Opiskelijoiden hyvinvointi on noussut merkittäväksi haasteeksi korkeakouluissa maailmanlaajuisesti. Psyykkinen kuormittuneisuus, oppimisvaikeudet sekä mielenterveyteen liittyvät oireet ovat lisääntyneet tasaisesti, ja COVID-19-pandemia vahvisti kehitystä entisestään (Sanders, 2023; Lemyre, Pelmer-Cooper & Messina, 2023). Samalla korkeakoulujen mahdollisuudet tarjota yksilöllistä tukea ovat säilyneet rajallisina.
Tekoälyyn perustuvat keskusteluratkaisut ja suuret kielimallit tarjoavat uudenlaisia mahdollisuuksia opiskelijoiden hyvinvoinnin tukemiseen. Niiden vahvuutena on matalan kynnyksen helposti saavutettava ja ei-tuomitseva vuorovaikutusympäristö, joka voi madaltaa avun hakemisen kynnystä erityisesti henkilökohtaisiin ja mielenterveyteen liittyvissä kysymyksissä (Branley-Bell ym., 2023; Bojd, Garimella & Yin, 2025; Zao-Sanders, 2025). Tämä on merkityksellistä, sillä hyvinvoinnin haasteet heijastuvat usein opintoihin kiinnittymiseen, yhteisöön kuulumisen kokemukseen ja opintojen jatkuvuuteen.
Avun hakemista vaikeuttavat edelleen stigma, yksityisyyteen liittyvät huolet sekä opiskelijoiden pyrkimys selviytyä haasteistaan itsenäisesti (Duncan, Butler & Punch, 2025). Tässä kontekstissa tekoälyavusteiset hyvinvointipalvelut näyttäytyvät yhtenä mahdollisena keinona täydentää korkeakoulujen olemassa olevia tukipalveluja ja vahvistaa opiskelijoiden hyvinvoinnin varhaista tukea.
Metropolia Ammattikorkeakoulussa kartoitettiin opiskelijoiden näkemyksiä hyvinvoinnin tukemisesta tekoälyavusteisesti laajoihin kielimalleihin (LLM) perustuvan hyvinvointiagentin käyttöönoton yhteydessä. Esittelen tässä artikkelissa kartoituksen keskeisiä tuloksia.
Hyvinvointiagentin kehittäminen ja testaus Metropoliassa
Opiskelijalähtöistä ohjausta on Metropoliassa jo vahvistettu laajoihin kielimalleihin perustuvalla Annie-tukibotilla. Nyt opiskelijoiden hyvinvointia varten on kehitetty erillinen hyvinvointiagentti yhteistyössä monialaisen asiantuntijaryhmän ja Annie Advisorin kanssa. Tavoitteena oli luoda empaattinen, matalan kynnyksen keskustelukumppani, joka tukee opiskelijan reflektiota ja tarjoaa ensivaiheen ohjausta hyvinvointiin liittyvissä huolissa.
Kehitystyössä kiinnitettiin erityistä huomiota tekoälyyn liittyvien riskien, kuten hallusinoinnin hallintaan. Opinto-ohjaajat ja muut opiskelijahyvinvoinnin asiantuntijat määrittelivät agentin toimintaa ohjaavat periaatteet, vastuut ja rajat sekä tilanteet, joissa opiskelija ohjataan ihmisammattilaisen tuen piiriin. Yksityisyydensuoja varmistettiin siten, että mahdollisissa ohjaustilanteissa välitetään ainoastaan keskustelun teemoja kuvaava tiivistelmä, ei varsinaisia keskustelulokeja.
Hyvinvointiagenttia kehitettiin iteratiivisesti asiantuntija- ja opiskelijapalautteen pohjalta. Tämän jälkeen toteutettiin haastattelututkimus, johon sisältyi agentin testaaminen erilaisissa hyvinvointiin liittyvissä skenaarioissa. Skenaarioiden teemoina olivat opintojen etenemisen esteet, kuulumattomuuden tunne, sukupuoli-identiteetin pohdinta ja yksinäisyys.
Puolistrukturoitu haastattelu perustui FATE-viitekehykseen (fairness, accountability, transparency, ethics) (Memarian & Doleck, 2023). Haastattelut toteutettiin Metropolian Myllypuron kampuksella. Osallistujat edustivat ICT-, sosiaali- ja terveys- sekä kiinteistö- ja rakennusalaa (N14). Aineistolla tarkasteltiin opiskelijoiden eettisiä huolia, luottamusta tekoälyyn, vastuun kohdentumista sekä tekoälypohjaisten hyvinvointipalveluiden suhdetta inhimilliseen tukeen. Artikkelissa esiteltyjä tutkimustuloksia ei ole vielä vertaisarvioitu.
