Kuudesta kahdeksaan tuntia. Sen verran aikaa kuluu tavallisesti kognitiivisesti vaativaan monivaiheiseen tehtävärupeamaan, jonka teen pari kertaa vuodessa. Tällä kertaa päätin ottaa generatiivisen tekoälyn mukaan kaikkiin työvaiheisiin. Lopputulos: tehtäväsarja valmistui kuudessa tunnissa.
Tekoälyn on sanottu nopeuttavan kirjoittamisprosessia vähintään 40 prosentilla (esim. Ahmad 2025; Noy & Chang 2023) ja opiskelutehtäviä jopa lähemmäs 60 prosentilla (Connell Pensky, Usdan & Chang 2025). Mihin tämä oletettu etu prosessissani katosi? Mihin aika valui – ja mikä sitä voisi selittää?
Ennen tekoälyä asiantuntijan tai siksi opiskelevan kirjoittaminen eteni lineaarisesti ja suhteellisen hitaasti: aihe valittiin ja rajattiin, tietoa etsittiin eri tavoin monista eri paikoista, teksti luonnosteltiin ja muokattiin. Tekoälyavusteisessa kirjoittamisprosessissa sen sijaan jokainen vaihe sisältää moninkertaisen määrän valintapisteitä. Valintatilanteet tulevat kirjoittajan ratkottaviksi ripeään tahtiin, mikäli hän – kuten itsekin suosittelen – käy tekoälyavustajansa kanssa dynaamista vuoropuhelua tekstituotoksestaan (esim. Vuorijärvi 2024). Tämä sinänsä suotuisa kehitys ei ole kuitenkaan vailla sivuvaikutuksia.
Päätösten paljous syö kirjoittajan voimia
Tekoälyavusteisen kirjoittamisen normalisoituminen työprosesseissa tuo lukuisista kiistattomista eduistaan huolimatta kirjoittajalle myös uuden päänsäryn: päätöksentekoväsymyksen (Echterhoff, Melkote, Kancherla & McAuley 2024). Siitä ovat raportoineet ensimmäisinä kokopäivätyökseen koodia kirjoittavat, joiden työskentelyä tekoäly on merkittävästi muuttanut (esim. Khare 2026). He ovat muun muassa huomanneet työtahdin kiivastuneen ja työn luonteen muuttuneen keskittynyttä ajattelua vaativasta suunnittelu- tai luomistyöstä iteratiiviseksi arviointityöksi.
Päätöksentekoväsymyksen (englanniksi decision fatigue) käsitettä on aiemmin käytetty muun muassa terveydenhuoltoalalla kuvaamaan hoitotyötä kuormittavia päätöksentekotilanteita (esim. Pignatiello, Martin & Hickman 2018), mutta se on tuttu myös kuluttajien ostoskäyttäytymistä tutkiville tai arkisemmin vaikkapa vain Spotifyn soittolistoja selaaville.
Tekoäly helpottaa tunnetusti tietotulvassa navigoivaa kirjoittajaa laajojen tietosisältöjen seulomisessa ja tiivistämisessä, mutta tutkimukset osoittavat, että se voi samalla lisätä psykologista ja kognitiivista kuormitusta (esim. AlBlooshi 2026). Tekoälyavusteisessa kirjoittamisprosessissa ongelma syntyy silloin, kun liiallinen vaihtoehtojen määrä ja toistuva optimointi alkavat hidastaa työtä ja heikentää kirjoittajan päätösten laatua. Etenkin laajoissa tehtävissä, kuten opinnäytetöissä toistuva päätöksentekovaade voi vaikuttaa kirjoittajan oppimiseen, arviointitapoihin ja kognitiivisiin prosesseihin.
Valintojen virrassa
Tekoälyn kanssa tekstailtaessa päätöstilanteita tulee vastaan syklisenä mikrovalintojen vuona: hyväksynkö, hylkäänkö, muutanko vai pyydänkö lisää? Mitä enemmän ja useammin päätöksiä tehdään ja mitä työläämpi tehtävä on, sitä suurempi on riski kokea päätösväsymystä (Echterhoff ym. 2024). Etenkin jos lähtökohtaisesti olettaa tekoälyn nopeuttavan prosessia ja lisäävän tuottavuutta, kirjoittajalle kasautuu helposti paineita nopeaan suoriutumiseen (myös Khare 2026).
