Sosiaali- ja terveysalan tulevaisuutta etsimässä

Transkriptio

1 Jari Metsämuuronen 2001 Sosiaali- ja terveysalan tulevaisuutta etsimässä INTERNATIONAL METHELP KY

2 Metodologia -sarja Tulevaisuus -sarja Kirjoja voi tilata osoitteesta tai International Methelp Ky. PL HELSINKI tai suoraan ottamalla yhteyttä kirjoittajaan Katso kirjan takaosaa, josta löydät tilauskaavakkeen. ISBN Painettu Virossa 2001 Kansi: Rhinoceros, Pekka Niemi 2

3 Esipuhe Oma kiinnostukseni tulevaisuustutkimuksen menetelmiin heräsi vuonna 1997, kun otin vastaan STM:n, Stakesin, Opetushallituksen ja Suomen Kuntaliiton pestin sosiaali- ja terveysalan työn tulevaisuuden tutkimisesta (Metsämuuronen 1998a). Työ sinänsä oli haasteellinen, mutta erityisen haasteellisen siitä teki se, että oli opeteltava tulevaisuustutkimuksen menetelmiä ja ajattelutapaa. Suoritin tulevaisuustutkimuksen opintoviikkoja ja kirjoitin joitain artikkeleita Tulevaisuustutkimuksen seuran FUTURA lehteen. Myöhemmin olin lehden päätoimittaja vuodesta 1998 lähtien, kun lehden toimitusneuvosto halusi muuttaa julkaisua tieteellisempään suuntaan. Sosiaali- ja terveysalan tulevaisuuteen perehtyneenä ja toisaalta päätoimittajan ominaisuudessa olen sitten luennoinut useissa ammattikorkeakouluissa ja yliopistoissa erityisesti tulevaisuustutkimuksen metodiikasta. Tähän monisteeseen on koottu yleisluonteisesti joitakin keskeisiä tulevaisuustutkimuksen menetelmiä menetelmiä, joilla pyritään ottamaan haltuun tulevaisuus mahdollisimman luotettavasti. Kirja jakaantuu kolmeen osaan: johdanto-osaan, menetelmien esittelyosaan ja esimerkkiosaan. Johdanto-osan tekstit perustuvat vuosina toimittamieni FUTURA-lehtien pääkirjoituksiin. Menetelmien esittelyosan jäsentely perustuu pitämiini luentoihin. Lopussa on koottuna allekirjoittaneen tulevaisuusorientoituneita artikkeleita, joilla toivottavasti pystytään havainnollistamaan esiteltyjen menetelmien käyttöä tulevaisuuden haltuunotossa. Helsingissä SGD Jari Metsämuuronen 3

4 Sisällysluettelo ESIPUHE... 3 SISÄLLYSLUETTELO... 4 I JAKSO: ORIENTOITUMINEN TULEVAISUUDEN HALTUUNOTTOON JOHDANTO TULEVAISUUSTUTKIMUS JA TIETEELLINEN TIETO TIEDON KORJAUTUVUUS UUSI TIETO PERUSTUU AIEMPAAN TIETOON TIETO EI OLE EREHTYMÄTÖNTÄ TIEDON OBJEKTIIVISUUS JA SUBJEKTIIVISUUS TULEVAISUUSTUTKIMUS JA HEIKOT SIGNAALIT PÄÄTÖKSENTEKO JA TULEVAISUUS II JAKSO: TULEVAISUUDEN HALTUUNOTON MENETELMIEN ESITTELY TULEVAISUUDEN HALTUUNOTON MENETELMIÄ LASKENNALLISET MENETELMÄT Trendianalyysi ja ekstrapolointi Conjoint-analyysi Ristivaikutusanalyysi Asiantuntijoiden mielipiteen pysyvyyden analysoiminen ASIANTUNTIJAMENETELMÄT Delfi-tekniikka Skenaariotyöskentely Megatrendianalyysi ja Top Ten -listat Tulevaisuustaulukko Edelläkävijäanalyysi Teknologian ennustaminen ja arviointi (foresight) MUITA MIELENKIINTOISIA MENETELMIÄ PESTE-analyysi Science Fiction III JAKSO: ESIMERKKEJÄ TULEVAISUUDEN HALTUUNOTON MENETELMIEN KÄYTÖSTÄ ESIMERKKEJÄ MENETELMIEN KÄYTTÄMISESTÄ ESIMERKKEJÄ LASKENNALLISTEN MENETELMIEN KÄYTÖSTÄ Trendianalyysi: Suuret ikäluokat ja kuntien haasteet sosiaali- ja terveysalalla Conjoint Analyysi Asiantuntijoiden mielipiteiden stabiliuden mittaaminen Heikkojen signaalien analysointi Markovin ketjujen avulla Delfi-tutkimuksen reliabiliteetti ESIMERKKEJÄ ASIANTUNTIJAMENETELMIEN KÄYTÖSTÄ Delfi-tekniikka sosiaali- ja terveysalan tulevaisuuden osaamistarpeiden tutkimisessa Tulevaisuuden osaamistarpeiden luokittelu Perusosaaminen sosiaali- ja terveysalalla Pehmeät kvalifikaatiot sosiaali- ja terveysalan työssä ja ammatillisessa koulutuksessa Moniammatillisuus tulevaisuuden haasteena Yhteiskunnan muutokset ja uudet kvalifikaatiot ESIMERKKI PESTE-ANALYYSIN KÄYTÖSTÄ

5 Uuden vuosituhannen haasteet sosiaali- ja terveysalalla YHTEENVETOA, JOHTOPÄÄTÖKSIÄ JA KEHITTÄMISTARPEITA IHMISENÄ OLEMINEN JA SOSIAALI- JA TERVEYSALAN TULEVAISUUS SOSIAALI- JA TERVEYSALAA KOSKEVIA HAASTEITA JA KEHITTÄMISEHDOTUKSIA Haasteita poliittisille päätöksentekijöille Haasteita työelämälle ja työmarkkinajärjestöille Haasteita koulutukselle Haasteita tutkimukselle IV JAKSO: LÄHTEET JA HAKEMISTOT LÄHTEET ASIAHAKEMISTO

6 I JAKSO: ORIENTOITUMINEN TULEVAISUUDEN HALTUUNOTTOON Tässä jaksossa pohdin tulevaisuutta koskevan tiedon luonnetta ja niitä edellytyksiä, joilla tulevaisuudesta ylipäänsä voidaan tietää jotain. Jakson tavoitteena on orientoitua tulevaisuustutkimuksen ominaispiirteisiin muiden ehkä tarkempien tieteen- ja taiteenalojen joukossa. 6

7 1. Johdanto Tulevaisuuden haltuunoton kohteena eli tavallisimmin tulevaisuudentutkimuksen (tu-tu) keskeisenä tutkimuskohteena on nykyisyys. Kaikki havaintomme perustuvat nykyisyyteen (tai historiatieteissä menneisyyteen nykyisyydestä tarkastellen). Toisaalta on huomattava, että vaikka tulevaisuutta ei asiallisesti ottaen ole olemassakaan vaan se karkaa aina käsistämme tulevaisuus ON olemassa, sillä voimme sen kuvitella. Näin ollen tulevaisuus vaikuttaa meihin samalla tavalla, kuin ajatus (kuvitellusta) lottovoitosta saattaa saada meissä aikaan niin psyykkisiä (iloa, onnea, innostusta, jännitystä) kuin fyysisiäkin vaikutuksia (kylmiä väreitä, karvojen nousemista, lottokupongin kioskille viemistä). Tulevaisuudelle on luonteenomaista vaihtoehtoisuus. Tulevaisuus on joukko erilaisia mahdollisia tulevaisuuksia. Tähän viittaa myös englanninkielinen termi Futures ( tulevaisuudet ) tu-tu:n yhteydessä. Murrokset ja epävarmuutta sisältävät ajanjaksot mahdollistavat eräiden tulevaisuustutkijoiden mielestä ns. bifurgaatio- tai trifurgaatiotiloja, joita voidaan havainnollistaa seuraavalla kaaviolla: Tasainen kehitys Murrosvaihe Trifurgaatio Mahdolliset tulevaisuudet aika Ajattelumallin mukaan kehitys siis kulkisi tasaisten vaiheiden kautta murrosvaiheeseen ja siitä edelleen erilaisiin potentiaalisiin tulevaisuuden tiloihin (tässä tapauksessa kolmeen eri vaihtoehtoon). Lähin analogia, joka kuvatulle kehitykselle on otettu, on evoluutio. Ajatus onkin keskeinen ns. evolutionaariselle tulevaisuustutkimukselle (Mannermaa 1991). Ajatusmallissa on ilmeisiä heikkouksia, joista eräs on se, että vaikka murrokset mahdollistavat erilaisia potentiaalisia tulevaisuuksia, vain yksi aidosti tapahtuu. Voimme siis kysyä, onko aitoa bi- tai trifurgaatiota olemassakaan. Joka tapauksessa nykyään kovin suosittu ja popularisoitu kaaosteoria antaa matemaattisia mahdollisuuksia ajatella ei-trendimäistä muutosta eli murrosta tai kaaosta. Evolutionaarisen tulevaisuudentutkimuksen toinen keskeinen ajatus on idea kehityksestä. Todellisuudessa kyse lienee kuitenkin muuttumisesta, ei niinkään kehittymisestä. 7

8 Jos tulevaisuutta ei ole olemassa, onko siitä mahdollista saada luotettavaa tietoa? Ilmeisestikään ei ole. Toisaalta tulevaisuutta voidaan pyrkiä ottamaan haltuun enemmän tai vähemmän varmoilla ja luotettavaa tietoa antavilla menetelmillä. Näiden menetelmien käyttö edellyttää jonkinlaista perusnäkemystä tulevaisuustutkimuksen tieteellisestä perustasta. 2. Tulevaisuustutkimus ja tieteellinen tieto Lienee tarpeellista pohtia yleisiä tieteellisen tiedon ominaispiirteitä ja verrata tulevaisuustutkimuksen tuomia erityispiirteitä näihin yleisiin piirteisiin. Tieteellisen tiedon ominaispiirteitä käsittelevät yleensä tieteenfilosofit, jollainen itse en ole. Niinpä käsittelyni on todellisen asiantuntijan kannalta arvioituna pinnallista. Tässä mielessä mielenkiintoinen on tulevaisuustutkimuksen seuran julkaisun FUTURAn numerossa 3/98 ollut Osmo Kuusen ja Lauri Gröhnin keskustelu tulevaisuustutkimuksen tieteellisestä relevanssista (Kuusi & Gröhn 1998), jossa pureuduttiin kohtuullisen syvällisesti joihinkin tieteellisen tiedon ominaispiirteisiin tulevaisuustutkimuksen kannalta. Jatkossa otan esille joitain mielestäni keskeisiä seikkoja, jotka erottavat tieteellisen tiedon mutu- (musta tuntuu) ja vatu- (vaimostakin tuntuu)tiedosta Tiedon korjautuvuus Ominaista tieteelliselle tiedolle on se, että tiede korjaa itse itseään. Oikea tieto saa vahvistusta uusista tutkimustuloksista, mutta väärä tieto kumoutuu tai sitä ei kyetä verifioimaan eli todentamaan. Tieteellisten tulosten tulee olla jonkun toisen tutkijan tai tutkijaryhmän toistettavissa eli replikoitavissa. Ellei kukaan kykene saamaan samanlaista tai saman suuntaista tulosta samasta ilmiöstä samoilla menetelmillä kuin minä, olen epäilemättä tehnyt jossain virheen. Tieteellisen tiedon tuottamisen hankaluutena saattaa joskus olla ns. julkaisemisharha: tieteellisenä tietona julkaistaan helpommin tulos, jossa esiintyy esimerkiksi tilastollisesti merkitsevä ero kahden ryhmän välillä kuin tulos, jossa todellista eroa ei ole kyetty osoittamaan tutkimuksessa. Korjaako tulevaisuustutkimus itse itseään? Näin käy, mikäli aidosti kyetään keskustelemaan tieteen pelisääntöjen mukaan asioista eikä henkilöistä. Tämän suuntaista keskustelua on käyty esimerkiksi Mika Mannermaan väitöskirjan pohjalta (Mannermaa 1991) FUTURAnkin sivuilla (FUTURA 3/97, 4/97 ja 1/98). Vaikka tietokoneverkossa käyty keskustelu on ollut vieläkin purevampaa ja on saattanut asianomaisten henkilöiden kannalta olla ajoittain kiusallista ja 8

9 personoivaa, jopa panettelevaa, näen itse ainakin paperille painetussa keskustelussa erittäin positiivisia piirteitä. Eräs positiivisista piirteistä on se, että koska keskustelu on julkista, siihen on otettava kantaa. On kyettävä argumentoimaan oman mielipiteen puolesta ja pyrittävä löytämään vastustajan argumentoinnin heikkoudet. Tämä lienee ainoa tapa, jolla kyetään osoittamaan, että teoria asiasta on oikein johdettu ja perusteltu. Mikäli omaa mielipidettä ei kyetä perustelemaan kaikilta osin, on siitä joko luovuttava tai pyrittävä muokkaamaan sitä sellaiseksi, että se olisi paremmin perusteltavissa. Tätähän tieteellisen tiedon korjautuvuus on: heikot rakenteet lahoavat pois, mutta vahvat rakenteet pysyvät pystyssä. Toisaalta jos kymmenestä pilarista yksi on laho, ei ole syytä purkaa koko rakennelmaa vaan miettiä, pysyykö rakennelma pystyssä yhdeksällä pilarilla Uusi tieto perustuu aiempaan tietoon Ominaista tieteelliselle tiedolle on se, että uusi tieto rakentuu vanhalle perustalle. Se mitä asiasta tiedetään jo ennestään, toimii uuden tiedon lähtömateriaalina. Erittäin harvoin tutkija voi kuvitella löytäneensä jotain niin poikkeuksellisen uutta, että kukaan ei ole aiemmin asiaan perehtynyt. Tämä on ilmeistä perinteisten eksaktien tieteiden kuten fysiikan, kemian ja matematiikan suhteen: uusien innovaatioiden taustalla on yleensä laajat tiedot oman alan keskeisistä tuloksista ja peruslaeista. Ilmeisesti tulevaisuustutkimuksen ongelma on se, että tulevaisuutta ei siis varsinaisesti ole olemassa, eikä näin ollen mitään varmaa tietoakaan tulevaisuudesta voi olla. Koska kuitenkin voimme kuvitella tulevaisuuden ja tiedämme, että elämässä ja yhteiskunnassa on olemassa jotain säännönmukaisuutta, voimme helposti kuvitella, millaista tulevaisuus voi olla. On erittäin todennäköistä, että huomennakin puut kasvavat juuret alaspäin - edellyttäen että huominen tulee. Samoin voimme hyvinkin tarkasti laskea todennäköisyyksiä erilaisille tulevaisuuden tiloille, jos oletetaan, että muutos ei ole täysin kaoottista. Isomäki on oivaltavasti todennut (1997, 89), että esimerkiksi almanakka on tulevaisuutta koskeva ennuste, sillä kahta samanlaista planeettavuotta ei löydy, koska painovoima aiheuttaa kaoottisuutta planeettojen liikkeisiin. Toisaalta almanakan ennuste on sään ennustamiseen verrattuna äärimmäisen tarkka, sillä planeettojen dynamiikka sallii hyvän ennustettavuuden toisin kuin sää, jolla on vahvasti sekoittavia ominaisuuksia. Tulevaisuutta koskeva tieto on parhaimmillaankin enemmän tai vähemmän todennäköistä tietoa (Karjalainen 1994, 14). Toisaalta totuus on se, että tulevaisuus on olemassa, sillä me pystymme ihmisinä kuvittelemaan tulevaisuuden. On vaikea kuvitella sellaista tilannetta, että ihmislajin ollessa maan päällä aika ei 9

10 kulkisi eteenpäin. Niin kauan kuin aikaa on, sitä voidaan tarkastella taaksepäin (historia), tämänhetkisenä (nykyisyys) tai eteenpäin (tulevaisuus). Käsityksemme tulevaisuudesta voi vaikuttaa hyvinkin voimakkaasti elämäämme, toimintaamme, tunteisiin, pelkoihin, haaveisiin ja sosiaalisiin suhteisiin. Saattaa olla niin, että tulevaisuus (vaikkakaan ei siis ole olemassa) vaikuttaa koko ihmisyyteemme, sen psyykkisiin, fyysisiin, sosiaalisiin, hengellisiin, historiallisiin ym. kerrostumiin ja juonteisiin (vrt. Rauhala 1989). Tulevaisuus siis on, mutta tietomme siitä on epävarmaa, sillä tulevaisuus ei ole vielä aistein koettava (Malaska 1993, 7). Tulevaisuus rakentuu ainakin jossain määrin nykyisyyden pohjalle, mistä syystä on sanottu, että tulevaisuustutkija hyödyntää nykyhetkeä koskevaa ymmärrystä tulevaisuuden hahmottamiseen (Mannermaa 1993, 23, Karjalainen 1994, 14). Jos todellista tietoa tulevaisuudesta ei ole, kuinka uusi tieto voi rakentua vanhalle pohjalle? Tähän palaamme myöhemmin Tieto ei ole erehtymätöntä Ominaista tieteelliselle tiedolle on se, että tieteellinen tieto ei ole "totuus" siinä mielessä, että "totuus" on aina paljon laajempi, kuin mitä tutkimuksella kyetään havaitsemaan. Tiede ei myöskään ole erehtymätöntä, vaikkakin joillakuilla saattaa esiintyä eräänlaista tiedeuskovaisuutta - uskoa tieteen kaikkivoipuuteen ja erehtymättömyyteen. Ominaista tieteelliselle tiedolle on, että tiedon hankkimisen menetelmät ovat yleisesti tunnettuja. Karman mukaan (1987, 10) tieteellinen tiedonhankkimismenetelmä on joukko erilaisia menetelmiä, joiden on todettu tuottavan sellaista tietoa, jossa erehdysten mahdollisuus on pyritty saamaan niin pieneksi kuin mahdollista. Näin ollen hankittu uusi tieto on siis yleensä vertailukelpoista vanhemman tiedon kanssa. Tieteellisesti tuotetun tiedon suhteen erehtymisen riski on pyritty minimoimaan, ja erityisesti kvantitatiivisessa tutkimuksessa virhepäätelmien todennäköisyyttä on pyritty arvioimaan. Onko tulevaisuustutkimuksella omia tiedonhankkimisen menetelmiä? Epäilemättä ei ole sellaisia tutkimusmenetelmiä, jotka olisivat tyypillisiä vain tulevaisuustutkimukselle. Toisaalta tulevaisuustutkimuksella on olemassa joukko erilaisia menetelmiä, joiden on todettu tuottavan riittävän luotettavaa tietoa tulevaisuudesta. Vapaavuoren toimittamassa erinomaisessa teoksessa Miten tutkimme tulevaisuutta? (Vapaavuori 1993) on esitetty jako neljään tulevaisuustiedon hankintatapaan: kaaos- ja evoluutioajattelu, rakenteellis-innovatiiviset menetelmät, asiantuntija- ja aikasarja-analyysit ja kommunikatiiviseen tulevaisuudenhahmotteluun perustuvat menettelyt. Millett ja Honton (1991) jakavat tulevaisuudentutkimuksen menetelmät kolmeen ryhmään: trendianalyysit, asiantuntijaanalyysit ja monivaihtoehtoiset analyysit. 10

11 Yksinkertaistaen voidaan sanoa, että tulevaisuutta koskevaa tietoa voidaan hankkia joko laskennallisesti (kuten trendianalyysit, tulevaisuuden mallitus, tilastotiedot) tai asiantuntija-arvioiden perusteella (kuten Delfi- tai Delfoitekniikka, haastattelut, barometrit, strategiatyöskentely, skenaariotyöskentely). Laskennallisissa menetelmissä tulevaisuuden ennustaminen voi tapahtua pitkiin historiallisiin aikasarjoihin perustuen, jolloin ajatellaan, että riittävän vakaissa olosuhteissa kehitys jatkuu samanlaisena, kuin mitä se on ollut menneisyydessä. Toisaalta tulevaisuutta voidaan yrittää mallittaa rakentamalla tutkimustuloksiin tai aikasarjoihin perustuen matemaattinen malli siitä, kuinka yhteiskunta tai ihminen käyttäytyy, ja ennustetaan tai simuloidaan, millainen tulevaisuus saattaisi olla. Simulointimalleja onkin käytetty mm. tieverkostojen suunnittelussa. Asiantuntijamenetelmissä kysytään asiantuntijoilta heidän subjektiivista kannanottoaan siitä, millaisena he näkevät tulevaisuuden. Oletetaan, että asiantuntija, joka on oman tiedonalansa kärjessä, pystyy ennakoimaan asioita paremmin kuin henkilö, jolla ei ole yhtä paljon tietoa kuin asiantuntijalla. Skenaariotyöskentelyä, jossa kartoitetaan useita mahdollisia erilaisia tulevaisuuksia, voitaneen pitää eräänä asiantuntijamenetelmien sovelluksena. Mikäli tulevaisuutta koskeva tieto on hankittu yleisesti hyväksytyillä menetelmillä, on mahdollista, että tulevaisuudentutkimuksessa saatu tieto voi kumuloitua niin, että uusi tieto todellakin rakentuu vanhan tiedon perustukselle. On pidettävä mielessä, että tulevaisuutta koskeva tieto jos mikä ei ole "totuus", vaan enemmän tai vähemmän harhainen arvio tulevaisuudesta. Tulevaisuustieto kantaa itsessään "totuutta", muttei "koko totuutta". Menetelmällisillä valinnoilla on mahdollista ainakin jossain määrin arvioida virhepäätelmien todennäköisyyttä ja antaa varmuudelle rajoja Tiedon objektiivisuus ja subjektiivisuus Perinteisesti ominaista tieteelliselle tiedolle on se, että se on pyritty hankkimaan mahdollisimman objektiivisesti ja puolueettomasti. Yleensä on pyritty välttämään subjektiivisia kannanottoja, joita on perinteisesti pidetty enemmän tai vähemmän spekulatiivisina arvailun tapaisina kommentteina asiasta. Toisaalta tieteellinen tiedonhankinta ei koskaan voi olla arvovapaata, vaan tutkijan omaksumat käsitykset luotettavasta tiedosta ja todellisuudesta vaikuttavat voimakkaasti tieteellisiinkin tuloksiin. Tästä ääriesimerkkinä voisi olla esimerkiksi teologinen tutkimus: mikäli tutkijan lähtökohta on positivistinen, hän ei voi tutkia Uuden Testamentin kertomuksia tulematta johtopäätökseen, että evankeliumit vilisevät virheitä, sillä ihmeitä ei tapahdu. Post-positivisti taas saattaisi ajatella, että ihmeet voivat olla mahdollisia, mutteivät avaudu tutkimukselle. 11

12 Tutkijan ontologiset sitoumukset eli mitä tutkija pitää todellisuutena, olevana ja näin ollen ylipäänsä tutkittavana asiana, vaikuttavat epäilemättä siihen millaisia tuloksia hän saa. Tutkijan maailmankuva eli perususkomusten joukko, jota myös joskus paradigmaksi nimitetään (Guba & Lincoln 1994, ), on läsnä kaikessa siinä millaisena hän maailman näkee (ontologiset sitoumukset), millaista totuutta tulokset edustavat (epistemologiset sitoumukset), millaisia menetelmiä hän käyttää (metodologiset sitoumukset) ja lopulta siihen, millaisia tuloksia hän saa. Vaatimus täydellisestä objektiivisuudesta on usean tieteen alalla lähinnä tieteen ihanne, tavoite, jota kohden pyritään. Tulevaisuustutkimuksen ylevä tavoite on nähdä tulevaisuus niin kirkkaana kuin mahdollista ja tuoda se julki. Jotkut pitävät tulevaisuustutkimuksen tavoitteena pyrkiä vaikuttamaan hyväksi katsomansa tulevaisuuden puolesta. Itse en näkisi vaikuttamista ensisijaisesti tieteen tekemisen tavoitteena, sen sijaan pidän sitä yleisinhimillisenä velvollisuutena. Hankaluus objektiivisuuden ja subjektiivisuuden yhdistämisessä on se, että tieto, tutkimustulokset ja "totuus" eivät ole hyviä tai pahoja. Se tulevaisuus, jonka puolesta vaikutan, ei välttämättä ole aidosti hyvä, vaan itse asiassa se on hyvä minun mielestäni. Voidaan esimerkiksi ymmärtääkseni oikeutetusti kysyä, millä perusteella pyrkimys tasa-arvoiseen yhteiskuntaan on parempi kuin pyrkimys itsevaltiutta korostavaan yhteiskuntaan. Perusteluja voi olla useitakin. Ilmeisesti kuitenkin on niin, että epäonnistuessaan ne molemmat ovat huonoja vaihtoehtoja. Tulevaisuustutkimuksen - kuten muidenkin tieteenalojen - tulosten tulisi olla mahdollisimman arvovapaita ja totuudellisia, vailla lobbaamisen sivumakua ja oman edun tavoittelun tuoksua. 3. Tulevaisuustutkimus ja heikot signaalit Tu-tu:n ilmeisenä haasteena on aistia ja hyödyntää ns. heikkoja signaaleja (Eriksson 1996a, 39, Kuusi 1993, ). Heikoilla signaaleilla tarkoitetaan sellaisia viestejä trendeistä ja ilmiöitä, jotka eivät ole aivan ilmeisiä vaan vielä kätkössä, mutta tarkkasilmäisen analyytikon tai näkijän aistittavissa (Metsämuuronen 1998, 6). Alun perin termi heikko signaali on liittynyt avaruustutkimukseen, jossa avaruusluotaimen lähettämien signaalien hyvyyttä arvioidaan. Terminä se on kuitenkin erityisen sopiva juuri tulevaisuudentutkimuksen piiriin, missä tulevaisuus ei vielä faktuaalisesti ole olemassa vaan vasta muodostumassa. Mielestäni hieno ja yllättävä totuus sisältyy Meadowsin, Meadowsin ja Randersin (1993, 28) esittämään ranskalaiseen lasten kompaan lummelammikon umpeen kasvamisesta: Oletetaan, että on lampi, jossa kasvaa lumme. Lummekasvusto kasvaa kaksinkertaiseksi vuorokaudessa. Jälkikäteen tiedämme, että kestää 30 vuorokautta, että lumpeikko peittää koko lammen, mikäli lumme saa kas- 12

