn". Kun John McCarthy suunnitteli vuoden 1956 Dartmouthin kesätutkimusprojektia, hän valitsi tietoisesti termin tekoäly termin kybernetiikka sijaan — osittain erottaakseen alan Norbert Wieneristä ja tämän keskittymisestä analogiseen palautteeseen. Tämä nimeämispäätös kehysti koneiden kyvykkyydet suoraan vertailuun ihmiskognition kanssa (antropomorfinen kehystys) ja ohjasi tutkimusprioriteetteja, yleistä käsitystä ja eettistä keskustelua vuosikymmeniä. Jos ala olisi säilyttänyt kybernetiikan kehyksen, artikkeli esittää, että puhuisimme nyt "kyberneettisistä oppimisjärjestelmistä", jotka korostavat palautetta ja yhteenkytkeytyneisyyttä, "tekoälytutorien" sijaan, jotka asemoivat koneen itsenäiseksi älyn lähteeksi.

Kognitiivinen vallankumous ja ITS:n juuret. Varhaiset uranuurtajat — Herbert Simon, Allen Newell, Marvin Minsky, John Anderson — eivät vain mallintaneet kognitiota; he tutkivat perustavia kysymyksiä oppimisesta ja opetuksesta. Heidän työnsä tuotti tiedonkäsittelymalleja ihmiskognitiosta, joista tuli kasvatuspsykologian perusta, ja johti älykkäisiin opastusjärjestelmiin (ITS), jotka juontuvat 1960- ja 70-lukujen tekoälyn heuristisen haun ja asiantuntijajärjestelmien paradigmoista. Nämä järjestelmät linjautuivat luontevasti olemassa oleviin arvioinnin ja standardoinnin rakenteisiin ja sulautuivat lopulta AIED-yhteisöksi.

Kontrolli vs. toimijuus: Anderson ja Papert. Esille nousi kaksi kilpailevaa visiota, jotka kehollistuivat John Andersonissa ja Seymour Papertissa. Andersonin kognitiiviset tutorit (ACT/ACT-R-teoria) pilkkoivat tiedon tuotantosäännöiksi, antoivat täsmällistä yksilöllistä palautetta ja vahvistivat perinteisiä koulutusrakenteita — visio tekoälystä opetuksen optimoinnin työkaluna. Papertin konstruktionismi (Logo, "mikromaailmat", virheenkorjaus oppimisena) näki tietokoneet ympäristöinä, joissa lapset rakentavat tietoa luovan kokeilun kautta — visio tekoälystä älyllisen voimaantumisen välineenä, joka haastoi institutionaaliset hierarkiat. Tämä kontrollin ja toimijuuden välinen "olennaisjännite" on alan historian läpikulkeva juonne.

Kaksi personoinnin muotoa. Personoinnilla on kaksi erillistä tulkintaa, jotka vastaavat näitä visioita. Ensimmäinen pitää lopputulokset yhtenäisinä ja vaihtelee polkua (juuret Skinnerin opetuslaitteissa; Khan Academyn visio mestaruuteen opastamisesta). Toinen omaksuu moninaiset lopputulokset — oppijat tavoittelevat yksilöllisiä kiinnostuksen kohteita ja lahjakkuuksia, joita standardin opetussuunnitelman rajat eivät rajoita (Zhao, 2024). ITS-malli tukee ensimmäistä; konstruktionismi jälkimmäistä.

Oppitunteja GenAI-aikakaudelle. Nykyiset generatiivista tekoälyä koskevat keskustelut peilaavat läheisesti näitä historiallisia jännitteitä. GenAI asemoidaan usein seuraavan sukupolven älykkääksi tutoriksi (Andersonin jatkeeksi), mikä herättää huolta valvonnasta, datankeruusta ja standardoinnista. Vaihtoehtoisesti siitä voi tulla luovan toimijuuden väline (Papertin jatkeeksi), mikä vaatii meitä harkitsemaan arviointia uudelleen ja hyväksymään monitulkintaisempia lopputuloksia. Kuten Mishra et al. päättelevät, institutionaaliset voimat suosivat toistuvasti lähestymistapoja, jotka vahvistavat olemassa olevia rakenteita — ja valitsemamme kieli ja metaforat muovaavat tulevia mahdollisuuksia. Rismanchianin ja Doroudin AI×Ed-viitekehys antaa tälle intuitiolle empiirisen pohjan: sijoittamalla AIED-tapahtumien (1985, 1993, 2021, 2024) ja IJAIEDin (2004, 2014, 2021) artikkeleita kahdelle akselille — tekoälyn rooli (sovellettu työkalu vs. analogia ihmisälylle) ja loppukäyttäjä — he jäljittävät alaa, joka siirtyi moninaisesta sekoituksesta, mukaan lukien merkittävä varhainen tutkimus, jossa tekoälyä käytettiin analogiana ihmisälylle (oppimisen laskennalliset mallit, Papertin mikromaailmat, tietämyksen hankinnan agenttipohjaiset mallit), lähes yksinomaan sovellettuihin, instrumentaalisiin käyttötarkoituksiin 2000-luvulle tultaessa. Merkittävää on, että generatiivisen tekoälyn aikakausi näyttää osittain kääntävän tuon kehityskulun: AIED 2024:ssä kolme neljästä "tekoäly analogiana" -kvadrantin paikasta oli LLM:llä rakennettuja, ja yksi niistä sai parhaan artikkelin palkinnon LLM-voimaisista opetettavista agenteista.

