MuseCool analysoi 2 000 musiikkituntia – soittoa oli vain noin 40 %

MuseCoolin ensimmäiset kuusi kuukautta julkisessa käytössä nostavat esiin yhden keskeisen opetusteknologian haasteen: musiikkituntia ei voi pelkistää tekstimuotoiseksi puheentunnistukseksi. Yhtiö kertoo käsitelleensä julkisen lanseerauksensa jälkeen huhtikuusta alkaen noin 2 000 oppituntia. Äänitekoäly analysoi sekä opettajan ja oppilaan puhetta että tunnilla soitettua musiikkia. 23

Kyse on silti pienestä, yhtiön omaan toimintaan kytkeytyvästä aineistosta, ei koko musiikinopetusta kuvaavasta riippumattomasta tutkimuksesta. Se tarjoaa kuitenkin varhaisen näkymän siihen, mitä henkilökohtaisella musiikkitunnilla todella tapahtuu – ja millaisen ongelman opettajille suunnatun tekoälyn pitäisi ratkaista.

Soittaminen on vain osa musiikkituntia

MuseCoolin alustavien havaintojen mukaan oppilas soittaa instrumenttia keskimäärin noin 40 % oppitunnista. Muu aika voi kulua selittämiseen, mallisuorituksiin, kuunteluun, keskusteluun ja muuhun opetukseen. 6

Havainto on tärkeä, koska pelkkä nuottien tai sävelten tunnistus ei tavoita tunnin kokonaisuutta – kuten ei myöskään pelkkä puheen litterointi. Opettaja voi esimerkiksi selittää tekniikkaa, soittaa kohdan malliksi, kuunnella oppilasta, osoittaa korjattavan asian, sopia harjoittelutavoitteesta ja keskustella tulkinnasta. Oppilaan oma soittaminen voi olla tästä kokonaisuudesta verrattain lyhyt osuus.

40 prosentin lukua on syytä tulkita varovasti. Se perustuu MuseCoolin omaan operatiiviseen dataan, eikä sitä ole esitetty riippumattomasti auditoituna, koko alaa edustavana tutkimuksena. 36 Silti se kyseenalaistaa ajatuksen, että musiikkitunnin laatua voisi arvioida yksinkertaisesti soittamiseen käytettyä aikaa laskemalla.

Tavoitteena musiikin ymmärtävä tekoäly

MuseCool kuvaa teknistä lähestymistapaansa termillä Music Information Retrieval. Käytännössä kyse on soitetun musiikin analysoinnista yhdessä puheen ja opetustilanteen kanssa. Tavoitteena on tunnistaa, mitä tunnilla soitettiin, ja muodostaa käsitys siitä, mitä opettaja ja oppilas työskentelivät – ei vain muuntaa keskustelua tekstiksi. 23

Ero on tuotteen kannalta olennainen. Jos tuntitallenne tuottaa opettajalle vain pitkän litteroinnin, se voi lisätä luettavaa ja jälkityötä. Musiikkia ymmärtävä järjestelmä voisi sen sijaan tehdä tallenteesta käyttökelpoista jatkomateriaalia: jäsennellyn yhteenvedon, kuvauksen musiikillisesta toiminnasta sekä harjoittelua tukevia ohjeita tuntien välille.

MuseCool on kertonut rakentavansa alustaa, joka voi tuottaa elävästä tuntitoiminnasta analytiikkaa, ehdottaa asiaankuuluvaa nuottimateriaalia ja tarjota yksilöllisiä harjoittelupelejä. Samalla alustaan kuuluu hallinnollisia toimintoja, kuten maksujen käsittelyä. 15

Opettajalle ratkaisevaa on työn väheneminen

Teknologian käyttöönotto yksityisopetuksessa on hankalaa, sillä opettajien työtavat ovat henkilökohtaisia, vakiintuneita ja usein tarkoituksella joustavia. Harva opettaja haluaa järjestelmän, joka pakottaa jäykkään toimintamalliin tai tuo yhden hallinnollisen tehtävän lisää.

MuseCoolin varhainen tuotelinjaus vastaa tähän: tuntitekoälyn on tarkoitus kuunnella ja dokumentoida taustalla, kun opettaja keskittyy opettamiseen. 2 Arvo ei ole automaatiossa itsessään, vaan rutiininomaisen jälkityön vähentämisessä ja selkeämmän materiaalin tarjoamisessa oppilaalle.