Jatkuva päätösruuhka voi herpaannuttaa kirjoittajan otetta, jolloin tekoälyn ehdotuksia tulee helpommin hyväksyttyä ilman riittävää omaa harkintaa. Tämä puolestaan voi laskea tuotoksen laatua ja luotettavuutta (Adamakis & Rachiotis 2025; AlBlooshi 2026).
Tekoälyn käytön vaikutuksista oppijan kriittiseen ajatteluun käydään vilkasta keskustelua ja kaivataan lisää empiiristä tutkimusta (Echterhoff ym. 2024; Melisa ym. 2024). Varsin ilmeistä kuitenkin jo on, että päätöksenteon vaativuuden vuoksi pitkäkestoinen tai laaja kirjoitusprosessi on altis myös muille haittavaikutuksille, ellei kirjoittaja ole niistä tietoinen.
Aloitusvaiheen ratkaisuja
Kirjoitusprosessin aloitus on muuttunut yksinkertaisesta aloituspäätöksestä neuvotteluksi siitä, miten suuri rooli tekoälylle annetaan heti alussa. Ensimmäiseksi on ratkaistava, aloittaako kirjoittaja tekstin itse vai antaako tekoälyn tuottaa tekstiluonnoksen yhteisen työstämisen pohjaksi. Valinta ei ole neutraali, vaan liittyy laajempiin eettisiin ja osaamiseen kytkeytyviin kysymyksiin, kuten tekstin alkuperään, omistajuuteen ja kirjoittajan oman osaamisen näkyvyyteen. Tutkimuksissa on havaittu, että tekoälyavusteinen kirjoittaminen voi heikentää kirjoittajan kokemusta tekstin omistajuudesta ja sen merkityksestä oman oppimisen tai osaamisen hallinnan välineenä, sillä tekoälyn tuottamaan tekstiin kiinnittyminen jää selvästi heikommaksi kuin itsenäisesti kirjoitettuun (Kosmyna ym. 2025). Käytännön työskentelyssäni olenkin huomannut, että oman hatarankin tekstiluonnoksen pohjalta etenevä prosessi vaatii vähemmän tekoälyltä pyydettävää varmistelua myöhemmissä vaiheissa ja on helpompi tuntea omakseen.
Ideointi ja tekstin rakenteen suunnittelu ovat muuttuneet valintojen tihentymäksi, jossa ideat ja rakenteet eivät synny lineaarisesti vaan haarautuvina vaihtoehtoina. Tekoäly tuottaa runsaasti ideoita ja rakennesuosituksia, mikä siirtää päätöksenteon painopistettä sisällön tuottamisesta vaihtoehtojen arviointiin. Tämä voi olla hyödyllistä, mutta myös kuormittavaa, sillä kirjoittajan on jatkuvasti punnittava tekoälyn tuottamien ehdotusten relevanssia ja niiden suhdetta omaan ajatteluunsa ja asiantuntemukseensa. Tällainen jatkuva arviointi edellyttää uudenlaista osaamista, kuten metakognitiivista tietoisuutta ja kykyä rajata ja priorisoida ideoita (Adamakis & Rachiotis 2025; myös Vuorijärvi 2025a). Myös hyvällä kehotemuotoilulla vaihtoehtojen viuhkaa voi hillitä. Esimerkiksi tietyn tekstilajikehyksen antaminen avustajalle tuottaa heti osuvamman tuloksen kuin niukka kehote ”kirjoita aiheesta 500 sanaa”.
Lähteiden valinta, käyttö ja kielentäminen
Lähteiden käyttö on käynyt erityisen monimutkaiseksi päätöksenteon kohteeksi. Siinä missä kirjoittaja aiemmin etsi ja arvioi lähteet itse, kykyjensä mukaan, nyt tekoäly ehdottaa epäröimättä moninaisia lähteitä nopealla tahdilla – kehotteesta riippuen suomeksi, muilla kielillä tai muista kielistä käännettyinä. Tarjotut lähteet voivat olla kuitenkin virheellisiä, vanhentuneita tai jopa sepitettyjä. Myös käännökset voivat olla vääriä tai epätarkkoja. (Esim. Mohareb & Al-Qayyem 2026.) Tämän vuoksi kirjoittajan rooli siirtyy sisällön etsimisestä lähteiden tarkistamiseen ja validointiin. Lisäksi kirjoittajan on toistuvasti arvioitava, pitääkö lähteitä täydentää esimerkiksi googlaamalla, kirjautumalla tietokantoihin tai kokeilemalla vielä yhtä uutta tekoälysovellusta.
