Datalouhinnan avulla voidaan kerätä tietoa tulevaisuuden osaamisvaatimuksista ja hyödyntää tätä tietoa osaamisen ja koulutusten suunnittelussa, yritysyhteistyössä sekä maakunnallisessa työmarkkinaennakoinnissa.

Meri- ja valmistavan teknologiateollisuuden ennakointiin keskittyvässä Älykäs ennakointi -hankkeessa on tekoälyn avulla tunnistettu osaamissanoja ja sanojen verkostoja muun muassa työpaikkailmoituksista ja opinnäytetöistä. Alan vahvoina termeinä louhinnasta ovat nousseet esimerkiksi kestävä kehitys, data, tekoäly, automatiikka, robotiikka ja 3D, joiden ympärille muodostuu erilaisia sanaryppäitä ja jotka kiinnittyvät eri rajapintoihin. Yllä oleva kuva esittää datalouhintanäkymiä, joista on jalostunut mm. kestävän kehityksen koulutussisältöjä ja ennakointitaitojen kehittämisen aihioita.

Lisää keskustelua datalouhinnasta, tiedolla johtamisesta ja osaamisen ennakoinnista on tarjolla Älykäs ennakointi -hankkeen päätösseminaarissa 18.11.2022 Forum Marinumissa ja hybridinä. Ilmoittaudu mukaan!

Mitä louhimme – datalähteet

Älykäs ennakointi -hanke on valinnut louhittavaksi meriklusterin ja valmistavan teknologiateollisuuden alojen työpaikkailmoituksia Varsinais-Suomen alueelta, ennakoinnin ilmiöitä ja oppilaitoksiin liittyviä aineistoja. Kaiken tämän selaamiseen ihmistyönä kuluisi kuukausia, mutta tekoäly käsittelee aineistot hetkessä.

Louhinnan tavoitteena on ollut kerätä ennakointitietoa koulutusten kehittämistä varten, oppilaitos-yritysyhteistyöhön ja kohtaantoon työmarkkinoilla. Jotta voitaisiin ennakoida 3 – 5 vuoden päähän, on valittu data-aineistot tätä ajatellen sekä tarkasteltu myös nousevia ja laskevia trendejä sekä tehty vuositasojen välisiä vertailuja.

Louhittavina aineistoina ovat olleet:

• Ammattikorkeakoulujen Theseus-opinnäytetyötietokanta; noin 120 000 opinnäytetyön otsikot ja abstraktit. Ajatuksena on ollut, että opinnäytetöihin valikoituu uusia, nousevia aihealueita, jotka sekä opiskelijat että yritystoimeksiantajat kokevat ajankohtaisiksi ja merkittäviksi.
• Teknologia-alan koulutusten ammatilliset e-perusteet (56 kpl). Valittujen tutkintojen perusteiden joukossa on perus-, ammatti- ja erikoisammattitutkintoja.
• 300 valitun meriklusterin ja valmistavan teknologiateollisuuden yrityksen työpaikkailmoituksen sisältö Varsinais-Suomesta 2019–2022. Tämä aineisto tarjoaa ajankohtaisen tiedon lisäksi nousevaa ja laskevaa trenditietoa vuosilta 2019-2022.
• Turun yliopiston tulevaisuuden tutkimuskeskuksen futurologien tuottama trendi- ja ilmiökortiston sanasto (otanta kesäkuussa 2022). Samaa ilmiökortistoa hyödynnetään myös Ennakointiakatemian ennakointiryhmissä, kun keskustellen valitaan ilmiöitä kartalle.

Mitä halusimme tietää – ja mitä löytyi?

Hankkeessa keskeisenä toimintana on ollut kerätä ja jalostaa ennakointitietoa oppilaitosten ja yritysten tarpeisiin. Tavoitteena on osaamisen kehittäminen ennakointitietoa käyttäen. Ennakointitietoa on kerrytetty koko hankkeen ajan myös mm. yrityshaastatteluista, Ennakointiakatemian työryhmätyöstä sekä hankeoppilaitosten erilaisista palautekanavista. Hankkeen suunnittelusta alkaen ennakointitiedon keräämistä on haluttu laajentaa datalouhinnan avulla tehtäväksi, ja samalla on haluttu  arvioida tiedolla johtamisen pilottia ja mallintaa datan eri käyttötapoja.