13 vaa rajatta. Pitkän aikaa lumpeikko näyttää varsin pieneltä. Kysymys kuuluu, monentenako päivänä puolet lammesta on lumpeen peitossa. Vasta 29. päivänä. Lummelammikon tapauksessa oli vain yksi päivä aikaa pelastaa lammikko kaiken elämän tuhoavalta lumpeelta (Meadows ym. 1993, 28). Tässä yhteydessä lumme antoi siis heikkoja signaaleita ainakin 20 päivää (ellei peräti 29 päivää). Nämä heikot signaalit olisi voitu ottaa huomioon jo huomattavan paljon aiemmin. Hiljaisia signaaleita lienee kahdenlaisia: uuden trendin noususignaalit sekä toisaalta vanhan trendin laskusignaalit. Heikkojen signaalien hankaluus on siinä, että jos kaikki huomaisivat nämä signaalit, ne eivät enää olisikaan heikkoja vaan vahvoja signaaleja. Kuten Mannermaa toteaa TOOLBOX-katsauksessaan (Mannermaa 1999b), heikon signaalin ominaispiirteisiin kuuluu se, että se elää vain hetken, sen jälkeen se joko kuolee tai muuttuu vahvaksi signaaliksi, jonka jokainen jo huomaa. Ilmeistä on, että tulevaisuutta koskevien heikkojen signaalien aistiminen ei ensisijaisesti perustu tieteeseen vaan intuitioon tai tunteeseen, vaikka Metsämuurosen artikkelissa (1999) esitelläänkin eräs mahdollinen matemaattinen tapa pyrkiä hallitsemaan heikkoja signaaleja tieteellisesti. Toisaalta moni heikko signaali jääkin vain mahdollisuudeksi optioksi ellei sen toteutumiselle ole edellytyksiä tai ihmiset eivät ole valmiita vastaanottamaan sitä. Näihin kysymyksiin paneudutaan tarkemmin Kuusen artikkelissa (1999). Tulevaisuus lähettää siis viestiä omassa olemassaolostaan, mutta kuka ymmärtää viestin? Kysymys signaalien havaitsemisesta on mielenkiintoinen tulevaisuuden tutkimuksen näkökulmasta. Turtiainen (1999) jaottelee omassa artikkelissaan erilaisia tulevaisuutta koskevien signaalien vastaanottajia (joskin ennakoinnin näkökulmasta) profeettoihin, astrologeihin, tietäjiin, tutkijoihin ja visionääreihin. Voidaan silti kysyä, voiko tavallinen kansan ihminen olla jollain alalla tulevaisuuden signaalien aistija? Tulevaisuuden tutkimisen kannalta merkittävä on Erikssonin väite, että parhaiten kompleksisen järjestelmän toimintaa ymmärtää sen osana oleva yksilö, joka oppii aistimaan vivahteita ja muutostrendejä tarkkailemalla ympäristöään (Eriksson 1996b, 4, myös Alvesalo 1996, 59). Tässä mielessä rivi-ihminen voi olla heikon signaalin aistija, mutta ongelmallista on, että yksilöllä ei aina välttämättä ole resursseja eikä mahdollisuuksia toteuttaa sitä, mitä signaali kertoo. On ilmeistä, että joukossamme on eräänlaisia trendin haistajia, yksilöitä, joiden aistit ovat enemmän kuin toisilla harjaantuneet aistimaan - ehkä intuitiivisesti - näitä hiljaisia signaaleita. On myös mahdollista, että kyseiset aistijat ovat samalla muutosagentteja, jotka tuovat uudet virtaukset myös muiden tietoisuuteen. Aikamme kirjailijat (vrt. Virtanen 1996, 26), taiteilijat, innovaattorit tai musiikki- ja viihdemogulit saattavat olla näitä agentteja (ks. myös luku Science Fictionista tulevaisuuden haltuunoton menetelmänä). 13

14 Toisaalta samanlaista tarkkasilmäisyyttä on epäilemättä tavallisissa valveutuneissa kansan ihmisissä. 4. Päätöksenteko ja tulevaisuus Tulevaisuutta koskevan tiedon arvo on suuri. Kuten Mannermaa toteaa (1999b, 88), heikot signaalit ovat ilmiöitä, joiden tapahtuman todennäköisyys on pieni, mutta seurausvaikutukset saattaavat olla dramaattisia yhteiskunnassa. Se joka aistii heikon signaalin, on etulyöntiasemassa siihen nähden, joka pelaa varman päälle ja odottaa suurten massojen lähtevän liikkeelle. Ehkäpä tästä syystä nimenomaan suurissa firmoissa satsataan tulevaisuusajatteluun ja tuotetaan omaa tulevaisuustutkimusta. Toisaalta myös valtiollisen päätöksenteon korkeimmalla portaalla, eduskunnassa, on oma tulevaisuusvaliokunta, jonka keskeisinä tuotoksina ovat olleet selonteot Suomen tulevaisuudesta (Valtioneuvosto 1996 ja 1997). Tulevaisuuden haltuunoton kannalta heikoin tilanne saattaa olla kuntatason päätöksenteossa siellä missä todelliset päätökset rahavirroista kuntalaisen kannalta tehdään tai sairaaloissa ja kouluissa, joissa olisi hyvä pystyä ennakoimaan tulevaisuuden osaamista. Tulevaisuutta koskeva ennakointi ilmeisesti perustuu kunnissa parhaimmillaan vaalikauden mittaisiin aikajänteisiin, kouluissa ja sairaaloissa korkeintaan kahden vuoden päähän. Tulevaisuutta koskevaan tietoon voi suhtautua monella tavalla. Itse kukin meistä toimii tulevaisuuden suhteen omien voimavarojensa ja asenteidensa mukaisesti. Mannermaalla on tästä toiminnasta erinomainen esimerkki (Mannermaa 1999c, 68): Passiivinen asennoituja on strutsin kaltainen: paetaan sitä mitä tulevaisuus tuo tullessaan pistämällä pää pensaaseen. Reaktiivinen asennoituja on palomiehen kaltainen: tulevaisuuteen reagoidaan sitten, kun vahinko on jo sattunut. Preaktiivinen asennoituja toimii kuten vakuutusyhtiö toimii: tulevaisuuteen varaudutaan tietyllä todennäköisyydellä tapahtuvan tilanteen mukaisesti. Proaktiivinen asennoituja on vallankumouksellisen kaltainen: toimin muuttaakseni tulevaisuutta. Vielä voitaisiin kai kuvata postaktiivinen asennoituja tai ehkä pikemminkin toimija, joka toimii valistuneen historioitsijan tavoin: menneisyydessä toimimme näin tyhmästi, yritämme oppia tehdyistä virheistä ja tehdä asioita tulevaisuudessa toisin kuin eilen. Päätöksenteon perustaksi tarvitaan riittävän luotettavaa tietoa tulevaisuudesta. Jo aiemmin totesimme, että on olemassa menetelmiä, joilla tulevaisuutta pyritään ottamaan haltuun. Seuraavassa jaksossa esitellään lähemmin joitakin näistä menetelmistä. 14

15 II JAKSO: TULEVAISUUDEN HALTUUNOTON MENETELMIEN ESITTELY Tässä jaksossa käsitellään erilaisia tulevaisuuden haltuunoton menetelmiä. Jaksossa esitellään kuhunkin menetelmään liittyvää kirjallisuutta, johon perehtymällä löytyy enemmän ja tarkempaa tietoa kyseisestä asiasta. 15

16 5. Tulevaisuuden haltuunoton menetelmiä Tulevaisuuden tutkimuksen menetelmistä on suomeksi olemassa muutama erinomainen perusteos. Klassikko on mielestäni Matti Vapaavuoren (1993) toimittama Miten tutkimme tulevaisuutta? Kirjassa on kuvattu 28 artikkelissa erinäinen määrä erilaisia tulevaisuuden haltuunoton menetelmiä. Mika Mannermaa on kirjoittanut hiljattain kaupallisen julkaisun tulevaisuuden hallinnan menetelmistä (1999c), jossa keskitytään suurelta osin skenaariotyöskentelyyn ja sen apumenetelmiin. Jo aikaisemmin Mannermaa toimitti TOOLBOX-ohjelmiston ja siihen liittyvän kirjan (Mannermaa 1999b). Itse ohjelmisto on vapaasti internetistä käytettävissä työministeriön ennakoinnin sivuilla osoitteessa: Jo aiemmin esitin, että mielestäni riittävä jako tulevaisuuden haltuunoton menetelmille on jakaa ne yhtäältä laskennallisiin ja toisaalta asiantuntijamenetelmiin. Tätä jakoa hyödyntäen esitellään seuraavassa joitakin kiinnostavia, keskeisimpiä tai yleisimpiä tulevaisuustutkimuksen menetelmistä. Lisää menetelmistä on kirjoitettu jo mainituissa kirjoissa. Tulevien sivujen esitys yksinkertaistaa otsikoiden sisällön muutamaan riviin. Pyrin esittelemään kustakin tärkeäksi katsomastani menetelmästä sen historiaa, käyttötilanteita, tiedon hankinnan prosessin sekä kritiikkiä. Osmo Kuusi (Seppälä ja Kuusi 1993, 151) on oivaltavasti todennut laskennallisten ehkä mekaanistenkin menetelmien perinteisesti olleen enemmänkin ekonometrikkojen kuin tulevaisuustutkijoiden työkenttänä. Ekonometrinen ennustaminen on Kuusen mukaan ollut vahvimmillaan silloin, kun kehitys on ollut kohtuullisen tasaista ja ennustettavaa. Sen sijaan parhaille tulevaisuustutkimuksen sovelluksille tyypillistä on ollut luova intuitiivisuus, jonka avulla on kyetty havaitsemaan heikkoja signaaleja jo ennen kuin laskennallisilla menetelmillä ilmiöön päästään kiinni Laskennalliset menetelmät Laskennallisille menetelmille tyypillistä on, että tulevaisuutta koskeva tieto hankitaan numeerisena tietona. Keskeisesti analyysit perustuvat erilaisiin todellisuutta koskeviin malleihin, joilla pyritään hallitsemaan useiden yhtäaikaisten tekijöiden vaikutusta, tai aikasarjoihin, jolloin on seurattu kiinnostavaa asiaa historiassa ja ennustetaan tulevaisuus menneen perusteella. Yksinkertaisimmillaan laskennalliset tulevaisuuden menetelmät saattavat olla todennäköisyyksien laskemista tai selvittämistä. Nämä menetelmät on kohtuullisen helppo omaksua pienemmilläkin matemaattisilla perustaidoilla. Laskennalliset analyysit voivat 16

17 toisaalta olla erinomaisen sivistyneitä tai mutkikkaita laskennallisesti (ks. esimerkiksi Isomäki 1997). Perinteinen trendianalyysi regressiomenetelmällä perustuu ns. lineaariseen regressiomenetelmään, jossa tulevaisuutta selitetään suoraviivaisena. Todellisuus ei kuitenkaan yleensä ole suoraviivaisesti menneisyydestä johdettavissa. Laskennallisesti monimutkaisemmat menetelmät voivat perustua ns. epälineaariseen mallitukseen tai simulaatiomalleihin. Seuraavassa kuvataan laskennallisista menetelmistä vain trendianalyysi yleisenä menetelmänä, conjoint-analyysi, ristivaikutusanalyysi sekä asiantuntijoiden mielipiteen stabiliuden laskeminen Trendianalyysi ja ekstrapolointi Trendianalyysi ja ekstrapolointi kuuluvat menetelminä taloustieteiden perusmenetelmiin. Kyseessä on tulevaisuuden haltuunotto niin, että ennustetaan tulevaisuutta sen perusteella, mitä historiasta tiedämme yleensä pitkiin aikasarjoihin nojautuen. Analyysissä oletetaan, että tulevaisuus jatkuu kutakuinkin sellaisena, kuin se historian valossa näyttäytyy. Tulevaisuus on siis ennustettavissa (ekstrapoloitavissa) menneen aineiston trenditietona, jota tarkennetaan ilmiön muuttumista kuvaavilla laskelmilla. Mäenpään esittelemässä pitkän aikavälin kasvumallissa FMS-mallisysteemissä (the Finnish long term Model System) oletetaan, että talouden tasapainotila valittuna vuotena saadaan etsittyä olettaen, että talouden muuttujat kehittyvät geometrisessä kasvu-urassa (Mäenpää 1993, 163). FMS:n kaltaiset mallit voivat sisältää tuhansia huomioon otettavia tekijöitä eivätkä sovellu jokaisen käytettäviksi. Muita vastaavia mallisysteemejä ovat mm. Pekka Tiaisen kehittelemä pitkän aikavälin työvoimamalli (PTM), jota työministeriö käyttää toimialoittaisia tuotanto-, tuottavuus-, työllisyys- ja työvoimakehitysarvioita tehdessään (Tiainen 1996, 1998, 1999) sekä koulutustarjonnan apuvälineeksi MITENNA-projektissa kehitetty koulutustarveanalyysimalli (Autio ym. 1999). Millet ja Honton (1991) esittelevät trendimenetelminä trendiekstrapolaation (jatketaan nykyistä kehityskulkua tulevaisuuteen), aikasarjojen estimoinnin (huomioidaan trendeissä kausivaihtelut), regressioanalyysin (tulevaisuus jatkuu ennustettavasti usean tekijän suhteen), s-käyrä-analyysin (tietyn tekijän suhteen muutosnopeus hidastuu loivan s-kirjaimen muotoisesti kännyköiden yleisyys saturoituu ja ostohalukkuus pienenee), historialliset analogiat (muuttuminen seuraa samantyyppisenä kuin historiassakin), patentteja koskevan trendianalyysin sekä tieteellistä kirjallisuutta koskevan analyysin. Trendianalyysi sisältää siis useita erilaisia analyysimenetelmiä, joista tässä annetaan vain yleiskuva. 17

18 Historia Trendianalyysi tulevaisuuden haltuunoton menetelmänä on vanha. Sen historia palautuu 1800-luvulle, jolloin Sir Francis Galton kehitti regressioanalyysiksi kutsutun tilasto-matemaattisen menetelmän. Galton selitti poikien pituutta isän pituudella ja totesi, että keskimääräistä pitempien samoin kuin keskimääräistä lyhyempien isien pojista tuli keskimittaisempia kuin heidän isänsä olivat olleet. Tästä syystä menetelmän nimi alun perin olikin regression toward mediogrity ( taantuminen keskinkertaiseksi ). Myöhemmin 1900-luvulla tietokoneiden kapasiteetin kasvaessa epälineaariset mallit ja simulaatiot ovat tulleet suosituiksi. Viime vuosien aikana suurta suosiota ovat saaneet sumea logiikka ja kaaosteoriat, joissa jopa sanoudutaan irti lineaarisesta ennustamisesta kokonaan; tulevaisuutta on vaikea mallittaa, mutta kaaoksen keskellä löytyy tiettyä säännönmukaisuutta, joka ehkä sallii tulevaisuuden ennustamisen kohtuullisen tarkastikin. Käyttötarkoitus Trendimalleja käytetään pääasiallisesti suurten kehityslinjojen kuten työllisyyden, koulutustarpeen tai kansantalouden kehittymisen ennustamiseen. Teoriassa olisi mahdollista, että myös ihmisen käytös tai esimerkiksi automarketin rakentamisen vaikutus kunnan elinkeinoelämään voitaisiin mallittaa tai simuloida. Tällaisia tutkimuksia ei kuitenkaan ole vielä toteutettu ainakaan suuressa mittakaavassa. Tutkimuksen kulku Tavallinen tulevaisuuden haltuun ottaja, jolla ei ole matemaattisia valmiuksia lähteä itse kehittämään omia simulointimalleja, lineaarisia- tai epälineaarisia malleja, voi hyötyä Pekka Tiaisen TOOLBOXiin kehittelemästä PTM-mallista (Tiainen 1999). Osoitteesta löytyy sen internetversio. Asian vakavan harrastajan olisi hyvä harkita kiinnostuksen herätessä, kannattaisiko tilata itseä kiinnostava selvitys suoraan mallin kehittäjältä, konsulttityönä. Tällainen selvitys voisi tulla kysymykseen esimerkiksi suurten ikäluokkien poistumisen merkityksestä tai koulutustarpeen muuttumisesta. Kritiikkiä Tavallisen tulevaisuustutkijan tai alan harrastajan valikoimiin eivät kuulu raskasta matematiikkaa vaativat menetelmät. Ilman perustietoja menetelmien käytöstä ei oikein tahdo tulla hyvää jälkeä. Niiden käyttö ja mahdollisuudet olisi kuitenkin hyvä tuntea. Menetelmät ovat joka tapauksessa perusmenetelmiä ta- 18

19 loustieteiden alueella tai laskennallisissa tieteissä (matematiikassa ja fysiikassa), joten halutessaan menetelmistä kiinnostunut lukija voisi ottaa yhteyttä kyseisten alojen asiantuntijoihin. Historia Conjoint-analyysi Conjoint-analyysi (Conjoint Analysis) on nimensä mukaisesti tekniikka, jossa yhtä aikaa otetaan käsittelyyn useita tulevaisuutta kuvaavia ominaispiirteitä. Asiantuntijat arvioivat tulevaisuutta ko. ominaispiirteiden suhteen ja antavat kullekin erilaiselle ominaisuuksien kombinaatiolle todennäköisyyden verraten aina kahta mahdollista tulevaisuutta toisiinsa. Regressioanalyysia hyväksi käyttäen lasketaan, minkälainen on asiantuntijoiden mielestä todennäköisin tulevaisuuden ominaispiirteiden kombinaatio. Conjoint-analyysi (CA) menetelmänä on kehitetty markkinatutkimuksen piirissä. Asiakkaiden annetaan valita tiettyjen ominaisuuksien (esimerkiksi asunnon hintatason, sijainnin ja varustetason) suhteen erilaisia tuotteita. Asiakkaat valitsevat kombinaatioista itselleen mieluisimman tai todennäköisimmän. Menetelmän matemaattinen puoli perusteltiin 1960-luvulla (Luce & Tukey 1964, Kruskal 1965). Markkinatutkimuksen puolella metodia on käytetty mm. asuntojen hintatason ja varustelun kartoituksessa, keittiön allasmallien suunnittelussa ja lentokoneiden istuinten jalkatilan kehittämisessä. Tulevaisuustutkimuksen piirissä Metsämuuronen (1997) lienee ainoa, joka on käyttänyt menetelmää tulevaisuuden haltuunottoon. Hän selvitti CA:a käyttämällä sosiaali- ja terveysalan asiantuntijoiden kanssa todennäköisintä tulevaisuutta, kun tulevaisuuden attribuutteina olivat väestön ikääntyminen, teknologian kehittyminen, kansantalouden kehitys, informaatioteknologian kehittyminen, työttömyys, kansainvälistyminen, ohjausjärjestelmän muutos sekä palvelurakenteen muutos. Käyttötarkoitus CA soveltuu matemaattisena vaihtoehtona käytettäväksi tilanteissa, joissa halutaan hallita yhtä aikaa useita erilaisia tulevaisuuden ominaispiirteitä ja rakentaa erilaisia todennäköisiä tulevaisuuksia. Menetelmän käyttö edellyttää omaa ohjelmistoa, jollainen on rakennettu yleisimpiin tilasto-ohjelmapaketteihin (SPSS ja SAS). Toisaalta esimerkiksi suomalainen Market Visio firma on kehittänyt ohjelmiston, joka on suomenkielinen ja helppokäyttöinen. 19

20 Tutkimuksen kulku Tässä kuvaan tutkimuksen kulkua sellaisena, kuin se tapahtui Metsämuurosen prosessissa Market Maker ohjelmistolla. Aluksi tutkijan tulee päättää, mitä ominaisuuksia pidetään oleellisina tulevaisuuden attribuutteina (Green & Srinivasan 1978, 105). Tämä voidaan tehdä asiantuntija-arvoina hakemalla konsensusta joko numeerisesti (asiantuntijat arvottavat tulevaisuuden ominaispiirteitä esimerkiksi Likertin asteikolla) tai muulla vastaavalla tavalla. Tuloksena on joukko tärkeitä ja oleellisia tulevaisuuden ominaispiirteitä. Toisessa vaiheessa tutkija etsii kullekin ominaispiirteelle 3 4 todellista, konkreettista ja käytännöllistä luokkaa. Esimerkiksi työttömyyden suhteen voidaan valita luokat 1) työttömyys vähenee 1 %, 2) työttömyys pysyy ennallaan, 3) työttömyys lisääntyy 1% ja 4) työttömyys lisääntyy 2%. Kolmannessa vaiheessa muodostetaan asetelma, jossa tulevaisuus kuvataan esimerkiksi kortille. Kortteja muodostetaan (tai ohjelmisto muodostaa) useita, joista jokaisessa on erilainen kombinaatio attribuuttien tasoista (ks. tarkemmin Metsämuuronen 1997 ja tässä teoksessa luku 6.1.6). Neljännessä vaiheessa tutkija antaa kortit pareittain analysoitavaksi valitu(i)lle asiantuntija(oi)lle. Yksittäiset asiantuntijat vertaavat kahta korttia (tulevaisuutta) toisiinsa ja pitävät jompaakumpaa todennäköisempänä kuin toista. Korteille jaetaan todennäköisyys- tai suotavuuspisteitä (riippuen siitä miten tutkija haluaa asiaa tutkittavan) 100 yhteensä. Jos toinen kortti saa 90 pistettä, saa toinen kortti 10 pistettä. Ensimmäistä korttia ja sen sisältämiä vaihtoehtoja asiantuntija pitää huomattavan paljon todennäköisempänä tai suotavampana kuin jälkimmäistä korttia ja sen sisältämiä vaihtoehtoja. Lopuksi ohjelmisto laskee regressioanalyysia hyödyntäen todennäköisimpiä tulevaisuuksia, asiantuntijoiden tai erilaisten asiantuntijaryhmien vastausten yhdenmukaisuuden indikaattoreita (reliabiliteetin) sekä antaa graafisia mahdollisuuksia hahmottaa asiantuntijoiden mielipiteitä. Kaavion muodossa Conjoint-analyysi etenee siis seuraavasti: 1. Keskeisten tulevaisuuden ominaispiirteiden (attribuuttien) valinta 2. Sopivien luokkien ja niitä kuvaavien tasojen löytäminen jokaiselle attribuutille 3. Tulevaisuuskorttien (erilaisten kombinaatioiden) muodostaminen 4. Asiantuntijat arvottavat tulevaisuuskortteja korttipari kerrallaan 5. Laskenta ja tulostus vastaajaryhmittäin 6. Johtopäätökset ja mahdolliset toimenpiteet 20

21 Kritiikkiä Conjoint-analyysi tekniikkana ei ole saanut osakseen rajua kritiikkiä. Sen käyttäjät ovat huomauttaneet kuitenkin mm. sopivien attribuuttien löytämisestä ja siihen panostamisesta. Tulevaisuustutkimuksen yhteydessäkin kritiikki on ollut lempeää. Metsämuuronen toteaa havainneensa pieniä yhteensovittamisongelmia markkinatutkimuksen ja tulevaisuustutkimuksen välillä. Termit hyöty, merkitys ja tuote eivät suoranaisesti soveltuneet tulevaisuustutkimukseen, mutta se ei vähennä itse menetelmän arvoa. Vakavampi ongelma on se, että joskus voi olla hankalaa keksiä tulevaisuuden attribuuteille oikeita ja kuvaavia luokkia. Miten esimerkiksi mittaat sitä, että informaatioteknologia kehittyy? On tehtävä valintoja, jotka ovat enemmän tai vähemmän oikeita. Sama ongelma on tietenkin muissa vastaavantyyppisissä menetelmissä kuten tulevaisuustaulukoissa ja ristivaikutusanalyysissä. Koko menetelmä tietenkin seisoo ja kaatuu oikein muodostettujen luokkien varassa. Osa tutkimukseen osallistuneista asiantuntijoista piti vaikeana valita kahden huonon vaihtoehdon välillä kumpikaan ei ollut heidän mielestään pisteiden arvoinen. Joillain asiantuntijoilla näytti myös olevan tendenssi pitää jotain attribuutin tasoa referenssitasona, jonka perusteella he antoivat tulevaisuudelle todennäköisyyden. Miten arvottaa tulevaisuus, joka muuten on juuri niin kuin ajattelen, mutta tärkeä referenssiattribuutti ei vastaakaan ajatuksiani? Jotta tämä ongelma olisi vältetty, ohjeeksi annettiinkin katsoa korttia kokonaisuutena eikä vain yhden yksittäisen attribuutin kannalta Ristivaikutusanalyysi Ristivaikutusanalyysi on Conjoint Analyysin (CA) tapaan tulevaisuuden haltuunoton menetelmä, jossa pyritään hallitsemaan useita tulevaisuuden kannalta oleellisia tekijöitä yhtä aikaa. Keskeisenä ajatuksena on käyttää ja kvantifioida tulevaisuuden kartoituksessa vaihtoehtoisia tulevaisuuskuvia, sillä tulevaisuus sisältää jos ei rajatonta määrää niin ainakin runsaasti erilaisia realisoitumismahdollisuuksia (Seppälä & Kuusi 1993, 141). Menetelmässä etsitään kuten CA:ssa monia tulevaisuuden kannalta merkittäviä tekijöitä, mutta muuttujien määrää rajoittaa ohjelmistojen koko, ei niinkään se, mitkä tekijät ovat kaikkein merkittävimpiä. Ristivaikutusanalyysia varten on olemassa ohjelmistoja, joista Battelle-yhtymän BASICS (Battelle Scenario Inputs to Corporate Strategies) on ilmeisesti käytetyin. Analyysin ydinsisällön muodostavat malliin mukaan tulevat muuttujat eli deskriptorit, joita kuvataan enemmän tai vähemmän täsmällisin kuvauksin työttömyys lisääntyy 2 % - 1% - 0% - - 1% tai kansatalous kasvaa pysyy ennallaan pienenee. Näistä luokituksista muodostuu valtaisa määrä erilaisia kombinaatioita, joista tietokoneohjelma rakentaa kunkin tilan etukäteistodennäköisyy- 21

