Esityksessä katsotaan julkisten palvelujen digitaalista transformaatiota ruohonjuuritasolta ja haavoittuvassa asemassa olevien kansalaisten näkökulmasta. Kenen etuja teknologiakehitys palvelee? Miten elää teknostressin kanssa, jota algoritmiset järjestelmät aiheuttavat kansalaisille, kun hallinnollista työtä siirtyy itsepalvelussa viranomaisilta kansalaisten tehtäväksi. Miten data-robotiikka toimii terveydenhuollossa ja millaista on kun työkaverina on robotti? Miten algoritminen vallankäyttö poikkeaa viranomaisten ja poliitikkojen päätöksiin perustuvasta vallankäytöstä? Kiinnostaako viranomaisia vielä kansalaisen tahto vai ohjaako päätöksentekoa enemmän kansalaisista kerätyn datan tuottama tilannekuva? Miten muutokset vaikuttavat demokratian toimintaedellytyksiin?

Livetiede-esityksen ensi-ilta on Helsingissä Tekstin talon Parvisalissa 27.2. Esitys on mahdollista nähdä myös Tampereella 1.4.2026, Teatteri Telakassa. Esitys toteutetaan livetiede-konseptilla, jossa perinteisen tiedeviestinnän sijasta käytetään esittävän taiteen ja dokumenttiteatterin keinoja. Esityksen käsikirjoitus on toteutettu tutkijoiden sekä kirjailija ja teatteriohjaaja Hanna Rytin yhteistyönä. Hanna Ryti myös ohjaa esityksen. Tutkijat esiintyvät elävän yleisön edessä yhdessä näyttelijöiden kanssa.

Livetiede-esityksen tekemistä ovat rahoittaneet Tieteen tiedotus ry, Koneen Säätiö, DigiSus ja Otto A. Malmin lahjoitusrahasto. HELPDESK-112 -esityksien tuotannosta vastaavat yhteistyössä Kriittinen korkeakoulu ry ja DIG1t0.

Lipunmyynti alkaa tammikuussa 2026 livetiedekonseptin sivuilla: selittavatekija.fi

Artikkeli DataLit- hankkeen tutkija mukana livetiede-esityksessä julkaistiin ensimmäisen kerran Dataliteracy.

DataLit-hanke järjestää yhdessä Generation AI-hankkeen kanssa kirjan ”50 myyttiä tekoälystä ja datasta” julkaisutilaisuuden tiistaina 20.1. keskuskirjasto Oodissa. Kirjassa keskustellaan sekä datasta että tekoälystä monitieteellisestä näkökulmasta yleistajuisesti, kaikille kiinnostuneille sopivalla tavalla. Kirja tuo esille tekoälyyn ja dataan liitettyjen teknisten käsitysten ohelle niin yhteiskuntatieteellisen, kasvatustieteellisen kuin oikeustieteellisen näkökulman.

Julkaisutilaisuus järjestetään 20.1.2026 Keskustakirjasto Oodin Saarikoski-mattolla (3. krs) klo 17-18.

Tilaisuus on avoin kaikille aiheesta kiinnostuneilla. Keskustelemassa on kirjan kirjoittajia eri tieteenaloilta DataLit -ja Generation AI – hankkeesta.

Artikkeli Kirjan 50 myyttiä tekoälystä ja datasta julkaisutilaisuus julkaistiin ensimmäisen kerran Dataliteracy.

Ensimmäisissä luukuissa on puhuttu mm. siitä missä data sijaitsee, kuka omistaa datan ja onko yksilöllä mahdollista vaikuttaa datan keräämiseen.

Joulukalenterin ”24 myyttiä tekoälystä ja datasta” voit löytää täältä.

Artikkeli DataLit ja GenerationAI – hankkeiden joulukalenteri julkaistiin ensimmäisen kerran Dataliteracy.

Miksi tällainen kirja tehtiin?

Tekoälystä ja datasta puhutaan nyt paljon. Asiaan liittyy paljon hypeä mutta myös pelkoja ja väärinkäsityksiä. Marianna Mäkelin, Elisa Silvennoinen ja Kati Mäkitalo avaavat asiaa tuoreessa toimittamassaan tietokirjassa 50 myyttiä tekoälystä ja datasta.