Ongelmaa voi helpottaa ennakolta käyttämällä tiedonhakuvaiheessa tekoälysovelluksia, jotka on siihen erityisesti tarkoitettu. Esimeriksi opinnäytetyön tekijät ovat hyötyneet keskustelevien työkalujen, kuten Keeniouksen tai NotebookLM:n, tiedonhaun, aineistojen jäsentelyn ja tiivistämisen taidoista.
Ammatillisen asiantuntijan kielitaito kehittyy ennen kaikkea kieltä käyttämällä ja kirjoittamalla oman alan keskeisiä tekstilajeja. Siksi ei ole yhdentekevää, perustaako kirjoittaja kielelliset valintansa omaan kielitajuunsa ja alansa tekstikäytäntöihin vai nojaako hän ensisijaisesti tekoälyn melko geneerisiin ehdotuksiin – tai hyväksyykö hän ne automaattisesti. Harkinta on erityisen tärkeää silloin, kun kirjoitetaan toisella kielellä, esimerkiksi kun suomenkielinen kirjoittaja tuottaa tekstiä englanniksi lähdeaineiston pohjalta tai kun kehittyvä suomenoppija tasapainoilee äidinkielensä ja suomen välillä. Tekoälyn tarjoamat suorat käännökset auttavat monissa yksittäisissä tilanteissa, mutta ne eivät välttämättä tue kieltenoppimista tai ammatillisen asiantuntijan alakohtaisten tekstitaitojen kehittymistä pitkällä aikavälillä. (Yao & Fan 2025.) Ahkerasti käytetty sovellus voi kuitenkin oppia muistamaan kirjoittajan mieltymykset esimerkiksi alan, rekisterin tai abstraktiotason valinnassa ja jatkossa tarjota tuotoksia entistä osuvammin.
Kokenut kirjoittajakaan ei silti ole täysin turvassa. Hänen rasitteenaan voi olla FOBO-ilmiö (englanniksi fear of better options) eli tarve varmistaa, löytyisikö ilmaukselle jostain vielä parempi tai jopa täydellinen vaihtoehto (Bologna 2025). Uupumattoman avustajan kanssa hän voi hioa ilmaisuaan lähes loputtomiin sana, virke ja kappale kerrallaan. Samalla hän saattaa kuitenkin menettää osan omasta kirjoittajanäänestään ja päätyä lopulta tyytymään tekoälyn yleispätevään mutta varsin persoonattomaan ilmaisuun tai pinnalliseen argumentointiin (esim. Adamakis & Rachiotis 2025).
Vaihtoehtojen etsintä ja punninta ovat toki tuttuja myös perinteisessä kirjoittamisessa. Etenkin yhteiskirjoittamisen prosessissa tai julkaisuun meneviä tekstejä muokatessaan kirjoittaja pohtii ja päättää, miten sovittaa saamansa välipalautteet ja vertaisarvioinnit omien intentioidensa kanssa yhteen. On kuitenkin havaittu (esim. Khare 2026), että kirjoittajasta on vähemmän kuormittavaa punnita tuntemansa ja luottamansa kirjoittajakumppanin tai vertaisarvioijan tekemiä ehdotuksia kuin tekoälyn tarjoomuksia.
Tekstin muokkaamisvaiheessa kirjoittaja saa tekoälyavustajalta jatkuvaa iteratiivista palautetta ja korjausehdotuksia. Tutkimusten mukaan esimerkiksi ChatGPT:n käyttö nopeuttaa kirjoittamisprosessissa erityisesti ideointi- ja luonnosteluvaihetta – eli usein kriittistä alkuun pääsemistä – mutta tuotosten arviointi ja hiominen vaativat väistämättä vaivannäköä (mm. Mohareb & Al-Qayyem 2026). Päätössumaa voi kuitenkin purkaa esimerkiksi antamalla tekoälylle selkeitä ja riittävästi kontekstoituja kehotteita (ks. esim. Vuorijärvi 2025b) ja rajaamalla ennakolta korjausehdotusten määrää.
