Tällä sivulla

Lue tämä sivu englanniksi

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

Ilmainen toimitettu teos Society for the Teaching of Psychology -järjestöltä (2026, ISBN 978-1-941804-82-7), joka jäsentää generatiivisen tekoälyn kurssi kurssilta eikä työkalu työkalulta. Psykologia tuottaa vastaajia moneen tekoälyn käyttöä koskevaan kyselyyn olematta niiden aihe; tämä kirja on vastaesimerkki: 21 kurssilukua sekä johdanto ja loppuluku 255 sivulla.

Kirjan esittämä argumentti

Toimittajien lähtöoletus on, että psykologian opettajat ovat poikkeuksellisen hyvässä asemassa opettamaan tekoälyn käyttöä, koska tieteenala opettaa jo harkintaa mittaamisesta, todistusaineistosta ja ihmisen käyttäytymisestä. Heidän väitteensä on kapeampi kuin ”tekoälylukutaidolla on väliä”. Se on, että tekoälylukutaito on kehityksellinen: kyse ei ole siitä, onko opiskelijoilla sitä vai ei; he omaksuvat sen vaiheistetun pääsyn, reflektion ja palautteen kautta.

Tästä seuraa kolme suunnittelusitoumusta, ja useimmat luvut toteuttavat vähintään yhden niistä. Vaiheista se, mitä opiskelijat saavat tehdä työkalulla, ja siirry ohjatusta käytöstä kohti itsenäistä käyttöä harkinnan kehittyessä. Yhdistä käyttö tarkistukseen, niin että mallin kanssa esitetty väite on tarkistettava lähdettä vasten ja osoitettava. Määrittele onnistuminen harkinnaksi siitä, milloin ja käytetäänkö työkalua, ei sujuvuudeksi sen kanssa.

Rakenne on argumentti. Luvut on ryhmitelty sen kurssin mukaan, jota opettaja on opettamassa — perustavat ja poikkileikkaavat kurssit, kliiniset ja ohjauskurssit, tutkimusmenetelmät ja tilastotiede — ei työkalun, kyvykkyyden tai instituution politiikan mukaan.

Osio I: perustavat ja poikkileikkaavat kurssit

  • Pääsy on ensimmäinen ongelma, ei työkalu (Slade ja Hyk). Opiskelijat, jotka saapuvat ilman aiempaa tekoälykokemusta, ovat kahdesti epäedullisessa asemassa: heiltä puuttuu promptaustaito ja harkinta siitä, milloin sujuva vastaus on väärä. Luku opettaa kehotetekniikkaa yhdessä uudelleenkäytettävien promptien avointen repositorioiden kanssa ja pitää tätä opetusta tasa-arvotoimenpiteenä. Kirjoittaja ilmoittaa taloudellisen intressin yhtiössä, joka kaupallistaa opetuskäytön tekoälyä.
  • Tekoäly opetuksen sisällöntuottajana (Corcoran). Luvun käyttötapaus on opettajan oma valmistelu: visualisoinnit, esimerkit, tehtävät ja muut opetusärsykkeet, jotka generoidaan ilmoitettua tavoitetta vasten. Sen argumentti on, että mukauttaminen tuohon tavoitteeseen, ei uutuus, tekee tuotoksesta hyödyllisen. Luku myös vaatii, että opiskelijoille opetetaan tietoa tekoälystä — sen rajoista ja etiikasta — eikä sitä vain ojenneta heille.
  • Opiskelutaidot sillaksi teoriaan (Costa). Syventävän tason oppimisen ja muistin kurssilla opiskelijat käyttävät tekoälyopiskelutyökaluja ja yhdistävät sitten työkalujen toiminnan hajautettuun harjoitteluun ja mieleenpalautukseen. Asetelma tekee psykologiasta aiheen ja työkalusta näytteen, mikä on selkein tapa opettaa kurssi, jonka sisältö on sitä oppimistiedettä, jota työkalut väittävät toteuttavansa.
  • Sovellettu terveyskäyttäytymisen muutosprojekti (Emanuel). Opiskelijat toteuttavat terveyskäyttäytymisen muutosprojektin, jossa tekoälyjärjestelmä toimii valmentajana. Heidän reflektionsa erottavat toimineet asiat — välittömät, räätälöidyt, tuomitsemattomat ehdotukset — toimimattomista: ei empatiaa, ja uskottavaa väärää tietoa terveydestä. Luku on yksi harvoista, joka asettaa mallin rooliin, jossa väärässä olemisella on hintansa.
  • Tekoäly väittelyvalmentajana (Jackson). Syventävän tason sosiaalipsykologian kurssi käyttää mallia argumenttien kartoittamiseen, vasta-argumenttien esiin nostamiseen ja vastaväitteiden harjoitteluun ennen julkista väittelyä, ja jokainen väite tarkistetaan vertaisarvioituja lähteitä vasten. Kirjallisista reflektioista 75 % piti mallia vähintään kohtalaisen hyödyllisenä valmistautumisessa ja 35 % oli vahvasti myönteisiä; noin 10 % koki hyödyn vähäiseksi, lähinnä koska malli tuotti geneerisiä argumentteja tai itsevarmoja virheitä. Myöhempi iteratio lisää yksisivuisen valmistautumissuunnitelman ja näyttökirjanpidon, joka yhdistää jokaisen väitteen lähteeseen.
  • Kurssichatbot, jolla on palautevelvollisuuksia (Lee, Nam ja Wages). Chatbot, joka rakennettiin kursseille Introduction to Psychology, Research Methods ja Psychology Apprenticeship, tuki aiheiden ideointia, tutkimuskysymysten tarkentamista ja raportin rakennetta. Kirjoittajat raportoivat 124 opiskelijaa esitestikyselyssä ja 25 %:n jälkitestin vastausprosentin, joten tulosnäyttö on ohuempaa kuin toteutuskuvaus.
  • Arviointi kolmella tasolla (Granito). Diagnostiset, formatiiviset ja summatiiviset tehtävät saavat kukin tekoälytehostetun version, ja summatiivinen pääty siirtyy kohti autenttisia projekteja, joissa työkalu on tukikumppani eikä itse tuotos. Tämä on luku, joka kannattaa lukea, jos kysymys on siitä, mitä lakataan arvioimasta.