22 Historia den (a priori -todennäköisyys) perusteella mielekkäitä kombinaatioita (Honton ym. 1984). Etukäteistodennäköisyydet saadaan selville asiantuntijoita haastattelemalla tai perustuen tutkijan omaan kannanottoon. BASICS-ohjelmiston sisäinen logiikka on seuraavanlainen: jos erilaisista lähtöpisteistä usein päädytään samanlaiseen lopputilaan (tulevaisuudenkuvaan), on kyseisen tulevaisuustilan todennäköisyys suurempi kuin sellaisen, johon päädytään vain harvoin. Ristivaikutusanalyysin kehitti alun perin 1950-luvulla Olaf Helmer modernin Delfi-tekniikan isä (ks luku 5.2.1) Delfi-tekniikan avuksi. Helmerin ohjelmakuvauksen perusteella myös Suomessa tehtiin ohjelmisto ristivaikutusanalyysia varten (Seppälä ja Kuusi 1993, 142). Suomessa erityisesti Yrjö Seppälä on hyödyntänyt ristivaikutusanalyysia ja BASICS-ohjelmaa mm. energiatalouden (Seppälä 1989) sekä kuljetustarpeen ennakointiin (Seppälä 1990, Seppälä & Kuusi 1993). Mannermaa (1986) on jo aiemmin vertaillut erilaisia ristivaikutusanalyysin laskemismenetelmiä. Käyttötarkoitus Ristivaikutusanalyysia voidaan käyttää tilanteissa, joissa halutaan hallita useita tulevaisuuden osatekijöitä yhtä aikaa. Sitä voidaan käyttää Delfi-tekniikasta irrallaan, mutta se toimii hyvin myös laadullisen aineiston ryydittämisessä laskennallisella komponentilla. Tutkimuksen kulku Ristivaikutusanalyysin toteutus on pitkälti analoginen CA:n kanssa. Aluksi tutkija kartoittaa tulevaisuuden kannalta oleelliset muuttujat eli deskriptorit. Toisessa vaiheessa kullekin deksriptorille etsitään sitä luonnehtivia vaihtoehtoja, jotka kuvaavat mahdollisia tulevaisuuden tiloja kyseisen muuttujan suhteen. Kolmannessa vaiheessa kullekin muuttujan vaihtoehdolle etsitään ns. a priori etukäteistodennäköisyys, millä todennäköisyydellä juuri tämä muuttujan tulevaisuustila tapahtuu. Neljännessä vaiheessa lasketaan ns. vaikutusmatriisi, joka kuvaa tulevaisuustilojen toteutumista vahvistavat tai heikentävät yhteydet muuttujien välillä. Viidennessä vaiheessa lasketaan kullekin vaihtoehdolle vaikutusmatriisilla korjatut ns. posteriori eli jälkikäteistodennäköisyydet, joiden perusteella päätelmät lopulta tehdään. Kuudennessa vaiheessa muuttujien ja niiden vaihtoehtojen joukosta poimitaan ne kombinaatiot, joiden todennäköisyys olisi suurin, ja kuvataan ne sanallisesti. 22

23 Kaavion muodossa ristivaikutusanalyysi on siis seuraavanlainen: 1. Keskeisten tulevaisuuden ominaispiirteiden (deskriptorien) valinta 2. Sopivien luokkien ja niitä kuvaavien tasojen löytäminen jokaiselle deskriptorille 3. Etukäteistodennäköisyyksien (a priori tn.) löytäminen kullekin deskriptorin tasolle 4. Vaikutusmatriisin laskeminen 5. Jälkikäteistonennäköisyyksien (posteriori-tn.) laskeminen 6. Johtopäätökset ja mahdolliset toimenpiteet Kritiikkiä Seppälä on artikkelissaan esittänyt kriittisiä huomioita BASICS menetelmästä (Seppälä 1992, Seppälä & Kuusi 1993). Eräänä kriittisenä asiana Seppälä pitää loogisten a priori arvojen antamista. Väärin toimittaessa tulokset ovat harhaanjohtavia ja virheellisiä (Seppälä 1993, 161). Kuusi on kritisoinut BASICS menetelmää lähinnä läpinäkyvyyden näkökannalta. BASICS menetelmää Kuusi pitää valtaosin läpinäkyvänä, mallin käyttäjä siis tietää mitä on tekemässä. Eräät osatekijät siinä edellyttävät Kuusen mukaan kuitenkin varovaisuutta ja hän ehdottaakin, että mukaan valittaisiin korkeintaan 20 muuttujaa kerrallaan (Seppälä & Kuusi 1993, 154). Seppälän mukaan Kuusen pääkritiikki eräässä ristivaikutusanalyysin sovelluksessa oli mukaan tulevan asiantuntijaraadin edustavuuden vaikutus tuloksiin (Seppälä & Kuusi 1993, Kuusi 1991). Ongelma on se, että asiantuntijaraadin tulisi edustaa niin hyvin kuin mahdollista erilaisia asiaan liittyviä intressitahoja. Tämähän ei tietenkään ole vain BASICS menetelmän ongelma, vaan liittyy yleisesti tilanteisiin, joissa tulevaisuutta koskeva tieto saadaan asiantuntijaraadilta (ks. Delfi tekniikkaa koskeva kritiikki luku 5.2.1). Eräs keskeisistä ongelmista lienee myös se, että analyysi edellyttää itse ohjelmiston hankkimista ja sen käyttäjäksi harjaantumista. Toisaalta haluttaessa on aina mahdollista ottaa yhteyttä asian osaajiin ja tilata analyysi konsulttityönä. 23

24 Historia Asiantuntijoiden mielipiteen pysyvyyden analysoiminen Monet tulevaisuuden haltuunoton keskeisistä menetelmistä perustuvat asiantuntijoiden mielipiteiden kysymiseen ja kyseisten mielipiteiden analysoimiseen (ks. luku 5.2). Asiantuntijoiden oletetaan tietävän tulevaisuudesta enemmän kuin muiden henkilöiden. Asiantuntijoiden mielipide kyseisestä asiasta voi kuitenkin muuttua ajan myötä. Muutos voi johtua kahdesta seikasta: yhtäältä siitä, että itse ilmiö voi muuttua, ja toisaalta siitä, että asiantuntija voi muuttua. Ilmiön muutos voi olla sitä, että maailma muuttuu eri tavalla, kuin mitä asiantuntija arvelikaan. Kosovon kriisi ei johtanutkaan maailmanlaajuiseen selkkaukseen, uusi koululaki ei muuttanutkaan radikaalisti koulujen toimintaa tai suurten ikäluokkien tuoma haaste hallittiinkin paremmin, kuin asiantuntija oli osannut kuvitellakaan. Tästä syystä asiantuntija muuttaa mielipidettään kyseisten asioiden suhteen. Voi olla toisaalta mahdollista, että asiantuntija itse oli hieman epävarma asiasta, kun sitä häneltä kysyttiin. Toisella kerralla kysyttäessä mielipide on tarkentunut ehkä lisäinformaation myötä. Asiantuntijoiden mielipiteen pysyvyyden analysoinnissa on kyse siitä, kuinka varma tai stabiili on se mielipide, johon tulevaisuuden haltuun ottaja luottaa. Mielipiteen pysyvyyttä voidaan lähestyä korrelaatiokertoimen avulla. Tällöin testi-uusintatesti menetelmällä laskettu korrelaatio kertoo ilmiön muuttumisesta, mikäli aika mittausten välillä lähestyy puolta vuotta tai on suurempi. Toisaalta mikäli aika mittausten välillä ei ole suuri (esimerkiksi 1 2 viikkoa, niin että asiantuntija ehtii unohtaa mitä aiemmin vastasi, mutta itse ilmiö ei ehdi muuttua), korrelaatio kahden mittauksen välillä kertoo asiantuntijoiden yksimielisyydestä mittausten välillä. Korrelaatiokertoimen käyttö kuitenkin edellyttää, että muuttujan suhteen on asiantuntijamielipiteessä vaihtelua (osa on vastaan ja osa puolesta). Mikäli asiantuntijat ovat asiasta yksimielisiä, on parempi käyttää stabiliteettikerrointa tai ainakin tarkistaa mielipiteen pysyvyys sen avulla (Metsämuuronen 1995, 1977, ks myös luku 6.1.3). Tulevaisuustutkimuksen piirissä asiantuntijoiden mielipiteen pysyvyyttä on tutkinut erityisesti Metsämuuronen (1997, 1998, 2000). Hän on kehittänyt erityisen stabiliteettikertoimen, jolla asiantuntijoiden mielipiteen stabiliutta eli pysyvyyttä voidaan tutkia (Metsämuuronen 1995). Kerroin kehitettiin alun perin tilanteeseen, jossa havaittiin, että korrelaatio kahden mittauksen välillä oli lähellä nollaa, vaikka koehenkilöt olivatkin olleet asian suhteen hyvin samanmielisiä kahden mittauksen välillä. Menetelmä perustuu ehdollisen todennäköisyyden käyttöön: asiantuntijoilta kysytään samaa asiaa kahteen kertaan pienen ajan (2 3 24

25 viikkoa) välein. Stabiliteettikerroin on samanmielisenä pysyneiden asiantuntijoiden osuus kaikista asiantuntijoista. Käyttötarkoitus Stabiliteettikerroin kannattaa laskea silloin, kun halutaan varmistua siitä, kuinka yksimielisenä samat asiantuntijat ovat pysyneet kahden mittauksen välisenä aikana. Kerroin kannattaa laskea myös silloin, kun arvelee, että vastaavaan tilanteeseen sopiva korrelaatiokerroin on teknisistä syistä laskenut matalaksi. Tämä tilanne syntyy, kun lähes kaikki asiantuntijat ovat olleet asiasta täsmälleen samaa mieltä. Tutkimuksen kulku Asiantuntijoiden mielipiteen pysyvyyden mittaus edellyttää 1) numeerista mittaamista, 2) kahta mielipiteen kysymistä samoilta asiantuntijoilta ja 3) hieman vaivaa, että jaksaa taulukoida ja laskea kyseisen lukuarvon. Mittaus on syytä aloittaa ennakkovalmisteluilla, joihin kuuluu mm. se, että etukäteen tiedustelee asiantuntijoilta heidän halukkuuttaan vastata kahteen kertaan samaan lomakkeeseen. Myös itse mittaaminen on syytä suunnitella niin, että ainakin osa tutkittavasta materiaalista on kysyttävissä numeerisesti. Metsämuurosen tutkimus sosiaali- ja terveysalan tulevaisuuden osaamistarpeista (Metsämuuronen 1998) tehtiin Delfi-tekniikalla (ks luku 5.2.1), jonka ensimmäinen kierros oli selvästi laadullinen avovastauksiin perustuva, ja toinen kierros numeerinen. Toisella kierroksella asiantuntijoiden mielipidettä kysyttiin väitteiden muodossa. Väitteisiin vastattiin Likertin asteikolla, jossa kuusiportaisesti oltiin joko täysin eri mieltä tai täysin samaa mieltä. Mielipiteitä kysytään samalla mittarilla samoilta asiantuntijoilta uudelleen 1 3 viikon jälkeen. Liian pieni aika mittausten välillä johtaa siihen, että emme voi olla varmoja vastaajien vastaustekniikasta vastaajilla on tendenssi vastata samalla tavalla kuin aiemmilla kerroilla, mikäli he muistavat, mitä ovat vastanneet edellisellä kerralla. Kun on saatu kaksi mittauskertaa suoritettua, kunkin asiantuntijan kaksi numeroa (1. mittaus ja 2. mittaus) ristiintaulukoidaan jokaisen kysymyksen suhteen seuraavasti (esimerkissä 30 asiantuntijaa yksinkertaistetussa luokittelussa): II mit- Eri mieltä Ei osaa sanoa Samaa mieltä Yhteensä I I taus mittaus kuin väite kuin väite mittauksessa Eri mieltä Ei osaa sanoa Samaa mieltä Yhteensä II mittauksessa

26 Taulukossa siis 30 asiantuntijasta 8 on kyseisen kysymyksen muuttujan suhteen ollut alun perin erimielisiä ja 20 samanmielisiä. Toisessa mittauksessa erimielisiä on ollut 6 ja samanmielisiä 22. Stabiliteetin kannalta kiintoisia ovat lävistäjällä sijaitsevat henkilöt (6 1 20), joita on 27. Hehän ovat asiantuntijoita, joiden mielipide on pysynyt samana kahden mittauksen välillä. Asiantuntijoiden stabiliteetin mitta on yksinkertaisesti samanmielisenä pysyneiden asiantuntijoiden osuus kaikista asiantuntijoista eli 27/30=0.90. Toisin sanoen 90% asiantuntijoista pysyi siis samanmielisenä mittausten välillä. Kulkukaaviona asiantuntijoiden mielipiteen pysyvyyden laskeminen olisi seuraava: 1. Asiantuntijoiden valinta 2. Sen varmistaminen, että asiantuntijat haluavat olla mukana kaksi kertaa mittauksessa 3. Numeerinen mittaus kaksi kertaa samoilta asiantuntijoilta samalla mittarilla 4. Kahden mittauksen ristiintaulukointi 5. Lasketaan lävistäalkioiden osuus kaikista alkioista Kritiikki Asiantuntijoiden mielipiteen laskeminen on niin uusi menetelmänä, ettei varsinaista kritiikkiä ole esitetty, ellei kritiikkinä pidä yleisesti asiantuntijaraatiin liittyvää problematiikkaa. Metsämuuronen itse on esittänyt seuraavaa varsin lempeää kritiikkiä menetelmää kohtaan (Metsämuuronen 1997): Mittaamista varten aineiston tulee olla hyvin suunniteltu ja kerätty. Jokaiselta mukanaolevalta asiantuntijalta on saatava kaksi mielipidettä; puuttuvia tietoja ei voi olla. Tältä osin menetelmä on hieman työläämpi kuin perinteinen yhden mittauksen menetelmä. Oma vaivansa on myös siinä, että jokainen muuttuja on analysoitava erikseen, sillä juuri tulevaisuustutkimukseen kehitettyjä stabiliteetin laskemisen ohjelmistoja ei ole. Tosin menetelmä onkin alun perin kehitetty käsin laskettavaksi. Menetelmään olisi hyvä tehdä joitain sivistyneitä korjauskertoimia, joita ei siinä vielä ole. Sattumakorjattu erimielisyyskerroin olisi kai seuraava parannus, joka kuuluisi menetelmään kehittää menetelmästä puuttuu korjaustekijä, joka 26

27 huomioi sen, että 5-portaisella Likertin asteikolla mitattuna 1 ja 2 ovat itse asiassa samaa mielipidettä (erimielisyyttä väitteen kanssa), jotka saattavat tulla sattumanvaraisesti vastaajalta. Näinhän on tietenkin myös arvojen 4 ja 5 (samanmielisyyttä väitteen kanssa) osalta. Metsämuuronen on esittänyt tähän ns. redusoidun asteikon käyttöä, jolloin muutetaan 1 5 asteikko 1 3 asteikoksi ja 1 6 asteikko 1 3 asteikoksi. Tätä voitaneen käyttää, kunnes parempia menetelmiä löydetään Asiantuntijamenetelmät Asiantuntijamenetelmillä tarkoitetaan tässä sellaisia menetelmiä, jotka eivät perustu ensisijaisesti laskennallisiin elementteihin, vaan joissa hyödynnetään asiantuntijoiden tietämystä, intuitiota tai havaitsemiskykyä tulevaisuuden kartoittamiseen. Seuraavissa menetelmissä keskeisiä ovat niin tutkijan kuin asiantuntijoidenkin luovat kyvyt havaita sellaista, jota ei vielä kyetä pukemaan numeroiksi, sillä aikasarjoja ei välttämättä ole käytettävissä. Erityisesti tulevaisuudessa tapahtuvat murroskohdat ja niiden ajoittaminen on mahdoton tehtävä laskennallisilla tekniikoilla. Asiantuntijamenetelmistä esitellään jatkossa Delfi tekniikka, skenaario tekniikka, Megatrendianalyysi ja Top ten listaukset, tulevaisuustaulukko tekniikka edelläkävijäanalyysi sekä Teknologia-arviointi eli foresight menetelmä Delfi-tekniikka Delfi-tekniikalla tieto hankitaan haastattelemalla asiantuntijoita toisistaan riippumatta anonyymisti, jolloin yhden ihmisen mielipide ei hallitse valitun asiantuntijaraadin mielipidettä, minkä on sanottu olevan esimerkiksi komiteatyöskentelyn heikkouksia. Perinteisesti Delfi-tekniikalla hankittu tieto on perustunut asiantuntijoiden haastatteluihin, joskin tällainen mielipiteiden yhdenmukaistaminen johtaa usein oleellisen, heikon signaalin omaisen tiedon häviämiseen. Tästä syystä tiukasta konsensuksesta on eräissä tapauksissa pyritty luopumaan (Kuusi 1993, 135, Turoff & Hiltz 1997) ja painotetaan enemmänkin mielipiteen stabiilisuutta eli sitä, että mielipiteet eivät enää muutu Delfi-kierrosten myötä (Mannermaa 1999, 157). Delfi-tekniikkaa on käytetty viimeaikoina mm. teknologiaennusteissa (Kuusi 1999), kunta-alan tulevaisuusnäkymissä (Kivelä & Mannermaa 1999), sosiaalija terveysalan tulevaisuuden osaamistarpeiden kartoituksessa (Metsämuuronen 27

28 1998) ja kommunikaatioklusterin tulevaisuuden ennustamisessa (Ahlquist & Mannermaa 1998). Käyttötarkoitus Historia Delfi-tekniikalla pyritään löytämään tietoa tai ainakin asiantuntijoiden käsityksiä asioista, joista ei ole muuten mahdollisuutta saada täsmällistä tietoa. Delfi-tekniikan historia ajoitetaan 1950-luvulle, jolloin Gordon ja Helmer tekivät tekniikalla kyselyn tieteen ja teknologian kehityksestä ja sen yhteiskunnallisista vaikutuksista. Tosin itse tekniikka tunnettiin jo vuosisadan alun menetelmäkirjallisuudessa (Churchill 1920). Gordonin ja Helmerin tutkimus kuitenkin lienee ensimmäinen, jossa sitä käytettiin vaikuttavasti. Mainittu tutkimus oli salainen Yhdysvaltojen puolustusvoimien projekti, minkä vuoksi RAND-yhtiön tutkijat eivät saaneet julkaista tuloksia. Kritiikin Helmer esitti vuonna 1963 (Helmer 1963). Delfi-tekniikan nimi tulee antiikin Delfoin oraakkeleiden toiminnasta mistä syystä Osmo Kuusi (1993) on loogisesti ehdottanut ja käyttänyt Delfoi-tekniikan nimeä. Tuolloin Delfoin oraakkelit nuoret tytöt transsissa tai huumaantuneena myrkyllisistä kaasuista lausuivat enemmän tai vähemmän sekavia tai monikäsitteisiä Delfoin muinaisen valtiaan Apollon ennustuksia, joita papit sitten tulkitsivat (Mannermaa 1991, Kuusi 1993). Tutkimuksen kulku Delfi-tekniikalle on Kuusen mukaan tyypillistä seuraavat luonnehdinnat (Kuusi 1993, 135): 1. Tutkimusta varten on muodostettu asiantuntijaryhmä tai paneeli 2. Asiantuntijat muotoilevat kantansa tutkimusta tekevälle erikseen. Kannanotot voivat kohdistua alusta lähtien täsmällisesti esitettyihin väitteisiin tai ensimmäinen kierros voi perustua väljään kysymyksen asetteluun, joka täsmentyy selkeiksi väitteiksi vasta yhden tai useamman haastattelu- tai postikyselykierroksen jälkeen. 3. Asiantuntijoille välitetään anonyymisti ja tyypillisesti kirjallisesti tietoja toisten paneeliin kuuluvien kannanotoista ja niiden perusteluista. 4. Asiantuntijat voivat yhden tai useamman kerran muuttaa mielipidettään esitetyn aineiston perusteella. 28

29 Itse tiedonhankinta Delfi-tekniikalla voidaan kuvata kulkukaaviolla seuraavasti: 1. Aihealueen rajaus ja kyselylomakkeen muotoilu - tulkinnanvaraisten käsitteiden minimointi - mahdollinen pilottikysely 2. Asiantuntijoiden valinta raatiin tai raateihin - kuka? - millä perusteella? 3. Ensimmäinen kierros - kokoaa tietoa yksittäisiltä asiantuntijoilta 4. Tutkija kokoaa tiedon ja tuottaa panelisteille yhteenvedon ensimmäisen kierroksen tuloksista 5. Toinen kierros - täsmentää ensimmäisen kierroksen mielipiteitä - asiantuntijat voivat muuttaa kantaansa 6. Tutkija kokoaa jälleen tiedot, analysoi niitä ja lähettää mahdollisesti vielä uudelleen ne panelisteille 7. Hyväksi havaitun määrän jälkeen Delfi-kierroksia tutkija kokoaa tiedot ja lopettaa asiantuntijoiden haastattelut/kyselyt. -Tuloksena on panelistien konsensus kysytystä aihepiiristä. Edut Delfi-tekniikalla on Kuusen mukaan (Kuusi 1993, ) muutamia etuja esimerkiksi komiteatyöskentelyyn tai aikasarja-analyysiin nähden. 1. Delfi-tekniikka soveltuu erityisesti vaikeasti pääteltävien taite- tai käänne pisteiden löytämiseen tai ajoittamiseen. 2. Hyvä Delfi-tutkimus tuo Delfi-raadin jäsenen havaitsemat heikot signaalit ja kehittämistavoitteet suuremman joukon arvioitavaksi. 3. Hyvä Delfi-tutkimus ehkäisee arvovalta- ja intressiristiriitojen ajattelua nujertavan vaikutuksen. 29

30 Kritiikki Metsämuuronen (1997, 1998) on lisännyt Delfi-tekniikan etuihin myös sen, että tekniikkaan on helppo kytkeä niin laadullinen (kvalitatiivinen) kuin määrällinen (kvantitatiivinen) tutkimusote. Etujensa lisäksi Delfi-tekniikalla on eräitä puutteita, joita erinäinen määrä tutkijoita on ottanut esille. Oleellista on, että seuraavista kriittisistä seikoista huolimatta ovat kritiikkiäkin esittäneet tutkijat käyttäneet Delfi-tekniikkaa. Varovaisesti sanoen mainitut seikat ovat sellaisia, jotka tutkijan tulee tiedostaa ja joihin hänen tulee varautua tehdessään Delfi-tutkimusta. Tässä esitettävä kritiikki on Metsämuurosen (1997, 1998) kokoamaa. Ensimmäinen kriittinen kohta Delfi-prosessissa on asiantuntijoiden valinta. Kukaan ei pysty sanomaan, kuinka monta asiantuntijoita tulisi olla tai edes kuka on riittävän asiantuntija paneeliin. On ollut paneeleita, joissa panelisteja on ollut yli tuhat. Kuusi pitää kuitenkin suurena 150 hengen paneelia. Hän asettaakin kyseenalaiseksi suuren vastaajajoukon hyödyn. (Kuusi 1993, 136.) Toinen kriittinen kohta on ensimmäinen Delfi-kierros. Kritisoidessaan varhaisia Delfi-tutkimuksia Kuusi toteaa, ettei ensimmäisissä tutkimuksissa pidetty tärkeänä oikeiden kysymysten laadintaa. Tähän vaiheeseen hän suosittaa asiantuntija-apua. Kuusi pitää vaihetta krusiaalina tutkimuksen onnistumisen kannalta. (Kuusi 1993, 136.) Ensimmäiseen Delfi-kierrokseen liittyy muitakin ongelmia. Jos kysely suoritetaan postikyselynä, tästä yleensä seuraa katoa. Sosiologisissa tutkimuksissa pidetään kohtuullisena, mikäli 70%:kin postituskierroksella mukana olleista vastaisi lomakkeeseen. Se, miten kato vaikuttaa tulokseen, jää jokaisen tutkijan harkittavaksi. Haastattelumenetelmällä kato saattaa jäädä oleellisesti pienemmäksi (Kuusi 1993, 136). Edelleen on huomautettu, että ensimmäisen kierroksen tulosten analysointia ei välttämättä pystytä saamaan samanlaiseksi erilaisten tutkimusten välillä, sillä yhtenäistä metodologiaa ei analyysistä ole. Kolmas vaihe, jossa pitää tehdä kriittisiä valintoja, on iteraatiokertojen määrän valinta. On sanottu, että jos kierroksia on enemmän kuin kolme, tulee tutkimuksesta aikaa vievä ja kallis. On myös esitetty, että kolmannen kierroksen jälkeen ei juurikaan muutoksia tulisi mielipiteisiin. Neljäs keskeinen ongelma on konsensus, jota jo hieman käsiteltiinkin. Ongelmahan on se, mitä pidetään konsensuksena. Terveystieteiden kirjallisuudessa ratkaisuksi konsensusongelmaan on esitetty riittävän konsensuksen löytämistä, mikä yleensä perustuu kvantitatiiviseen mielipiteiden arvottamiseeen. Täydellistä konsensusta ei pidetä enää toivottavana. 30