Kaikki louhimamme data-aineistot ovat olleet tekstimuotoista dataa. Se on luonnollista kieltä, jonka hyödyntäminen vaatii erilaisia teknisiä toteutuksia kuin numerodatalla laskeminen. Louhijana on toiminut Headai, jonka dynaaminen ontologia koostuu miljoonista sanoista. Tekoäly on rakentanut sanaston lukemalla mm. uutisia, työpaikkailmoituksia, tiedeartikkeleita ja wikipediaa eri kielillä. Merkityksellisiä sanoja on n. 90 000 – 120 000, ja niistä työmarkkinaan liittyviä sanoja on noin 40 000.

Osaamisen kehittämisen näkökulmasta olemme kiinnittäneet erityistä huomiota osaamissanojen klusteroitumiseen ja ryppäisiin. Termit ovat liittyneet toisiinsa eri tavoin ja ne ovat myös verkottuneet, jolloin on voitu kerätä havaintoja aihealueittain. Sanaryppäitä ja termien tarkastelua on voitu käyttää esimerkiksi koulutussuunnittelun ideoinnissa ja olemassa olevien koulutusten modernisoinnissa. On myös tarkasteltu millaiset termit pysyvät koulutusaloilla ja mitkä leviävät rajapinnoille. Tämä tarkastelu tuo näkemyksiä koulutusalojen raja-aidat ylittävään osaamissuunnitteluun.

Työpaikkailmoitukset ovat tuottaneet sanastoa, jota olemme vertailleet sekä e-perusteisiin että opinnäytetyösanastoon. Ristiinajoissa on voitu havaita, että osa sanastosta on yhteistä, mutta osa vain toiseen datalähteeseen kuuluvaa. On tärkeää käydä keskustelua siitä, opetammeko niitä aiheita, joita työpaikkailmoituksissa kysytään, ja millaisia painoarvoja näillä aihealueilla on. Työpaikkailmoitusten sanamäärät ovat toimineet myös tiettyjen osaamisten mittareina ja mm. niistä on avattu keskustelua yritysten suuntaan.

Kokonaisuudessaan data-analyysi on  käynnistänyt keskustelua ensin oppilaitosten sisällä ja sitten eri oppilaitostasojen kesken. Edelleen keskustelu on laajentunut yrityksiin ja sidosryhmiin, jolloin data-analyysistä on sekä jaettu tietoa että data-analyysin tuloksia on pyritty myös yhdessä validoimaan.

On tiedostettava, että tekoälyn tuottama tieto vaatii aina ihmisälyn analyysiä. Raakadatassa olevaa kohinaa, eli epäolennaista tietoa on poistettava käytettävyyden vuoksi, eikä tulosta synny ilman, että löydöksistä käydään keskustelua.

Tulokset hyödyksi osaamissuunnittelussa

Älykäs ennakointi -hankkeen datalouhintapilotissa tärkeää on ollut myös matka, ei pelkkä lopputulos. Tiedolla johtamisesta on tullut kaikille hanketoimijoille sekä kokemusta että näkemystä. On hahmotettu, mihin data-analyysiä kannattaa käyttää ja mitä voidaan ajatella tiedon luotettavuudesta eri käyttökohteissa.

Osaamis- ja koulutussuunnitteluun datalouhinnan tulos on tuonut paljon mahdollisuuksia alkaen ideointivaiheesta ja jatkuen sisällön rakentamiseen. Voidaan ajatella, että työpaikkadata kertoo nykyhetken konkretiasta, mutta trenditiedolla lisättynä siihen saadaan uutta näkökulmaa. Ristiinajot tuovat mukaan vielä uusia aihioita. Tarkkakin analyysi onnistuu, esimerkiksi ammattikorkeakoulu on käyttänyt Theseus-louhinnan tuloksia selvittääkseen valmistavaan teollisuuteen työllistyvien koneinsinöörien osaamistarpeita.

Ennakointiosaamisen ja tulevaisuuslukutaidon vahvistamisessa on myös testattu datalouhintatulosten hyödyntämistä oppilaitosten henkilöstökoulutuspäivissä hyvin tuloksin. Pilotoitavaksi on tulossa myös ammattikorkeakouluopiskelijoiden ennakointitapahtuma.

Datalouhinnan tuottama ennakointitieto yhdistyy muuhun ennakointitietoon monin tavoin, ja voi tuoda vahvistavan tai usein myös vaihtoehtoisen näkökulman keskustelunavauksiin yritys-oppilaitosyhteistyössä ja maakunnallisessa ennakoinnissa.

Lue lisää: Esitys Pedaforumissa 24.-25.8.2022  Marko Kortetmäki, Sakari Koivunen, Anneli Frantti
Linkki:  PEDAFORUM Data-analyysi vahvistaa koulutussuunnittelua