Osio II: kliiniset ja ohjauskurssit

  • Psykoterapia johdantotoimintana (Castro). Opiskelijat valitsevat DSM-5-TR-häiriön ja psykoterapiatekniikan, kokevat sitten simuloidun istunnon ja keskustelevat siitä, mitä tekoälypohjainen teleterveys voittaa ja menettää. Asetelma opettaa tekniikan kontrastin kautta: simulaatio näyttää, mitä terapian relationaalinen osa on, jättämällä sen pois.
  • Tapaustutkimusten rakentaminen yhdessä (Pulido). Opiskelijat käyttävät ChatGPT:tä DSM-5-TR-tapaustutkimusten luonnosteluun ja arvioivat ne sitten, mikä asettaa arviointitaidon opiskelijalle eikä mallille. Luku kuvaa jatko- ja perusopintojen sovellutukset ja pitää iteratiivista promptien hiomista osana kliinistä päättelyä, ei teknisenä puurtamisena.
  • Tapauksen käsitteellistäminen seminaarissa (Draheim). Tapauksen käsitteellistämisessä opiskelijat syntetisoivat asiakastiedot ja hoitotulosten tutkimuksen, ja sitä on vaikea opettaa perustutkintotasolla. Seminaari käyttää tekoälyä käsitteellistämisten generointiin ja kritiikkiin, ja opettajan palautekuorma nimetään rajoitteeksi, joka ylipäätään tekee työkalusta houkuttelevan.
  • Kulttuurinen nöyryys (Draheim). Kotitehtävässä käytetään mallia kulttuurista nöyryyttä käsittelevän artikkelin läpikäymiseen, ja sitä seuraa luokkaharjoitus, jossa etsitään generatiivisen tuotoksen vinoumia. Paritus on tärkeä: työkalua käytetään aiheen avaamiseen ja siitä tehdään sitten kritiikin kohde samalla viikolla.
  • Traumaan vastaava opetus (Rubio). Jatko-opintojen traumakurssit käyttävät teksti- ja kuvamalleja terapeuttisten tarinoiden ja turvallisen paikan mielikuvien yhteisluomiseen, pohjautuen Hermanin kolmivaihemalliin ja Perryn neurosekventiaaliseen malliin. Kehys tekee työn tässä; työkalut tarjoavat materiaalin, jota kehys sitten rajoittaa.
  • Botit terapeutteina (Niederjohn). Opiskelijat keskustelevat useiden chatbottien kanssa ja vertaavat kokemusta kasvokkain tehtävään työhön terapeuttisen allianssin osalta. Luku tarjoaa numerot, jotka tekevät harjoituksesta kiireellisen: 65 % mielenterveysalan ammattilaisista aiemmissa kyselyissä näki hyötyjä chatbot-tuessa, kun taas 86 % ei kannattanut niiden käyttöä hoidossa. Sen käytännön ehdotus on porrastus — ensin tekoälyrooliharjoittelu, sitten vertaiset, sitten ihmisnäyttelijöiden esittämät simuloidut potilaat.
  • Rooliharjoittelu harjoittelijoille (Labriola ja VanHara). Tekoälyrooliharjoitukset korvaavat käsikirjoitetun vertaisrooliharjoittelun käsikirjoittamattomilla kliinisillä tapauksilla, minkä kirjoittajat väittävät lisäävän todentuntua ja halukkuutta ottaa riskejä. He ankkuroivat tarpeen opiskelijakyselydataan: 86 % lähes 4 000 opiskelijasta 16 maassa raportoi käyttävänsä tekoälyä, 58 % ilmoitti, ettei heillä ollut riittäviä tietoja siitä, ja 72 % toivoi kursseja tekoälylukutaidosta.