”Ihmisten on vaikea hahmottaa, mitä kaikkea tekoälyllä voi tehdä ja mitä datasta voi päätellä. Teeman ympärillä liikkuu kaiken maailman kansantarinoita ja myyttejä. Tämä kirja purkaa tavallisia ja hieman epätavallisiakin väärinkäsityksiä ja murskaa myyttejä. Siten voidaan oikeasti ymmärtää, mihin tekoäly ja data taipuvat”, Karoliina Snell sanoo. Hän on yksi kirjan 30:stä kirjoittajasta.

”Keskustelu erityisesti tekoälystä on yksipuolista ja se keskittyy usein generatiivisen tekoälyn ympärille. Hypen lisäksi puheissa on paljon uhkakuvia”, Elisa Silvennoinen, yksi kirjan toimittajista kertoo.

Kirjassa keskustellaan sekä datasta että tekoälystä monitieteisestä näkökulmasta eli ei puhuta pelkästään teknisistä näkökulmista käsin. Siinä avataan erilaisia tekoälyyn ja dataan liitettyjä käsityksiä niin yhteiskuntatieteen, kasvatustieteen kuin oikeustieteenkin näkökulmista – mutta yleistajuisesti.

Kirjassa on muutakin sisältöä kuin datan ja tekoälyn yksityisyysriskit.

”Kirjassa avataan tekoälyn ja datan yhteenliittymistä ja kumpaakin arkipäiväistetään”, Elisa Silvennoinen kertoo.

”Ja ihan arjessa meistä kaikista kerätään dataa – ja toimiakseen tekoäly tarvitsee dataa”, Kati Mäkitalo jatkaa.

Kirja sopii luettavaksi ihmiselle, joka on kiinnostunut tekoälytutkimuksesta ja datan ja tekoälyn asemesta yhteiskunnassa ja ihmisten arjessa.

”Kirja on kirjoitettu kaikille suomalaisille, joita mietityttää, onko se mitä naapuri puhui tekoälystä totta vai humpuukia”, Karoliina Snell sanoo.

”Se sopii kevyeksi alkusysäykseksi aiheesta laajemmin kiinnostuneelle sekä yleissivistäväksi teokseksi kenelle tahansa. Lisäksi lyhyet tekstit ja yleistajuinen tyyli sopivat moneen tilanteeseen”, Elisa Silvennoinen lisää.

Marianna Mäkelin, Elisa Silvennoinen & Kati Mäkitalo (toim.): 50 myyttiä tekoälystä ja datasta. Vastapaino 2025, 160 s.
Kirjan voi myös lukea avoimena nettijulkaisuna.

Artikkeli Uusi kirja data- ja tekoälymyyteistä julkaistiin ensimmäisen kerran Dataliteracy.

Datalukutaito ja vastuullinen päätöksenteko (DataLit): 50 myyttiä tekoälystä ja datasta

Marja Alastalo (Itä-Suomen yliopisto) ja Maarja Tuovinen (Helsingin yliopisto)

Marja ja Maarja keskustelevat uudesta kirjasta ”50 myyttiä tekoälystä ja datasta”, jossa murskataan väärinkäsityksiä datasta ja pohditaan, onko tekoälyyn liittyvissä kansantarinoissa mitään perää. Kirjan ovat kirjoittaneet eri tieteenalojen tutkijat DataLit ja GenerationAI -hankkeista ja sen tarkoituksena on auttaa lukijaa tunnistamaan tekoälyyn liittyvät päättömät uhkat ja lupaukset ja hahmottamaan, että suurellakaan määrällä dataa ei aina pystytä tuottamaan luotettavia tuloksia

Teknologisia ja sosiaalisia innovaatioita kriittisen lukemisen tukemiseen internetin aikakaudella (CRITICAL): Critical News – aiheena lasten ja nuorten kriittinen lukutaito

Kristian Kiili (Tampereen yliopisto), Elina Hämäläinen (Jyväskylän yliopisto/ Tampereen yliopisto) ja Petteri Muukkonen (Helsingin yliopisto)

Uutiskatsauksessa perehdytään Critical-hankkeen tutkimuksiin, joissa on tarkasteltu lasten ja nuorten kriittistä lukutaitoa ja sen edistämistä. Saamme tietoa diagrammien ja karttojen kriittisestä lukemisesta sekä oppilaiden taidoista arvioida tekstien luotettavuutta. Mukana myös reportaasit kodin ja koulun roolista kriittisen lukutaidon tukijana. Lisäksi haastattelimme asiantuntijoita, lukiolaista ja vanhempaa kriittisen lukutaidon merkityksestä.

