Jos aloittaisin itse nyt opinnäytetyön tekemisen, käyttäisin epäilemättä apunani generatiivista tekoälyä ja muita tekoälysovelluksia. En siksi, että välttyisin tekemästä työtäni itse tai pääsisin mahdollisimman vähällä, vaan pikemminkin siksi, että saisin prosessista todennäköisesti enemmän irti ja kenties hiukan nopeammassa tahdissa. Opinnäyteprosessiin tulisi kybervoimia, joita kirjoittajana mielelläni hyödyntäisin. Mikseivät ammattikorkeakouluopiskelijat tekisi samoin? – Tekeväthän he. Ja korkeakoulun tehtävä on tukea heitä siinä, jotta prosessista tulisi tarkoituksensa mukainen, vastuullinen ja eettisesti kestävä. Näin myös tekoälyn tuottama lisäarvo asiantuntija-ammattiin opiskelussa saataisiin avoimesti esille ja hyötykäyttöön: vahvistamaan ja jopa inspiroimaan oppimista.
Väärin käytettynä tekoäly voi muutamilla osuvilla kehotteilla ja valikoiduilla tekstisyötteillä tekaista opinnäytetyön opiskelijan puolesta. Kehoteketju voi tosin johtaa virheellisen, vanhan tai vinoutuneen tiedon levittämiseen, toisen työn epäeettiseen esittämiseen omana luomuksena ja – mikä harmillisinta – riistää opiskelijalta tilaisuuden oppia jotain olennaista oman ammattinsa sisällöistä, tutkimus- ja työmenetelmistä sekä niiden merkityksestä tulevassa työssä. Uhkakuvat ovat dramaattisia, mutta ilmeisen todellisia, ellei niitä pyritä tietoisesti väistämään (esim. Sallam 2023; Salmi 2025).
Tekoälylle on annettu myös sävyltään positiivisia määritteitä, kuten avustaja, assistentti, sparraaja, kumppani, apuri ja mentori (mm. Godwin-Jones 2024; Kim ym. 2025). Käytetyt nimitykset osoittavat olennaisimman generatiivisen tekoälyn ja opiskelijan valtasuhteesta opinnäytetyössä. Tekoälyä apunaan tai tukenaan käyttävän opiskelijan rooli on olla opinnäytetyöprosessinsa pomo, kymppi, päällikkö, omistaja tai miksi vain tekstin todellista tekijää ja tekijänoikeudenhaltijaa kutsutaankaan. Opiskelijan osa on kantaa vastuu omasta oppimisestaan ja luotettavan tiedon jakamisesta ja tehdä se vielä tavalla, joka ei jätä tilaa epäilyille vilpistä tai oikopolkujen käytöstä (esim. Ugwy ym. 2024).
Tekoälyavusteisen opinnäytetyön nykytila
Vahvistan edellä väittämääni opinnäytetyöstä tekemäni SWOT-analyysin avulla. Menetelmä auttaa hahmottamaan, millaisia mahdollisuuksia ja riskejä tekoälyn käyttöön opinnäytetyössä sisältyy opiskelijan, ohjaajan ja korkeakoulun näkökulmasta. Olen laatinut kuvauksen, samoin kuin artikkelin loppuosan nostot, osana työyksikköni opinnäytekokonaisuuden kehittämistyötä.
Aluksi kehotin ChatGPT:tä (OpenAI 2025) tekemään SWOT-nelikentän tekoälyavusteisen opinnäytetyön nykytilasta. Muokkasin saamaani geneerisehköä tulosta peilaamalla sitä ammattikorkeakoulun opinnäytetyön tekstinohjaamisessa, tutkimisessa ja kehittämisessä karttuneeseen tietämykseeni. Vertasin tietoja myös tuoreisiin kansainvälisiin tutkimuksiin, joita on tehty tekoälyavusteisesta kirjoittamisesta korkeakoulukontekstissa (mm. Imran & Almusarrafh 2023; Khalifa & Albadawy 2024; Tzirides ym. 2024; Wang 2024). Samalla täydensin ja yhdistelin nelikentän osioita tasapainottaakseni kuvausta ja tuodakseni sen lähemmäs suomalaisia opinnäytetyökäytäntöjä. Lopputulos näkyy kuviossa.
