Laadullisen datan koodaaminen määrälliseksi

Kokeilun tarve ja tavoitteet

Nuorisopalveluissa kerätään paljon laadullista dataa, kuten nuorisotalojen henkilökunnan kirjauksia, joita voitaisiin hyödyntää palveluiden kehittämisessä, resurssien kohdentamisessa ja ilmiöiden tunnistamisessa. Tällä hetkellä aineistoa ei kuitenkaan voida hyödyntää perusteellisesti, sillä sen analysointi vaatisi muuttamista määrälliseen muotoon.

Kokeilussa kehitetään tapa muuntaa laadullinen data systemaattisesti numeeriseksi, jolloin sitä voidaan hyödyntää tiedolla johtamisen apuna. Tavoitteena on parantaa nuorille tarjottavien palveluiden laatua, tehokkuutta ja vaikuttavuutta hyödyntämällä dataa nykyistä monipuolisemmin.

Kokeilun eteneminen

Kokeilussa luodaan tekoälyavusteinen työkalu, joka muuntaa nuorisopalvelujen tekstimuotoiset kirjaukset numeeriseen muotoon jatkoanalyysia varten.

Ensin valittu otos nuorisotalojen kirjauksia käsitellään tietoturvallisesti Microsoft-ympäristössä ja tiedot muokataan tiedonlouhintaan ja määrälliseen analyysiin sopiviksi. Tämän jälkeen luodaan tekoälyä hyödyntävä keskusteleva Teams-botti, joka tunnistaa dokumenteista toistuvia teemoja ja avainsanoja sekä tiivistää ne numeeriseen muotoon. Botti mahdollistaa myös kysymysten esittämisen käsiteltävästä datasta.

Kokeilun aikana työkalu pilotoidaan valitun testiryhmän kanssa ja sen toiminnallisuuksia muokataan käytännön tarpeiden pohjalta.

Kokeilun opit

Kokeilussa kehitettiin tekoälyavusteinen työkalu, jonka avulla nuorisotyön laadullisia kirjauksia voidaan muuttaa numeeriseen muotoon ja analysoida systemaattisesti. Datasta onnistuttiin työkalun avulla poimimaan toistuvia ilmiöitä, analysoimaan niiden yleisyyttä sekä vertailemaan tapahtumia suhteessa kävijä- ja osallistujamääriin ja työtunteihin. Lisäksi työkalu tuotti ilmiöistä visuaalisia esityksiä, jotka helpottivat tiedon hahmottamista.

Kokeilu osoitti, että tekoäly voi merkittävästi nopeuttaa analyysityötä. Sen avulla voidaan tarkastella niin nuorisotyön resurssitarpeita suhteessa ilmiöiden yleisyyteen eri alueilla kuin seurata ilmiöiden kehittymistä ajassa.

Suositukset jatkotoimenpiteiksi

Jatkokehityksessä työkalua tulisi kehittää siten, että se mahdollistaa suurten aineistojen tietoturvallisen ja jatkuvan analyysin. Näin nuorisotyössä syntyvää laadullista tietoa voitaisiin hyödyntää päätöksenteon ja resurssien kohdentamisen tukena. Datan avulla olisi mahdollista tunnistaa riskissä olevia nuoria jo varhaisessa vaiheessa ja suunnata tukea aiempaa vaikuttavammin.

Ensivaiheen kehityskohteita ovat esimerkiksi dynaamiset suodatus- ja hakutoiminnot. Pidemmällä aikavälillä työkalua voidaan kehittää ennakoivampaan suuntaan, kuten tukemaan lisäkysymyksiä, personointia ja tekoälyagenttien hyödyntämistä.

Kokeilun projektipäällikkö

Marjaana Martínez de Pinillo, Marjaana.MartinezdePinillo@hel.fi, Kulttuuri- ja vapaa-ajan toimiala