Suomalainen tiedepääoma ja sen kasvattaminen (FINSCI): Tieteestä kaikkien pääomaa

Katri Saarikivi (Helsingin yliopisto)

Osaavatko vain tutkijat tehdä tiedettä? Ja mitä iloa tieteen maailma voi arkeemme tuoda? Tässä puheenvuorossa sukelletaan siihen millä tavalla tiede tulee maailmassamme lähelle ihmistä. Ihmiset ovat tieteen menetelmän keksineet, ja tiede kuuluu tästä näkökulmasta kaikille. On myös niin, että tieteellä ei ole arvoa, ellei se jollain tapaa ihmistä hetkauta. FINSCI-hanke pyrkiikin poistamaan turhia esteitä tieteen ja siitä hyötyvän ihmisen välistä. Hankkeessa on tutkittu suomalaista tiedepääomaa, eli sitä, miten tieteen eri puolet näkyvät meidän elämässämme ja arjessamme. Hankkeen on myös kehitetty keinoja tukea tiedepääoman kertymistä niin kouluissa, oppilaitoksissa ja kodeissa kuin tiedekeskuksissakin.

Tietoon pohjautuva jaettu päätöksenteko terveydenhuollossa (PROSHADE): Lääkärin vastaanotto on kahden asiantuntijan vuorovaikutusta

Jorma Komulainen, Virpi Jylhä (Itä-Suomen yliopisto) ja Sakari Ilomäki (Tampereen yliopisto)

Vastaanotolla toisensa kohtaavat kaksi asiantuntijaa vuorovaikutustilanteessa – lääkäri on lääketieteen asiantuntija ja potilaalla on ainutlaatuista tietoa hoidettavasta henkilöstä eli itsestään. Molempien tietoa ja aktiivisuutta tarvitaan vaikuttavimman hoidon löytämiseksi. Potilaan osallistuminen hoitopäätöksiin on toimintakulttuuri, joka saattaa vaatia potilaaltakin asenteen ja ajattelutavan oivaltamista. Aiheesta keskustelevat PROSHADE-hankkeen asiantuntijat Jorma Komulainen, Virpi Jylhä ja Sakari Ilomäki. Jorma Komulainen on lastenendokrinologian erikoislääkäri ja emeritus Käypä hoito -päätoimittaja. Virpi Jylhä toimii tutkijatohtorina Itä-Suomen yliopistossa ja tutkimuksen erityisasiantuntijana Pohjois-Savon hyvinvointialueella. Tutkijatohtori Sakari Ilomäki tutkii potilaan ja lääkärin välistä vuorovaikutusta Tampereen yliopistossa.

Lainsäädännön vaikutukset hiljaisiin toimijoihin: riittämättömästä tietoperustasta osallistaviin ratkaisuihin (SILE): Vaietut äänet lainvalmistelussa, mistä on kyse?  

Kati Rantala (Helsingin yliopisto)

Kuullaanko sinua lainvalmistelussa? Jos ei, niin pitäisikö ja miten? Vaietut äänet lainvalmistelussa voivat johtaa lainsäädäntöön, joka ei ole täysin oikeudenmukaista, ei vastaa kaikkien kansalaisten tarpeita tai voi johtaa vakaviin haittoihin kohteena olevien ryhmien kannalta. Tämä korostaa osallistuvan kuulemisen tärkeyttä, jotta kaikki näkökulmat tulevat huomioiduksi lainsäädäntöprosesseissa. Toisaalta kaikkia näkökulmia ei voi aina ottaa huomioon, jos ne ovat ristiriidassa keskenään. Keitä silloin kuullaan tarkimmin? Kati Rantalan esitys avaa lainvalmistelun dilemmoja. 