Vahvuudet (Strenghts)
- Kielen- ja tekstinhuolto ja lähdemerkintätuki luonnosvaiheesta viimeistelyyn
- Ajan säästö rutiiniluontoisissa vaiheissa ja sen vapautuminen verkkaista ja syvällistä ajattelua vaativiin tehtäviin
- Jatkuva palaute itseohjautuvuuden ja minäpystyvyyden vahvistamiseksi
- Kielitietoinen tuki etenkin kehittyvien kielenoppijoiden apuna lähteiden kääntämisessä ja tekstiversioiden luomisessa
- Vastuullisen tekoälyavusteisen asiantuntijatyön harjoittelu
Heikkoudet (Weaknesses)
- Opinnäytetyötä ja sen osia koskevan tekijyyden hämärtyminen
- Pinnallinen tai vajaa ymmärrys opiskeltavasta sisällöstä
- Liiallinen teknologiariippuvuus tai ohjauksen ohittaminen ongelmanratkaisutilanteissa
- Vaikeus arvioida todellista osaamista prosessin eri vaiheissa
- Tahaton tai tahallinen lähdekritiikin ohittaminen, tekaistut lähteet ja virheellisen tai vinoutuneen tiedon jakaminen
Mahdollisuudet (Opportunities)
- Kirjoittamalla oppimisen prosessituntemuksen lisääntyminen
- Yksilöllisen ohjauksen täydentäminen ja personointi tekoälyn avulla
- Ideoiden innovoiva kokeilu ja iterointi sekä reflektiotaitojen vahvistuminen
- Digitaalisten taitojen ja tekoälyn lukutaidon vahvistuminen
- Osallistava kirjoittamisprosessi kirjoittamiskynnyksen madaltuessa
Uhat (Threats)
- Plagiointi eli tekoälyn generoimien tuotosten esittäminen omina
- Eettiset epäselvyydet tekoälyn käyttötavoissa ja riski luottamuksellisen tiedon jakamisesta
- Laatutason vaihtelu sisällön, menetelmien ja tekstin ohjauksen ohittamisen vuoksi
- Eriarvoisuus tekoälytyökalujen saatavuudessa ja opiskelijalle opetetuissa taidoissa käyttää tekoälyä vastuullisesti
- Ohjaajien kuormittuminen valvojaroolin korostumisen vuoksi
Nelikentäksi koottuina tekoälyavusteisen opinnäytetyön edut ja esteet vaikuttavat keskenään yhtä painavilta. Eri ammattikorkeakouluissa, koulutusaloilla, tutkinnoissa ja ohjaustoiminnan arjessa tekoälyn käytön nykytila ei varmastikaan näyttäydy yhtä symmetrisenä kuin yleistävässä kuvauksessani. Vaihtelu on hyvin todennäköistä ja reagointi tekoälyn käyttöön eritahtista.
Huomionarvoista on, että kuvaukseni kohdentuu tekoälyn käytön vahvuuksiin, heikkouksiin, mahdollisuuksiin ja uhkiin opinnäytetyöhön rajattuna. Kokonaiskuvassa olennaista olisi ottaa huomioon myös opinnäytetyötä laajempi konteksti ja sitä myötä esimerkiksi tekoälyn käyttöön kohdistuva muutosvastarinta (esim. Simpanen 2024) tai pelkästään uuden välineen käyttöönoton vaatima aika. Ihmisen ja tekoälyn yhteistyö merkitsee vääjäämättä sekä opettajille että opiskelijoille oppimista uudella tavalla, uudelleen jäsenneltynä. Kyseessä on murrosvaihe, joka heilauttaa korkeakoulutuksen nykytilaa varsin perustavanlaatuisella tavalla. On varmasti paikallaan puhua monitahoisesta toimintakulttuurin muutoksesta, joka läpäisee koko koulutusjärjestelmää ja sen pedagogiikkaa läpi opintojen.
Seuraavaksi kiinnostaisi saada etenkin SWOT-analyysissa tunnistettuja heikkouksia ja uhkia vähennettyä ja kuvaus kyberopinnäytetyöstä kallistumaan selvästi positiivisen puolelle.