Osio III: tutkimusmenetelmät, tilastotiede ja tieteellinen lukutaito

  • Tekoäly tutkimuksen perämiehenä (Sumutka kollegoineen). Aktiviteetit ohjaavat aloittelijat läpi aiheen rajaamisen, lähteiden löytämisen, muuttujien generoinnin ja operationalisoinnin sekä etiikan soveltamisen. Ilmoitettu tavoite on informaatiolukutaito ensin ja nopeus toisena, ja luku toteaa selvästi, että työkalun käyttöä mallinnetaan yhtä paljon kuin työkalua käytetään.
  • Kysymysten generointi kriittisenä arviointina (Burkett). Kolmivaiheinen lähestymistapa perustutkintotason tutkimusmenetelmäkurssilla muuttaa ChatGPT:n tutkimusasetelmia koskevien arviointikysymysten generaattoriksi, tarkoitukseen rakennetun räätälöidyn GPT:n avulla. Kysymykset toimivat sitten ymmärryksen mittana — arviointiliike, josta muut luvut puhuvat mutta jonka ne harvoin operationalisoivat.
  • Käyttö ja väärinkäyttö moduuleina (Urdan, Firtch ja White). Valmiit moduulit kattavat tutkimusasetelmien generoinnin, harjoituskokeet ja tunnetut vikatilanteet, perusteluna se, että käyttöönoton kitka on todellinen este opettajille, jotka ovat tekoälystä kiinnostuneita mutta kiireisiä.
  • Chatbot, joka ei yltänyt odotuksiin (Hilley ja Edwards). ”Zig”, joka rakennettiin Juji-alustalle pakollista tilastotieteen kurssia varten, oli tarkoitettu antamaan apua harjoitustehtäviin tarpeen mukaan. Se ei vastannut odotuksia. Sen epäonnistumiset ovat täsmällisiä ja opettavaisia: Levenen testiä kysynyt opiskelija kirjoitti ”levee” ja sai kieltäytymisen, arviointia koskenut kysymys tuotti asiaan liittymättömän vastauksen z-pisteistä, ja pyynnöt esimerkeistä saivat vastaukseksi määritelmiä. Suuri osa tästä palautuu kysymys–vastaus-pohjaiseen alustaan eikä päättelymalliin, mutta luku on teoksen rehellinen negatiivinen tulos ja se, joka kannattaa lukea ennen kurssibotin rakentamista.
  • Vaiheittainen integrointi R:n opetukseen (Garrison, Tyson ja Lyu). Nelivaiheinen malli alkaa tekoälyttömästä oppimisesta ja lisää työkaluja vasta, kun opiskelijat pystyvät arvioimaan, mitä työkalut tuottavat. Kirjoittajien nimeämä valmiuden merkki on turhautuminen tekoälyn rajoihin, ja heidän dokumentoimansa vikatila on tekoälyn tuominen mukaan aiemmin, mikä tuotti riippuvuuden ennen kuin perusteet olivat kasassa.
  • ChatGPT ja Elicit loppuvaiheen seminaarissa (Katzarska-Miller). Neljä valmistavaa työpajaa edeltää lukukauden mittaista tutkimusraporttia, generatiivinen malli luonnosteluun ja tutkimusavustajatyökalu kirjallisuuteen. Luku perustaa asetelman sosiaaliskonstruktionistiseen oppimisteoriaan ja käyttää kurssia edeltävää ja sen jälkeistä itsearviointia tarkistaakseen, kehittyikö tekoälylukutaito.