Aikakauslehden aineisto kääntyy kahdesti. 5 387 Computers & Education -artikkelin (1976–2026) rakenteellinen aihemalli löysi tekoälyn 390 tietueesta (7,2 %), 17:ssä sen 18 aiheesta. Vuosittainen todennäköisyys sille, että artikkeli liittyi tekoälyyn, nousi 21,8 % vuodessa vuoteen 1989 asti, laski 3,7 % vuosittain vuoteen 2018 ja nousi sitten 40,1 % vuosittain vuoteen 2025 (Wu et al., 2026). Vuoden 2018 käännös edeltää ChatGPT:tä neljällä vuodella, joten generatiivinen aikakausi kiihdytti jo käynnissä olevaa suuntausta aloittamatta sitä.

Generatiivisen tekoälyn tuore vaikutus

Generatiivisen tekoälyn saapuminen — laaja perhe, johon kuuluvat suuret kielimallit (teksti) sekä kuva-, ääni- ja videogeneraattorit — merkitsee seurauksiltaan merkittävintä käännekohtaa AIED:n historiassa alan perustamisen jälkeen. LLM:t ovat tämän perheen näkyvin jäsen ja tärkein luokkahuonevaikutuksen ajuri, mutta generatiivinen tekoäly kokonaisuutena (kyky tuottaa uutta tekstiä, kuvia, ääntä ja koodia) on laajempi koulutusta uudelleenmuovaava voima. Se ymmärretään parhaiten AIED:n historiaa vasten eikä puhtaana katkoksena. Useat piirteet tekevät generatiivisen tekoälyn aikakaudesta omaleimaisen:

Mittakaava ja ulottuvuus. Toisin kuin aikaisempien vuosikymmenten kognitiiviset tutorit ja ITS, jotka toimivat valvotuissa laboratorio- ja luokkahuoneympäristöissä, LLM:t tavoittivat satoja miljoonia oppijoita ja kouluttajia kuukausien kuluessa julkaisusta ja astuivat arkiseen kirjoittamiseen, kotitehtäviin ja opetukseen lähes välittömästi. GenAI-keskustelu siirtyi erikoislehdistä luokkahuoneisiin, hallitussaleihin ja lainsäädäntöelimiin ennennäkemättömällä nopeudella.

Uudenlainen kyvykkyys. Aikaisemmat AIED-järjestelmät mallinsivat kognitiota ja välittivät jäsenneltyä opetusta (Andersonin perinne). LLM:t suorittavat avointa generointia — tuottavat esseitä, selityksiä, koodia ja dialogia — mikä nostaa esiin oppijan toimijuuden ja luovuuden (Papertin perinne) tavoilla, joihin aikaisemmat ITS eivät pystyneet. Siksi nykyhetki sytyttää kontrolli-vs.-toimijuus-jännitteen niin terävästi: sama työkalu voidaan ottaa käyttöön seuraavan sukupolven älykkäänä tutorina (lopputuloksia kontrolloiden) tai luovana kanssakirjoittajana ja ajattelukumppanina (toimijuutta vahvistaen).

Pääsykysymyksen kääntyminen. Historiallisesti yksilöllinen tutorointi oli niukkaa ja kallista; GenAI teki adaptiivisesta yhden vastaan yhden tuesta lähes ilmaista ja yleismaailmallista — laskien dramaattisesti niitä saavutettavuuden ja kustannusten esteitä, jotka muovasivat aikaisempaa AIED:tä. Mutta se toi myös uusia riskejä: algoritmisen vinouman, hallusinaation, valvonnan, datankeruun ja kouluttajien ammattitaidon heikkenemisen.