31 Viides kritiikin lähde on tutkimuksen tulokset. Delfi-tutkimuksen reliabiliteetti eli toistettavuus on epämääräinen. Olisivatko toiset asiantuntijat antaneet toisenlaisen lopputuloksen? Tässä mielessä mielenkiintoinen on Duffieldin hoitoalan kompetensseihin liittyvä tutkimus, jossa otettiin kaksi eri paneelia ja verrattiin heidän vastauksiaan. 92,86% tutkituista hoitotyön kompetensseista oli samoja molemmilla ryhmillä. (Duffield 1993, 236.) Samansuuntaisia lukuja tuli esiin myös Metsämuurosen tutkimuksessa (1998). Toisin sanoen asiantuntija paneelit olivat varsin yhtä mieltä keskeisistä kompetensseista Skenaariotyöskentely Mika Mannermaa on määritellyt skenaarion seuraavasti: Skenaariomenetelmällä luodaan loogisesti etenevä tapahtumasarja, jonka tarkoituksena on näyttää miten mahdollinen tulevaisuuden tila kehittyy askel askeleelta nykytilasta (Mannermaa 1999c, 57). Käyttötarkoitus Skenaariotekniikkaa käytetään silloin, kun halutaan saada tietoa tai selvittää asiantuntijoiden käsityksiä erilaisista vaihtoehtoisista tulevaisuuksista ja niihin johtaneista tulevaisuuden poluista. Historia Tulevaisuustutkimukseen skenaariotekniikat tulivat voimakkaasti tulevaisuuden haltuunoton menetelmiksi 1980-luvun alussa. Tällöin Timo Sneck esitteli vaiheittaisen skenaariomenetelmän (1983, 1993) ja teki useita skenaarioraportteja niin sydäninfarktin hoidosta (Sneck 1985) kuin erinäisten kuntien tulevaisuudesta (Sneck 1985, 1988, Sneck & Tuunela1989, Sneck & Pajunen 1992 ja Sneck, Pajunen & Lankinen 1993). Samoihin aikoihin Yrjö Seppälä esitteli samantyyppisen tulevaisuustaulukko menetelmän (1983, 1984, 1987), jolla myös voitiin kartoittaa erilaisia vaihtoehtoisia tulevaisuuksia (Seppälä 1993). Myöhemmin Tarja Meristö hyödynsi tekniikkaa yritysten johtamisen apuvälineena (Meristö 1991, 1993). Skenaarioiden eräs keskeinen teos lienee Ruokasen ja Nurmion Suomi-skenaario kirja Suomi ja mahdolliset maailmat (Ruokanen & Nurmio 1995) Viimeaikoina erityisesti Mika Mannermaa on perehtynyt tekniikkaan ja käyttänyt sitä useissa valtakunnallisesti merkittävissä projekteissa kuten eduskunnan tulevaisuusvaliokunnan skenaarioryhmässä (Mannermaa 1994), poliisitoiminnan tulevaisuushankkeessa (Mannermaa 1997) ja puuteollisuuden tulevaisuuskartoi- 31

32 tuksessa (1999d). Mannermaa on kirjoittanut asiasta myös erinomaisen oppikirjan (Mannermaa 1999c). Tulevaisuuden haltuunotto/ tekniikka Mahdolliset tulevaisuudet voidaan ottaa haltuun ainakin kahdella periaatteessa erilaisella tekniikalla. Toinen tapa on se, että lähdetään liikkeelle nykyhetkestä, edetään kohti tulevaisuutta ja päädytään joihinkin päätetiloihin. Tätä strategiaa ranskalainen skenaarioasiantuntija Michel Godet (1997) nimittää eksploratiiviseksi eli tutkivaksi skenaarioksi. Toinen mahdollisuus on lähestyä nykyisyyttä tulevaisuudesta käsin: lähdetään liikkeelle joistain tulevaisuuden päätetiloista, pohditaan miten tiloihin loogisesti päästiin ja edetään kohti nykyisyyttä. Tätä menetelmää nimitetään normatiiviseksi eli tavoitteelliseksi skenaarioksi. Toisen tyyppinen tapa jaotella skenaariot on Mannermaan (1999, 59) esittämä jako monosektoraaliseen, eli yhtä ainoaa tieteenalaa tai yhteiskunnan sektoria koskevat skenaariot, ja toisaalta multisektoraaliseen eli useampaa kuin yhtä alaa tai sektoria koskevat skenaariot. Skenaariotekniikka voidaan esittää seuraavasti kulkukaavion muodossa: 1. Skenaarioryhmän perustaminen - mukaan visionäärien lisäksi myös aitoa päätöksen tekoa edustavia tahoja 2. Aloitusseminaari - tavoitteena motivoitua ja kartoittaa pitkän aikavälin tavoitteita ja visioita 3. Kartoitetaan tai luodaan yleiset yhteiskunnalliset skenaariot - yleensä ei ole mielekästä luoda uusia skenaarioita, mikäli joukossa ei ole tähän asiantuntemusta 4. Luodaan aihealueelle tarkennetut skenaariot - tarkennettujen skenaarioiden pohjana toimivat megatrendit: Miten megatrendi vaikuttaa tämän alan tulevaisuuteen? 5. Ilmaistaan strategiset linjaukset visioiden suuntaisesti kussakin skenaariossa 6. Ilmaistaan toimenpidesuunnitelma eli strateginen kehitysohjelma, johon päätöksentekijät sitoutuvat - konkreettiset toimet lyhyellä ja keskipitkällä aikavälillä 7. Toteutetaan suunnitelmat 32

33 Edut Kritiikki Skenaariotekniikan eittämätön etu on se, että menetelmällä on mahdollista hallita yhtä aikaa useita erilaisia tulevaisuuksia. Skenaariotyöskentely auttaa yritystä tai instituutiota varautumaan erilaisiin tulevaisuuksiin. Yhteiskunnan ja perinteisten teollisten yritysten rakenteiden muutos tapahtuu hitaasti niin kuin suurella valtamerilaivalla. Näin ollen ilmeisesti Mannermaa (1999b) on oikeassa arvioidessaan, että jos skenaarioprojektin tuloksia arvioitaessa havaitaan, että merkittäviä muutoksia pitäisi tehdä viiden vuoden kuluessa, muutokset olisi pitänyt aloittaa jo pari vuotta aiemmin. Hyvässä skenaariotyöskentelyssä saadaan päätöksen tekijät myös sitoutumaan muutoksiin ja toimenpiteisiin. Kirjallisuudessa ei juuri ole esitetty kritiikkiä skenaariotekniikasta. Metsämuuronen (1998) on esittänyt lievää kritiikkiä skenaarioiden lähtökohdista. Hän on ollut huomaavinaan, että usein valtakunnallisten skenaarioiden perustana ovat taloudelliset reunaehdot. Sosiaali- ja terveysalan tulevaisuutta kartoittaneen tutkimuksen yhteydessä (Metsämuuronen 1998) häntä olisi houkuttanut ajatella, että ihmisten terveys tai sosiaalinen muutos ei olisi teknologisesti tai taloudellisesti determinoitunut, vaan että ihminen voisi valinnoillaan määrätä teknologista kehitystä. Itse asiassa tämän suuntaista ajatusta on esittänyt myös Kuusi teknologian arviointia koskettavassa artikkelissaan (1999): vaikka teknologia esimerkiksi sikiötutkimuksissa onkin kehittynyt havaitsemaan kohtuullisen merkittäviäkin anomalioita, ihmiset eivät välttämättä ole valmiita tekemään raskauden keskeytyksiä tutkimusten perusteella. Eräs kriittinen asia skenaariotekniikassa lienee se, että ilmeisesti yksikään skenaario ei tule toteutumaan sellaisenaan, globaalisti, kaikkia yhdistävästi ja kaikkia yhteiskuntakerroksia läpäisevästi. Vanha viisaus sanoo Jeesuksen suulla jo 2000 vuotta sitten: Köyhät teillä on aina keskuudessanne. Ei nähtävästi ole mahdollista kehittää sellaista utooppista yhteiskuntaa, joka olisi täydellisen tasaarvoinen ehkä tärkeämpää olisikin pohtia, milloin se olisi riittävän tasaarvoinen, jotta suuret massat olisivat tyytyväisiä. Samalla tavalla valtakunnalliset Suomi-skenaariot saattavat toteutua valtaosalle väestöä, mutta aina on joukossa niitä, joita taloudelliset huolet eivät rasita (mikäli ajatellaan, että taloudelliset tekijät toimivat skenaarioiden polttoaineena) tai toisaalta aina löytyy niitä, jotka eivät välitä omasta terveydestään vaan polttavat kynttiläänsä useammasta kuin kahdesta päästä (mikäli ajatellaan, että skenaarioiden lähtökohtana olisi muutos ihmisissä). Jos yksikään skenaario ei toteudu, kuinka niihin voidaan luottaa? 33

34 Vain yksi tulevaisuus meillä aidosti tulee olemaan. Niinpä on kai harhaan johtavaa esittää niitä monta. Voidaan siis kysyä, olisiko järkevämpää esittää ns. todennäköisin tulevaisuus ja vain hieman tästä poikkeavia skenaariota? Megatrendianalyysi ja Top Ten -listat Trendillä tarkoitetaan ennalta arvattavaa tai ylipäänsä ennakoitavaa kehityspolkua, joka perustuu nykyisyyttä ja historiaa koskevaan tietoon (Webster s new dictionary and thesaurus -sanakirjan mukaan sana trend on mennä, edetä johonkin tiettyyn suuntaan ). Termin megatrendi puolestaan otti käyttöön John Naisbitt (1982). Termillä tarkoitetaan sellaisia kehityspolkuja, jotka ovat yleismaailmallisia ja laajoja ihmisjoukkoja tai alueita koskettavia trendejä. Tällaisia ovat mm. maailman laajuinen väestönkasvu sekä teknologian ja informaatioteknologian lisääntyminen. Paljon huomiota määrätietoisista megatrendianalyyseistään on saanut edellä mainittu Naisbitt (Naisbitt 1982, Naisbitt & Aburdene 1990), mutta myös suomalaiset asiantuntijat ovat koonneet näyttäviä megatrendilistoja (ks. esimerkiksi Kivistö 1992, 1997, Stenlund 1997, Kaivo-oja ym. 1997, Mannermaa 1999). Metsämuuronen on jakanut sosiaali- ja terveysalan tulevaisuuden kannalta oleelliset megatrendit lisääntymis- ja kehittymistrendeihin (Metsämuuronen 2000, kuva 1). Tiedon lisääntyminen Tekniikan kehitys Luonnon kulutuksen lisääntyminen Globaalisoituminen Informaatiotekniikan kehitys Muutokset: -ihmisessä -työssä -työmarkkinoissa -yhteiskunnassa Kestävä kehitys Yhteyksien lisääntyminen Väestön lisääntyminen Kuva 1. Globaaleja megatrendejä ja niiden yhteyksiä toisiinsa (Metsämuuronen 2000, 8) Top Ten listat ovat myös vakiintuneet tulevaisuuden haltuunoton menetelmäksi viimeisten vuosien aikana. Top Ten listauksessa asiantuntija käy läpi enemmän 34

35 Historia tai vähemmän subjektiivisesti oman alansa tulevaisuuden kannalta oleellisia tekijöitä ja pyrkii laittamaan kehityslinjat, trendit tai heikot signaalit jonkinlaiseen tärkeysjärjestykseen. Näitä listauksia on systemaattisesti koottu viime vuosina Tulevaisuustutkimuksen seuran toimesta vuosittaisissa Top Ten Futures seminaareissa Osmo Kuusen ollessa tilaisuuksien primus moottorina. Listoja on julkaistu FUTURA lehden teemanumeroissa 4/96 (eri alueiden yleisiä listauksia, mm. arvojen top ten ), 4/97 (eri alueita, mm. ikääntyvien top ten), 4/98 (eri tieteenalojen tulevaisuusrelevanssin top ten, mm. lääketiete ja diagnostiikka) sekä 1/2000 (eri taiteenalojen tulevaisuusrelevanssin top ten, mm. Science Fiction). Megatrendianalyysin isänä pidetään John Naisbittiä, jonka megatrendianalyysikirja (1982 ja 1984) on alan klassikko. On tosin asetettu kyseenalaiseksi koko termi megatrendi (Mannermaa 1999c, 84), sillä kehitys voidaan myös ymmärtää satunnaisesti toisiaan seuraaviksi sattumuksiksi ei välttämättä johdonmukaisesti eteneväksi tapahtumasarjaksi. Käyttötarkoitus Megatrendien ja top ten listojen anti on siinä, että ne voivat jäsentaa tietyn ongelma-alueen toimintaa ja antaa näin näkymiä siitä, mihin suuntaan kehitys saattaa olla kulkemassa. Yhtälailla listat erityisesti top ten listat saattavat toimia keskustelun virittäjinä: ne voivat herättää tarpeen vasta-argumenteille. Listat ovat parhaimmillaankin vain enemmän tai vähemmän perusteltuja mielipiteitä. Lisäksi megatrendianalyysit toimivat tulevaisuuden haltuunoton perus- tai pohjamateriaalina: aina ei tarvitse alkaa ennakointihanketta tai tulevaisuuspohdintaa alusta, mikäli käytettävissä on asiantuntijoiden laatimia valmiita analyyseja. Näin megatrendianalyyseja tai top ten listoja voidaan käyttää esimerkiksi skenaaroiden tai barometrien alkuvaiheen materiaalina (Mannermaa 1999c, 83). Tutkimuksen kulku Megatrendianalyysi puhumattakaan top ten listoista ei ole suoranaisesti tieteellinen ja objektiivinen tapa hahmottaa tulevaisuutta. Tosin Yhdysvalloissa megatrendien analysointi on hyvinkin järjestelmällistä toimintaa: luetaan ja seurataan medioita, poimitaan niistä uutisia, mielipiteitä ja väitteitä ja muodostetaan saadusta materiaalista synteesejä ja yhteenvetoja. Toisaalta megatrendianalyysi on helpompaa kuin esimerkiksi heikkojen signaalien etsiminen valtavasta informaatiotulvasta. Megatrendit ovat jotain ilmeistä suurissa joukoissa tapahtuvaa, joskin ne sisältävät myös aineksinaan heikkoja signaaleita trendien nousuista ja laskuista. 35

36 Kritiikki Varsinaista kulkukaaviota megatrendianalyysista tai top ten listojen laatimisesta on hankala tehdä. Yleisesti ottaen kuitenkin on niin, että oman alansa asiantuntijat pyrkivät ennustamaan ja näkemään, mihin johtaa nykyinen kehitys. Tulevaisuuteen vaikuttavista monista tekijöistä tai monista mahdollisista tulevaisuuksista he sitten arvottavat keskeisiä tekijöitä. Megatrendianalyysissä tutkija voi koota erinäisistä lähteistä riittävän koherentteja kokonaisuuksia Mannermaata lainatakseni (1999c, 85) samansuuntaisia mainintoja, tilastoja tai mielipiteitä ja muodostaa käsityksen siitä, että kyseinen asia saattaa olla megatrendi. Top Ten listausten ongelmana on pidetty mm. sitä, että niiden laadinta on ollut kirjavaa ja vähemmän systemaattista. Sama ongelma on myös megatrendianalyysissa. Listausten ja analyysien kekseinen ongelma on siis niiden luotettavuus. Mannermaan mukaan (1999c, 84) listauksissa ei ole tuotu selkeästi esiin, mihin niillä pyritään tai edes mitä niillä tarkoitetaan. Listojen sisältö on voinut olla megatrendejä, heikkoja signaaleita, mielipiteitä tai vain poleemisia väitteitä, joihin oletetaankin kuulijoiden tai lukijoiden ottavan kantaa. Top ten listoilla on ollut taipumus jäädä totuudeksi, vaikka todellisuudessa ne saattavat olla vain yhden ihmisen mielipide, erityisesti kun ne vielä julkaistaan kirjallisessa muodossa. Tässä mielessä gallup-kyselyn tuottama tietokin on joiltain osin huomattavan paljon luotettavampaa kuin Top ten -lista. Toisaalta kun kyseessä on oman alansa asiantuntija, hänellä on todennäköisesti enemmän tietoa listaan liittyvistä asioista kuin tavallisilla kadun tallaajilla. Tämä ei kuitenkaan poista listoista sitä ongelmaa, että paremmuuden tai vaikuttavammuuden järjestykseen laittaminen on täydellisen subjektiivinen valinta. Tulevaisuustutkimuksen seuran Top Ten Futures seminaareissa on tapana ollut, että listan esittäjä joutuu perustelemaan valintansa kriittiselle yleisölle, joka saa puolestaan kommentoida ja esittää vasta-argumentteja tai ehdottaa muitakin oleellisia tekijöitä listaan. Yleensä kuitenkaan yleisön kommentit eivät ole muuttaneet listaa. Megatrendejä on kritisoitu niiden deterministisen luonteen vuoksi: näin asia tulee etenemään asialle ei voi tehdä mitään. Mannermaa huomauttaa (1999c, 84), että etenkin historiamme myrskyisinä aikoina voi olla vähemmän oikeutettua puhua megatrendeistä. Voidaan kysyä, onko tulevaisuus loogisesti ja johdonmukaisesti etenevä historiallisen kehityksen lopputulos ja näin ollen ennalta arvattava, vai onko se kaoottinen, sattumanvarainen, yllätyksiä täynnä oleva, suunnittelematon tila. Ehkä megatrendit ja niiden analysointi tuovat eteemme mahdollisuuksia, joihin voimme reagoida. Tässä mielessä viehättävä on Rooman klubin perustajan Aurelio Peccein ajatus: Järkevinä ihmisinä voimme toteuttaa sen tulevaisuuden, jonka todella haluamme (Meadowsin ym. 1993, 16 sitee- 36

37 raamana). Megatrendikään ei ole jotain joka tulee ja jyrää, vaan jättää mahdollisuuksia muuttumiseen. Historia Tulevaisuustaulukko Tulevaisuustaulukko menetelmää on Suomessa kehittänyt erityisesti Yrjö Seppälä (Seppälä 1983, 1987, 1991, 1992, 1993). Menetelmän keskeinen ajatus on kuvata taulukon muodossa keskeisiä tulevaisuuden osa-alueita sekä niiden toteutumisvaihtoehtoja. Mannermaan mukaan (1999, 92) menetelmä on erityisen tehokas, kun halutaan hahmottaa yrityksen tai organisaation toimintaympäristöä ja sisäisiä muuttujia. Taulukosta voidaan havainnollisesti nähdä, millaisena tulevaisuus näyttäytyy, kun kultakin osa-alueelta valitaan kerrallaan yksi mahdollinen toteutumisvaihtoehto. Menetelmää voidaan käyttää itsenäisenä menetelmänä tai yhdistää sen tuottama tieto esimerkiksi skenaariotyöskentelyyn (Mannermaa 1999, 96). Itse kuvaavaan menetelmään on mahdollista liittää myös laskennallisia aineksia, kuten erilaisuusindeksejä (Seppälä 1993, 211), joihin ei kuitenkaan tässä luvussa puututa. Seppälän mukaan (1993, 200) menetelmä on kehittynyt morfologisen analyysin ja FAR menetelmän kautta tulevaisuustaulukkomenetelmäksi. Mannermaan mukaan (1999, 92) menetelmän alkuvaiheen kehittäjiä oli Fritz Zwicky, jonka yhteydessä puhutaan morfologisesta box:ista. Menetelmän alkuvaiheiden lähteenä on ollut mm. Rhynen artikkeli Technological Forecasting and Social Change julkaisusarjassa vuonna 1981 (Rhyne 1981). Menetelmää voidaan siis pitää kohtuullisen uutena. Mannermaa on sittemmin kehittänyt menetelmää lisäämällä siihen mahdollisuuksia hyödyntää megatrendejä ja heikkoja signaaleja (Mannermaa 1999, 94 95). Tätä yhdistelmätaulukkoa Mannermaa kutsuu XXtulevaisuustaulukoksi. Käyttötilanne Tulevaisuustaulukkomenetelmä on käytännöllinen tilanteissa, joissa 1) halutaan yhtä aikaa hallita useita tulevaisuuden ominaispiirteitä, 2) käytettävissä on asiantuntijaraati tai -paneeli ja 3) ei haluta käyttää laskennallisia menetelmiä. Tutkimuksen kulku Tulevaisuustaulukon rakentaminen onnistuu muiltakin kuin ammattimaisilta tulevaisuustutkijoilta. Seppälän mukaan (1993, 201) eräässä sen sovelluksessa mukana olleet vanhustenhuollon asiantuntijat pitivät itse menetelmää vaikeana, 37

38 mutta helposti omaksuttavana ja arvelivat, että he pystyisivät käyttämään sitä itsenäisesti. Taulukon rakentaminen alkaa sillä, että kootaan asiantuntijapaneeli. Toisessa vaiheessa etsitään asiantuntijoiden avulla halutun teeman ympäriltä tulevaisuuden kannalta keskeisiä ominaispiirteitä, muutostekijöitä tai sektoreita. Näistä tulevaisuuden attribuuteista valitaan oleelliset helmet, mikäli on käytetty aivoriihi menetelmää muutostekijöiden löytämisessä. Kolmannessa vaiheessa kullekin muutostekijälle etsitään joko sanallisia tai numeerisia vaihtoehtoja. Vaihtoehtojen lukumäärä ei ole oleellista. Mannermaa sanoo, että niitä tyypillisesti on 3 5 (Mannermaa 1999, 94), mutta Seppälä käytti vanhustenhuollon projektissaan 7 vaihtoehtoa. Kun taulukko (tai matriisi) on kirjoitettu vaihtoehtoineen näkyviin, kultakin alueelta tai sektorilta valitaan yksi vaihtoehto, joka yhdistetään seuraavan alueen yhteen vaihtoehtoon. Näin edetään, kunnes jokaiselta alueelta on valittu yksi vaihtoehto, joka loogisesti sopii yhteen muiden kanssa. Valittu tulevaisuudenkuva saattaa edustaa toivetulevaisuutta, realistista tulevaisuutta tai esimerkiksi suurimman todennäköisyyden tulevaisuutta. Valittu kombinaatio voi tietysti olla myös pahin vaihtoehto tulevaisuus, joka strategisessa suunnittelussa olisi tilanne, johon pitää varautua, mutta jota ei missään nimessä tahdota. Viidennessä vaiheessa tulevaisuuden kuvat puretaan ja kirjoitetaan auki. Kulkukaavion muodossa tulevaisuustaulukon rakentaminen on seuraava: 1. Asiantuntijoiden valinta 2. Tulevaisuuden kannalta oleellisten tekijöiden etsiminen ja karsiminen 3. Oleellisten tekijöiden eri toteutumisvaihtoehtojen löytäminen 4. Tulevaisuuskuvan löytäminen valitsemalla kultakin alueelta yksi vaihtoehto ja yhdistämällä ne toisiinsa 5. Tulevaisuuskuvien kirjoittaminen auki 6. Mahdolliset jatkotoimet tai lisäanalyysit 38

39 Tulevaisuustaulukon antiin voidaan lisätä jatkoanalyysejä, joista keskeisimpiä lienee se, että pohditaan millaisiin toimenpiteisiin kunkin löydetyn tulevaisuuden suhteen olisi ryhdyttävä. Toisaalta Seppälä (1993, ) esittää jatkotyönä erilaisuusindeksien laskemista. Erilaisuusindeksin idea on se, että muutostekijöiden vaihtoehdoista painokkaimpia ovat ne, jotka esiintyvät vain omassa tulevaisuuskuvassaan pyrkimyksenähän oli Seppälän mukaan luoda niin erilaisia tulevaisuuskuvia kuin mahdollista. Mannermaa puolestaan hyödyntää tulevaisuustaulukkoa skenaarioiden rakentamisessa (Mannermaa 1999, 96 97). Kritiikkiä Mannermaa sanoo (1999, 93), että tulevaisuustaulukon rakentaminen sinällään saattaa tuntua mekanistiselta ja yksinkertaiselta. Taulukon laatimisprosessissa vaaditaan kuitenkin huomattavaa sisällöllistä ja yleistä asiantuntemusta. Tämä tuo paineita asiantuntijaraadin kokoamiseksi (ks. Delfi-tekniikan kritiikki). Seppälä kommentoi raadin suuren koon olleen tavanomaista stressaavampi (Seppälä 1993, 200) ja asettaa kyseenalaiseksi sen hyödyn. Asiantuntijaraadin kokoamisen tärkeyttä ei voitane liikaa korostaa. Eräs tulevaisuustaulukko menetelmän ongelma on, että mahdollisia tulevaisuuksia tulee valtava määrä, joista osa ei ole mielekkäitä. Mannermaa on laskenut (1999, 94), että jos taulukossa on 10 muuttujaa ja jokaisella muuttujalla on 4 mahdollista arvoa, on näistä muodostuvien tulevaisuusvaihtoehtojen määrä 4 10 eli miljoonia. Asiantuntijaa tarvitaan, kun on ratkaistava, mitkä kombinaatioista ovat mielekkäitä. Mannermaa kommentoi lisäksi tulevaisuustaulukkomenetelmää siitä, että se antaa staattisen kuvan tulevaisuudesta poikkileikkauksen tiettynä aikana tietyssä paikassa verrattuna esimerkiksi skenaariotekniikkaan (Mannermaa 1999, 97). Tämän ongelman ratkaisuksi Mannermaa esittää tulevaisuustaulukon juoksuttamista aika-avaruudessa nykyhetkestä tulevaisuuteen. Näin muodostuu luontevia skenaarioita Edelläkävijäanalyysi Seuraava teksti perustuu pitkälti Sirkka Heinosen ajatuksiin ja teksteihin. Peruslähde on Heinonen 1993, jossa hän esittelee ansiokkaasti menetelmän teoreettisia perusteita ja sen kytkentöjä aiempaan kirjallisuuteen. Kaiken kaikkiaan kyseinen artikkeli on suositeltavaa luettavaa niille, jotka pohtivat kehittymisen ja muuttumisen problematiikkaa. 39