MuseCoolilla on myös opettajien markkinapaikka. Yhtiön opettajasivusto kertoo yhteisössä olevan yli 1 622 opettajaa ja yksilötunteja järjestettävän yli 2 000 kuukaudessa joko verkossa tai kasvokkain. Luvut ovat yhtiön ilmoittamia, eivät riippumattomasti auditoituja mittareita. 8

Markkinapaikka ja opetuksen työkalut samassa mallissa

MuseCool aloitti lontoolaisena musiikkikouluna vuonna 2017. Se tarjoaa räätälöityjä musiikkitunteja verkossa ja kasvokkain. 910 Kuluttajille suunnatuilla sivuillaan yhtiö markkinoi koti- ja verkko-opetusta sekä valikoituja instrumenttitarjouksia aloittaville oppilaille. 45

Kyse ei siis ole vain tuntien analysointityökalusta. Mallissa yhdistyvät opettajan löytäminen ja oppilas–opettaja-yhdistäminen, käytännön hallintatyökalut sekä mahdollisesti oppimateriaali. Liiketoimintamallia voi kuvata B2B2C-malliksi: yhtiö pyrkii palvelemaan opettajia ja opetusorganisaatioita työkaluilla ja tiedolla, samalla kun se auttaa oppilaita löytämään opettajia.

Oppilaille suunnattuun nykyiseen tarjontaan kuuluu tietyissä instrumenteissa ensimmäinen kuukausi maksutta, ja instrumentin voi palauttaa kyseisen jakson aikana. Tarkat instrumentit ja ehdot vaihtelevat tarjouksittain. 1213

Mitä kasvava tuntiaineisto voisi mahdollistaa

Kasvava tuntiaineisto voisi olla arvokas muussakin kuin yksittäisten tuntiyhteenvetojen tekemisessä. Jos oppilaiden ja opettajien nimenomainen suostumus, tietosuoja, hallintamallit ja tulosten luotettava validointi ovat kunnossa, aineisto voisi auttaa oppilaitoksia seuraamaan opetuksen ilmiöitä nopeammin, tunnistamaan lisätukea mahdollisesti tarvitsevia oppilaita sekä tekemään opetustavoista määrällistä tutkimusta.

MuseCoolin näkökulmasta aineisto voisi tehdä tavallisesti yksityisestä ja vaikeasti mitattavasta toiminnasta näkyvämpää ainakin koottuna, anonymisoituna kokonaisuutena. 3 Asianmukaisesti hallinnoidut, aggregoidut havainnot ohjelmistosta ja harjoittelukäyttäytymisestä voisivat kiinnostaa myös soitinvalmistajia ja musiikkialan toimijoita.

Nämä ovat kuitenkin mahdollisuuksia, eivät vielä osoitettuja tuloksia. Aineiston arvo riippuu datan laadusta, edustavuudesta, tietoisesta suostumuksesta ja hallinnasta – sekä ennen kaikkea siitä, mittaavatko syntyvät mittarit todellista oppimista eivätkä vain asioita, jotka algoritmi pystyy havaitsemaan.

Suuret suunnitelmat ovat vielä näyttämättä toteen

MuseCool on yhdistetty Music Information Retrieval -yhteistyöhön Lontoon Queen Mary -yliopiston kanssa, ja uutisoinnissa on kerrottu Innovate UK -hanketta koskevista suunnitelmista. 6 Saatavilla oleva aineisto ei kuitenkaan vahvista työn laajuutta, aikataulua tai rahoituksen tilannetta. Siksi suunnitelmia on pidettävä kehitteillä olevina, ei varmistettuina lopputuloksina.

Sama varovaisuus koskee laajempia tavoitteita, kuten vapaasti käytettävissä olevien ja lisensoitujen nuottiaineistojen kokoelmaa, tiiviimpää yhteistyötä konservatorioyhteisöjen kanssa, paikallisia markkinapaikkoja sekä tekoälyavusteisia instrumentteja, jotka tulkitsisivat koko musiikkihuoneen tapahtumia. Ajatus sopii MuseCoolin peruslinjaan, jossa musiikillinen esitys ja opetus ymmärretään yhdessä. Saatavilla oleva näyttö ei silti vahvista valmista, puhuvaa pianoa tai huonetilannetta ymmärtävää instrumenttituotetta. 23

Varhainen johtopäätös

MuseCoolin kiinnostavin varhainen havainto ei ole väite siitä, että tekoäly voisi korvata musiikinopettajan. Se on ajatus siitä, että hyödyllinen analyysiyksikkö on koko oppitunti: ääni, puhe, mallisuoritukset, palaute ja tilanne.

Noin 2 000 analysoitua tuntia riittää hypoteesien synnyttämiseen – etenkin havaintoon, jonka mukaan soittamisen osuus keskimääräisestä tunnista on vain noin 40 % – mutta ei vielä ratkaisemaan kysymystä koko musiikkikasvatuksen tasolla. 36 Seuraava todellinen koe on, säästävätkö musiikkia ymmärtävän tekoälyn tuottamat materiaalit opettajien aikaa, parantavatko ne oppilaiden harjoittelua ja täyttävätkö ne henkilökohtaiseen opetussuhteeseen kuuluvat korkeat luottamuksen ja tietosuojan vaatimukset.