Uudistunut huoli tekoälylukutaidosta ja väärinkäytöstä. Generatiivisen tekoälyn aikakausi teki tekoälylukutaidosta kiireellistä ja kehysti akateemisen rehellisyyden keskustelut uudelleen (havaitseminen vs. dialogi) samalla kun se herätti henkiin pitkäaikaiset huolet automaatiosta, standardoinnista ja episteemisestä riippuvuudesta. Nämä ovat alan alkuperäisten jännitteiden nykymuotoja.

Kronosentrismin riski. Kuten Mishra et al. varoittavat, generatiivisen tekoälyn hype jää usein vaille historiallista tietoisuutta, mikä antaa teknologiaevankelistojen hallita keskustelua. Sen ymmärtäminen, että nykyiset GenAI-keskustelut kaikuvat Anderson–Papert-jakoa ja vuoden 1955 kybernetiikan nimeämispäätöstä, auttaa meitä tekemään tarkoituksellisia valintoja sen sijaan, että kohtelisimme nykyhetkeä väistämättömänä. Todellinen kysymys ei ole, mitä generatiivisen tekoälyn työkalut voivat tehdä, vaan mitä haluamme niiden tekevän — päätös, jota muovaa se, missä olemme olleet.

Seuraukset

  • Lue hype historiallisesti. Tunnista, että jokainen uusi tekoälyaalto kehystetään vallankumoukselliseksi; historiallinen tietoisuus paljastaa jatkuvuuden ja auttaa vastustamaan keskustelun yrityshallintaa.
  • Näe suunnitteluratkaisut arvovalintoina. Tekniset ratkaisut tekoälystä koulutuksessa sisältävät ideologisia kantoja oppimisen tarkoituksesta — nosta ne esiin ja kuulustele niitä.
  • Punnitse kontrollia ja toimijuutta tarkoituksellisesti. Onko tekoälyn optimoitava kohti standardituloksia vai mahdollistettava moninaisia, oppijalähtöisiä tuloksia, on aito valinta, jolla on institutionaalisia ja poliittisia seurauksia, ei tekninen itsestäänselvyys.
  • Säilytä oppijan toimijuus. Toistuva vastarinta standardointia ja kontrollia vastaan avoimien, oppijakeskeisten lähestymistapojen hyväksi on kestävä juonne, jota kannattaa puolustaa.

Yleiset väärinkäsitykset

"Tekoäly koulutuksessa alkoi ChatGPT:stä." Ei alkanut, ja uskomus on kallista, koska se tekee jokaisen aiemman oppitunnin näkymättömäksi. Älykäs opastus polveutuu 1960- ja 70-lukujen heuristisen haun ja asiantuntijajärjestelmien työstä, ja AIED-yhteisö muodostui sen ympärille vuosikymmeniä ennen suuria kielimalleja. Mishra et al. osoittavat nykyisten keskustelujen toisintavan jakoa, joka oli jo eksplisiittinen Andersonin kognitiivisissa tutoreissa ja Papertin konstruktionismissa, joten lukija, joka ajoittaa alan vuoteen 2022, johtaa uudelleen argumentit, jotka ala on jo kerran ratkaissut, hylännyt tai häviänyt.

"Ala on vakaasti hylännyt tekoälyn analogiana sovellettujen työkalujen hyväksi, ja generatiivinen tekoäly jatkaa tätä suuntausta." Tämä on sivun opettavaisin korjaus, koska kehityskulku on todellinen mutta ei monotoninen. Rismanchianin ja Doroudin positioanalyysi AIED:stä 1985, 1993, 2021 ja 2024 sekä IJAIEDistä 2004, 2014 ja 2021 osoittaa todella ajautumisen sekoittuneesta alasta lähes yksinomaan sovellettuun instrumentaalisuuteen 2000-luvulle tultaessa. Mutta AIED 2024:ssä kolme neljästä tekoäly-analogia-kvadrantin artikkelista oli LLM-pohjaisia, mukaan lukien parhaan artikkelin työ LLM-pohjaisista opetettavista agenteista. Generatiivinen tekoäly osittain kääntää suuntausta sen jatkamisen sijaan, minkä vuoksi sen kohteleminen "seuraavana älykkäänä tutorina" lukee väärin sen, mihin tutkimuksen eturintama todella siirtyi.