40 Historia Edelläkävijäanalyysi on menetelmä, jossa nimensä mukaisesti tutkitaan edelläkävijöitä. Menetelmän idea on se, että oletetaan kehityksen kulkevan tiettyyn suuntaan. Yhteiskunta muuttuu tiettyyn suuntaan maanviljelyskulttuurista teolliseen ja jälkiteolliseen yhteiskuntaan. Edelläkävijät kokeilevat ja ottavat ensimmäisenä käyttöön uusia menetelmiä ja käytänteitä. Analyysissa hyödynnetään perinteistä benchmarking menetelmää parhaiden käytänteiden vakoilemista. Edelläkävijämaina saattavat olla teknologian suhteen esimerkiksi USA ja Japani. Tutkitaan siis sitä, millaisia innovaatioita on niissä maissa otettu käyttöön. Tietyt sairaalat tai organisaatiot ovat olleet tunnetusti edelläkävijöitä uusien asioiden omaksumisessa. Tutkitaan siis, millaisia ratkaisuja näissä organisaatioissa on tehty. Heinonen itse on liittänyt edelläkävijäanalyysiin myös posi- ja negatrendianalyysiksi kutsumansa lisäpalikan. Tässä analyysissa pyritään jäljittämään uusien tekniikoiden tai menettelyjen positiivisia ja toisaalta myös negatiivisia vaikutuksia. Pienemmässä mittakaavassa voidaan tietysti selvittää myös esimerkiksi, mitä merkitsee automarketin rakennusluvan myöntäminen tai moottoritien rakentaminen kunnan elinkeinoelämälle. Menetelmä kuten monet muutkin tulevaisuuden haltuunoton menetelmät systemaattisina menetelminä on uusi. Varhaisimmat metodiset lähteet, joihin Heinonen viittaa, ovat vuodelta Epäilemättä itse menetelmää on käytetty, mutta systemaattisena tulevaisuuden luotaamisen menetelmänä se on nuori. Heinonen itse on tutkinut menetelmällä informaatioyhteiskunnan kehitystä (Heinonen 1992) ja japanilaista teknologian kehitystä (1991). Käyttötilanne Edelläkävijäanalyysi sopii erityisesti tilanteisiin, joissa halutaan saada alustavaa tietoa tulevaisuudesta jollain yksittäisellä alueella kuten teknologian tai innovaatioiden alueilla ja tiedetään, että on olemassa maa tai organisaatio, joka on edelläkävijä kyseisellä alueella. Menetelmä sopii siis tilanteisiin, joissa kysytään: mitä seuraavaksi? Tutkimuksen kulku Edelläkävijäanalyysissa tulevaisuuden haltuunoton prosessi noudattaa yleistä tiedon luotettavan kokoamisen prosessia. Tarkoituksena on kerätä ja analysoida tietoa edelläkävijän toimintatavoista tai menetelmistä, analysoida niiden vaikutuksia omassa maassa, organisaatiossa tai yhteisössä ja muodostaa käsitys siitä, kannattaako tähän suuntaan lähteä asioita edistämään. Jos kyseessä on todellisen 40

41 edelläkävijän analysointi, kyseinen asia on joka tapauksessa tulossa tulevaisuuden haltuun ottajankin tulevaisuudeksi. Heinonen ehdottaa prosessin aluksi kirjallisuustutkimusta, jota seuraisi esimerkiksi Delfi-tekniikalla suoritettu asiantuntijoiden haastattelututkimus. Kolmantena vaiheena olisi hänen mukaansa tulosten kytkeminen käytännön elämään mahdollisten posi- ja negatrendien analysoinnin jälkeen. Kulkukaavion muodossa edelläkävijäanalyysi olisi seuraavanlainen: 1. Kirjallisuustutkimus edelläkävijöistä 2. Asiantuntijahaastattelu 3. Tulosten analysointi käytännön toimien tueksi Kritiikkiä Edelläkävijäanalyysi on selvästi laadullista tiedon haltuunottoa. Siihen liittyvä kritiikki on oleellisesti samaa kuin tradition perinteinen kritiikkikin on. Eräänä keskeisenä kritiikkinä voidaan esittää menetelmän herkkyys tutkijan lahjakkuudelle tai tietovarannolle: lahjakas, totuutta etsivä ja terävä tutkija saattaa tulla erilaisiin johtopäätöksiin samasta aineistosta kuin vähemmän lahjakas ja terävä, jolla on asiasta heikommat pohjatiedot. Samaa tietenkin voi sanoa määrällisen tutkimuksen traditiosta, joskin määrällisen tutkimuksen traditioon on sisään rakennettu korjaavia tekijöitä. Todellisuudessa molemmilla tavoilla voidaan saada aikaan sutta. Eräs kriittinen ajatus saattaa syntyä menetelmän suhteesta determinismiin. Lähellä on nimittäin ajatus, että koska edelläkävijät ovat ottaneet käyttöön tiettyjä asioita, ne automaattisesti determinoidusti, ennalta määrättynä tulevat myös muualle. Näinhän ei tietenkään ole. Heinosen siteeraamana intialainen tulevaisuudentutkija Seth on peräänkuuluttanut erilaisten tulevaisuuskuvien relevanssia toisissa kulttuureissa, kuin mihin ne on luotu (Seth 1989, Heinonen 1993,xxx). Asia, joka on tärkeä yhdessä kulttuurissa, ei välttämättä olekaan niin tärkeä toisessa kulttuurissa. Näin ollen ei välttämättä olekaan niin, että automaattisesti olisi syytä ottaa käyttöön asia (tai valmistella käyttöönottoa asialle), joka ei toimisi 41

42 tässä kulttuurissa, vaikka se toisikin toisessa kulttuurissa. Tässä mielessä saattaa olla viisasta tehdä tutkittavasta asiasta Heinosen esittelemiä posi- ja negatrendianalyyseja. Historia Käyttö Teknologian ennustaminen ja arviointi (foresight) Tulevaisuuden teknologian ennustamisen eli foresight tutkimuksen tarkoituksena on nimensä mukaisesti pyrkiä saamaan selville, millaista teknologiaa tai millaisia teknisiä innovaatioita on tulevaisuudessa odotettavissa (Kuusi 1999a). Vaikka uusia keksintöjä ei voida vielä tänään tietää eikä voida vielä tietää tulevaisuudessa mahdollisesti keksittäviä, mullistavia teknologioita (Hyttinen 2000), niiden toteutumisen mahdollisuuksia, esiintymisen todennäköisyyttä tiettyyn vuoteen mennessä tai kaupallisten sovelluksien käyttöönottoa kyetään arvioimaan asiantuntijamenettelynä. Kuusi on erityisesti tulevaisuuden ennakointia koskevassa artikkelissaan (1999a) korostanut sitä, että vaikka teknologiaa voidaan ennustaa ja kehittää, uuden mullistavankin teknologisen innovaation toteutuminen ei välttämättä ole varmaa. Esimerkiksi uudella geeniteknologialla on vastustajansa. Näin ollen vaikka pystymme siis valmistamaan ja muokkaamaan kasveja, eläimiä ja jopa ihmisiä geeniteknologialla (Kontula 2000), se ei välttämättä ole eettisessä mielessä suotavaa, eivätkä kuluttajat välttämättä suostu ostamaan muokattuja tuotteita. Systemaattista teknologian ennustamista on tehty niin kauan kuin moderni Delfi-tekniikka on ollut olemassa. Ensimmäinen Gordonin ja Helmerin suorittama Delfi-tutkimus (Gordon & Helmer 1963) keskittyi nimenomaan teknologian ennustamiseen. Kyseisen tutkimuksen relevanssia on pohtinut mm. Kuusi (1993, ). Foresight tutkimuksena tunnettua tulevaisuuden haltuunoton menetelmää on harrastettu nimenomaan korkean teknologian maissa kuten Japanissa, USA:ssa ja Englannissa (Kuusi 1999a ja 1999b). Suomessa erityisesti Osmo Kuusi on perehtynyt uusien teknologioiden ennustamiseen niin metodiselta kannalta (Kuusi 1999b) kuin käytännölliseltäkin kannalta (Kuusi 1999a). Teknologian ennustaminen menetelmänä soveltuu tilanteisiin, joissa ennalta halutaan selvittää tietyn alan uusien teknologisten innovaatioiden ilmaantumista, niiden teknisiä toteutumismahdollisuuksia ja sovellusten ajankohtaa vuosien tarkkuudella. 42

43 Tutkimuksen kulku Kritiikki Teknologian ennustaminen sinällään ei ole oma tutkimusmenetelmänsä, vaan siinä hyödynnetään esimerkiksi Delfi-tekniikan sovelluksia kuten Professional Delphi Scan tekniikkaa (ks. tarkemmin Delfi-tutkimuksen kulku luvussa 5.2.1). Teknologian arvioinnissa jos missä keskeistä on oikeiden tulevaisuuden teknologiasta tietävien asiantuntijoiden löytäminen paneeliin. Panelisteilla tulee olla riittävät tiedot arvioida uusien teknologioiden mahdollisuuksia oman tieteenalansa johdonmukaisena kehityksenä. Asiantuntijoilla tulisi olla myös visionääristä kykyä nähdä, mihin kehitys saattaa johtaa, sekä toisaalta tietynlaisen uuden teknologian edellytyksenä olevan menettelyn tai tekniikan läpimurron ajoitustaitoa ja -tietoa. Asiantuntijat arvioivat oman alansa tulevaisuuden kannalta relevantteja uusia innovaatioita yleensä numeerisesti joskin uusien keksintöjen löytyminen tapahtuu perinteisesti haastattelemalla. Uusille läpimurroille pyritään saamaan aikahaarukka, eli selvitetään minkä vuosien kuluessa läpimurto tapahtuu. Historian perusteella tiedämme sitten, kuinka kauan uuden teknologian käyttöönotto ja kaupalliset sovellukset vievät aikaa. Menetelmänä teknologian arviointi saa osakseen saman kritiikin kuin Delfitekniikkakin (ks luku 5.2.1). Aiemmin kuvatun kritiikin lisäksi on hyvä muistaa Mannermaan (1991, myös Linstone 1978 ja Kuusi 1993) kokoama kritiikki. Eräs hankaluus teknologian ennustamisessa on se, että asiantuntijoilla on innovaation ajallisesta sijoittumisesta taipumus olla sitä erimielisempiä, mitä kauemmas tulevaisuuteen ennustus sijoittuu. Samoin asiantuntijoilla on tarve pimittää tietojaan, mikäli sillä on heille taloudellista merkitystä. Kuusi (1993, 139) huomauttaa, että eräässä biotekniikkaa koskevassa tutkimuksessaan hän havaitsi tapauksen, jossa taloudellisesti merkittävän innovaation kehittäjä sijoitti jo pitkälle kehitetyn tuotteen kaukaiseen tulevaisuuteen varjellakseen liikesalaisuutta. Samaan ongelmaan Kuusi viittaa myöhemminkin (Kuusi 1999a): Viimeisintä lasertekniikkaa koskevan artikkelin perusteella ei kyetty muissa laboratorioissa toistamaan vastaavia tuloksia, ennen kuin oli otettu yhteyttä alkuperäisen tutkimuksen suorittaneeseen yhtiöön. Yhtiö ei nimittäin ollutkaan kertonut aivan kaikkea kyseiseen teknologiaan liittyvää informaatiota. Ennusteilla on taipumus olla Mannermaan mukaan (1991) pitkällä aikavälillä pessimistisiä ja lyhyellä aikavälillä optimistisia. Asiantuntijoilla on myös taipumus sijoittaa hyödyllinen, järkevä ja taloudellisesti kannattavampi idea läheisempään tulevaisuuteen kuin vähemmän hyödyllinen, vähemmän järkevä ja taloudellisesti kannattamattomampi idea. 43

44 Eräs tulevaisuuden teknologian ennustamisen vaikeus syntyy siitä, että aina ei kyetä näkemään uuden teknologian tuomia sovellusmahdollisuuksia. Näin esimerkiksi magneettiresonanssilaitteissa tarvittava teknologinen tietämys oli olemassa jo 1940-luvulla, mutta vasta 1970-luvulla keksittiin itse kuvantamistekniikka (Hyttinen 2000) Muita mielenkiintoisia menetelmiä PESTE-analyysi PESTE-analyysi ei ole tulevaisuuden haltuunoton menetelmä samassa mielessä kuin edellä esitellyt menetelmät. Se on pikemminkin eräänlainen luokittelurunko tai oleellisten asioiden sisällysluettelo, jotka on pidettävä mielessä, kun kartoitetaan tulevaisuuden kannalta oleellisia tekijöitä (Meristö 1993, 220). PESTE-analyysin terminä on lanseerannut Tarja Meristö (1991) alun perin liiketoimintaympäristön kartoittamiseen. PESTE-analyysissa selvitetään enemmän tai vähemmän systemaattisesti, mitkä ovat tulevaisuuden suhteen oleellisia tekijöitä Poliittiselta, Ekonomiselta, Sosiaaliselta, Teknologiselta ja Ekologiselta kannalta. Metsämuuronen on ottanut käyttöön vielä Asiakaskomponentin tutkiessaan sosiaali- ja terveysalan tulevaisuutta (Metsämuuronen 1998, 10) ja nimittää käyttämäänsä hahmottamisrunkoa APESTE-analyysiksi. Esimerkkinä (A)PESTE-analyysista käynee Metsämuurosen (1998) tutkimuksen jaottelu: Sosiaali- ja terveysalan APESTE analyysi Asiakkaiden muutokset Poliittiset muutokset Taloudelliset muutokset Sosiaaliset muutokset Teknologiset muutokset Ekologiset muutokset -tarpeet -kansainvälisyys -kansantalous -palvelurakenne -informaatio- -kestävä -arvot -EU -työttömyys -yhteisöllisyys/ teknologia kehitys -ikääntyminen -ohjausjärjestelmän -työvoimapula yksilöllisyys -teknologia -ekokatastro- -terveys muutokset -tietoyhteiskunta- -verkostoituminen fien uhka -ihmislajin -koulutuspolitiikka kehitys kehittyminen? ja suunnittelu -lisääntynyt -terveysohjelmat osallistuminen -sosiaali- ja terveysalan päätöksen- integraatio/segrekaatiotekoon kehitys Lähde Metsämuuronen 2000, 10 44

45 APESTE-analyysi suoritettiin siten, että haastateltiin useita sosiaali- ja terveysalan asiantuntijoita STM:sta, Stakesista, Opetushallituksesta ja Kuntaliitosta. Näin muodostettiin kuva niistä tekijöistä, joilla on vaikutusta sosiaali- ja terveysalan tulevaisuuteen. Näiden tulevaisuuden attribuuttien merkitystä myöhemmin testattiin Conjoint-analyysin yhteydessä (Metsämuuronen 1997a) Science Fiction Allekirjoittaneella oli etuoikeus olla mukana vuoden 1999 Top Ten seminaarissa, jonka perinteiseen tapaan oli järjestänyt Suomen Tulevaisuustutkimuksen seura ry. Vuonna 1999 teemana oli taiteiden tulevaisuusrelevanssi. Allekirjoittanut oli opponoimassa nimenomaan science fiction aiheesta, jossa varsinaisena alustajana toimi Risto Isomäki itsekin science fictionia kirjoittanut asiantuntija. Opponointia valmistellessa ja esitystä kuunnellessa vahvistui jo aiemmin vahvana ollut ajatus, että itse asiassa science fiction on eräs voimakkaimpia tulevaisuuteen vaikuttavia tekijöitä. Se tuo näkyväksi sen, mitä ei vielä ole olemassa ja visualisoi erilaisia mahdollisia tulevaisuuksia. Science fiction scifi on nimensä mukaisesti fiktiivistä kerrontaa, joka perustuu eräässä muodossaan tieteen saavutuksiin ja mahdollisuuksiin. Scifissä ei tiukasti ajatellen pitäisi esittää mitään tieteen vastaisuutta (eikä sen ns. hard core genresssä niin tehdäkään), mutta scifin historiassa tätä sääntöä on rikottu ja rikotaan. Äärimmäisissä tapauksissa kyse on tietenkin pelkästään fiktiosta fantasioista muilla planeetoilla tms. ei niinkään SCIENCE fiktiosta. Joskin vapauksien ottaminen on saattanut kirjallisuudessa tai elokuvissa herättää tiedemiehet pohtimaan olevaisen olemusta ja luonnonlakeja uudesta näkökulmasta. Scifillä on puisevaan tieteelliseen tekstiin verrattuna muutamia etuja: Ensinnäkin se on erittäin visuaalista ja (ainakin näennäisen) konkreettista. Ihmisten on helppo nähdä ja hahmottaa todellisuutta, kun taitava kuvittaja tai visualisoija kertoo meille tarinan tulevaisuudesta. Eräs modernin Scifin arvostetuista keulahahmoista Arthur C. Clarke on mm. kyennyt kuvaamaan uskottavasti tietokoneen sielun kehittymisen ja elokuvaohjaaja Stanley Kubric kääntämään sen kuviksi elokuvassa Avaruusseikkailu 2001 niin, että kohtaus on jäänyt epäilemättä lopulliseksi muistijäljeksi allekirjoittaneen aivoihin. Toiseksi scifissä on sallittua ja jopa suotavaa irtautua tämän hetken realiteeteista ja esittää mahdollisuuksia, joita esimerkiksi uusi teknologia tuo tullessaan. Tällainen teos on Isomäen mukaan Herbert G. Wellsin 1914 kirjoittama The World Set Free, jonka Isomäki sijoitti merkitykseltään vaikuttavimmaksi scifi- 45

46 romaaniksi (Isomäki 1999). Kirja sinällään ei ole kirjana erikoinen, mutta se vaikutti voimakkaasti oman aikansa ydinfyysikoihin. Isomäen mukaan Wells esitti ensimmäisen, miten ydinfysiikan kehitys johtaisi ennennäkemättömän tuhovoiman omaavien pommien kehittämiseen. Kun sittemmin unkarilainen ydinfyysikko Leo Szilard keksi ketjureaktion periaatteen 1934, hän peläten Wellsin kuvaamaa atomipommia päätti olla asiaa julkistamatta. Toisaalla samanaikaisesti Saksassa Natsi-Saksan ydintutkimusohjelman johtaja Werner Heisenberg tietoisesti esti Saksalaisia kehittämästä ydinasetta, sillä hänkin oli lukenut kyseisen Wellsin teoksen. Ydinase kuitenkin kehitettiin USA:ssa nimenomaan Szilardin aloitteesta Natsien pelossa. Wellsin kirja toimi siis oman aikansa herättäjänä ja omatuntona. Kolmanneksi Scifissä vaikeatkin asiat jopa dystopiat voidaan tuoda esiin viihdyttävällä tavalla entertainmentin avulla tarjoiltuna. Tästä esimerkkinä on amerikkalaisen Michael Crichtonin useat romaanit, joista useista on tehty myös elokuvasovituksia. Crichton on pohtinut romaaneissaan mm. bioteknologian tai Cyberavaruuden tai internetin tuomaa uhkaa. Hän esittää romaanissaan Jurassic Park (1991) väitteen, että bioteknologia tulee muuttamaan jokaisen inhimillisen elämän piirteen: lääkehuollon, ruuan, terveyden, viihteen, jopa ihmisen oman ruumiin. Harmillista on, että tallaiset seikat löydetään useinkin vasta jälkikäteen, jälkiviisautena. Kaiken kaikkiaan pidän itse scifiä eräistä kaikkein merkityksellisimmistä tulevaisuutta luotaavista elämän alueista. Se erityisenä vahvuutena on sen tehokkuus, vaikuttavuus ja laajalle leviäminen. Tästä esimerkkinä mainittakoon Isomäen kommentti Ivan Jefremovin romaaniin Andromedan tähtisumu (Isomäki 1999): erään kyselyn mukaan 40 % nuorista moskovalaisista fyysikoista ja tähtitieteilijöistä oli ensimmäisen kerran tullut ajatelleeksi tulevaa uraansa luettuaan kyseisen romaanin. 46

47 III JAKSO: ESIMERKKEJÄ TULEVAISUUDEN HALTUUNOTON MENETELMIEN KÄYTÖSTÄ Tässä jaksossa esitellään artikkeleiden muodossa sitä, kuinka kirjoittaja on hyödyntänyt ja käyttänyt edeltävässä jaksossa esiteltyjä menetelmiä tulevaisuuden haltuunotossa. 47

48 6. Esimerkkejä menetelmien käyttämisestä Tähän lukuun on koottu kirjan tekijän tulevaisuutta koskevia tieteellisiä artikkeleita, joissa on käytetty aiemmin kuvattuja menetelmiä. Kirjoituksissa lähestytään sosiaali- ja terveysalan tulevaisuutta eri näkökulmista. Tosin osa kirjoituksista erityisesti laskennallisia menetelmiä koskevat kirjoitukset - ei sinällään koske sosiaali- ja terveysalaa, mutta niissäkin esimerkit yleensä ovat sosiaali- ja terveysalalta. Lukija älköön pelästykö tieteellisen oloista kirjoittelua, vaan huomioikoon sen, että tulevaisuutta koskevien tieteellisten artikkeleiden ominaispiirteisiin kuuluvat seuraavat seikat: 1) artikkelissa väitetään jotain tulevaisuudesta, 2) väite tai väitteet perustellaan eli argumentoidaan asiaan kuuluvalla tavalla ja 3) väite ja sen argumentointi kytketään kirjallisuuteen eli siihen, mitä muut ovat asiasta kirjoittaneet. Seuraavat artikkelit ovat ilmestyneet vuosien aikana. Joidenkin niiden pohjana on tutkimusraportti Maailma muuttuu miten muuttuu sosiaali- ja terveysala? (Metsämuuronen 2000). Sen aihepiirin tiimoilta kirjoitettiin joitakin artikkeleita, jotka kiinnostivat julkaisusarjoja. Kunkin artikkelin yhteydessä on kerrottu kirjoituksen tarkat viitetiedot. Artikkelit ovat siinä muodossa, kuin ne ovat olleet julkaistaessa. Joitain havaittuja virheita on korjattu. Suomalaisessa Lääkärilehdessä käytetty julkaisujen merkitsemistapa eroaa selvästi muista julkaisuista. Lukija älköön siis häiriintykö siitä, että kahden artikkelin osalta lähteiden merkimistapa poikkeaa muista. 48

49 6.1. Esimerkkejä laskennallisten menetelmien käytöstä Trendianalyysi: Suuret ikäluokat ja kuntien haasteet sosiaali- ja terveysalalla Tämä artikkeli ilmestyi Suomalaisessa Lääkärilehdessä numerossa 15/1999. Lähdeviite on Metsämuuronen, J. 1999: Suuret ikäluokat ja kuntien haasteet sosiaali- ja terveysalalla. Suomen Lääkärilehti 15/1999, Suuret ikäluokat ja kuntien haasteet sosiaali- ja terveysalalla Tässä artikkelissa pohditaan suurten ikäluokkien vaikutusta sosiaali- ja terveysalan tulevaisuuteen. Suurten ikäluokkien tuoma haaste tulee kahdessa vaiheessa. Ensimmäisessä vaiheessa suuret ikäluokat siirtyvät eläkkeelle mukanaan paljon tietotaitoa. Haasteena on lisä-, jatko- ja uudelleenkouluttaa yli uutta työntekijää seuraavien 15 vuoden kuluessa. Toisessa vaiheessa haasteena on, että suuret ikäluokat alkavat kaivata hoitoa ja hoivaa vanhuudesta johtuvista syistä. Nykyisen kaltainen hoidon kapasiteetin ylläpitäminen vaatii paljon resursseja. On mahdollista, että kunnallinen sosiaali- ja terveysala ei kykene vastaamaan kaikista sille nykyään kuuluvista velvoitteista. Artikkeli perustuu Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ESR-ennakointihankkeen selvityksiin. Asiasanat: Suuret ikäluokat, Eläkkeelle siirtyminen, Sosiaali- ja terveysala, Hoivatyö, Kolmas sektori, Vapaaehtoistyö, Julkinen sektori, Omaishoito Länsimaat ja väestöennusteet Koko läntinen maailma on radikaalien yhteiskunnallisten muutosten vaiheessa maailman pienentyessä ja yhteiskuntien siirtyessä teollisuusyhteiskunnasta tieto- tai informaatioyhteiskuntaan. Kaikkien länsimaiden väestörakennetta karakterisoiva piirre on se, että vanhusväestön määrä lisääntyy huomattavasti 1. Tämä johtuu kahdesta syystä: yhtäältä suuret ikäluokat alkavat saavuttaa vuoden kuluessa 75 vuoden ikärajan ja toisaalta vanhojen vanhusten määrä on kasvanut tasaisesti. Sen lisäksi, että vanhusten lukumäärä lisääntyy, tulee vanhuudesta myös pidempi: yli 90-vuotiaiden osuus väestöstä kasvaa koko ajan 2. Väestön ikärakenne muuttuu niin, että sosiaali- ja terveysala joutuu ennen näkemättömän haasteen eteen niin Suomessa kuin muuallakin Euroopassa. Väestön ikääntymisen myötä syntyy kaksiaaltoinen haaste: ensimmäisessä aallossa suuret ikäluokat siirtyvät eläkkeelle ja heidän mukanaan siirtyy työelämän piiristä suuri määrä tieto-taitoa. Suurten ikäluokkien siirryttyä eläkkeelle noin uutta työntekijää on jouduttu kouluttamaan ja perehdyttämään aukkoa paikkaamaan. Suurten ikäluokkien tuoman ensimmäisen aallon haaste on ensisijaisesti koulutuksellinen haaste. Toinen aalto seuraa, kun suuret ikäluokat alkavat tarvita hoitoa ja hoivaa. Yli 75 vuotiaiden määrä lisääntyy osin kaksinkertaiseksi jopa kolminkertaiseksi 49