Tekoäly ei osaa arvioida, milloin uusien ideoiden tai ehdotusten luominen riittää. Siksi muokkaajan tehtäväksi jää lopulta päättää, milloin teksti tai sen osa on hänen mielestään ”riittävän hyvä”. Samoin hänen on itse ratkaistava, milloin siirtyä seuraavaan vaiheeseen – ja milloin viimein lopettaa. Kirjoittajan työ alkaa tällöin muistuttaa taidegallerian kuraattorin työtä: sen arvioimista, milloin kokoelma asettuu parhaimpaan valoon. Päätettävä on myös, millainen yhteistekstituotos vastaa vielä ristiriidatta omia ajatuksia ja näkemyksiä – ja ennen kaikkea: voinko yhä seisoa tämän tekstin takana?
Kuormituksesta metakuormaan
Kun perinteistä ja tekoälyavusteista kirjoittamisprosessia vertaa tutkimusten ja omien kirjoittamiskokemusten valossa toisiinsa, huomaa, ettei kirjoittamisprosessin kognitiivinen kuorma olekaan välttämättä vähentynyt, vaan se on pikemminkin muuttanut muotoaan tai vaihtanut paikkaa. Kirjoittamisen perustyö – tekstin suunnittelu, argumentointi ja muotoilu – on osittain keventynyt, mutta samalla on syntynyt uusi metakuormakerrostuma (samoin Khare 2026). Tämä kerrostuma koostuu kehotteiden muotoilemisesta, tekoälyn ehdotusten arvioinnista, lähteiden tarkistamisesta, eettisten valintojen tekemisestä ja oman ajattelun suhteuttamisesta tekoälyn tuotoksiin. (Kosmyna ym. 2025; Yao & Fan 2025.) Juuri tämä tekoälytuotosten kriittisenä portinvartijana toimiminen kuluttaa kirjoittajan voimia tutkitusti jopa enemmän kuin itse kirjoittaminen (Yao & Fan 2025).
Tekoälyn käyttöä koskevat eettiset valinnat ovat nousseet etenkin opiskelukirjoittamisessa mutta myös julkaisutoiminnassa olennaiseksi päätöksenteon osa-alueeksi. Kirjoittajan on muun muassa arvioitava, milloin tekoälyn käyttö on sallittua, miten se tulee raportoida ja missä vaiheessa tekoälyn tuki muuttuu oppimista, osaamista tai tekstituotoksen laatua heikentäväksi. Koska tekoälysuositukset ja -käytännöt ovat yhä kehittymässä, epävarmuus lisää päätöskuormaa ja haastaa sekä kirjoittajia että heidän mentoreitaan (AlBlooshi 2026). Kokenut asiantuntijakirjoittaja jo tietää, että vastuu eettisistä valinnoista on kannettava ihan itse. Juuri se vie näennäisesti nopeassa prosessissa paljon kognitiivista ja psykologista energiaa – ja vaatii käytännössä yllättävän paljon aikaa ja kahvia.
Mitä arvoa kirjoittajan omilla ajatuksilla on?
Tekoälyaika haastaa koko kirjoittajaidentiteetin käsitettä ja kutsuu pohtimaan, mitä oma asiantuntemus, harkinta ja ajattelu merkitsevät tilanteessa, jossa teksti ei enää synny yksin kirjoittajan mielessä (myös Vuorijärvi 2025a). Tekoäly voi auttaa kielen selkeyttämisessä, rakenteen tukemisessa ja haluttaessa tekstin tietosisällön tuottamisessa, mutta samalla on olemassa riski, että kirjoittajan oma ääni, asiantuntemus ja ajatteluprosessit jäävät taka-alalle (Al Hosni 2025).
Kirjoittajan onkin tehtävä useita tietoisia päätöksiä siitä, mikä osa tekstistä edustaa hänen ajatteluaan ja mikä tekoälyn tuottamaa materiaalia. Tämä neuvottelusuhde ihmisen ja tekoälyavustajan välillä määrittää uudelleen oppimisen ja asiantuntijana toimimisen perustaa. Kirjoittamisprosessissa alkuvaiheen nopeuttamisen tai viimeistelyvaiheen keventämisen voisi olettaa säästävän voimia prosessin kognitiivisesti vaativampiin kohtiin. Juuri näissä kohdissa on mahdollista käyttää aikaa olennaiseen: pysähtymiseen, analyyttiseen ajatteluun ja oman asiantuntemuksen reflektointiin. Tämän vuoksi pitkät tai muuten intensiiviset kirjoittamisprosessit, kuten opinnäytetyökokonaisuus, on syytä osittaa ja kohdentaa voimat tarkoituksenmukaisella tavalla kuhunkin vaiheeseen. Näin myös tilaisuudet syväoppimiseen lisääntyvät (ks. myös Deep & Chen 2025).