Tekoälyn sallitusta käytöstä ohjattuun käyttöön
SWOT-analyysissä tunnistettuihin riskeihin puututaan yleensä aktiivisesti vahvuuksia ja mahdollisuuksia vahvistamalla (esim. Sulkava 2024). Ammattikorkeakoulussa opintosuunnitelmien ja opintojaksojen jatkuvalla kehittämistyöllä on tekoälyuhkien torjunnassa avainasema, mutta myös ohjaajien ja opiskelijoiden osaamisen nopeaa päivittämistä tarvitaan (esim. Kiikeri 2024). Samoin kaivataan monentasoista rohkaisua tarttua tekoälyn tarjoamiin mahdollisuuksiin (Simpanen 2024).
Jotain on jo tehtykin. Esimerkiksi Ammattikorkeakoulujen rehtorineuvosto (Arene 2024) on antanut suositukset tekoälyn käytöstä oppimistehtävissä ja opinnäytetyössä ja monet ammattikorkeakoulut ovat tarkentaneet niitä. Myös ymmärrystä tekoälystä ja muista teknologisista ratkaisuista on vahvistettu muun muassa henkilöstön täydennyskoulutuksella ja opiskelijoiden opetussuunnitelmaan kirjatulla opintojaksolla, kuten omassa korkeakouluyhteisössäni on vastikään tapahtunut. Myös tutkintojen tieteellisen kirjoittamisen opetuksessa ja opinnäytetyön työpajoissa tekoäly on ollut jo luontevasti läsnä.
Teknologian tuntemus luo perustaa tekoälyn kriittiselle soveltamiselle opinnäytetyössä. Metaforiset liikennevalot (mm. Arene 2024) taas kertovat, millainen tekoälyn käyttö on sallittua ja millainen ei. Käytön valvonta käytännössä on kuitenkin haasteellista. Perussääntöjen lisäksi tarvittaisiin systemaattista ja proaktiivista panostamista tekoälyn vastuullista käyttöä edistäviin opintojaksoihin, oppimistehtäviin sekä ohjaajien ohjausosaamiseen. Esimerkiksi digitaalisen oppimisen tutkijat Corbin, Dawson ja Liu (2025) penäävät kriittisessä puheenvuorossaan diskursiivisten ohjeistusten sijaan rakenteellisia muutoksia arviointi- ja ohjauskäytäntöihin. Ohjauskokemusten jakaminen yli koulutusalojen olisi niin ikään tarpeen (Simpanen 2024). Kiinnostavaa olisi myös kuulla, miten opinnäytetyön tilaaja-toimeksiantajat työelämässä suhtautuvat tutkimuksellisiin tai toiminnallisiin opinnäytetöihin, joiden tekijästä ei olekaan välttämättä varmuutta.
Miten vastata toimintakulttuurin muutokseen?
Lisää keskustelua ja ajantasaista tietoa tekoälyn motivoimasta toimintakulttuurin muutoksesta tarvitaan. Kenties tarvitaan myös kokonaan uusia opinnäytetyömuotoja (Salmi 2025). Vaikka kysyntää olisi, Suomessa tekoälyavusteista korkeakoulukirjoittamista on tutkittu vasta vähän. Tuoreet kansainväliset tutkimukset ja etenkin niistä kootut katsaukset viittaavat kuitenkin hyvin yhdenmukaisesti kolmeen tekijään, jotka nähdäkseni loisivat pohjaa myös tekoälyavusteisen opinnäytetyön onnistumiselle (mm. Imran & Almusarrafh 2023; Chanpradit 2025; Cope & Kalantzis 2024; Yang ym. 2025; samoin Corbin ym. 2025).
1. Tekoälyavusteisen kirjoittamisen harjoittelu
Uudenlainen tiedonhankinta, käsittely ja välittäminen sekä tekoälyn lukutaidon oppiminen vaativat toistuvaa harjoittelua jo ennen opinnäytetyövaihetta, esimerkiksi reflektiivisten kirjoittamistehtävien, yhteiskirjoittamisen ja tekstiluonnoksista saatujen vertaispalautteiden avulla. Etenkin reflektiiviset ja aineistopohjaiset kirjoittamistehtävät näyttävät, etteivät nopeat voitot aina ratkaise, vaan ammatillinen kehittyminen vaatii myös hidasta prosessointia.
Tekoälyavusteisissa kirjoitusprosesseissa ohjaajaa tarvitaan sekä tehtävien fasilitoijaksi että mentoroimaan opiskelijaa kohti kriittistä ajattelua ja eettisiä toimintatapoja.