50 kunnasta riippuen ja jokainen vanhus tarvitsee arvokkaan loppuelämän. Vanhuudesta johtuvien tai vanhuksille tyypillisten ongelmien kuten dementia-sairauksien ja reisiluunkaulan-murtumien sekä pitkäaikaisen hoiva-avun tarpeen määrä kasvaa voimakkaasti. Julkinen sektori ei välttämättä kykene vastaamaan kaikkiin sille asetettuihin vaatimuksiin. Yksityissektori ja kolmassektori nostavat kapasiteettiaaan, mutta todennäköisesti tilanteesta ei selvitä, ellei omaishoidon määrä tule ratkaisevasti lisääntymään; laitoksissa hoidetaan vain kaikken vaativimmat tapaukset. Suuret ikäluokat ja työvoimapula sosiaali- ja terveysalalla Lähitulevaisuuden (10 15 vuotta) työmarkkinoiden haaste tulee Suomessa olemaan väestön ikääntymiseen liittyvä suurten ikäluokkien siirtyminen eläkkeelle suurin joukoin 3. Tästä on suoria seurauksia työvoiman kysyntään ja kunnallisilla aloilla virkarakenteeseen ja virkojen täyttöön 4. Toisaalta suurten ikäluokkien eläkkeelle siirtyminen asettaa paineita nopealle työllistymiselle. Seuraava analyysi keskittyy kuntakohtaisiin muutoksiin sosiaali- ja terveysalalla. On huomattava, että kyse on tällöin kunnan alueella asuvasta työntekijästä, ei välttämättä kunnassa työskentelevästä työntekijästä. Tämä aiheuttaa hieman harhaa tuloksiin. Tämä saattaa heijastua tuloksiin niin, että esimerkkinä käytetty Helsinki menettää itse asiassa huomattavasti enemmän työntekijöitä, kuin tässä esitetty laskelma osoittaa. Reijo Ailasmaan analyysien mukaan hoitohenkilökunnan keski-ikä on noussut koko ajan vuodesta 1990 lähtien ja nousee edelleen 5. Tämä on seurausta siitä, että virat on täytetty eikä nuorempia hoitajia pystytä palkkaamaan resurssien puutteessa. Lähivuosien aikana ei tapahdu radiaaleja muutoksia eläkkeelle lähdön seurauksena, sillä tällä hetkellä vain 1% sosiaali- ja terveysalan työntekijöistä on yli 60-vuotiaita. 10 vuoden kuluessa poistuu 8 % koko henkilöstömäärästä eläkkeelle ja 15 vuoden kuluessa jo 21% nykyisestä henkilöstöstä on poistunut. Mikäli radikaaleja muutoksia ei tapahdu ihmisten terveydentilassa tai ihmiset eivät lähde suurin joukoin varhaiseläkkeille, on 20 vuoden kuluessa sosiaali- ja terveysalalta poistunut keskimäärin 39 % nykyisistä työntekijöistä. Lukuina tämä tarkoittaa, että noin työntekijää poistuu työmarkkinoilta suurten ikäluokkien eläkkeelle siirtymisen vuoksi. Tilastokeskuksen vuoden 1996 ennakkotiedoista voidaan päätellä, että 19 kunnassa sosiaali- ja terveysalan henkilöstön ikärakenne on selvästi vanhempiin ikäluokkiin päin vino 6. Henkilöstön ikäjakauman perusteella näissä 19 kunnassa enemmän kuin 50 % nykyisin työssä olevista ammattilaisista on poistunut eläkkeelle vuoteen 2015 mennessä; kolmessa kunnassa eläkkeelle on siirtynyt jopa yli 60 % nykyisistä työntekijöistä. Toisaalta 36 kunnassa henkilöstön ikäjakauma on selvästi nuorempiin ikäluokkiin painottunut. Näissä kunnissa eläkkeelle on siirtynyt vuoteen 2015 mennessä alle kolmasosa nykyisistä työntekijöistä. Valtaosassa kuntia mukaan lukien suuret kunnat eläkkeelle poistuu % nykyisistä työntekijöistä. Eläkkeelle siirtymisen mallit Työntekijöiden poistuminen alkaa näkyä vuosina , mutta kiihtyy vuosien ja aikana. Suurissa kunnissa prosentuaalinen poistuma on maltillisempaa kuin pienissä kunnissa, mutta määrällisesti suurissa kunnissa poistuu sosiaali- ja terveysalalta huomattava osa ammattitaitoista työvoimaa eläkkeelle. Esimerkiksi pelkästään Helsingissä vuoteen 2015 mennessä eläkeiän on saavuttanut yli nykyisistä työntekijöistä. Saman aikaisesti Turussa, Espoossa ja Tampereella kussakin eläkeiän saavuttaa noin 4000 ammattilaista. Seuraavien vuosien aikana tarvitaan siis määrällisesti huomattava joukko lisää työntekijöitä. 50

51 Sosiaali- ja terveysala ja suurten ikäluokkien eläkkeelle siirtyminen Hitaan alun, mutta jyrkän kasvun malli (39 kuntaa) kasvu > 10 % kasvu 0-5 % kasvu 0 % kasvu 0 % J.Metsämuuronen Kuva 1. Eläkkeelle siirtymisen malli I sosiaali- ja terveysalalla: Hitaan alun, mutta jyrkän kasvun malli Sosiaali- ja terveysala ja suurten ikäluokkien eläkkeelle siirtyminen Nopean alun ja jyrkän kasvun malli (90 kuntaa) kasvu > 10 % kasvu > 10 % kasvu 0 % kasvu > 10 % J.Metsämuuronen Kuva 2. Eläkkeelle siirtymisen malli II sosiaali- ja terveysalalla: Nopean alun ja jyrkän kasvun malli Tilastokeskuksen työllistä työvoimaa koskevan väestöennusteen 7 mukaan eläkkeelle siirtyminen noudattaa pääsääntöisesti neljää erilaista mallia, joita voidaan nimittää hitaan alun, mutta jyrkän kasvun malliksi ja nopean alun ja jyrkän kasvun malliksi, hitaan alun, mutta jatkuvan kasvun malliksi ja tasaantuvan kasvun malliksi. Ensimmäisen mallin (kuva 1) hitaan alun, mutta jyrkän kasvun mallin mukaisesti eläkkeelle siirrytään 39 kunnassa. Tätä eläkkeelle siirtymisen mallia kuvaa se, että vuoteen 2000 mennessä ja vuosien välillä eläkkeelle siirtymisessä ei ole suurta ryntäystä. Sen sijaan sosiaali- ja terveydenhuollon ammattilaisten ikäjakauman perusteella eläkkeelle aletaan siirtyä kiihtyvällä nopeudella vuosien välillä. Kuvaavaa näille kunnille on, että vuosien välillä eläkkeelle siirtyy reilusti yli kymmenen prosenttia nykyisestä

52 henkilöstöstä. 13 kunnassa poistuu työmarkkinoilta vuosien välillä viidessä vuodessa enemmän kuin 20 % henkilöstöstä. Nopean kasvun mallia (kuva 2) kuvaa se, että eläkkeelle siirtyminen alkaa pääasiallisesti vuosien 2000 ja 2005 välissä voimakkaasti, ja jatkuu voimakkaana aina vuoteen 2015 asti. Näitä kuntia on 90. Näissäkin kunnissa poistuman huippu sijoittuu vuosien 2010 ja 2015 välille. Sosiaali- ja terveysala ja suurten ikäluokkien eläkkeelle siirtyminen Hitaan alun, mutta jatkuvan kasvun malli (290 kuntaa) kasvu > 10 % kasvu > 10 % kasvu 0 % kasvu 0-9 % J.Metsämuuronen Kuva 3. Eläkkeelle siirtymisen malli III sosiaali- ja terveysalalla: hitaan alun, mutta jatkuvan kasvun malli Sosiaali- ja terveysala ja suurten ikäluokkien eläkkeelle siirtyminen Tasaantuvan kasvun malli (78 kuntaa) kasvu 0 % kasvu > 10 % kasvu 0 % kasvu 0-9 % J.Metsämuuronen Kuva 4. Eläkkeelle siirtymisen malli IV sosiaali- ja terveysalalla: tasaantuvan kasvun malli Valtaosa Suomen kunnista noudattaa sosiaali- ja terveydenhuollon ammattilaisten eläkkeelle siirtymisen suhteen tasaisen, mutta varman ja vuotta 2015 kohden kiihtyvän kasvun mallia (kuva 3). Tämä malli eroaa edellä esitellystä mallista siinä, että eläkkeelle siirtymisen nopeus vuosien välillä on selvästi alle 10 %, mutta vuoden 2005 jälkeen se alkaa kiihtyä. Tämän tyyppistä mallia noudattaa 290 kuntaa, joiden joukossa ovat myös ns. suuret kunnat. 52

53 78 kunnassa suurten ikäluokkien eläkkeelle siirtyminen noudattaa sosiaali- ja terveysalan osalta neljättä mallia tasaantuvan kasvun mallia (kuva 4). Sille on tyypillistä, että vuosien 2010 ja 2015 välillä eläkkeelle ei enää siirrytä. Mallituksissa on kolme ongelmaa. Toinen mainittiin jo: analyysi koskee vain kuntakohtaista muuttumista. Parempi olisi ollut sairaanhoitopiiri- tai aluekohtainen tarkastelu. Toiseksi analyysissä ei ole huomioitu sitä, että tietyissä sairaaloissa joissain mielisairaaloissa sekä keskusja aluesairaaloissa valtaosa kantahenkilökunnasta kuuluu suuriin ikäluokkiin, sillä ne on perustettu tiettynä aikana tiettyyn tarpeeseen, jolloin vakinainen henkilökunta on rekrytoitu. Saattaisi olla viisasta tehdä vastaavaa analyysia sekä aluekohtaisesti että sairaalakohtaisesti. Kolmanneksi eläkkeelle siirtyminen on laskettu nykyisen virallisen eläkkeelle siirtymisiän mukaan. Mikäli suuret ikäluokat jäävät sankoin joukoin varhaiseläkkeille, tämä tietysti nopeuttaa ennakoitua kehitystä. Suurten ikäluokkien eläkkeelle siirtymisen kannalta ongelmallista on se, että suurten ikäluokkien myötä poistuu nopeasti kokemuksen kautta tullutta tieto-taitoa. Tämä asettaa paineita työpaikkakoulutukselle; saattaa olla tarpeellista kytkeä ainakin osa eläkkeelle siirtyvästä joukosta kouluttajiksi ja tutoreiksi nuoremmille työntekijöille. Ammattilaisia koulutetaan koko ajan, ja ongelma onkin, kuinka koulutetut ammattilaiset kykenevät säilyttämään ammattitaitonsa ja varmuutensa niin kauan, että työpaikkoja alkaa vapautua. Väestön ikääntymisen tuomat haasteet Toisessa vaiheessa suuret ikäluokat antavat sosiaali- ja terveydenhuollolle haasteen, kun he saavuttavat 75 vuoden ikärajan ja alkavat tarvita vanhuudesta johtuvista syistä hoivaa ja hoitoa. Seuraavan kahdenkymmenen vuoden aikana sosiaali- ja terveydenhuolto kokee ennen näkemättömän hoidon kapasiteetin nostamisen vaatimuksen. Väestön ikääntyminen ja suurten ikäluokkien siirtyminen eläkkeelle tulee muuttamaan radikaalisti niin hoidettavien määrää kuin ikääntymiseen liittyvien sairauksien määrää 8. Sosiaali- ja terveysalan toiminnan kannalta on huomion arvoista, että väestön ikääntyminen koskettaa valtaosaa kunnista. Stakesin SOTKAväestötietokannan mukaan 36 kunnassa yli 75- vuotiaiden määrä nousee enemmän kuin kaksinkertaiseksi kahdenkymmenen vuoden kuluessa, jos oletetaan, ettei lasten syntyvyydessä, kunnasta muuttamisessa eikä väestön terveydentilassa tapahdu muutosta nykyiseen. Joissain kunnissa ikääntyvän väestön määrä tulee jopa kolminkertaiseksi (4 kuntaa). Kauppa- ja teollisuusministeriön arvion mukaan väestön demografisen kehityksen myötä palvelujen tarve tulee kasvamaan oleellisesti 9. Toisaalta on myös mainittava, että 53 kunnassa yli 75 vuotiaiden määrä vähenee. Nämä kunnat ovat valtaosin pieniä kuntia, niiden yhteenlaskettu väkimäärä on noin Asian havainnollistamiseksi konkretisoin vanhusväestön muutoksen viidessä suuressa kunnassa. Viisi suurta kuntaa Helsinki, Espoo, Vantaa, Turku ja Tampere ovat tehneet vertailun, jossa pyrittiin saattamaan kunkin kunnan vanhushuollon kustannukset ja palvelutaso vertailukelpoisiksi 10. Suurista kunnista Espoo ja Vantaa eroavat muista sen suhteen, että tällä hetkellä kunnan ikäjakauma on nuorekas : kun kunnan ikäjakaumasta yli 75-vuotiaita oli vuonna 1995 Helsingissä 6.3 %, Turussa 7.2 % ja Tampereella 6.3 %, on Espoossa yli 75-vuotiaita vain 3.0 % ja Vantaalla 2.4 %. Suurissa kunnissa suuri suhteellinen kasvu tarkoittaa myös suurta absoluuttista kasvua: Espoossa vanhuksia on nyt 5911 ja vuonna 2020 heitä on ennusteen mukaan eli vanhusten määrä kasvaa noin kahdeksalla tuhannella, Vantaalla yli 75 vuotiaita on vuonna , mutta vuonna 2020 heitä on eli vanhuksia on yli 8300 enemmän kuin tänään (taulukko 1). Helsingissä, Turussa ja Tampereella vanhusten suhteellinen kasvu on maltillisempaa, mutta esimerkiksi Helsingissä vanhusten todellinen lukumäärä kasvaa silti yli :lla. Mitä tämä merkitsee hoiva- ja hoitopalvelujen suhteen? 53

54 Taulukko 1. Yli 75 -vuotiaiden määrän ja suhteellisen osuuden kasvu viidessä suuressa kunnassa Kunta >75- vuotiaita 1996 >75- vuotiaita 2020 Muutos lkm Helsinki Espoo Vantaa Turku Tampere Lähde: Tilastokeskuksen väestöennuste 1996 Suhteellinen kasvu Suurten ikäluokkien vaatima laitoskapasiteetin muutos Stakesin laitos- ja kotihoidon laskennoista 11 ja viiden kaupungin vertailusta 12 selviää, että vuonna 1995 Helsingissä yli 75-vuotiaista laitoshoidossa oli 13.7 %. Mikäli haluttaisiin säilyttää sama laitoshoidon kapasiteetti, tarvittaisiin vuonna laitospaikkaa lisää. Espoossa 7.9 % yli 75-vuotiaista oli pitkäaikaisessa laitoshoidossa. Jos halutaan säilyttää sama hoidon laitoskapasiteetti, se merkitsisi Espoossa laitospaikkojen lisäämistä 460:stä 1110:een eli laitospaikkoja tarvittaisiin lisää noin 640 (taulukko 2). Laskuissa on käytetty vuoden 1996 väestöennusteen antamia lukumääriä. Toisin sanoen on oletettu, että vuonna 1996 sama prosenttimäärä vanhuksia oli laitoshoidon ja kotipalvelun piirissä kuin vuonna Vantaalla kuntavertailun mukaan 10.1 % yli 75 vuotiaista oli vuonna 1995 pitkäaikaishoidossa. Mikäli sama osuus vanhuksia halutaan sijoittaa laitoksiin myös vuonna 2020, pitäisi laitospaikkoja lisätä 420:sta 1260:een eli noin 830:llä. Turussa laitospaikkoja tarvittaisiin lisää 269. Jos yhdellä isolla sairaalaosastolla on noin 40 potilasta, tämä merkitsee sitä, että pitäisi perustaa noin 20 sairaalaosaston kahden aluesairaalan verran lisää pitkäaikaispaikkoja pelkästään Vantaalle. Helsinkiin pitäisi perustaa 35 sairaalaosaston verran ja Espooseen 16 sairaalaosaston verran pitkäaikaispaikkoja, mikäli halutaan säilyttää samanlainen laitoshoidon kapasiteetti kuin tällä hetkellä. Koska kyseessä olisivat nimenomaan laitoshoitoa tarvitsevat vanhukset, heitä ei voi jättää yksin sairaalaan. Tarvitaan siis hoitajia hoitamaan näitä vanhuksia. Jos yhdellä isolla sairaalaosastolla työskentelee noin 30 hoitajaa (0.75 hoitajaa/asiakas), Helsinkiin tarvittaisiin alalta eläkkeelle siirtyvän henkilökunnan (11 000) lisäksi noin 1000 uutta hoitajaa hoitolaitoksiin. Vantaalle tarvittaisiin tämän mukaan entisten lisäksi 600 ja Espooseen 480 uutta hoitajaa. Taulukko 2. Laitoshoidon kapasiteetin tarpeen muutos vuodesta 1996 vuoteen 2020 viidessä suuressa kunnassa Kunta >75-v. laitoshoidossa 1996 (%) >75-v. laitoshoidossa 1996 (lkm) >75-v. laitoshoidossa 2020 (lkm) Muutos (lkm) Helsinki * Espoo Vantaa Turku Tampere Ei tietoja Ei tietoja Ei tietoja Lähteet Helsingin kaupunki:kuntavertailu 1997 Tilastokeskuksen väestöennuste 1996 * lukumäärät on laskettu v prosenttiosuuksien perusteella

55 On huomattava, että laskut ovat vain suuntaa antavia. Mikäli Helsingin kaupunki pääsee valtakunnalliseen tavoitteeseen 12 eli siihen, että yli 75- vuotiaista alle 10 % on pitkäaikaisessa laitoshoidossa, tällöin vuonna 2020 Helsingissä laitoksissa olisi vain 4384 vanhusta, mikä on 1105 vähemmän kuin tällä hetkellä. Kuitenkin suurissa kunnissa laitoshoitoa vaativien vanhusten määrässä tapahtuu lisäystä. Erityisen ongelmallisia ovat mainituista kunnista Espoo ja Vantaa, joissa vanhusten määrän kasvu on ikärakenteesta johtuen suurta. Suurten ikäluokkien vaatima avohoidon kapasiteetin muutos Sen lisäksi, että osa vanhuksista on pitkäaikaislaitoksissa, suuri osa vanhuksista on kotihoidon kotipalvelun, kotisairaanhoidon, ateria- ja turvapalvelun sekä palveluasumisen piirissä. Tarkkoja lukuja avopalveluista on vaikea saada, sillä osa vanhuksista on yhtä aikaa useiden palvelujen piirissä. Kuntavertailun perusteella voidaan laskea kuitenkin seuraavaa (luvuissa on hieman päällekkäisyyttä): Kahden suurimman kotihoidon alueen, kotipalvelun ja kotisairaanhoidon, piirissä oli vuonna 1995 Helsingissä noin , Espoossa 1800, Vantaalla 2000, Turussa 6000 ja Tampereella 5000 vanhusta. Luvut on laskettu kuntavertailun tuottamien prosenttiosuuksien perusteella siten, että on oletettu yhteisiä asiakkaita olevan noin 20 %, jotka on vähennetty pois siitä ryhmästä, jossa on ollut enemmän asiakkaita. Taulukko 3. Avohoidon kapasiteetin tarpeen muutos vuodesta 1996 vuoteen 2020 viidessä suuressa kunnassa Kunta >75-v. Kotipalvelussa >75-v. ko- >75-v. koti- >75-v. kotihoi % tish:ssa 1996 hoito** to** 2020 lkm (lkm*) % (lkm) 1996 lkm (muutos) Helsinki 22.2 (7 452***) 24.6 (8 257) (+4 344) Espoo 20.2 (1 194) 15.6 (922) (+2 585) Vantaa 24.0 (1 015) 31.2 (1 320) (+4 104) Turku 27.3 (3 331) 30.5 (3 722) (+1 564) Tampere 24.3 (2 834) 24.3 (2 834) (+2 440) Lähteet Helsingin kaupunki: Kuntavertailu 1997 Tilastokeskuksen väestöennuste 1996 *lukumäärät on laskettu prosenttiosuuksien perusteella **kotipalvelu ja kotisairaanhoito yhteensä 20% suuremmasta luvusta (arvioitu, että 20% olisi samoja asiakkaita) ***lukumäärä laskettu vuoden 1996 väestömäärästä Kotihoidon piiriin on tulossa vuoteen 2020 mennessä huomattavasti lisää asiakkaita erityisesti Helsingissä ja Vantaalla, joissa molemmissa asiakkaiden määrä lisääntyy enemmän kuin 4000:lla. Myös Espoossa ja Tampereella asiakkaiden määrä kasvaa huomattavasti, joskaan ei aivan niin runsaasti kuin Helsingissä ja Vantaalla. Vantaalla kotihoidon piirissä on tällä hetkellä työntekijöitä 230 kenttätyöntekijää ja 19 hoitoa tukevaa työntekijää eli yhteensä noin 250 työntekijää (suunnittelija Irma Kockberg Vantaan Kaupungin sosiaali- ja terveysvirastosta, suullinen tiedonanto ). Nämä 250 ammattilaista vastaavat noin 2070 asiakkaan hoidosta. Yhtä hoitajaa kohden on asiakkaita siis 8 ja vastaavasti kutakin asiakasta kohden on 0.12 hoitajaa. Kun asiakkaiden määrä nousee 4100:lla, tämä tarkoittaa sitä, että kotipalveluun tarvitaan lisää henkilökuntaa olemassa olevien lisäksi yli 490 ammattilaista, mikäli halutaan säilyttää nykyinen kotihoidon kapasiteetti. Näin laskien Helsinkiin tarvittaisiin 520, Espooseen 342, Turkuun 187 ja Tampereelle 292 uutta työntekijää olemassa olevien lisäksi. Muita sosiaali- ja terveysalan haasteita Vanhuudesta johtuvien terveysongelmien on laskettu lisääntyvän myös huomattavasti. Jari Parkkari on laskenut, että vanhuksille tyypillis- 55

56 ten lonkkamurtumien määrä olisi vuonna 2020 noin kaksinkertainen nykyiseen verrattuna 13. Näin ollen samalla kun vanhukset tarvitsevat kotihoitoa ja pitkäaikaislaitospaikkoja, he tarvitsevat myös erikoissairaanhoidon palveluja. Myös dementiapotilaiden määrän on arvioitu nousevan seuraavien kymmenen vuoden aikana :sta yli :een 14. Tällöin suuret ikäluokat eivät vielä ole dementiasairauksien suhteen riskiryhmässä. Kentta ja Nissinen arvioivat 15, että vuonna 2030 pelkästään dementiapotilaat tarvitsevat nykyisellä hoitotavalla sairaansijaa, mikä on 5 % enemmän kuin sairaaloiden ja terveyskeskusten yhteenlaskettu sairaansijamäärä vuonna Sosiaali- ja terveydenhuollon palvelurakenne-ennusteen mukaan jo vuonna 2010 tarvittaisiin terveyskeskusten vuodeosastoille lisäpaikkoja 5000 ja vanhainkotipaikkoja lisää 6500, mikäli haluttaisiin toteuttaa nykyisenkaltainen pitkäaikaishoivan käyttö 16. Vaikka ikääntyminen aiheuttaakin paineita sosiaali- ja terveydenhuollon järjestämiselle, voidaan asiassa nähdä myös positiivisia piirteitä. Suuri hoidon ja hoivan kapasiteetin lisääminen aiheuttaa sen, että vaikka julkiselta sektorilta tullaan työministeriön mukaan vähentämään työpaikkoja 17, korostuu yksityisten sosiaali- ja terveyspalveluiden työllistävä merkitys. Toisin sanoen, koska julkinen sektori ei kykene hoitamaan lisääntyvää vanhusten määrää, syntyy uusia työpaikkoja yksityis-sektorille 18. Mitä ilmeisimmin erityisesti pienten ja keskisuurten yritysten kapasiteetti kasvaa, sillä yritysten perustamiskulut eivät ole kovin suuria. Toisaalta Osmo Kuusi on esittänyt Työskenaariot hankkeen väliraportissa 19, että osaaminen erityisesti ikääntyneisiin liittyvissä palveluissa saattaa mahdollistaa uusien kansainvälisesti kilpailukykyisten klusterialojen kehittämisen. Omaishoito, kolmas sektori ja tulevaisuuden haasteet Eräs visaisimpia lähitulevaisuuden kysymyksiä on, kuinka saadaan järjestettyä arvokas hoito ja hoiva suurille ikäluokille. Onko ihmisten ajattelutapojen enenevässä määrin muututtava vastaanottamaan vanhempia tai isovanhempia saman katon alle, kun laitospaikkoja mahdollisesti vähennetään ja vanhusten määrä samanaikaisesti kasvaa oleellisesti 20? On huomioitava, että laitospaikkojen vähentämisestä huolimatta yhä edelleen vanhusten hoito rakentuu laitosten varaan 21. Näyttää ilmeiseltä, että tulevan vanhusväestön avun tarpeisiin ei riitä julkinen eikä yksityinen sosiaali- ja terveydenhuolto, vaan vastuuta tultaneen siirtämään enenevässä määrin myös kolmannelle sektorille voittoa tavoittelemattomille järjestöille ja säätiöille sekä erityisesti omaisille. Kolmannen sektorin aktivoinnin ja rahoituksen puolesta ovat kantaa ottaneet mm. presidentti Ahtisaari 22 ja Jeremy Riffkin 23. Haataja esittää Työelämän tutkimus -aikakauslehden pääkirjoituksessa 24, että kolmas sektori tulee korostumaan tulevaisuudessa, ellei muuten niin lainsäädännön voimalla, ja viittaa presidentti Ahtisaaren kommenttiin, että kolmas sektori ja markkinatalous tulisi saada tukemaan toisiaan. Edessämme saattaa siis olla laaja talous- ja työelämän reformi. Matthiesin 25 siteeraamana saksalainen Ulrich Beck on kuvannut kolmannen sektorin töitä julkiseksi työksi : toimintaa ympäristöliikkeissä, vanhusten parissa, itseapuryhmissä tai oman ammattitaitonsa palkatonta antamista. Beckin mukaan kalliiden näennäisten työpaikkojen sijaan yhteiskunnan tulisi suunnata taloudellisia, teknisiä ja koulutuksellisia investointeja kansalaisyhteiskunnan itseorganisoitumiseen; palkkatyötä ei korvata palkattomalla vapaaehtoistyöllä, vaan työn tilalle tulee julkinen työ, kotityö, perhetyö, poliittinen työ, vapaaehtoistyö. Beck kuten Riffkinkin kannattaa kansalaispalkka-ajatusta, jonka rahoittajiksi Beck esittää niitä tahoja, joille raha on siirtynyt rahan määrähän ei ole vähentynyt, se vain on jakautunut eri tavalla. Kolmannen sektorin merkitys taloudellisena voimana on vaatimaton, mutta erityisesti palvelusektorilla työpaikkojen lisäys on ollut huomattava monissa teollisuusmaissa 26. Matthiesin 25 mukaan vapaaehtoistyön tekijät eivät välttämättä ole lainkaan kouluttamattomia henkilöitä, vaikka usein vapaaehtoistyö leimataan ammatilliselle toiminnalle vastakkaiseksi. Hänen mukaansa huomattava osa vapaaehtoistyöhön tar- 56