"Personointi tarkoittaa vaikeustason mukauttamista kullekin oppijalle." Se on vain yksi kahdesta yhteensopimattomasta merkityksestä, ja niiden sekoittaminen kätkee poliittisen valinnan. Ensimmäisessä merkityksessä lopputulos pidetään kiinteänä ja vain polku vaihtelee, ja perinne kulkee Skinnerin opetuslaitteista mestaruuspohjaiseen tutorointiin. Toisessa itse lopputulokset moninaistuvat, kun oppijat tavoittelevat yksilöllisiä kiinnostuksen kohteita ilman standardin opetussuunnitelman rajoja (Zhao, 2024). ITS toteuttaa ensimmäistä; konstruktionismi toista. Työkalu, jota kuvataan "personoiduksi", ei ole kertonut sinulle mitään ennen kuin tiedät, kumpaa se tarkoittaa.

"'Tekoäly' oli yksinkertaisesti alan ilmeinen nimi." Termi oli tarkoituksellinen valinta. Kun McCarthy suunnitteli vuoden 1956 Dartmouth-projektia, hän suosi tekoälyä kybernetiikan sijaan osittain erottaakseen työn Wienerin analogisen palautteen perinteestä. Tuo yksittäinen päätös kehysti koneet suoraan vertailuun ihmiskognition kanssa, ja sen asentama antropomorfinen kehystys muovaa yhä tutkimusprioriteetteja, tuotekieltä ja eettisiä kysymyksiä, joita yleisö esittää.

Käytäntöön vieminen

Opettajille ja opetussuunnittelijoille

  • Nimeä perinne, johon työkalusi kuuluu, ennen sen omaksumista. Kysy, optimoiko se kohti kiinteitä tuloksia vai avaako se oppijan suuntaa, koska tuo vastaus, ei ominaisuusluettelo, määrää sen, mitä se tekee arviointisuunnittelullesi.
  • Kuulustele sanaa "personoitu" jokaisessa toimittajaväitteessä ja vaadi vastaus yllä olevilla kahdella merkityksellä. Tuote, joka vaihtelee tahtia kohti yhteistä standardia, ja tuote, joka antaa opiskelijoiden eriytyä, eivät ole toistensa korvaajia.
  • Kun opiskelijat esittävät GenAI:n ennennäkemättömänä, historia on itse opetettavaa sisältöä. Anderson–Papert-kehystys antaa heille sanaston väitellä tekoälystä sen pelkän käyttämisen sijaan.

Kehittäjille

  • Käyttöliittymän kieli on suunnitteluratkaisu, jolla on perinne. Järjestelmän kutsuminen "tekoälytutoriksi" perii Andersonin kehyksen ja odotuksen standarditulosten optimoinnista; sen kutsuminen "mikromaailmaksi" tai "oppimisympäristöksi" perii Papertin. Kumpikaan ei ole neutraali, joten valitse tarkoituksellisesti.
  • Jos rakennat analogiaperinteessä (oppimisen mallit, opetettavat agentit, tietämyksen hankinnan simulaatiot), sano se. Tuo kvadrantti oli lähes tyhjä kahden vuosikymmenen ajan ja täyttyy uudelleen; positiointi on erottava tekijä ja arviointikriteerit ovat erilaisia.

Tutkijoille

  • Käytä historiallisia korpuksia lähtötasona sen sijaan, että kohtelisit nykyhetkeä ainoana saatavilla olevana vertailukohtana. AIED-tapahtumien vuosikerrat 1985, 1993, 2021 ja 2024 sekä IJAIEDin 2004, 2014 ja 2021 ovat valmis pitkittäisotos alan omista väitteistä.
  • Viittaa perinteeseen, kun väität uutuutta. Väite, että järjestelmä "personoi oppimista" tai "mallintaa oppijaa", on uusi vain suhteessa tiettyyn aikaisempaan perinteeseen, ja perinne on dokumentoitu.

Liittyvät käsitteet

Liittyvät artikkelit

Metatiedot

Oppiminen ja opetusConstructivism, Learning Theories
Teknologiat ja tekniikatGenerative AI, Intelligent Tutoring
Tekoälyn perusteet koulutuksessaOppijan toimijuus, Tekoäly koulutuksessa, Tekoälyn historia koulutuksessa
LähdeHistoriaMuokkaaKeskustelu

Upota tämä sivu

Kopioi alla oleva koodi upottaaksesi tämän sivun oppimisympäristöön tai muulle verkkosivustolle. Upotettu versio näyttää vain sivun sisällön — sivuston otsikko, navigointi ja alatunniste jäävät siitä pois.