Systemaattinen kirjallisuuskartoitus personoidun tekoälyohjaajan luomisesta ohjelmoinnin perusteiden opetukseen

Abstract

Generatiivisten kielimallien yleistyminen on lisännyt kiinnostusta tekoälypohjaisiin opetusjärjestelmiin erityisesti tilanteissa, joissa opiskelijamäärät ovat suuria ja yksilöllisen ohjauksen tarjoaminen on resurssien vuoksi haastavaa. Tässä kandidaatintyössä tarkastellaan tekoälyohjaajien teknisiä toteutuksia systemaattisen kirjallisuuskartoituksen avulla.

Tutkimuksen tavoitteena on jäsentää, millaisia teknisiä ratkaisuja ja arkkitehtuurisia lähestymistapoja tekoälyohjaajissa hyödynnetään, millaisia kielimalleja niissä käytetään sekä mitä rajoitteita ja teknisiä haasteita toteutuksiin liittyy. Aineisto koostuu vertaisarvioiduista tutkimuksista, jotka on valittu systemaattisen hakuprosessin perusteella.

Tulokset osoittavat, että tekoälyohjaajien toteutuksissa keskeisessä roolissa ovat generatiiviset kielimallit, joita tuetaan usein hakutehostavan generoinnin (RAG) kaltaisilla menetelmillä vastausten luotettavuuden parantamiseksi. Älykkäiden opetusjärjestelmien (ITS) viitekehys esiintyy keskeisenä rakenteellisena lähtökohtana, vaikka sen toteutustavat mukautuvat kielimallipohjaisiin ratkaisuihin. Tutkimuskenttä on kuitenkin vielä varhaisessa kehitysvaiheessa, mikä näkyy terminologian epäyhtenäisyytenä.

The increasing prevalence of generative language models has intensified interest in AI-based tutoring systems, particularly in situations where student numbers are large and providing individualized instruction is challenging due to limited resources. This bachelor’s thesis examines the technical implementations of AI tutors through a systematic literature review.

The objective of the study is to structure the technical solutions and architectural approaches employed in AI tutors, to identify the types of language models utilized, and to examine the limitations and technical challenges associated with their implementation. The material consists of peer-reviewed studies selected through a systematic search process.

The results indicate that generative language models play a central role in AI tutor implementations and are often supported by methods such as Retrieval-Augmented Generation (RAG) to improve response reliability. In addition, the Intelligent Tutoring Systems (ITS) framework remains a key structural foundation, although its implementations are adapting to language-model based solutions. However, the research field is still at an early stage of development, as reflected in terminological inconsistency.