57 joutuvista on sosiaali-, terveys- ja kasvatusalan ammattilaisia, jotka toivovat työllistyvänsä tai ainakin ylläpitävänsä ammattitaitoaan. Kolmas sektori on Lehdon mukaan 27 ainakin vielä ollut erittäin pieni sosiaali- ja terveyspalveluiden tarjoaja 75-vuotta täyttäneille. Lapset ja puoliso olivat Lehdon ym. selvityksen 28 mukaan keskeiset avun antajat. Vain yhdellä prosentilla avun tarvitsijoista apua antoi ensisijaisesti yksityinen yritys, järjestö tai seurakunta, kun sitä vastoin 40 %:lla apua antoivat ensisijaisesti omat lapset ja 28 %:lla oma puoliso. Kolmannen sektorin kannalta mielenkiintoinen tilanne seuraa siitä, että suurten ikäluokkien siirtyessä eläkkeelle tarvitaan paljon ammattilaisia korvaamaan eläkkeelle siirtyvät. Kolmannelta sektorilta erityisesti sen aidosti voittoa tavoittelemattomalta vapaaehtoistyön osalta saattaa rekrytoitua ammattimaisin ja taitavin osa julkiselle sektorille. Jäljelle saattavat jäädä taitavat, mutta ammatillisesti pätevöitymättömät työntekijät suoriutumaan siitä työstä, jonka ennen suoritti ammattitaitoinen työvoima. Pohdintaa Valtioneuvosto ja ministeröt ovat valmistelleet erilaisia strategioita siitä, kuinka haltuunotetaan elinikäinen oppiminen ja tietoyhteiskunta. Suurten ikäluokkien siirtyminen aluksi eläkkeelle ja myöhemmin vastaanottamaan vanhuudesta aiheutuvaa hoivaa ja hoitoa haastaa STM:n, OPM:n, TM:n ja KTM:n suunnittelemaan mainittujen strategioiden kaltaista, suurten ikäluokkien tuottaman koulutushaasteen sekä hoivan ja hoidon haasteen ratkaisua, eräänlaista hyvän ja arvokkaan vanhuuden strategiaa. Tämä saattaa edellyttää erinäisten uudelleen- tai jatkokoulutusmallien kartoitusta sekä kolmannen sektorin ja yksityissektorin toiminnan tutkimushankkeiden tukemista ja hoiva-alan yrittäjyyden ottamista kehittämiskohteeksi. Jokainen kunta tullee jatkossakin olemaan vastuullinen oman väestönsä sosiaali- ja terveyspalvelujen sekä sivistyksen tarjoamisesta. Niin kuntien väestörakenne kuin sosiaalija terveysalan henkilöstörakennekin poikkeaa kunnittain huomattavasti. Kuntien haasteena on selvittää oman kunnan väestön kehityksen ja ammattirakenteen pohjalta omat vahvuutensa ja haasteensa. Tämä saattaa edellyttää kuntakohtaisia elinikäisen oppimisen ja hyvän vanhuuden strategioita tietotaidon häviämisen estämiseksi sosiaali- ja terveysalalla suurten ikäluokkien poistuessa eläkkeelle ja arvokkaan vanhuuden turvaamiseksi suurille ikäluokille. Tämä edellyttänee sivistystoimen ja sosiaali- ja terveystoimen tiivistä yhteistyötä työelämän ja ammatillisen koulutuksen kanssa. Uuden työvoiman valmentaminen poislähtevien tilalle tulisi aloittaa jo hyvissä ajoin. Strategiat saattavat edellyttää tutkimushankkeiden tukemista niin asiakkaiden tarpeiden kuin elinkeinoelämän ja hoiva-alan yrittäjyyden alueilla. Näyttää ilmeiseltä, että julkinen sektori ei kykene säilyttämään nykyisenkaltaista hoidon ja hoivan kapasiteettia yli 75 vuotiaiden ikäryhmässä suurten ikäluokkien saavutettua korkean iän. Ilmeistä on, että sosiaali- ja terveysalalla julkinen sosiaali- ja terveydenhuolto tulee saamaan rinnalleen muita toimijoita, kuten yksityiset palvelut, kolmannen sektorin, omaiset sekä asiakkaan itsensä. Kolmannen sektorin apu vanhuksille on tähän asti ollut pientä. Erityisesti työntekijäjärjestöjen haasteena on, että kouluttamaton työvoima ja kolmannen sektorin vapaaehtoistyöntekijät saatetaan kokea uhkana professionaalisille ammattilaisille. Jotta suurten ikäluokkien tuomaan haasteeseen saataisiin kunnialla vastattua, asenteiden olisi hyvä muuttua niin, että niin kouluttamaton työvoima kuin vapaaehtois-työntekijätkin koetaan hyvänä ja tervetulleena kollegiaalisena apuna. Ilmapiirin säilymistä hyvänä voidaan edistää julkisilla kannanotoilla avun saamisen ja omaishoidon tärkeydestä sekä hakemalla väyliä toimia esimerkiksi omaishoidon ja kolmannen sektorin työntekijöiden konsultteina. Valtion ylimpiä hallintoelimiä haastavia kysymyksiä ovat mm., millä keinoin voidaan tukea kolmannen sektorin tuottamia palveluja silti polkematta alan yksityisyrittäjien etuja. Toisaalta olisi ehkä kannattavaa pohtia, olisiko syytä jo hyvissä ajoin alkaa tietoisesti muokkata kansalaisten 57

58 ajatuksia siihen suuntaan, että kannustetaan eri sukupolvien yhdessä asumista. Viimeksi mainittua saattaisi edesauttaa laajennusrakentamisen ja laajempitilaisten rakennusten tai sivurakennusten kustannusten subventointi. Tätä saattaisi myös edistää esimerkiksi reaalisen lähityöskentelyn tukeminen valtakunnan muuttotappioalueilla. Vapaaehtois-toimintaan kannustaminen saattaisi avata väylän kansalaispalkkakeskustelulle. Elinikäisen oppimisen strategian onnistuminen haastaa STM:n, OPM:n ja OPH:n antamaan kaiken tukensa jatko-opinnoille ja työn ohessa opiskelulle. Sosiaali- ja terveysalan ammattilaisten jatko-opintojen tulisi muodostaa selkeä polku kohti asiantuntijuutta ja ammatillista lisäpätevöitymistä. Haasteena on selvittää, kuka linjaa uudelleen- ja jatkokoulutuksen strategiat muuttuvia yhteiskunnan olosuhteita varten: Mitä tehdään työssä olevan henkilöstön kouluttamiseksi? Kuinka järjestetään uudelleenkoulutus niille, jotka ovat olleet pois työelämästä tai toimivat aloilla, joita tulevaisuudessa ei ehkä ole? Kuinka saadaan koko ammatillisen koulutuksen kenttään koulutusstrategia? Kuinka hyödynnetään eläkkeelle siirtyvän henkilöstön tieto-taito ja lisätään sitä elinikäisen oppimisen hengessä? Nämä kysymykset kaipaavat vastausta. Aikaa vastausten hankkimiselle on vielä vuoteen 2005, jonka jälkeen on toiminnan aika. LÄHTEET: 1) Väestö 1996/9. Tilastokeskus. Väestö 1996/14. Tilastokeskus. 2) Jylhä M Ikääntyvien top ten asiat. FUTURA 4/1997, ) OPM 1994:37 Sosiaali- ja terveysalan koulutustarvetyöryhmän muistio. Opetusministeriön työryhmien muistioita 37:1994. Stenlund H (toim.) Työn tulevaisuus Työskenaariohankkeen loppuraportti Työhallinnon julkaisu 185. Työministeriö. STM 1996:1 Vanhuspolitiikkaa vuoteen Suomen vanhuspoliittisen tavoite- ja strategiatoimikunnan mietintö. Sosiaali- ja terveysministeriö. Komitean mietintö 1996:1. STM 1996:16 Terveydenhuollon suuntaviivat. Sosiaali- ja terveysministeriön julkaisuja 1996:16. 4) Tiainen P TYÖVOIMA 2010 projektin tulosten arviointia. Työpoliittinen aikakauskirja 1/ ) Ailasmaa R Tietoja sosiaali- ja terveydenhuollon henkilöstöstä vuosina Tilastotiedote 17/1996. Stakes. Ailasmaa R Sosiaali- ja terveydenhuollon henkilöstö kuntasektorilla Tilastotiedote 24/1997. Stakes. 6) Metsämuuronen J Maailma muuttuu miten muuttuu sosiaali- ja terveysala? Sosiaali- ja terveysministeriön, Opetushallituksen, Stakesin ja Suomen Kuntaliiton yhteisjulkaisu. Työministeriön ESR sarja 39/98. 7) Työllinen työvoima Tilastokeskus. 8) Kunnallisen sosiaali- ja terveydenhuollon tavoitteet Valtakunnallinen suunnitelma sosiaali- ja terveydenhuollon järjestämisestä vuosina Valtioneuvosto. Helsinki. OPM 1994:37 Sosiaali- ja terveysalan koulutustarvetyöryhmän muistio. Opetusministeriön työryhmien muistioita 37:1994. STM 1996:16 Terveydenhuollon suuntaviivat. Sosiaali- ja terveysministeriön julkaisuja 1996:16. 9) KTM Toimialaraportti 1997: Sosiaali- ja terveyspalvelut. Kauppa- ja teollisuusministeriö, KTM toimiala-infomedia. 58

59 10) Helsingin kaupunki Viiden suurimman kaupungin lasten päivähoidon, vanhustenhuollon ja toimeentulotuen kustannus- ja palvelutasovertailu Sosiaaliviraston julkaisusarja. SuSe 1/ ) Kauppinen S 1997a. Sosiaalihuollon laitoshoito, asumispalvelut ja kotihoito Tilastotiedote 3/1997. Stakes. Kauppinen S 1997b. Kotihoidon laskenta Tilastotiedote 20/1997. Stakes. Kauppinen S 1997c. Sosiaalihuollon laitoshoito ja asumispalvelut Tilastotiedote 27/1997. Stakes. Muuri A, Nenonen M, Nikiforov O & Nylander O Sosiaali- ja terveydenhuollon palvelurakenne Stakes tilastotiedote 9/ ) Helsingin kaupunki Viiden suurimman kaupungin lasten päivähoidon, vanhustenhuollon ja toimeentulotuen kustannus- ja palvelutasovertailu Sosiaaliviraston julkaisusarja. SuSe 1/ ) Parkkari J Hip Fractures in the Elderly. Acta Universitatis Tamerensis 550, Tampere. 14) Aromaa A Väestön terveys on lähitulevaisuudessa nykyistä parempi uhkista huolimatta. Hyvinvointikatsaus 4/1995, 7. 15) Kentta E & Nissinen A Yksilön vastuu omasta terveydestä. FUTURA 2/1996, ) Muuri A, Nenonen M, Nikiforov O & Nylander O Sosiaali- ja terveydenhuollon palvelurakenne Stakes tilastotiedote 9/ ) Työministeriö Työvoima Paranevaan työllisyyteen ja hyvinvointiin uuden vuosisadan alkaessa. Väliraportti. Työpoliittinen tutkimus 184. Helsinki. 18) KTM Toimialaraportti 1997: Sosiaali- ja terveyspalvelut. Kauppa- ja teollisuusministeriö, KTM toimiala-infomedia. 19) Andersson J-O, Helppi T, Kasvio A, Koivukangas P, Kuusi O, Lahti A, Mannermaa M, Niinivaara M, Stenlund H & Valtonen H Työskenaariot. Työelämän suunnat ja ulottuvuudet. Skenaarioprojektin väliraportti. Työhallinnon julkaisu 171. Työministeriö. 20) Seppänen R Kokeilua, yritystä, uskallusta - palvelurakenteen uusia ilmiöitä ja innovaatioita. Teoksessa Viialainen, R. & Lehto J. (toim.) 1996: Sosiaali- ja terveyspalvelujen rakennemuutos. STM ja Stakes. Stakes Raportteja ) Vaarama M & Lehto J Vanhuspalveluiden rakennemuutos Teoksessa Viialainen, R. & Lehto J. (toim.) 1996: Sosiaali- ja terveyspalvelujen rakennemuutos. STM ja Stakes. Stakes Raportteja ) Ahtisaari M Tutkijan ennuste ja yhteiskunnan valinnat. Alkusanat kirjaan Rifkin, J. 1997: Työn loppu. Teknologia, työpaikat, tulevaisuus. Alkuteos The end of Work. Suom. Ritva Liljamo. WSOY, Helsinki., ) Rifkin J Työn loppu. Teknologia, työpaikat, tulevaisuus. Alkuteos The end of Work. Suom. Ritva Liljamo. WSOY, Helsinki. 24) Haataja L Kolmatta sektoria takaisin. Työelämän tutkimus 8(3-4) ) Matthies A-L Marginaalista uusiksi keskuksiksi. Vapaaehtoistoiminta merkityksellisen elämän politiikkana. Hyvinvointikatsaus 3/1996, ) Helander V Alustus seminaarissa Kolmas sektori ja työelämä. Työelämän tutkimus 8 (3-4), ) Lehto J Palvelut kotiin vai koti palvelujen luo? Hyvinvointikatsaus 2/1997, ) Lehto J, Aalato A-R & Järvinen A Mistä apu ikääntyneille? Stakes Aiheita, Helsinki. 59

60 Conjoint Analyysi Conjoint Analyysi artikkeli julkaistiin Työministeriön Ennakoinnin menetelmät sarjassa osoitteessa Lähdeviite on: Metsämuuronen J Conjoint Analyysi tulevaisuuden tutkimuksessa. Työelämän muutosten ja koulutustarpeiden ennakoinnin menetelmät käytäntöineen. Työministeriön Internetjulkaisu. Conjoint Analyysi tulevaisuuden tutkimuksessa Artikkelissa esitellään uudenlainen matemaattinen tapa arvottaa erilaisia tulevaisuuden tiloja. Analyysimenetelmässä asiantuntijat arvioivat kahta potentiaalista, usean attribuutin tulevaisuutta rinnakkain ja antavat subjektiivisen todennäköisyyden vertailtaville tulevaisuuksille. Regressioanalyysillä voidaan laskea matemaattisesti mm. se, kuinka tulevaisuuden yhden attribuutin tason muutos vaikuttaa usean yhtäaikaisen attribuutin muodostaman tulevaisuuden todennäköisyyteen. Esimerkkinä artikkelissa esitellään sosiaali- ja terveydenhuollon asiantuntijoiden arvioimien tulevaisuudentilojen analyysi Conjoint Analyysin sovelluksena. Asiasanat: Toimiala-analyysi, Menetelmäkuvaus, Conjoint Analyysi, Regressioanalyysi, Tilastoanalyysi, Sosiaali- ja terveys Conjoint Analyysi markkinatutkimuksessa Kun kuluttaja menee autoliikkeeseen ja aikoo ostaa auton, hän tekee vertailuja. Itse asiassa ostaja tekee useita monimutkaisia yhtäaikaisia vertailuja. Hän joutuu valitsemaan mm. auton merkin (eli brandin, kuten nykyään sanotaan), hinnan ja värin välillä. Mikäli auto on kallis, sillä tulee olla enemmän rahan arvoisia ominaisuuksia kuin halvemmalla autolla, jolta taas ei odotetakaan huippulaatua. Toisaalta jos ostaja on määritellyt jo etukäteen sen hintaluokan, minkä auto saa maksaa, ostaja valitsee tietysti kyseisestä hintaluokasta parhaimman mahdollisen tuotteen. Autoa ostettaessa meillä on siis tuote (auto), jolla on tiettyjä ominaisuuksia eli attribuutteja (merkki, hinta, väri jne.) ja jokaisella attribuutilla on tasoja. Näin ollen ostaja joutuu seuraavien valintojen eteen: Attribuutti Tasot Merkki: LADA BMW Toyota jne. Hinta (1000 mk): jne. Väri: Punainen Sininen Musta Valkoinen jne. 60

61 Usean osatekijän yhtäaikaista vertailua (engl. conjoint, Luce & Tukey 1964) on 1960-luvun puolivälin jälkeen markkinatutkimuksessa simuloitu usealla tavalla. Itse analyysitekniikalle on annettu nimi Conjoint Analyysi (CA). Laajasti ajatellen markkinatutkimuksessa CA:ksi kutsutaan kaikkia niitä menetelmiä, joissa kuluttajan preferenssien muodostuminen johdetaan kuluttajan tekemistä arvioinneista koskien erilaisia tuotteen ominaisuuksia (Green & Srinivasan 1978, 104) Conjoint Analyysin idea on siinä, että kuluttajatutkimuksessa vastaaja joutuu mahdollisimman todelliseen valintatilanteeseen. Matemaattiselta kannalta tekniikan tärkeimpinä etuina on pidetty mm. sitä, että se vaatii syöttötietoina vain järjestys- eli ordinaaliasteikollista tietoa. Tuloksista saadaan kuitenkin intervalliasteikolla tulkittavaa tietoa (Anttila ym. 1980, ). Kun pyritään selittämään kuluttajan preferenssejä, voidaan selittävinä muuttujina käyttää monenlaista kvantitatiivista ja kvalitatiivista tietoa. Herää kysymys, mitä tekemistä markkinatutkimustekniikalla on tulevaisuuden tutkimuksen kanssa. Voidaan ajatella, että meillä on tuote, jonka nimi on tulevaisuus. Tulevaisuus muodostuu erilaisista ominaisuuksista, attribuuteista. Vaihtoehtoisissa tulevaisuuksissa näiden attribuuttien tasot ovat erilaisia. Ilmiö on sama kuin Seppälän (Seppälä 1992) ja Kuusen (Valtioneuvosto 1980, Kuusi 1991, Seppälä & Kuusi 1993) käyttämän ristivaikutusanalyysin tai tulevaisuustaulukkojen (Seppälä 1984, ks. esimerkiksi Uotila 1993, ) pohjana oleva tulevaisuuden tilat -ajattelu. Samoin analyysitekniikan matemaattisessa käsittelyssä on mielenkiintoinen yhteys Kuusen kehittelemän edullisuuskriteeri -analyysiin (Valtioneuvosto 1980): molemmissa menetelmissä pyritään hyödyntämään järjestysasteikollista tietoa intervalliasteikollisen tiedon saamiseksi. Teknisesti ajatellen asiantuntijat siis arvottavat erilaisia enemmän tai vähemmän todennäköisiä tulevaisuuksia, jossa yhtäaikaa on esitetty tulevaisuuden attribuuttien tasojen kombinaatioita. Conjoint Analyysin tekniikka Esittelen seuraavassa CA:n tekniikan markkinatutkimuksen näkökulmasta, sillä tekniikkaan liittyvät termit ovat markkinatermejä. Myöhemmin tekniikkaa sovelletaan tulevaisuudentutkimukseen ja erityisesti sosiaali- ja terveydenhuollon tulevaisuuteen. CA koostuu useasta toisiinsa liittyvästä toimenpiteestä. Näitä proseduureja ovat esittäneet mm. Anttila kollegoineen (Anttila ym. 1980), Crane (1991), Hair kollegoineen (Hair ym. 1995) ja Churchill (1995). Eri tutkijat painottavat analyysin vaiheissa hieman eri asioita. Kuviossa 1. on esitetty CA:n vaiheet eri lähteistä koottuna. Tutkimusongelman identifiointi Tutkimusjoukon valinta Surveymenetelmän valinta Attribuuttien valinta Attribuuttien tasojen määrittäminen Attribuuttien ja tasojen kääntäminen profiileiksi Aineistonkeruun menetelmän valinta Aineiston analyysi Tulosten tulkinta ja soveltaminen Kuvio 1. Conjoint Analyysin kulku 61

62 Conjoint Analyysi alkaa sillä, että valitaan riittävän tarkka tutkittava kohde. Tarkka tutkimuskohde helpottaa oleellisten attribuuttien ja niiden tasojen valintaa. Tutkimusjoukon valintaan eli otantaan joudutaan kiinnittämään huomiota, jotta saataisiin mukaan mahdollisimman edustava joukko vastaajia. Survey-tekniikan valinnalla tarkoitetaan sitä, tehdäänkö tutkimus kirjeitse, haastattelemalla puhelimitse, henkilökohtaisesti tapaamalla vai tietokoneen avulla. Nämä mainitut toimenpiteet eivät sinällään ole tyypillisiä vain CA-tutkimuksille, vaan koskevat kaikkia survey-tutkimuksia. Ensimmäinen CA-tutkimukselle tyypillinen piirre on tuotteen attribuuttien valinta. Oleellista on löytää sellaiset attribuutit, jotka ovat oleellisia itse tuotteen kuluttajan kannalta. On sanottu, että tuotteen attribuuttien luetteleminen saattaa olla helppoa, mutta merkityksettömien attribuuttien karsiminen on huomattavasti vaikeampaa (Green & Srinivasan 1978, 105). Oleellisia attribuutteja voidaan etsiä monella tavalla. Kuluttajaperusteisissa valintamenettelyissä kuluttajia tarkkaillaan tai heiltä kysellään suoraan tai epäsuoraan heidän mielestään keskeisiä attribuutteja. Tutkijaperusteisissa menetelmissä kokeen suorittajat valitsevat itse sellaisia attribuutteja, joilla he arvelevat olevan merkitystä kuluttajan ostopäätöksessä. Toisenlainen tapa löytää oleelliset attribuutit on käyttää yleisesti tunnettuja monimuuttujamenetelmiä, joilla laaja muuttujajoukko redusoidaan pienemmäksi. Näitä tekniikoita ovat mm. pääkomponentti- ja faktorianalyysi (Harman 1976, Mustonen 1995), erotteluja luokitteluanalyysi (Korhonen & Sadeniemi 1992, Mustonen 1992, 1995) sekä ryhmittelyeli klusterianalyysi (Mustonen 1995). Attribuuttien tasot saadaan selville yleensä joko pilottitutkimuksen avulla tai asiantuntijoita kuulemalla. Attribuuttien todellisten tasojen löytäminen parantaa tutkimuksen luotettavuutta ja uskottavuutta (Green & Srinivasan 1978, 110). Esitutkimuksen etuna on mm. se, että samalla kun selvitetään attribuuttien todellisia tasoja, voidaan testata onko käytetyn mittarin terminologia vastaajille ymmärrettävä. Attribuuttien tasojen tulee olla mahdollisimman yksikäsitteisiä, uskottavia, erotettavia ja edustavia. Attribuuttien ja tasojen kääntäminen profiileiksi tarkoittaa sitä, että kootaan erilaiset tuotevaihtoehdot esimerkiksi kortin muotoon. Itse tutkimuksen kannalta saattaisi olla oleellista, että mukaan saataisiin mahdollisimman monta attribuuttia ja useita erilaisia tasoja. Seuraava pieni esimerkki havainnollistanee asian monimutkaisuutta: Oletetaan, että meillä on tuote, jolla on kolme attribuuttia ja jokaisella attribuutilla on neljä tasoa. Kaikkiaan erilaisia attribuuttien ja tasojen kombinaatioita syntyy 4*4*4=64 Mikäli tuotteella olisi neljä nelitasoista attribuuttia, olisi erilaisia tuotekombinaatioita 4*4*4*4=256 Ongelma on se, ettei kukaan normaalijärjellä varustettu vastaaja pysty hallitsemaan loogisesti sellaista määrää erilaisia tuotekombinaatioita. Tämä ongelma sivuttuu sillä, että emme laskekaan ns. full-factorial -designia eli sellaista asetelmaa, jossa olisi kaikkien attribuuttien kaikkien tasojen vertailut. Matemaattisesti asia hoituu sillä, että estimoidaan ns. ortogonaalisia sarjoja. Ortogonaaliset sarjat lasketaan suoraan attribuuttien lukumäärien ja niiden tasojen lukumäärän perusteella. Edellä mainitun neljä kertaa neljä tasoisen tuotteen ortogonaalisen koordinaatiston ulottuvuuksien määrä voidaan laskea seuraavasti: (4-1) + (4-1) + (4-1) + (4-1) = 12 Luku 12 on siis attribuuttien päävaikutusten vapausasteiden lukumäärien summa. Näin monta erilaista profiilia siis tarvittaisiin, jotta saataisiin selville attribuuttien päävaikutukset. Aineisto voidaan kerätä monenlaisella tavalla. Valittavana on malleihin, kuviin, sanalliseen kuvaukseen tai nykyään multimediaan perustuvia aineistonkeruumenetelmiä. Vastaajille voi- 62