(esitysten järjestys saattaa muuttua)

Artikkeli DataLit-hanke on mukana YLE Areenan lähetyksessä 25.9.2025 julkaistiin ensimmäisen kerran Dataliteracy.

Teksti: Maarja Tuovinen

DataLit -hanke oli mukana järjestämässä huhtikuun alussa Työterveyslaitoksen, FCAI:n ja SHIELD-ohjelman kanssa ”Tutkimuksen kohteena tekoäly ja työelämä” -keskustelutilaisuutta. Tilaisuudessa keskusteltiin tutkijoiden ja työelämän edustajien kanssa tekoälyn roolista tulevaisuuden työelämässä; sen mahdollisuuksista ja heikkouksista. Puheenvuoroissa esiteltiin muun muassa tämänhetkisiä tutkimuksia tekoälystä, miten tekoälyä olisi mahdollista hyödyntää työelämässä ja millaisia kysymyksiä tulisi pohtia tarkemmin. Keskustelun perusteella hyödyntämismahdollisuuksia on vielä enemmän, mutta samalla on pohdittava tarkemmin niitä haittoja ja harmaita alueita, joita tekoälyn käyttöön liittyy. Tämän lisäksi keskustelua käytiin siitä, miten tekoälyn käyttäminen työelämässä olisi vastuullisempaa ja peräänkuulutettiin politiikkatoimia, jotta tekoälyn käyttö olisi vastuullisempaa.

Tekoälyä koskeva tutkimus on kasvanut viime vuosien aikana. Tutkimuksessa on käsitelty muun muassa tekoälyn vaikutuksia eri toimialoilla ja työpaikoilla, miten sen avulla voidaan parantaa työturvallisuutta ja millaisia vinoumia tekoälyn käyttöön liittyy. Tutkimukseen liittyy kuitenkin vielä haasteita, kuten Anna-Mari Walleberg (Helsingin yliopisto) esitti tilaisuudessa tutkimuksesta osallisuudesta tekoälyn ja demokratian näkökulmasta. Esityksen perusteella näyttää siltä, että tarvetta olisi kehittää erityisesti järkeviä tapoja hahmottaa ja mitata kompleksisia asioita, kuten tekoälyn vaikutuksia osallisuuteen ja demokratiaan. Samalla on huomioitava, että tekoäly ei ole neutraali, vaan sisältää vääristymiä, joiden korjaaminen ei ole niin helppoa. Pekka Tuominen (Helsingin yliopisto) korostikin puheessaan, että tekoälyn on oltava läpinäkyvää ja muokattavaa, jotta ongelmat on mahdollista huomata ja ne voidaan korjata.

Teknologian kehittyessä tekoälyn ympäristövaikutukset ovat nousseet yhä keskeisemmäksi kysymykseksi. Tekoälyn ilmastovaikutuksia on haastavaa mitata, mutta kuten Laura Ruotsalainen (Helsingin Yliopisto) esitti, tekoäly tuo mahdollisuuksia ja sen vaikutukset ovat enemmän positiivisia kuin negatiivisia. Tästä yksi esimerkki on työturvallisuuden edistäminen, josta Anna-Maria Taperi (Työterveyslaitos) kertoi. Toisaalta tutkimusta ja toimintakulttuurin syvempää muutosta kaivataan vielä ihmislähtöisen tekoälyn hyödyntämisessä työturvallisuuden parantajana. On syytä pohtia miten toimialat soveltavat tekoälyä, löytyykö tekoälyyn käytännönläheisiä malleja, voiko tekoälyyn luottaa ja millaisia uusia riskejä mahdollisesti voi tekoälyn käytön myötä syntyä. Tekoäly voi olla myös apuna työpaikkojen vihreässä siirtymässä, jota tutkitaan parhaillaan esimerkiksi työterveyslaitoksen toimesta.