Opiskelijoiden esiin nostamat hyödyt ja huolet liittyen hyvinvointiagentteihin
Kartoituksessa kävi ilmi, että opiskelijoiden reaktiot tekoälypohjaiseen hyvinvointiagenttiin ovat pääosin myönteisiä. Hyötyinä tunnistettiin hyvinvointiagentin matala emotionaalinen käyttökynnys ja helppo saavutettavuus ajasta ja paikasta riippumatta. Hyötyinä mainittiin myös hyvinvointiagentin objektiivisuus ja stigman poisto, koska agentti ei arvostele kysyjää millään tavoin. Hyvinvointiagentin tunnistettiin toimivan hyvin palveluohjaajana silloin, kun kysyjä ei ole varma, minkä tahon puoleen voisi asiassaan kääntyä.
Hyvinvointiagentin käytön riskeinä opiskelijat tunnistivat tuen laatuun liittyviä huolia ja sen, että keskustelu ei pääse etenemään kovin syvälle. Huolta herätti myös mahdollinen aidon ihmiskontaktin korvaaminen tekoälypohjaisilla tukivälineillä. Aidon ihmisen kokemusta ja henkilökohtaista kohtaamista pidetään usein luotettavampana etenkin haastavissa, henkilökohtaisissa tai kliinisissä tilanteissa, kuten mielenterveys- tai terveyspalveluissa.
Tietoturvaan liittyvät kysymykset herättivät muutamassa vastaajassa huolta, erityisesti siltä kannalta, kuka pääsee lukemaan keskusteluja ja tallentuvatko ne jonnekin. Osa vastaajista pohti hyvinvointiagentin kouluttamisessa käytettyä aineistoa, sen mahdollisia vinoumia sekä agentin kykyä kohdella kaikkia opiskelijoita yhdenvertaisesti.
Opiskelijat arvioivat myös hyvinvointiagentin käyttöönottoon liittyviä vastuukysymyksiä. Osa vastaajista tunnisti vastuun olevan oppilaitoksella. Osan mielestä järjestelmän kehittäjä tai järjestelmä itse olisi vastuussa mahdollisesta virheellisestä tiedosta, mitä hyvinvointiagentti antaa. Vastauksissa nimettiin myös jonkinlainen valvova elin, ulkopuolinen taho, jolla olisi vastuu yleisesti laajoihin kielimalleihin perustuvien järjestelmien valvonnasta.
Opiskelijat tunnistivat erilaisia keinoja hyvinvointiagentin antamien tietojen luotettavuuden arviointiin. Osa kertoi varmistavansa tietojen luotettavuutta, esimerkiksi annettuja linkkejä, toisesta lähteestä. Keskustelun sävy lisäsi vastaajien mukaan luotettavuutta. Muutama vastaaja kertoi olevansa ylipäänsä kriittinen aina tekoälypohjaisia työkaluja käyttäessään. Kuitenkin se seikka, että kyseessä oli nimenomaan korkeakoulun tarjoama tukipalvelu, lisäsi itsessään palvelun luotettavuutta.
Mitä opiskelijoiden näkemykset hyvinvointiagentista kertovat?
Kartoituksen tulokset osoittavat, että opiskelijat suhtautuvat tekoälypohjaiseen hyvinvointitukeen avoimesti mutta kriittisesti. Luottamus tekoälyn tuottamaan tietoon kytkeytyy vahvasti oppilaitoksen rooliin ja opiskelijan omaan harkintaan. Tekoäly ei näyttäydy inhimillisen tuen korvaajana, se soveltuu osaksi palveluketjua, mutta ei itsenäiseksi tukipalveluksi.
Opiskelijoiden myönteisyys hyvinvointiagenttia kohtaan ei perustu teknologian itseisarvoon, vaan käytännöllisyyteen: saavutettavuuteen, helppouteen ja matalaan kynnykseen tekoälyä käyttöön ottaessa. Tämä voi osaltaan vastata avun hakemisen rakenteellisiin ja psykologisiin esteisiin.