2. Luottamus prosessiin
Tekoälyavusteisessa kirjoittamisessa ja sen ohjaamisessa parhaisiin tuloksiin on päästy kiinnittämällä huomio tuotoksen sijaan prosessiin ja ottamalla se myös arvioinnissa painollisesti huomioon. Ammattikorkeakoulun opinnäytetyössä tämä vaatisi luonnollisesti koko prosessin ja sen päävaiheiden päivittämistä sekä arviointikriteereiden kalibrointia.
Lisäksi prosessia on tavoitehakuisesti ja tarvittaessa eriyttäen ohjattava, sillä esimerkiksi tekstiversioiden muokkaaminen vuoropuhelussa tekoälyn kanssa on uudenlaista tekstitaitoa ja edellyttää monipuolista tukea ja rohkaisua.
3. Tekoälyn käytön läpinäkyvyys tekstissä
Yhteisössä sovitut käytännöt tekoälyn käytön merkitsemisestä tekstiin lisäävät opinnäytetyöprosessin läpinäkyvyyttä. Samalla ne opastavat opiskelijaa tekoälyn vastuulliseen käyttöön ja oman osaamisensa reflektointiin. Lisäksi lähde- ja tekoälymerkintöjen kirjaaminen tekstiin oivalluttaa arvostamaan muiden tuottamaa tietoa ja välittämään sitä luotettavalla tavalla eri yleisöille. Opinnäytetyön arvioijalle, toimeksiantajalle ja muille lukijoille merkinnät kertovat, mikä osuus työstä on opiskelijan ja mikä tekoälyn tuottamaa – mikäli ne on tehty riittävän tarkasti.
Tekoälyn käytön läpinäkyvyyttä edistävät merkinnät tekstissä ovat osin tekstilajikohtaisia. Opinnäytetyössä ne mukailevat pitkälti tieteellisen kirjoittamisen käytäntöjä, joilla rakennetaan luottamusta tekstin kirjoittajan ja lukijan välille. (Tarkemmin Vuorijärvi 2025c; Vuorijärvi 2025d; Hosseini, Resnik & Holmes 2023.) Opinnäytetyöohjeistuksissa tekoälyn käytön dokumentoinnista tulisi tehdä yhtä itsestään selvää kuin lähdemerkintöjen laadinnasta.
Kybersosiaalinen prosessi ja genremenetelmä keinoina vahvistaa opinnäytetyön kirjoittamista
Monissa kansainvälisissä empiirisissä tutkimuksissa on aktiivisesti etsitty keinoja taata opiskelijan vastuunottoa ja oppimista tilanteissa, joissa tieteellistä tekstiä tehdään tekoälyä hyödyntäen. Useimmiten käytetty tekoälysovellus on ollut ChatGPT ja kirjoittamiskielenä englanti joko ensimmäisenä tai toisena kielenä (esim. Imran & Almusarrafh 2023; Wang 2024).
Yhteistä toimiviksi todetuille käytännöille on ollut vahva luotto prosessiin ja painotus sen tavoitteelliseen ohjaamiseen ja ohjeistukseen. Tekstin vaiheittaista ja moniäänistä työstämistä korostavat mallit sopisivat mielestäni hyvin ammattikorkeakoulun opinnäytetyöhön, myös suomea toisena kielenä kirjoittaville.
Malleista tutkituimpia ovat kybersosiaalisen kirjoittamisen prosessi ja genremenetelmä. Käsittelen niitä tässä lyhyesti nimenomaan opinnäyteprosessin ja sen ohjauksen näkökulmasta ja mahdollisuuksina vahvistaa tekoälyavusteisen opinnäytetyön nykytilaa. Olen esitellyt malleja laajemmin aiemmissa julkaisuissani (Vuorijärvi 2025a; Vuorijärvi 2025b).
Tutkijat Cope ja Kalantzis (2024) ovat maisteri- ja tohtoriopinnoissa testanneet mallia kypersosiaalisesta kirjoittamisprosessista digitaalisilla alustoilla (ks. myös Vuorijärvi 2025b). Mallissa lähdetään liikkeelle opiskelijan omasta tekstiluonnoksesta, jotta tekstin tekijyys ja omaäänisyys varmistettaisiin prosessin alusta lähtien. Luonnokseen yhdistetään vaiheittain sekä tekoälyltä että vertaisilta pyydettyä palautetta sekä niiden aktiivista reflektointia. Palautetta voi pyytää myös työelämäkumppanilta (vrt. Salmi 2025). Saadusta palautteesta ja tekstiin tehdyistä muutoksista pidetään reaaliaikaista prosessimuistiota, johon myös ohjaajalla on tarvittaessa pääsy.