Sen lisäksi, että tekoälyllä on mahdollisuuksia työturvallisuuden parantamisessa, voi se toimia myös alustana työikäisten oppimisen ja työpaikkojen laadun parantamisessa. Kun puhutaan työikäisten oppimisesta, on muistettava, että tekoälyä ei voida vain tuoda työpaikoille, vaan työntekijät pitäisi saada mukaan tekoälyn suunnitteluun, käyttöönottoon ja heitä tulisi kouluttaa myös sen käytössä. Tekoälyn käytön oppiminen ei saisi olla yksilön vastuulla, vaan työpaikkojen on otettava vastuuta sen opettamisessa. Tilaisuudessa peräänkuulutettiinkin selkeämpiä ohjeistuksia niin kansalliselta että Euroopan Unionin tasolta, jotta työelämään saataisiin yhtenäisempi linja tekoälyn käyttöönottoon ja sen kanssa toimimiseen. Onkin pohdittava, millainen rooli ihmisillä on tekoälyn kehityksessä, oppimisessa ja käytössä. Samalla on syytä muistaa, että tekoäly on kietoutunutta kaikkialla, jolloin sen kehittäminen, käyttöönotto ja muokkaaminen ei tulisikaan olla irrallaan käyttäjistä, vaan niitä tulisi tehdä yhdessä eri osapuolien kanssa.

Tekoäly on tullut osaksi jokapäiväistä elämää ja sitä hyödynnetään yhä enemmissä määrin työelämässä. Tekoälyyn liittyy kuitenkin monia haasteita, joita on syytä tutkia yhä tarkemmin. Samalla sen kehittyminen ei ole pysähtynyt, vaan uusia malleja, toimintoja ja alan valtauksia näkyy kaikkialla. Tämän vuoksi sekä paikallisella tasolla työnantajilla että kansallisella tasolla valtiolla ja eri instituutioilla on vastuu edistää työntekijöiden koulutusta ja käyttöönottoa. Samanaikaisesti on parannettava siihen liittyviä eettisiä ohjeistuksia ja varmistaa, että vinoumat ja jo olemassa olevat ongelmat eivät syvene entisestään. 

Artikkeli Tekoälyä ja työelämää julkaistiin ensimmäisen kerran Dataliteracy.

Hankkeen lausunnossa korostetaan, että henkilötietojen käsittelyn läpinäkyvyys on ollut haasteellista jo nykyisen lainsäädännön aikana ja se voi olla vielä haasteellisempaa hajautetussa mallissa. Hajautettu malli voi myös  luoda lupaviranomaisten “kilpailutusta” eli haetaan lupia sieltä, mistä niitä saadaan helpoimmin. Tämän lisäksi hallituksen esitys sote-tietojen toisiokäytöstä luo uusia epävarmuustekijöitä, kuten pystyvätkö hyvinvointialueet tarjoamaan oikeudelliset ja tietoturvalliset palvelut henkilötietojen käsittelyyn ja kantamaan tästä sekä oikeudelliset että taloudellisen vastuun. Hanke korostaa myös, että luonnoksen perusteella sekä rekisteröityjen oikeudet että tietoturva heikkenevät.

Hallituksen esityksen mukainen malli edellyttäisi, että nykyisen kaltainen järjestelmä käsitellä ja myöntää lupia sekä toteuttaa rekisteröityjen oikeuksia, rakennettaisiin kaikille hyvinvointialueille. Tämä edellyttäisi, että hyvinvointialueilla on tarvittava asiantuntemus arvioida käyttölupia sekä toteuttaa anonymisointi ja pseudoymisointi. Huomioitavaa on, että Euroopan tietosuojaneuvosto on suositellut henkilötietojen pseudonymisoinnin toteuttamista ulkopuolisen luotettavan tahon toimesta, joka tarkoittaisi, että pseudunymisointi täytyy olla eristettynä muusta organisaatiosta. Tätä hallituksen esitys ei ole huomioinut. DataLit- hanke ehdottaakin, että Findata suorittaa aineistojen anonymisoinnin ja tarkistaa hyvinvointialueiden anonymisoinnit. 

Eurooppalaisen terveysdata-alueen( EHDS) tarkoituksena on muun muassa eurooppalaisen tutkimuksen edistäminen ja EU:n sisäinen yhdenmukainen sääntely. Hallituksen esityksessä ei tarkenneta, mitä henkilötietojen kansainvälinen siirto tarkoittaa eli onko kyseessä EU:n sisäisestä vai kolmansiin maihin suuntautuvasta henkilötietojen siirrosta. Tämän lisäksi toisiokäytön ongelmaksi on muodostunut eri rekisteripitäjien perimien maksujen läpinäkymättömyys ja korkeat kustannukset luvanhakijoille. EHDS edellyttää maksujen läpinäkyvyyttä ja syrjimättömyyttä, johon hallituksen esityksellä pyritään vastaamaan. Esityksessä ei kuitenkaan ratkaista kysymystä yksittäisten tutkijoiden korkeista maksuista. 

