Tekoälyn mahdollisuudet oppimisen tukena – Chatbot erityisopiskelijoille
Särkiniemi, Mikko (2025)
Särkiniemi, Mikko
2025
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2025120131070
https://urn.fi/URN:NBN:fi:amk-2025120131070
Tiivistelmä
Opinnäytetyössä kehitettiin tekoälypohjainen chatbot, jonka tarkoituksena oli tukea erityisopiskelijoiden oppimista ja ohjausta koulutusympäristössä. Työn taustalla oli Haaga-Helian opettajan havaitsema tarve luoda saavutettava ja yksilöllisesti mukautuva järjestelmä, joka hyödyntää tekoälyä tiedonhaun ja opintojen tukena. Tavoitteena oli suunnitella ja toteuttaa RAG-arkkitehtuurin (Retrieval-Augmented Generation) perustuva chatbot, joka yhdistää tiedonhakua ja generatiivista tekoälyä hyödyntävän vastausmallin.
Tietoperusta muodostui luonnollisen kielen käsittelyn (NLP) ja suurten kielimallien (LLM) teoreettisesta tarkastelusta. Lisäksi työssä syvennyttiin RAG-menetelmän keskeisiin osa-alueisiin, kuten embeddingiin, chunkingiin ja vektorihakuun. Toteutuksessa hyödynnettiin TypeScript-ohjelmointikieltä, Express-palvelinympäristöä. OpenAI:n ChatGPT-rajapintaa sekä MongoDB-tietokantaa. Järjestelmä rakennettiin vaiheittain käyttäjätarinoiden avulla ja siihen sisällytettiin hallintakäyttöliittymä tietosisällön ylläpitoa varten.
Työn tuloksena syntyi teknisesti toimiva ja pedagogisesti saavutettava chatbot, joka tarjoaa selkokielisiä vastauksia ja tukee opiskelijoiden itsenäistä tiedonhakua. Tavoitteet saavutettiin asetettujen rajausten puitteissa, vaikka automaattista testausympäristöä ja CI/CD-käytäntöjä ei sisällytetty projektiin. Arvioinnin perusteella ratkaisu soveltuu laajennettavaksi muillekin oppijaryhmille ja toimii esimerkkinä siitä, miten tekoälyä voidaan hyödyntää saavutettavasti ja eettisesti koulutuksen digitalisaatiossa.
Tietoperusta muodostui luonnollisen kielen käsittelyn (NLP) ja suurten kielimallien (LLM) teoreettisesta tarkastelusta. Lisäksi työssä syvennyttiin RAG-menetelmän keskeisiin osa-alueisiin, kuten embeddingiin, chunkingiin ja vektorihakuun. Toteutuksessa hyödynnettiin TypeScript-ohjelmointikieltä, Express-palvelinympäristöä. OpenAI:n ChatGPT-rajapintaa sekä MongoDB-tietokantaa. Järjestelmä rakennettiin vaiheittain käyttäjätarinoiden avulla ja siihen sisällytettiin hallintakäyttöliittymä tietosisällön ylläpitoa varten.
Työn tuloksena syntyi teknisesti toimiva ja pedagogisesti saavutettava chatbot, joka tarjoaa selkokielisiä vastauksia ja tukee opiskelijoiden itsenäistä tiedonhakua. Tavoitteet saavutettiin asetettujen rajausten puitteissa, vaikka automaattista testausympäristöä ja CI/CD-käytäntöjä ei sisällytetty projektiin. Arvioinnin perusteella ratkaisu soveltuu laajennettavaksi muillekin oppijaryhmille ja toimii esimerkkinä siitä, miten tekoälyä voidaan hyödyntää saavutettavasti ja eettisesti koulutuksen digitalisaatiossa.