Malliin kuuluvien vaiheiden ja niiden tarkastelukohtien sisällyttäminen ammattikorkeakoulun opinnäytetyön nykyisiin seminaari- ja ryhmäohjauskäytäntöihin olisi nähdäkseni mutkatonta. Tarkastelukohdissa inhimillisen kirjoittajan ja tekoälyn tuottamia tekstiversioita voisi yhteistoiminnallisesti, avoimesti ja kriittisesti reflektoida (Corbin ym. 2025). Reflektio edistää tutkijoiden mukaan erityisesti opiskelijan metakognitiivisia taitoja ja vastuunottoa kirjoittamansa tekstin merkitysten luojana.
Myös genrepedagogisesta lähestymistavasta eli genremenetelmästä olisi hyötyä sekä oppimistehtävien että opinnäytetyön vaiheittaisessa kirjoittamisessa. Menetelmässä teksti kirjoitetaan tekstilajinsa edustajana ja samalla ammattialan sosiokulttuurisia odotuksia myötäillen (Vuorijärvi 2013). Genre- eli tekstilajiajattelu on ollut yhtenä lähtökohtana suurien kielimallien kouluttamisessa (Devyatkin, Salimovsky, Chudova, Ryzhova & Grigoriev 2025). Tekoälyllä vahvistetussa genremenetelmässä 2.0 (Vuorijärvi 2025a) tekoälyavustaja auttaa kirjoittajaa tekstinsä tekstilajipiirteiden tunnistamisessa ja tuottamisessa tekstin osa tai työvaihe kerrallaan. Mallissa tekoälylle annetaan kehote, minkä tekstilajin sen halutaan tuottavan: esimerkiksi suunnitelman, tiivistelmän, tutkimustiedotteen, projektiraportin, ohjeen tai muistion. Vastaukseksi tekoäly antaa tekstilajista prototyypin tai pyydettäessä yleisen rakennemallin, jota voi tilanteisesti varioida.
Opinnäytetyön tekstilajin ominaispiirteet varioivat sen mukaan, millainen työn toteuttamistapa on; esimerkiksi perinteinen tutkielma ja toiminnallinen opinnäytetyö raportoidaan osin eri tavoin (Vuorijärvi 2013). Erilaiset opinnäytetyön tuotoksina tehdyt tekstit, kuten ohjeet tai oppaat, taas noudattavat omia genrekäytäntöjään. Opinnäytetyö on lisäksi niin laaja tekstikokonaisuus, että se kannattaa kirjoittamisprosessissa pilkkoa osatekstilajeihin, kuten johdantolukuun, menetelmäosaan, tulososaan ja tiivistelmään. Selkeyden vuoksi myös tekoälylle annetut kehotteet prosessin eri vaiheissa kontekstoidaan täsmennettyyn tekstilajiinsa. Esimerkkejä:
- Millainen on päiväkirjapohjaisen opinnäytetyön kokonaisrakenne?
- Mitä eroa on toiminnallisen ja tutkimuksellisen opinnäytetyön tietoperustalla?
- Miten tutkimuksellisen kehittämistyön pohdintaosa ylemmän ammattikorkeakoulututkinnon opinnäytetyössä rakentuu?
- Millainen on hyvä ammattikorkeakoulun opinnäytetyön tiivistelmä?
- Onko systemoidun kirjallisuuskatsaukseni tiedonhankinta dokumentoitu riittävän luotettavasti?
- Miten voin vahvistaa toiminnallisen opinnäytetyöni toteutuksen kuvausta?
Tarkemmin kehotteet voi kontekstoida myös tutkinnon alaan:
- Mitä näkökulmia terveysalan opinnäytetyön eettisyyden pohdintaan sisältyy?
- Mitä eroja ja yhtäläisyyksiä on kulttuurialan ja liiketalouden opinnäytetyön tuotoksessa?
- Mitä liitteitä insinöörin opinnäytetyöhön tarvitaan?