Lue DataLit-hankkeen koko lausunto tästä.

Voit myös lukea blogipostauksen ”Rajoja ja rajatyötä terveysdatan hyödyntämisessä”, jossa pohditaan terveysdatan toisiokäyttöön liittyviä visioita.

Artikkeli Lausunto luonnoksesta hallituksen esitykseksi sosiaali- ja terveystietojen toissijaisesta käytöstä annetun lain ja eräiden muiden lakien muuttamisesta julkaistiin ensimmäisen kerran Dataliteracy.

Suomessa ja ympäri Eurooppaa pyritään saamaan erilaisissa rekistereissä olevat terveyteen, sairauksiin ja elämänlaatuun liittyvät tiedot monipuoliseen hyötykäyttöön. Poliittisena tavoitteena on, että terveysdataa voitaisiin hyödyntää tietoturvallisesti ja ilman turhia esteitä niin tutkimus- ja innovaatiotoimintaan kuin tietojohtamiseen eli niin sanottuun toisiokäyttöön. Toisiokäytöllä tarkoitetaan sitä, että dataa käytetään muuhun kuin siihen, mihin sitä on alun perin kerätty. Esimerkiksi hoitotilanteessa terveydenhuollossa kerättyjä tietoja toisiokäytetään lääketieteellisessä tutkimuksessa.

Koska tutkimuksessa, kehityksessä ja tietojohtamisessa tarvitaan usein tietoja eri lähteistä – esimerkiksi potilastietoja terveydenhuollosta, reseptitietoja Kelalta ja kuolemansyyt Tilastokeskuksesta – pitää eri rekisteritietoja myös yhdistellä. Tätä varten on luotu uutta lainsäädäntöä. Suomessa vuonna 2020 astui voimaan niin sanottu toisiolaki (Laki sosiaali- ja terveystietojen toissijaisesta käytöstä, 552/2019) ja perustettiin uusi lupaviranomainen Findata, joka antaa lupia aineistojen käyttöön ja yhdistää tietoja eri rekistereistä.

Eurooppalainen terveystietoalue

Samantapaisia hankkeita toisiokäytön edistämiseen on meneillään muissa Pohjoismaissa ja ympäri Eurooppaa. Euroopan Unionin kunnianhimoinen asetus eurooppalaisesta terveystietoalueesta tuli voimaan maaliskuussa 2025. Englanniksi asetuksen ja hankkeen nimi on European Health Data Space (EHDS), joten suomeksikin joskus puhutaan eurooppalaisesta terveysdata-avaruudesta. Ideana eurooppalaisessa terveystietoalueessa on, että ihmisten terveysdatat liikkuisivat nopeasti rajojen yli Euroopassa niin hoitokäyttöön kuin toisiokäyttöön.

Visiona kansallisesti ja eurooppalaisittain on, että erilaista dataa saadaan nopeasti ”yhden luukun” periaatteella eli ilman, että tarvitsee kysyä lupaa ja aineistoa erikseen jokaiselta eri rekisterinpitäjiltä. Tavoitteena on, että toisiolaki, Findata ja eurooppalainen terveystietoalue mahdollistavat nopean, saumattoman ja tietoturvallisen datan liikkumisen.

Kriittistä tutkimusta alueista, avaruuksista ja rajoista

Kirjoitimme DataLit- hankkeen tutkijoiden – Karoliina Snell, Heta Tarkkala & Aaro Tupasela – sekä norjalaisen (Heidrun Åm) ja tanskalaisten kollegoiden (Lotte Groth Jensen & Rasmus Mølgaard Hansen) kanssa artikkelin ”The politics of constructing health data spaces: Border work and the stickiness of fragmentation”,  jossa pohditaan kriittisesti yhden luukun periaatetta ja saumatonta datan liikkumista pohjoismaisten esimerkkien kautta. Artikkelissa analysoidaan, miten terveysdatan jakamista järjestetään Pohjoismaissa ja mitä haasteita ja rajoja datan nopean saatavuuden käytännöille ja visioille ilmenee.