Mikä toistuu kahdenkymmenenyhden luvun läpi

  • Vaiheista pääsy. Lähes jokainen luku pidättää työkalun, kunnes opiskelijoilla on jotain, jota vasten sitä arvioida — olipa se tilasto, kehys, väittelykanta tai ohjelmoinnin peruste.
  • Vaadi tarkistus ja tee siitä näkyvää. Näyttökirjanpidot, lähdetarkistukset, prompt-lokit ja ”mikä muuttui faktantarkistuksen jälkeen” -muistiinpanot esiintyvät läpi osioiden. Juuri vaatimus muuttaa työkalun käytön oppimiseksi.
  • Käytä opiskelijareflektiota mittarina. Reflektiot ovat useimpien lukujen näyttöpohja, mikä on myös teoksen keskeinen metodologinen heikkous.
  • Suunnittele kurssitasolla, älä työkalutasolla. Kirjan oma järjestämispäätös — yksi luku per kurssi — on suositus.
  • Pidä opettajan harkinta kohteena. Toistuva väite on, että opiskelijoiden pitäisi lähteä kurssilta kykenevinä päättämään, milloin työkalua ei käytetä.

Missä kirja on ohut

Luvut ovat käytännön kokemuskuvauksia. Lähes mikään ei raportoi asetelmaa, otosta tai vaikutuskokoa, ja missä numeroita esiintyy, ne kuvaavat toteutusta eivätkä oppimista. Poikkeukset ovat osittaisia: Leellä kollegoineen on esi- ja jälkitestikyselyt 25 %:n jälkitestin vastausprosentilla, ja Jacksonin reflektioanalyysi on yhden luokan temaattinen koodaus.

Innostustakaan ei ole tarkistettu tasaisesti. Corcoran ja Costa kirjoittavat puolestapuhujina; Hilley ja Edwards raportoivat epäonnistumisen; vain Slade ja Hyk paljastavat kaupallisen intressin. Tiettyjä tuotteita nimeltä mainitsevat luvut vanhenevat nopeasti, sillä useimmat kuvaavat työkaluja sellaisina kuin ne toimivat vuonna 2025.

Tietämisen arvoiset kattavuusaukot: kustannuksia ja maksullisia tasoja käsitellään hädin tuskin, saavutettavuutta ja vammaisuutta ei käsitellä omana osionaan, ja K-12 esiintyy vain Castron toisen asteen koulutusta käsittelevässä luvussa. Teos käsittelee psykologian perus- ja jatko-opintojen opetusta Yhdysvalloissa, ja suuria luentokursseja käsitellään vähän Costan ja Graniton lukujen lisäksi.

Mitä sillä voi tehdä

Lue sen kurssin luku, jota olet opettamassa. Kolme osiota — perustavat ja poikkileikkaavat kurssit, kliiniset ja ohjauskurssit, tutkimusmenetelmät ja tilastotiede — pitävät toisiinsa liittyvät luvut yhdessä. Esimerkkejä: tekoälytuutori-chatbot psykologian tilastotieteen kurssilla, ChatGPT yhdistettynä Elicitiin loppuvaiheen seminaarissa, tekoäly väittelyvalmentajana, tapauksen käsitteellistäminen ja kulttuurinen nöyryys kliinisessä koulutuksessa sekä tutkimusmenetelmäluku, jossa opiskelijat generoivat kysymyksiä ChatGPT:llä ja kritisoivat niitä sitten.

Kenelle se on tarkoitettu

Psykologian opettajat uran missä tahansa vaiheessa sekä yhteiskuntatieteiden lähialojen opettajat, joiden arviointiongelmat ovat samanmuotoisia: esseepainotteinen työ, tapauskeskustelu, tilastoahdistus, pienet kurssit, joilla yksi uudelleensuunnittelu on toteutettavissa.

Huomioita ja varauksia

Ilmainen PDF, ei tiliä. Tekijänoikeus on STP:llä, ei Creative Commons -lisenssi: henkilökohtaiset ja luokkahuonekopiot ovat sallittuja, kun lähde mainitaan, mutta uudelleenjakelu tai kaupallinen käyttö edellyttää kirjoittajan lupaa. Luvut ovat käytännön kokemuskuvauksia, eivät tutkimuksia — ei asetelmia, otoksia tai vaikutuskokoja — joten pidä väitteitä kokemusraportteina ja siteeraa lukuja yksittäin.

Liittyvät käsitteet

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.