- Mitä persoonamuotoa opinnäytetyön tuotoksena tehdyssä potilasohjeessa käytetään?
- Millainen olisi toimiva perehdytysopas hotellityöntekijän työturvallisuudesta?
Genremenetelmän 2.0 erityisvahvuutena opinnäytetyöprosessissa on, että se opettaa samalla työelämässä tärkeiden tekstilajien haltuun ottamisen taitoja tekoälyn ja asiantuntijaohjaan tukemana (Vuorijärvi 2025a).
Koulutuksen todelliset kyberuhkat
Tekoälyavusteinen opinnäytetyö (englanniksi AI-assisted thesis) on pitkähkö nimitys artikkelissa tarkastelemalleni tekstikokonaisuudelle, eikä sille suomessa ole vielä napakkaa nimeä. Valeteksti se ei kuitenkaan toivottavasti ole. Artikkelissa käyttämäni kyberopinnäytetyö-nimityksen määriteosa kasaa kiistämättä lievää uhkaa opinnäytetyön ylle, mutta yksin se ei sitä tee.
Enemmän olisin tekstinohjaajana huolissani siitä, miten taas uuden lukukauden alussa otamme lähi- ja etäopetuksessa vastaan moninaisen joukon korkeakouluopintonsa aloittavia. Heillä on erilaisista kyberteksteistä ja ehkä kybersosiaalisista kirjoittamisprosesseistakin enemmän kokemusta kuin monilla meistä opettaja-ohjaajista – ja osalla taas ei vielä lainkaan (esim. Räsänen 2025). Yhdenvertaista ohjausta tekoälyn lisäarvoa tuottavaan käyttöön tarvitaan etenkin niissä opintojen kohdissa, joilla on keskeinen merkitys opiskelijan tulevaisuuden kannalta (myös Opetushallitus 2025).
Kyberopinnäytetyö nimenä muistuttaa ainakin itseäni siitä, että osa tekoälyllä generoituja tekstejä koskevista uhkakuvista realisoituu varmasti, ellemme me ammattikorkeakouluissa tarjoa opiskelijoille tekstien tekoon muita, ajantasaisia, innostavia ja ohjattuja vaihtoehtoja.
Lähteet
Arene 2024. Arenen suositukset tekoälyn hyödyntämisestä ammattikorkeakouluille (pdf). Haettu 5.5.2025.
Chanpradit, T. 2025. Generative artificial intelligence in academic writing in higher education: A systematic review. Edelweiss Applied Science and Technology 9 (4), 889–906.
Cope, B. & Kalantzis, M. 2024b. On cyber-social learning: A critique of artificial intelligence in education. Teoksessa Kourkpoulou, T., Tzirides, A.O., Cope, B. & Kalantzis, M. (toim.) Trust and inclusion in AI-mediated education: Where human learning meets learning machines. Cham CH: Springer, 3−34.
Corbin, T., Lawson, P. & Liu, D. 2025. Talk is cheap: why structural assessment changes are needed for a time of GenAI. Assessment & Evaluation in Higher Education, 1–11.
Devyatkin, D. A., Salimovsky, V. A., Chudova, N. V., Ryzhova, A. A., & Grigoriev, O. G. 2025. Large language models and speech genre systematicity. Speech Genres 20 (1), 6−23. DOI: 10.18500/2311-0740-2025-20-1-45-6-23
Godwin-Jones, R. 2024. Distributed agency in second language learning and teaching through generative AI. Language Learning & Technology 28 (2), 5–31. Haettu 1.6.2025.
Hosseini, M., Resnik, D. B. & Holmes, K. 2023. The ethics of disclosing the use of artificial intelligence tools in writing scholarly manuscripts. Research Ethics 19 (4), 449–465.
Imran, M. & Almusarrafh, N. 2023. Analyzing the role of ChatGPT as a writing assistant at higher education level: A systematic review of the literature. Contemporary Educational Technology 15 (4).
Khalifa, M. & Albadawy, M. 2024. Using artificial intelligence in academic writing and research: An essential productivity tool. Computer Methods and Programs in Biomedicine Update 5.
Kiikeri, P. 2024. Miten opettaja voi ohjeistaa opiskelijaa käyttämään tekoälyä oppimisen tukena. eSignals Pro. Helsinki: Haaga-Helia ammattikorkeakoulu.
