14.1.2020

Digitalisaatio lisää työpaikoilla monenlaisen automaattisesti kerääntyvän datan määrää. Esimerkiksi järjestelmien lokitietoihin kertyy aikaleimattua dataa, kun työntekijät käyttävät ohjelmia.

Nyt päättyneessä tutkimushankkeessa aineistona käytettiin yhden ammattikorkeakoulun Moodle-järjestelmän lokitietoihin jääviä opetustyötä tekevien käyttötapahtumia yhteensä 63 viikolta. Kaikkiaan näitä lokitietoja, rivejä, kertyi tuona aikana 2,8 miljoonaa kappaletta. Kun Moodlesta kerättyä dataa tarkasteltiin yhdessä sairauspoissaolotietojen kanssa, havaittiin, että ammattikorkeakoulun opettajilla syksyn kiivaat työrupeamat ja lyhyet sairauspoissaolot kulkevat samassa viikkotahdissa. Toisaalta, loppukeväästä, kun arviointia tehdään intensiivisesti,  poissaolohuippuja ei kehity, kun kaiken muun tekemisen intensiteetti laskee.

–  Oleellista  tutkimushankkeessa oli osoittaa, että uusi menetelmä avaa uusia mahdollisuuksia työhyvinvoinnin kehittämiseen tekoälyn avulla, erikoistutkija Tiina Kalliomäki-Levanto Työterveyslaitoksesta korostaa.

Tekoäly apuna datamassan seulonnassa

Työterveyslaitoksessa kehitetyn uuden menetelmän avulla työdataksi kutsuttua dataa voidaan hyödyntää jatkuvan tilannekuvan luomiseen työstä. Aiemmin tätä tietoa on kerätty lähinnä kyselyillä esimerkiksi kahden vuoden välein.

Tekoäly tunnisti ammattikorkeakoulun aineistosta 17 käytäntöä. Käytännöt liittyivät kurssien suunnitteluun, opiskelijan edistymisen seurantaan ja arviointiin, yhteydenpitoon ja käyttöoikeuksiin. Viikkotason tarkastelu tehtiin käytäntöjen lisäksi sairauspoissaoloista sekä opetustapahtumien kestosta, määrästä ja yhteistyöstä. Uudella menetelmällä työstä saadaan tietoa, jonka avulla viikkotason vertailut ovat mahdollisia.

– Tämä avaa kokonaan uusia mahdollisuuksia työn ja työhyvinvoinnin kehittämiselle. Jos tulevaisuudessa esimerkiksi opettajien viikkorytmien seuranta on automaattista, saadaan kehittämistyöstäkin jatkuvaa palautetta, Kalliomäki-Levanto kertoo.

Työdatan tarkastelu avasi oven tarkastella kaikkea aikaleimattua tietoa rytmeinä tai trendeinä. Työpaikoilla esimerkiksi juuri sairauspoissaoloja on perinteisesti tarkasteltu keskimääräisinä lukuina vuodessa. Kun poissaoloja tarkastellaan viikoittaisina trendeinä, on huippuviikkojen havaitseminen mahdollista.

– Näin henkilöstöryhmät voivat heti ryhtyä arvioimaan, mitä viikoittaisten poissaolohuippujen ympärillä heidän konkreettisissa työkäytännöissään tapahtuu, Kalliomäki-Levanto kuvaa.

Tutkimusta rahoitti Työsuojelurahasto. Tutkimusryhmä jatkaa työdatan algoritmin kehittämistä digitalisoituvan työn kehittämiseen.