1. Tavoite ja soveltamisala
Ohjeistus määrittelee periaatteet ja käytännöt, joilla tekoälyä voidaan hyödyntää laadullisen aineiston analyysissä opinnäytetöissä. Se koskee ohjaajia ja opiskelijoita sekä soveltuu mm. sisällönanalyysiin, teemoitteluun, diskurssi- ja narratiivisiin lähestymistapoihin.
2. Periaatteet
Avoimuus: tekoälyn käytöstä on raportoitava läpinäkyvästi (työkalu, versio, tehtävä, vaikutus). Raportoimatta jättäminen voidaan tulkita
Vastuullisuus: opiskelijan on osoitettava oma analyyttinen panoksensa; tekoäly on tuki, ei korvike.
Tietosuoja: henkilötiedot ja arkaluonteiset sisällöt anonymisoitava ennen tekoälyn käyttöä tai käsiteltävä hyväksytyissä ympäristöissä
Akateeminen vapaus: ohjaajalla on oikeus sallia tai rajoittaa käyttöä perustellusti.
3. Prosessi ja roolit
Ohjaaja määrittää yhdessä opiskelijan kanssa tekoälyn käytön tavoitteet, rajat ja ajoituksen.
Opiskelija tuottaa oman analyysin ennen tekoälyn hyödyntämistä ja dokumentoi kaikki vaiheet.
Opiskelija kuvaa tekoälyn käyttöä opinnäytetyössä lomakkeella suunnitelma tekoälyn käytöstä opinnäytetyössä (linkki) sekä kertoo, opinnäytetyö-/tutkimussuunnitelmassa suunnitellusta käytöstä.
4. Sallitut ja kielletyt käyttötavat
Sallitut: vaihtoehtoisten luokittelujen ideointi, koodien konsolidointi, tulkinnan reflektointi, raportoinnin jäsentäminen (ei sisällön keksiminen).
Kielletyt: tekoälyn käyttäminen ensisijaisena analyysimenetelmänä, tunnisteellisen aineiston syöttäminen suojaamattomiin palveluihin, tekoälytuotosten esittäminen omana työnä.
5. Tietosuoja ja eettisyys
Jotta aineistoa voi käsitellä tekoälyllä, siitä on informoitava osallistujia käyttäen hyväksi lomaketta Tiedote opinnäytetyöhön osallistujille (linkki).
Jotta henkilötietoja sisältävää aineistoa voi käsitellä tekoälyllä, siitä on informoitava osallistujia tietosuojailmoituksessa (linkki)
Anonymisoi aineisto ennen käyttöä tai käytä organisaation hyväksymiä järjestelmiä.
Älä syötä erityisiin henkilötietoryhmiin tai salassa pidettäviin tietoihin liittyviä aineistoja julkisiin palveluihin.
Kirjaa loki: mitä dataa syötettiin, milloin ja mihin tarkoitukseen.
6. Arviointi ja laadunvarmistus
Opiskelijan on esitettävä kriittinen vertailu oman analyysinsa ja tekoälyn ehdotusten välillä (konfirmoivat/poikkeavat havainnot).
Perustele valinnat: miksi jokin tekoälyn ehdotus hyväksyttiin tai hylättiin?
Sisällytä työn rajaukset ja rajoitteet, mukaan lukien mallien ”musta laatikko” -luonne ja mahdolliset vinoumat.
7. Raportointivaatimukset
Kuvaa työkalut ja versiot, tehtävät, syötteiden tyyppi (esim. tiivistetyt katkelmat), arviointikriteerit sekä vaikutus johtopäätöksiin.
Liitä liitteeksi esimerkkiprompteja ja lyhyt loki, jos se on mahdollista ilman tietosuojariskiä.
8. Milloin käyttöä rajoitetaan?
Kun tietosuoja tai sopimusehdot eivät mahdollista aineiston käsittelyä.
Kun oppimistavoitteet edellyttävät, että opiskelija suorittaa analyysin kokonaan ilman tekoälyä.
Kun menetelmä (esim. Grounded Theory) korostaa tutkijan subjektiivista tulkintaa ja jatkuvaa vertailua.
9. Käyttöesimerkkejä (malliprompteilla)
Esimerkki 1 – Teemojen reflektointi: ”Olen koodannut seuraavat anonyymit katkelmat [X]. Ehdota korkeintaan 3 vaihtoehtoista teemaa ja perustele viittaamalla katkelmiin.”
Esimerkki 2 – Koodien yhdistäminen: ”Tässä lista koodeistani [Y]. Ehdota tapoja yhdistää päällekkäiset koodit ilman, että merkitys katoaa.”
Esimerkki 3 – Triangulointi: ”Vertaa omaa analyysiani [tiivistelmä] ja seuraavia tekoälyn tuottamia ehdotuksia. Mitkä ovat merkittävimmät erot ja mitä ne saattavat kertoa teoreettisista oletuksista?”
10. Vastuut ja seuranta
Ohjaaja vastaa linjauksesta ja siitä, että opiskelija ymmärtää ohjeet. Opiskelija vastaa tekoälyn käytön dokumentoinnista ja tulkintojen perustelemisesta. Laurea seuraa käytäntöjen toteutumista ja päivittää ohjetta tarvittaessa.