Kim, J. ym. 2025. Exploring students’ perspectives on Generative AI-assisted academic writing. Education and Information Technologies 30, 1265–1300.
OpenAI 2025. ChatGPT 4.0. Tee SWOT-analyysi tekoälyavusteisesta opinnäytetyöstä (AMK). Haettu 3.5.2025.
Opetushallitus 2025. Tekoälysuositukset varhaiskasvatukseen, opetukseen ja koulutukseen on julkaistu. Tiedote. Haettu 1.6.2025.
Räsänen, S. 2025. Tekoäly, missä mennään Savonia-artikkelit. Osa 1. Savonia. Haettu 1.6.2025.
Sallam, M. 2023. ChatGPT utility in healthcare education, research, and practice: Systematic review on the promising perspectives and valid concerns. Healthcare 11 (6).
Salmi, M.-M. 2025. Tekoäly haastaa opinnäytetyön perinteiset mallit. eSignals Pro. Helsinki: Haaga-Helia ammattikorkeakoulu.
Simpanen, S. 2024. Korkeakoulujen sopeutuminen ja tulevaisuuden näkymät tekoälyajassa. HAMK Unlimited Professional. Hämeen ammattikorkeakoulu.
Sulkava, E. 2024. SWOT-analyysi – mikä se on ja kuinka sitä kannattaa hyödyntää? Tulos. Haettu 28.5.2025.
Tzirides, A. O., Zapata, G., Kastania, N. P., Saini, A. K., Castro, V., Ismael, S. A., You, Y., Afonso dos Santos, T., Searsmith, D., O’Brien, C., Cope, B., & Kalantzis, M. 2024. Combining human and artificial intelligence for enhanced AI literacy in higher education. Computers and Education Open 6.
Ugwy, N. F. ym. 2024. Clarifying ethical dilemmas in using artificial intelligence in research writing: A rapid review. Higher Learning Research Communications 14 (2), 29–47.
Vuorijärvi, A. 2013. Opinnäytetyö ja yhteisö. Ammattikorkeakoulun diskussio tekstinä. Väitöskirja. Suomen kielen, suomalais-ugrilaisten ja pohjoismaisten kielten ja kirjallisuuksien laitos. Helsinki: Helsingin yliopisto.
Vuorijärvi, A. 2024. Asiantuntija tanssii tekstien kanssa 1/2: Tekoälystä nostetta kirjoittamiseen. Sotemuotoilijat-blogi. Helsinki: Metropolia Ammattikorkeakoulu. Haettu 5.5.2025.
Vuorijärvi, A. 2025a. Heippalappu ja muita tekstilajeja 2/2: Genremenetelmä 2.0 – tekoälyavusteinen versio. Metrospektiivi Pro. Helsinki: Metropolia Ammattikorkeakoulu.
Vuorijärvi, A. 2025b. Kybersosiaalinen prosessi tekoälyavusteisessa tekstityössä. Metrospektiivi Pro. Helsinki: Metropolia Ammattikorkeakoulu.
Vuorijärvi, A. 2025c. Näytä että käytät 2/2: Esimerkkejä opiskelu- ja asiantuntijatekstien tekoälymerkinnöistä. Metrospektiivi Pro. Helsinki: Metropolia Ammattikorkeakoulu.
Vuorijärvi, A. 2025d. Näytä että käytät 1/2: Merkkejä tekoälyn käytöstä opiskelu- ja asiantuntijateksteissä. Metrospektiivi Pro. Helsinki: Metropolia Ammattikorkeakoulu.
Wang, C. 2024. Exploring students’ generative AI assisted writing processes: Perceptions and experiences from native and nonnative English speakers. Technology, Knowledge and Learning.
Yang, K., Raković, M., Liang, Z, Yan, L., Zeng, Z., Fann, Y., Gašević, D. & Chen, G. 2025. Modifying AI, enhancing essays: How active engagement with generative AI boosts writing quality. LAK ’25: Proceedings of the 15th International Learning Analytics and Knowledge Conference.
Kirjoittaja
-
Aino Vuorijärvi
Yliopettaja, Metropolia AmmattikorkeakouluAino Vuorijärvi on suomen kielen ja viestinnän yliopettaja, joka arvostaa hyvin hengittäviä tekstejä, mutta myös dialogia sananarvauskoneen kanssa.
Tutustu tekijään