Vaikka tavoitteena on, että terveysdata olisi helposti saatavilla ja irrotettavissa alkuperäisistä keräys- ja säilytyspaikoista, todellisuudessa data pysyy usein sidottuna näihin rakenteisiin ja olemassa oleviin käytäntöihin. Organisaatiossa ei esimerkiksi ole tarpeeksi resursseja ja työntekijöitä datan käsittelemiseen, niin että se saadaan liikkumaan eteenpäin. Tai kun dataa halutaan hyödyntää toisesta organisaatiosta, on vaikea saada tietoa siitä, mitä data oikeasti sisältää. Joskus lainsäädäntö ei salli tietyn tyyppisen datan yhdistämistä samaa reittiä pitkin. Esimerkiksi Findatan kautta ei saa geneettisiä tietoja, vaan niitä pitää hakea toisaalta.

Tämän seurauksena uusia luukkuja, reittejä ja data-avaruuksia pyrkii syntymään jo olemassa olevien rinnalle, ja tavoitteet yhdestä nopeasta luukusta osoittautuvat mahdottomiksi. Uudet infrastruktuurit ja reitit syntyvät ja toimivat rinnakkain vanhojen kanssa. Yhden luukun sijaan voi syntyä monen luukun ”joulukalentereja”. Rajat datan vapaalle liikkuvuudelle tulevat helposti vastaan ja uusia rajoja syntyy jokaisen uuden infrastruktuurin tai lainsäädännön myötä.

Suomen esimerkkinä Findata

Pian sen jälkeen, kun Findata aloitti toimintansa, tutkijat ilmaisivat huolensa Findatan riittämättömistä resursseista hallita ja nopeuttaa suurta määrää lupahakemuksia erilaisiin rekisteriaineistoihin. Monet hakemukset olivat monimutkaisia ja vaativat konsultointia eri rekisterinpitäjien kanssa, sillä vain he, jotka hallinnoivat dataa, omasivat tarvittavat tiedot tiettyjen datatyyppien saatavuuden mahdollisuudesta. Findatan oli jatkuvasti toimittava välittäjänä datan pyytäjien ja datan tarjoajien välillä, mikä loi pitkät odotusajat datan saamiselle.

Tämän ongelman ratkaisemiseksi Findata alkoi pyytää tutkijoita ottamaan yhteyttä jokaiseen rekisterinpitäjään erikseen ennen hakemuksen jättämistä Findatalle. Tämä varmistaisi, että kaikki heidän etsimänsä data olisi saatavilla. Näin ollen, vaikka pyrkimyksenä oli luoda yksi luukku datalle, aiemmat sidokset organisaatioihin jatkuvat ja syntyi ylimääräinen kierros, jossa dataa haluavien tuli olla yhteydessä rekisterinpitäjiin ennen hakemuksen tekemistä Findatalle.

Lisää luukkuja ja lisää rajoja?

Tänä keväänä julkaistiin hallituksen muutosesitys toisiolaista. Muutosehdotuksessa esitetään aiempaa joustavampaa ja hajautetumpaa mallia tietolupien, tietopyyntöjen ja tietoaineistojen käsittelyssä. Tämä esitys antaisi mahdollisuuden hakea toisiolain mukaisia lupia Findatan ohella myös hyvinvointialueilta. Toiveena olisi, että se nopeuttaisi lupaprosessien käsittelyä ja datan saantia. Artikkelimme löydökset kuitenkin korostavat, että kun luodaan uusia infrastruktuureita datan nopeaan ja saumattomaan hyödyntämiseen, tulee huomioida se, kuinka data tuppaa kiinnittymään olemassa oleviin käytäntöihin ja rakenteisiin, eikä rajoja ole helppo ylittää. Voit lukea DataLit-hankkeen lausunnon hallituksen esityksestä täältä.

Artikkeli Rajoja ja rajatyötä terveysdatan hyödyntämisessä julkaistiin ensimmäisen kerran Dataliteracy.

DataLit -hanke antoi lausunnon oikeusministeriön arviomuistiosta, joka koski hallinnollisten seuraamusmaksujen ulottamista julkisen sektorin organisaatioille tietosuojalainsäädännön rikkomisesta. 