Lyhyissä tai jo rutinoituneissa kirjoitustehtävissä päätöksentekoväsymys on harvoin ongelma: valintojen määrä on rajattu ja kirjoittajan kokemus kontrollista säilyy, jos hän niin haluaa. Pitkissä ja uutta luovissa työrupeamissa taas vaihtoehtojen, arviointikierrosten ja metapohdinnan määrä kasvaa, jolloin tekoälyn käytön hyödyt ja haitat eri vaiheissa tulevat selkeämmin näkyviin. (AlBlooshi 2026.)
Taulukossa olen kokoavasti verrannut perinteistä ja tekoälyavusteista kirjoittamisprosessia päätöksentekokuorman erovaisuuksien näkökulmasta. Sisällöt olet nostanut artikkelissa käyttämistäni lähteistä sekä kokemuksistani tekstinohjaajana ja aktiivisena generatiivisen tekoälyn käyttäjänä. Erot näkyvät ja tuntuvat selkeimmin yksilön kirjoittamisprosessissa. Sen sijaan perinteisessä yhteiskirjoittamisessa päätöksentekotilanteet voivat hyvinkin kasautua osin samoihin kohtiin kuin tekoälyavusteisessa kirjoittamisessa; neuvottelu tärkeistä valinnoista vain käydään kirjoittajatiimin kesken.
| Perinteinen kirjoittaminen tietotulvassa | Tekoälyavusteinen kirjoittaminen päätösruuhkassa |
|---|---|
| Itsenäinen verkkainen prosessi | Avustettu intensiivinen prosessi |
| Tiedon aktiivista etsintää | Valintaa tarjotuista vaihtoehdoista |
| Tiedon löytäminen | Versioiden valinta |
| Tiedon määrä kuormittaa | Päätösten määrä ja tiheys kuormittavat |
| Tiedon seulonta | Tiedon arviointi |
| Ilmaisuresurssit rajalliset mutta omat | Ilmaisuresurssit runsaat ja moninaiset |
| Lähteiden tarkka merkintä | Tekoälyn käytön dokumentointi |
| Huolena plagiointi | Huolena oman ja tekoälyn osuuden erottaminen toisistaan |
| Kirjoittajanääni rakentuu luonnollisesti | Kirjoittajanääntä on erikseen vaalittava |
| Palaute ja arviointi jälkikäteistä ja institutionaalista | Palaute ja arviointi jatkuvaa ja anonyymiä |
Ratkaiseva valinta
Artikkelin alussa mainitsemani yhteistyörupeama tekoälyn kanssa ei siis lopulta ajallisesti keventänyt työkuormaani. Avustajan kehotteisiini generoimien tuotosten arviointiin ja tarkistamiseen kului suunnilleen sama aika, jonka itsenäinen työskentely alusta loppuun olisi vaatinut. Tämä selittyy pääosin sillä, että tehtäväkokonaisuus vaati runsaasti kontekstisidonnaista päättelyä, aineistojen sisäisten ja välisten merkityssuhteiden ymmärtämistä, alakohtaisen sanaston tuntemusta, sisältöjen arvottamista ja tulkintaa sekä kohderyhmän huomiointia – kaikki toimintoja, jossa ihmisen on todettu ainakin toistaiseksi olevan tekoälyä parempi (mm. Zheng & Liu 2024). Kävimme avustajan kanssa pitkään myös hienovireistä keskustelua suomen kielen sanojen semantiikasta. Lisäksi uusien kehotesarjojen luominen, iteratiivinen muotoilu ja tekoälyn täsmällinen ohjaaminen veivät oman aikansa. Vaikka tekoälyavustaja generoi useita rikastavia ja jopa häkellyttävän hyviä ehdotuksia ja tulokulmia prosessiini, niiden arviointi ja varmistaminen olivat välttämättömiä.