Luottamus tekoälyyn on keskeinen tekijä ihmisen ja koneen välisessä vuorovaikutuksessa, ja yksilöt muodostavat vaihtelevia luottamuksen tasoja teknologisia järjestelmiä kohtaan (McKnight ym., 2011). Liiallinen luottamus voi johtaa vaaralliseen yliluottamukseen (over-reliance), kun taas liian vähäinen luottamus voi aiheuttaa vastustusta silloinkin, kun tekoäly tarjoaisi käyttäjälle selkeitä hyötyjä (Jacovi ym., 2021). On esimerkiksi havaittu, että tekoälyjärjestelmän kehystäminen empaattiseksi tai välittäväksi voi lisätä sen koettua luotettavuutta ja tuottaa myönteisempiä tunnevasteita (Pataranutaporn ym., 2023). Sitä vastoin luottamuksen puute ja epävarmuus algoritmien toiminnasta voivat aiheuttaa käyttäjissä algoritmiahdistusta (Jhaver, Karpfen & Antin, 2018).
Opiskelijat eivät hyväksy agentin antamia vastauksia automaattisesti, vaan arvioivat niiden luotettavuutta esimerkiksi tarkistamalla tietoja muista lähteistä. Tämä kertoo hyvästä digitaalisesta lukutaidosta ja siitä, että opiskelijat näkevät tekoälyn ennemmin päätöksenteon tukena kuin erehtymättömänä tiedonlähteenä.
Opiskelijoiden huolenaiheet kohdistuvat erityisesti tietoturvaan, tekoälyn koulutusaineistoihin, mahdollisiin vinoumiin sekä vastuukysymyksiin. Tämä osoittaa, että hyvinvointiagentin käyttöönotossa on tärkeää viestiä avoimesti esimerkiksi siitä, miten henkilötietoja käsitellään, millä periaatteilla agentti toimii ja kuka vastaa sen antamasta tiedosta. Näitä näkökulmia on hyvä ottaa huomioon varmistamalla muidenkin käyttöön otettavien tekoälytyökalujen läpinäkyvyys, vastuu- ja tietoturvakysymyksiä.
Lähteet
Bojd, B., Garimella, A., & Yin, H. (2025). Stigma Reduces AI Aversion: A Tradeoff between Judgment and Misinformation Concerns. Social Science Research Network.
Branley-Bell, D., Brown, R., Coventry, L., & Sillence, E. (2023). Chatbots for embarrassing and stigmatizing conditions: Could chatbots encourage users to seek medical advice? Frontiers in Communication, 8.
Duncan, J., Butler, K., & Punch, R. (2025). Exploring the experiences of undergraduate students with disability who withdraw from university studies. The Australian Educational Researcher, 52(6), 4195–4219.
Jacovi, A., Marasović, A., Miller, T., & Goldberg, Y. (2021). Formalizing Trust in Artificial Intelligence: Prerequisites, Causes and Goals of Human Trust in AI. Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, FAccT ’21, 624–635.
Jhaver, S., Karpfen, Y., & Antin, J. (2018). Algorithmic Anxiety and Coping Strategies of Airbnb Hosts. Proceedings of the 2018 CHI Conference on Human Factors in Computing Systems, CHI ’18, 1–12.
Lemyre, A., Palmer-Cooper, E., & Messina, J. P. (2023). Wellbeing among university students during the COVID-19 pandemic: A systematic review of longitudinal studies. Public Health, 222, 125–133.
McKnight, D., Carter, M., Thatcher, J., & Clay, P. (2011). Trust in a specific technology: An Investigation of its Components and Measures. ACM Transactions on Management Information Systems, 2, 12–32.
Memarian, B., & Doleck, T. (2023). Fairness, Accountability, Transparency, and Ethics (FATE) in Artificial Intelligence (AI) and higher education. A systematic review. Computers and Education: Artificial Intelligence, 5, 100152.
Pataranutaporn, P., Liu, R., Finn, E., & Maes, P. (2023). Influencing human–AI interaction by priming beliefs about AI can increase perceived trustworthiness, empathy and effectiveness. Nature Machine Intelligence, 5(10), 1076–1086.
Sanders, M. (2023). Student mental health in 2023. TASO & Policy Institute at King’s College London.
Zao-Sanders, M. (2025). How People are Really Using Generative AI Now. Harward Business review.
Kirjoittaja
-
Maani Nyqvist
Asiantuntija, Digitaalisten palveluiden ja tiedolla johtamisen palvelukokonaisuus -tiimi, Metropolia AmmattikorkeakouluMaani Nyqvist on Oppimistoiminnan digitaalisten palveluiden ja tiedolla johtamisen palveluvastaava sekä väitöskirjatutkija, jota kiinnostaa teknologia ja ihmiset.
Tutustu tekijään