Arviomuistio koskee tietosuoja-asetuksen mukaisen hallinnollisen seuraamusmaksun ulottamista myös julkisen sektorin organisaatioihin rekisterinpitäjinä. Tällä hetkellä julkisen sektorin organisaatioihin rekisterinpitäjinä ei kohdistu tietosuoja-asetuksen edellyttämää tehokasta ja ennaltaehkäisevää seuraamusta lain vastaisesta henkilötietojen käsittelystä. Eli tietosuojasääntelyn rikkomisesta voidaan määrätä hallinnollisia seuraamusmaksuja vain yksityisille toimijoille. 

Hankkeen lausunnossa korostetaan, että ilman sanktioita julkisen sektorin organisaatioille,  rekisteröityjen oikeuksien toteutuminen tietosuoja-asetuksen edellyttämällä tavalla vaarantuu eikä ole samalla tasolla kuin muissa jäsenmaissa.

Tietosuojalainsäädännön tarkoituksena on suojata ihmistä henkilötietojen takana, jolloin sillä ei ole merkitystä onko henkilötietojen käsittelijänä julkinen vai yksityinen taho. Rekisteröidylle ei yleensä ole mahdollisuutta vaikuttaa henkilötietojensa käsittelyyn julkisella sektorilla. Tämän lisäksi käsittely ei ole aina niin läpinäkyvää kuin tietosuoja-asetus edellyttäisi ja rekisteröidyn on vaikea tietää, miten hänen tietojaan esimerkiksi sote -sektorilla käytetään ensisijaisiin ja muihin, toissijaisiin tarkoituksiin. Tämän vuoksi on tärkeää korostaa, että rekisterinpitäjällä on aina vastuu henkilötietojen käsittelyssä.

DataLit-hankkeen lausunnossa korostetaan myös tarvetta tarkastella tietosuoja-asetuksen suhdetta EU:n uuteen digitaaliseen sääntely-ympäristöön. Esimerkiksi uusi eurooppalaista terveysdata-aluetta (EHDS) koskeva asetus,  antaa tietosuoja-asetusta vastaavan mahdollisuuden jäsenvaltioille rajata julkisen sektorin viranomaiset hallinnollisen seuraamusmaksun ulkopuolelle. Vastaava säännös sisältyy myös tekoälyä-asetukseen ja koskee sekä tekoälysovellusten kehittäjiä että käyttäjiä.

Lue DataLit-hankkeen koko lausunto tästä

Artikkeli Lausunto seuraamusmaksuista julkisille organisaatioille julkaistiin ensimmäisen kerran Dataliteracy.

Data Visualization tool to Support the Sensemaking and Selection of Machine Learning Models

Good visualizations can make it easier to interpret complex machine learning models and help in exploring and understanding the underlying patterns, distributions, and relationships in the data. Researchers in DataLit project have developed an interactive visualization tool to compare and explore machine learning models. The tool is designed to be accessible to non-AI experts.

When choosing the best machine learning models, looking at performance numbers alone isn’t always enough—especially when different parts of the data matter differently for the tasks. To help people better understand and choose models, this study introduces VMS (Visualization for Model Sensemaking and Selection), an interactive tool designed for end-users, not just technical experts.

VMS combines multiple perspectives for model comparison—how models perform overall (A), how they handle specific data points (B & C), and how individual features influence predictions (D & F). A key feature of VMS is its ability to visualize the contributions of hundreds of features (D), helping users compare models at both detailed and broad levels. Plus, users can focus on a data subset using filters to explore models based on the parts relevant to the task at hand (E).

The researchers tested VMS by using it to compare machine learning models that predict how long patients might stay in the hospital using time-based health data. With 16 medical professionals as end-users, researchers found that VMS helped users understand the models better and choose the optimal ones for different patient groups, even with limited amount of data. Feedback also suggested adding ways to incorporate medical expertise into model training, such as prioritizing certain features for different patient groups.

You can read the article, explore the prototype and or watch a video demo to learn more.

Artikkeli Data Visualization tool to Support the Sensemaking and Selection of Machine Learning Models julkaistiin ensimmäisen kerran Dataliteracy.