Ulkopuolinen ei oletettavasti osaisi päätellä, tekikö tuotokseni tekoäly vai työstinkö sen osin tai kokonaan itse. Valinnalla oli kuitenkin merkittävä vaikutus omaan työtyytyväisyyteeni. Olisin periaatteessa voinut laittaa tuotoksen jo parin tunnin työstämisen jälkeen eteenpäin ja katsoa, olisiko se riittänyt. Asiantuntija ei kuitenkaan tee niin, jos hän kokee työnsä ja osaamisensa merkitykselliseksi ja arvokkaaksi. Tämä päätös oli siis omassa prosessissani kriittisin – se, jonka seuraamuksiin valtaosa työajastani saikin valua. Jokaisen asiantuntijan työssä on nimittäin tehtäviä, joita tekoäly voi tehostaa ja virtaviivaistaa samalla kannustaen ja jopa energisoiden tekijäänsä. On kuitenkin myös esimerkiksi omaa osaamista syventäviä tehtäviä, jotka kannattaa valita tehdä hitaasti ja varmasti vastuullisesti – joko ihan itse tai tekoälyn tukemana.
Lähteet
Adamakis, M., & Rachiotis, T. 2025. Artificial intelligence in higher education: A state-of-the-art overview of pedagogical integrity, artificial intelligence literacy, and policy integration. Encyclopedia, 5 (4), 180.
Ahmad, I. 2025. AI cuts work time by more than half across most tasks, survey finds. Digital Information World. Haettu 20.3.2026.
AlBlooshi, S. 2026. Artificial intelligence in higher education, opportunities, and challenges: a review. Frontiers in Education, 10, artikkeli 1683968.
Al Hosni, J. K. 2025. Preserving authorial voice in academic texts in the age of generative AI: A thematic literature review. Arab World English Journal (AWEJ), 16 (3).
Bologna, C. 2025. You’ve heard of FOMO, but what Is ’FOBO’? Here’s how to spot this damaging issue. Huffpost. Haettu 1.3.2026.
Connell Pensky, A. E., Usdan, J. H., & Chang, H. 2025. Generative AI’s impact on graduate student professional writing productivity and quality. International Journal of Artificial Intelligence in Education, 35, 4057–4082.
Deep, P. D. & Chen, Y. 2025. The role of AI in academic writing: Impacts on writing skills, critical thinking, and integrity in higher education. Societies, 15 (9), artikkeli 247.
Echterhoff, J. M., Melkote, A., Kancherla, S. & McAuley, J. 2024. Avoiding decision fatigue with AI-assisted decision-making. Proceedings of the 32nd ACM conference on user modeling, adaptation and personalization. 1–11.
Khare, S. 2026. AI fatigue is real and nobody talks about it. Blogikirjoitus. Haettu 20.3.2026.
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. 2025. Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv. Versio 2.
Melisa, R., Ashadi, A., Triastuti, A., Hidayati, S., Salido, A., Ero, P. E. L., Marlini, C., Zefrin. & Fuad, Z. A. 2025. Critical thinking in the age of AI: A systematic review of AI’s effects on higher education. Educational Process: International Journal, 14, artikkeli e2025031.
Mohareb, T. & Al-Qayyem, R. 2026. The impact of AI tools: ChatGPT, Gamma and Autopilot on performance in academic assignments. Learning Futures and Emerging Technologies. Ennakkojulkaisu.
Noy, S., & Zhang, W. 2023. Experimental evidence on the productivity effects of generative artificial intelligence. Science, 381(6654), 187–192.
Pignatiello, G. A., Martin, R. J. & Hickman, R. L. 2018. Decision fatigue: A conceptual analysis. Journal of Health Psychology, 25 (1),123–135.
Vuorijärvi, A. 2024. Asiantuntija tanssii tekstien kanssa 2/2: Kirjoittajan ja tekoälyavustajan vuorovaikutus. Sotemuotoilijat-blogi. Helsinki: Metropolia Ammattikorkeakoulu. Haettu 28.2.2026.
Vuorijärvi, A. 2025a. Kun tekoäly kirjoittaa, kirjoittaja editoi. Metrospektiivi Pro. Helsinki: Metropolia Ammattikorkeakoulu.
Vuorijärvi, A. 2025b. Promptaaminen ei ole rakettitiedettä. Metrospektiivi Pro. Helsinki: Metropolia Ammattikorkeakoulu.
Zheng, Q. & Liu, W. 2024. Domain adaptation analysis of large language models in academic literature abstract generation: A cross-disciplinary evaluation study. Journal of Advanced Computing Systems, 4(8), 57–71.
Yao, G. & Fan, L. 2025. Cognitive load scale for AI-assisted L2 writing: scale development and validation. Frontiers in Psychology, 16, artikkeli 1666974.
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