63 daan antaa katsottavaksi tuotteeseen liittyviä kuvia tai materiaalia. Toisaalta voidaan tarjota pelkästään kirjoitettu kuvaus tuotteen ominaisuuksista. Oleellista on se, että vastaajat ymmärtävät vaihtoehtojen erot. Vastaajat joutuvat vertaamaan attribuuttiyhdistelmiä toisiinsa ja ilmaisemaan preferenssinsä niiden suhteen. Attribuuttien yhdistelmät voidaan esittää vastaajille kolmella eri tavalla, joita ovat esitelleet mm. Green kollegoineen (Green ym. 1988, Green & Srinivasan 1990) sekä Wittink kollegoineen (Wittink ym. 1994). Nämä kolme tapaa ovat täyden kuvauksen (full profile) -lähestymistapa, kaksi attribuuttia kerrallaan (Two-attributes-ata-time) -lähestymistapa sekä itseilmaisu (selfexplicated) -lähestymistapa. Näistä todellisuuden valintatilannetta parhaiten simuloiva on full profile -lähestymistapa. Tällöin vastaaja asetetaan usean attribuutin yhtäaikaisen valinnan eteen. Menetelmä saattaa olla vastaajalle vaativa. Kaksi attribuuttia kerrallaan - lähestymistapaa pidetään helppona mutta ikävystyttävänä, sillä vertailujen määrä tulee suureksi, eikä vastaustilanne vastaa todellisuutta (Green & Srinivasan 1988, 618). Itseilmaisu - lähestymistavassa vastaaja itse määrittelee attribuutit. Ongelma on vastaajien vertailemisen hankaluus, mikäli jokaisella on hieman erilaiset attribuutit. Aineiston analyysi suoritetaan useassa vaiheessa. Itse matematiikkaa ei tässä artikkelissa käsitellä tarkemmin. Carrol ja Green ovat hiljattain julkaisseet vertailun erilaisista estimointimenetelmistä (Carrol & Green 1995). Menetelmien varhaisimmat matemaattiset perustelut on tehty 1960-luvun puolivälissä, jolloin Luce ja Tukey (1964) kehittivät tekniikan teoreettisen pohjan ja Kruskal kehitteli MONANOVA (Monotonic Analysis of Variance)-tekniikan (Kruskal 1965, Kruskal & Carmone 1969). Kruskalin kehittelemä algoritmi muunsi järjestysasteikollista numerotietoa välimatka-asteikolliseksi ja tätä valimatka-asteikollista tietoa hyödynnettiin attribuuttien hyötyjen (Utilities) laskemiseen. Myöhemmin keskeisemmäksi menetelmäksi kehittyi OLS (Ordinary Least Square)- regressiomenetelmä, joka Wittinkin ja kollegoiden (1994) mukaan on kaikkein käytetyin conjoint-proseduuri. Hu esittää, että OLS on menetelmänä helpoin ymmärtää (Hu 1996a), onhan regressioanalyysi eräs keskeisimmistä mallittamismenetelmistä. Kaikissa levinneimmissä tilastollisissa ohjelmistopaketeissa (kuten SAS ja SPSS) on omat tapansa ja moduulinsa varattuna CA:n tekemiseen. Esimerkiksi SAS - ohjelmistossa PROC TRANSREG tuottaa CA:n. Categories-moduuli SPSS-ohjelmistossa on suunniteltu erityisesti CA:a varten. Näiden lisäksi on useita erilaisia kaupallisia laskentaohjelmistoja, joista Hu on raportoinut ytimekkäästi (Hu 1996b). Tämä käsillä oleva pienimuotoinen pilottitutkimus on tehty Market Maker - nimisellä suomalaisella ohjelmistolla (QPR 1996). Ohjelmiston käytössä konsulttoi Apro- Media oy:n konsultti Hannu Hukkanen, joka ammattinsa puolesta edustaa asiantuntemusta nimenomaan kyseisen ohjelmiston kaupallisissa sovelluksissa. Profiilin hyöty Kuluttajan preferenssi Attribuutin suhteellinen merkitys Tason hyöty eli osittaishyöty Kuvio 2. Preferenssin mittaaminen conjoint analyysissä (Hu 1996a) 63

64 Itse analyysi alkaa kunkin attribuutin tasojen hyötyjen eli osittaishyötyjen (Part-Worths) laskemisella. Osittaishyödyllä tarkoitetaan sitä, kuinka suuren painon kukin vastaaja antaa kullekin attribuutin tasolle. Toiseksi lasketaan kunkin attribuutin suhteellinen merkitys (Relative importance). Suhteellinen merkitys lasketaan suoraan kyseisen attribuutin tasojen minimi- ja maksimiarvoista. Kolmanneksi lasketaan koko profiilin hyöty (Profile Utility). Profiilin hyöty lasketaan attribuuttien suhteellisten merkitysten avulla. Osittaishyödyn, suhteellisen merkityksen ja profiilin hyödyn katsotaan vaikuttavan kuluttajan preferenssiin kuvion 2 mukaisesti (Hu 1996a). Conjoint Analyysi tulevaisuudentutkimuksessa: sovelluksena sosiaali- ja terveydenhuollon tulevaisuus Usean yhtäaikaisen ominaisuuden vertaaminen simultaanisesti liittyy ajatuksena varsin hyvin tulevaisuuden skenaarioiden laatimiseen tai ylipäänsä erilaisten tulevaisuuden tilojen arvottamiseen. Tältä pohjalta olen soveltanut CA:n ideaa tulevaisuudentutkimuksessa sosiaali- ja terveysalalla. Käyn läpi tutkimuksen vaiheet ja esittelen lopuksi hieman saatuja tuloksia. Tutkimusta valmisteltiin kirjallisuuskatsauksen avulla ja konsultoimalla sosiaali- ja terveysalan asiantuntijoita Sosiaali- ja terveydenhuollon tutkimus- ja kehittämiskeskuksessa (Stakes) ja Opetushallituksessa (OPH). Lisäksi kuultiin Suomen Kuntaliiton (SK) ja Sosiaali- ja terveysministeriön edustajien mielipiteitä sosiaalija terveydenhuollon tulevaisuuden toimintaympäristön muuttumisesta. Tätä asiaa olen pohtinut jo aiemmassa kirjoituksessa (Metsämuuronen 1997a). Kirjallisuuden ja haastattelujen pohjalta löydettiin 19 erilaista sosiaali- ja terveydenhuollon tulevaisuuteen vaikuttavaa megatrendiä ja puitetekijää. Näitä nimitetään jatkossa tulevaisuuden attribuuteiksi. Attribuutit olivat taulukon 1. mukaisia (järjestys on summittainen). Taulukko 1. Sosiaali- ja terveydenhuollon tulevaisuuden attribuutteja 1. Muutokset kansantaloudessa 11. Sosiaali- ja terveysalojen osittainen integroituminen 2. Työttömyys 12. Sosiaali- ja terveysalojen voimakkaampi eriytyminen 3. Muutokset ohjausjärjestelmässä 13. Koulutussuunnittelu (valtion tuki kunnille) 4. Muutokset palvelurakenteessa 14. Koulutuspolitiikka (laitoshoidosta ennaltaehkäisyyn ja avohoitoon) 5. Väestön ikääntyminen 15. Maapallon väestön kasvu 6. Kansalliset terveyttä edistävät ohjelmat 16. Tiedon määrän lisääntyminen 7. Asiakkaiden osallistuminen 17. Luonnon tuhoutuminen 8. Verkostoituminen 18. Kansainvälistyminen 9. Teknologian kehittyminen 19. Yhteyksien lisääntyminen 10. Informaatioteknologian kehitys Ongelma oli se, että meillä oli monta tulevaisuuden attribuuttia, mutta näistä ei välttämättä kaikki ole asiantuntijoiden mielestä oleellisia attribuutteja. Itse ohjelmisto, jolla aineisto oli tarkoitus käsitellä, olisi kyllä kyennyt hallitsemaan 30 attribuuttia yhtä aikaa, mutta se olisi ollut liian työläs vastaajille eikä olisi välttämättä tuonut juurikaan lisäinformaatiota itse tutkimusongelmaan. Näin ollen pyrin selvittämään asiantuntijoiden avulla sosiaali- ja terveydenhuollon tulevaisuuden oleellisimmat attribuutit. Tutkimuksen alkuvaiheessa asiantuntijat Stakesista (n=5), OPH:sta (n=5), SK:sta (n=2) sekä käytännön työelämästä Peijaksen sairaalasta Vantaalta (n=9) arvottivat taulukossa 1 esitetyt tulevaisuuden attribuutit 6-portaisella Likertasteikolla skaalalla Ei vaikuta lainkaan ja Vaikuttaa erittäin paljon. Asiantuntijoita pyydettiin 64

65 arvioimaan attribuutin merkitystä 5-10 vuoden kuluessa sekä vuoden kuluessa. Koska aivan yksikäsitteistä katkaisukohtaa oleellisille attribuuteille ei löytynyt (eli ei siis voitu perustella, miksi juuri nämä 6-8 muuttujaa pitäisi ottaa mukaan tutkimukseen), jouduttiin toimimaan seuraavan menettelyn mukaan: Etsittiin kaikkien erilaisten intressipiirien (Stakes, OPH, SK, ja sairaala) kahdeksan eniten pisteitä saanutta attribuuttia. Lisäksi laskettiin kolmella tavalla (5-10, 10-15, ja 5-15 vuoden aikavälillä) koko joukolle attribuuttien yhteenlasketut pisteet. Näiden seitsemän kriteerin perusteella annettiin kullekin attribuutille järjestyspisteet: suurimman impaktin saanut attribuutti kussakin valintatilanteessa saa arvon 1, toiseksi suurimman arvon 2, ja vähiten vaikuttaviksi arvioidut attribuutit saavat sijaluvun 9 (taulukossa 2 pelkkä viiva). Kun lopullisista pistemääristä piirretään käyrä (kuva 3), havaitaan että seitsemänneksi sijoittuneen attribuutin (kansainvälistyminen) jälkeen attribuutit eivät juurikaan eroa enää toisistaan. Järkevä katkaisukohta on siis ottaa mukaan seitsemän suurimman impaktin saanutta muuttujaa. Tutkijan omasta mielenkiinnosta mukaan otettiin vielä kahdeksas muuttuja, ohjausjärjestelmän muutos. Tieteellistä perustetta asialle ei ole, mutta halusin nimenomaan tietää, mikä on asiantuntijoiden käsitys siitä, mikä on valtion rahanjakopolitiikan merkitys sosiaali- ja terveydenhuollon tulevaisuuden rakentamisessa. Attribuuttien valinta oli siis suoritettu. Ongelmana oli se, että attribuutit olivat ikääntymistä, kansantalouden muutosta ja työttömyyttä lukuunottamatta immateriaalisia, aineettomia. Niitä on vaikea havaita tai mitata yksikäsitteisesti. Tehtävä oli siis löytää attribuuteille oikeat indikaattorit. Mitä tarkoittaa teknologian kehitys? Kotiverenpainemittareiden määrää, magneettiresonanssikuvauslaitteita vai apuvälineiden kehittämistä? Konsultoin asiantuntijoita kultakin attribuutin alueelta ja yhdessä heidän kanssaan pohdin todellisia, kyseistä attribuuttia kuvaavia indikaattoreita ja niiden todellisia tasoja. Näin syntyivät attribuuttien indikaattorit ja niiden tasot (taulukko 3). Taulukko 2. Tulevaisuuden attribuuttien merkitykset eri valintakriteereissä Attribuutit 5-15 vuotta 5-10 vuotta vuotta KL OPH Peijas Stakes Pisteet Ikääntyminen Palvelurakenne Teknologia Kansantalous Informaatioteknol Työttömyys Kansainvälist Yhteyksien lisääntyminen Ohjausjärjestelmä Verkottuminen Asiakkaiden osall Koulutussuunnitt Koulutuspolitiikka Maapallon väkil kaikki loput

66 70 60 Mean teknologian kehitys Palvelurakenne väestön ikääntyminen Intergraatiokehitys segrekaatiokehitys Terveysohjelmat luonnon tuhoutuminen Väkiluvun kasvu koulutuspolitiikka koulutussuunnittelu asiakkaiden osallist verkottuminen Ohjausjärjestelmä Yhteyksien määrän ka kansainvälistyminen työttömyys Informaatioteknologi Kansantalous Kuva 3. Keskeisten attribuuttien valinta käyttäen scree-plot-kuvaa Taulukko 3. Tulevaisuuden attribuutit, indikaattorit ja tasot Attribuutti Indikaattori Tasot Ikääntyminen Palvelurakenteen muutos 1.Vanhusten määrän kasvu lisää vapaaentoishoivan tarvetta 2. Avoterveydenhuollossa toimivien työntekijöiden määrä kasvaa % (erittäin paljon) 2. 70% (paljon) 3. 40% (melko paljon) 1. 60% (erittäin paljon) 2. 30% (melko paljon) % (vain hieman) Teknologian kasvu 3. Teknoimplanteista tulee rutiinia 1. kaikissa sairaaloissa (kasvaa huomattavasti) 2. puolessa sairaaloista (kasvaa hieman) 3. vain yliopistosairaaloissa (edelläkävijäsair:ssa) Kansantalous 4. Kansantalous 1. kasvaa 4.2% (paljon) 2. kasvaa 2.8% (melko voimakkaasti) 3. kasvaa 1.4% (hitaasti) Informaatioteknologian kasvu 5. Värikuvaa ja terveystietoa välittävä informaatioväline (kännykkä) on sosiaali- ja terveydenhuollon aktiiviasiakkaista 1. kaikilla (100%, kehitys erittäin voimakasta) 2. puolella (50%, kehitys melko voimakasta) 3. vain kriittisesti sairailla omatoimisilla Työttömyys 6. Työttömien määrä 1. n (vähenee merkittävästi) 2. n (vähenee hieman) 3. n (pysyy ennallaan) Kansainvälistyminen 7. Kansainvälistyminen 1. vähentää terveysriskejä huomattavasti 2. vähentää terveysriskejä jonkin verran 3. lisää terveysriskejä jonkin verran 4. lisää terveysriskejä huomattavasti Ohjausjärjestelmän muutos 8. Yksityisten palveluiden määrä kasvaa 1. 30% (kasvaa voimakkaasti) 2. 10% (kasvaa hieman) % (säilyy ennallaan) 66

67 Kuva 4. Esimerkki Conjoint kortista Kun attribuuttien indikaattorit ja tason valittiin, alkoi varsinaisten Conjoint -korttien tekeminen. Analyysi menetelmäksi valittiin full profile - menetelmä johtuen siitä, että se intuitiivisesti tuntui järkevimmältä ratkaisulta: asiantuntijat joutuisivat punnitsemaan useita attribuutteja ja niiden tasoja yhtä aikaa. Vertailu tehtäisiin siten, että verrattaisiin kerrallaan kahta erilaista tulevaisuuskorttia toisiinsa ja annettaisiin tulevaisuuksille subjektiiviset todennäköisyydet. Mikäli toinen tulevaisuuksista (kortti 1) olisi huomattavasti todennäköisempi, se saisi oleellisesti suuremman pistemäärän kuin toinen tulevaisuus (kortti 2). Asiantuntijat saisivat vertailtavakseen useita kuvan 4 kaltaisia korttipareja. Koska attribuutteja oli 8, ei ollut mielekästä (kokonaisuuden hallinnan vuoksi) laittaa kaikkia attribuutteja samaan korttiin. Niinpä attribuuteista tehtiin kaksi viiden attribuutin erillistä analyysiä. Molemmissa korttisarjoissa oli teknisistä syistä mukana kaksi yhteistä attribuuttia. Vertailuja olisi pienimmillään (3-1) + (3-1) + (3-1) + (3-1) + (4-1) =11 Mukaan haluttiin vielä 1 duplikaattikorttipari eli korttipari, joka on jo aiemmin ollut vertailtavana. Mikäli vastaajat ovat loogisesti arvottaneet kortteja, tulisi näillä kahdella samanlaisella korttiparilla olla samanlaiset tai ainakin hyvin samansuuntaiset todennäköisyyden arvot. Edelleen mukaan haluttiin 2 ns. hold-out-korttia. Hold-out kortilla tutkitaan, kuinka ortogonaalisen sarjan tuottama malli pystyisi ennustamaan sellaisia tapauksia, jotka eivät ole mukana analyysissä (QPR 1996, 69-71). Sekä duplikaattiettä hold-out -korteilla mitataan ensisijaisesti tutkimuksen luotettavuutta. Kun vielä itse ohjelmisto lisää mainittujen 14 korttiparin joukkoon luotettavuuden vuoksi 5 analysoitavaa korttia, saisivat asiantuntijat vastattavakseen kaksi 19 korttiparin vertailutilannetta. Asiantuntijoiksi tutkimuksen toiseen vaiheeseen tuli 12 sosiaali- ja terveydenhuollon taustavaikuttajaa ja käytännön työntekijää. Vastaajat edustivat asiantuntijuutta Stakesin, OPH:n, Kuntaliiton taholta (n=9) sekä käytännön työn suorittajan näkökulmaa Peijaksen sairaalasta Vantaalta (n=3). Täsmälleen puolet (n=6) ilmoitti olevansa vastaustilanteessa tulevaisuuden tekijä ja toinen puoli tulevaisuuden tarkkailija. Näiden ryhmien eroja tarkastellaan jatkossa esimerkin omaisesti hieman enemmän. Dublikaatti- ja hold-out -korttien perusteella koko joukon reliabiliteetti oli kohtuullinen, muttei 67

68 korkea. Duplikaattien välinen Pearsonin korrelaatio oli koko joukolle Stakesin vastaajat olivat ryhmittäin arvioiden erittäin johdonmukaisia (r=0.94). Parhain mallin selitysosuus oli Stakesin vastaajilla (R 2 adj=0.662) ja heikoin Peijaksen (0.458) ja OPH:n vastaajilla (0.459). Attribuuttien suhteellinen merkitys Nyt käsiteltävät tulokset ovat vain esimerkin omaisia ja saattavat toimia jatkossa tehtävien analyysien pohjana. Vaikka tulokset ovatkin pienen ja valitun asiantuntijajoukon käsityksiä tulevaisuudesta, ne eivät ole kuitenkaan aivan merkityksettömiä, joten tulokset saattavat olla kiintoisiakin. Kuvassa 5 on esitetty kunkin intressipiirin arvottamat attribuutit niiden suhteellisen merkityksen kannalta. Suhteellinen merkityshän laskettiin suoraan attribuutin tasojen minimi- ja maksimiarvon avulla. Toisin sanoen, mikäli pilari on korkea, on kyseisen attribuutin tasot saaneet voimakkaasti erilaisen painoarvon asiantuntijoiden mielessä. Huomataan, että Kuntaliiton kannalta ajateltuna ikääntymisen vaikutukset ovat selkeästi eniten painottuneita. Vapaaehtoishoivan tarve on siis tekijä, jonka eri tasot vaikuttavat voimakkaasti siihen, mikä on Kuntaliiton kannalta todennäköinen tulevaisuus. Samoin kansantalouden ja ohjausjärjestelmän muutokset ovat painottuneita. Sen sijaan OPH:n kannalta ajateltuna näyttää siltä, että ohjausjärjestelmän muutos ja kansainvälistyminen ovat seikkoja, joissa tasojen todennäköisyyksien erot ovat suuria. Käytännön työntekijät taas painottavat kansainvälistymistä, työttömyyttä ja palvelurakenteen muutosta. Näiden attribuuttien suhteellinen merkitys on korkein juuri käytännön työntekijöiden vastatuksissa. Stakesin kannalta merkityksellisimpiä attribuutteja olivat kansainvälistyminen, työttömyys ja palvelurakenteen muutos sekä käytännön työntekijöihin verrattuna kansantalouden muutos. Huomattakoon, että tämä merkittävyys ei siis tarkoita sitä, että eri intressiryhmät korostaisivat keskiarvolla mitaten eniten mainittuja attribuutteja. Kyse on siitä, että kyseisistä attribuuteista tulee merkityksellisiä, kun eri tasojen välillä on voimakkaita eroja. Näin ollen on ymmärrettävää, että esimerkiksi teknologian ja informaatioteknologian kasvu saavat hyvin matalia suhteellisia merkityksiä. Kuva 5. Tulevaisuuden attribuuttien suhteelliset merkitykset eri intressitahoilla 68

69 Liikuttavan yksimielisiä eri intressipiirit ovat informaatioteknologian ja työttömien määrän suhteellisesta merkityksestä. Pilareiden koon erojen tulkinta on seuraava: Informaatioteknologian kasvun tasot eivät eroa juurikaan toisistaan. Kaikki intressiryhmät ovat tästä yhtä mieltä. Tästä syystä pilarit ovat matalia ja yhtä suuria. Sen sijaan työttömyyden suhteen kaikki ovat sitä mieltä, että tasojen välillä on selkeitä eroja. Tämä johtaa siihen, että pilarit ovat yhtä korkeita ja kohtuullisen painokkaita. Kuva 6. Tulevaisuuden tekijöiden ja tarkkailijoiden todennäköisimmät tulevaisuudet Tulevaisuuden todennäköisyys Kuvassa 6 on verrattu toisiinsa kahden ajattelutavaltaan erilaisen ryhmän tulevaisuuden kuvia. Toinen ryhmä on tulevaisuuden tekijät ja toinen tulevaisuuden tarkkailijat. Paras tuote tarkoittaa tulevaisuudentutkimukseen sovellettuna suurinta todennäköisyyttä. Teknisesti ajatellen maksimaalinen tulevaisuuden todennäköisyyden pistemäärä olisi ollut 800, sillä vastaajat jakoivat 100 pistettä kullekin attribuutille. Havaitaan, että todennäköisimmän tulevaisuuden pistemäärä on tekijöiden ryhmässä 446 ja tarkkailijoiden ryhmässä 427. Tämä saattaa olla tulkittavissa niin, että tulevaisuuden tekijöiden ryhmässä annettiin laajemmalla skaalalla pisteitä tai niin, että he ovat olleet yksimielisempiä tulevaisuudesta kuin tulevaisuuden tarkkailijat. Pikaisesti katsoen näyttää siltä, että joukossa on sellaisia attribuutteja, joiden tasot ovat todennäköisimmässä tulevaisuudessa aivan sama niin tekijöiden kuin tarkkailijoidenkin ryhmässä. Näin molempien ryhmien arvioimana vapaaehtoishoivan tarve tulee kasvamaan melko paljon (noin 40%), kansainvälistyminen lisää jonkin verran terveysriskejä, henkilökohtainen informaatio-antura-laite on puolella sosiaali- ja terveydenhuollon asiakkaista ja työttömien määrä tulee laskemaan hieman. Mielenkiintoisia ovat ne seikat, jotka erottavat ryhmät toisistaan. Teknoimplanttien lisääntymisen suhteen ryhmät näyttävät eroavan toisistaan huomattavasti. Samoin kansantalouden kasvusta ollaan eri mieltä. Nyt kuitenkin tulevaisuuden tekijöille kansantalouden kasvulla ei itseasiassa ole suurtakaan suhteellista merkitystä. Mikäli tulevaisuudessa olisi kansantalouden kasvu vain 1,4%, olisi tulevaisuuden tekijöiden arvioiman todennäköisyyden pistemäärä 445 eli vain yhtä pistettä pienempi kuin parhaalla vaihtoehdolla. Ohjausjärjestelmän muutokset olivat taas tule- 69

70 vaisuuden tarkkailijoille vähämerkityksinen attribuutti. Niinpä vaikka eroa näyttää olevan ryhmien mielipiteiden välillä sen suhteen, kuinka paljon yksityisten palveluiden määrä tulee kasvamaan (30% ja 10%), olisivat tulevaisuuden tarkkailijat (taso 30%) voineet sallia samalla todennäköisyydellä myös toisen vaihtoehdon (taso 10%). Tulevaisuuden tekijät painottavat voimakkaasti palvelurakenteen muutosta tulevaisuuden attribuuttina. Kun avoterveydenhuollossa toimivan henkilökunnan määrän kasvu on tulevaisuuden tarkkailijoille vähän merkityksinen (parhaimman ja huonoimman pistemäärän erotus on 4 pistettä), ovat tulevaisuuden tekijät varsin ehdottomia siitä, että todennäköinen tulevaisuus on juuri 60 %:n kasvu (parhaimman ja huonoimman pistemäärän erotus 19 pistettä). Metodologista arviointia Conjoint Analyysi tekniikkana on ilmeisen lähellä ristivaikutusanalyysia (Seppälä 1992, Seppälä & Kuusi 1993). Keskeinen idea molemmissa on sama: asiantuntijat arvottavat erilaisia tulevaisuuden attribuutteja numeerisesti ja tietokone laskee mahdollisten skenaarioiden todennäköisyyksiä. Molempia tekniikoita voitaisiin käyttää esimerkiksi alunperin Delfi-tekniikalla hankitun tiedon terävöittämiseen (Metsämuuronen 1997b). Conjoint Analyysin ja ristivaikutusanalyysin vertaaminen tekniikkoina voisi olla pienen tutkimuksen arvoinen. Koska en tunne ristivaikutusanalyysia ja sitä laskevaa Basics-ohjelmaa riittävästi, en tässä edes ryhdy vertaamaan tekniikoita. Tyydyn vain hyvin subjektiivisten tuntemusten kirjaamiseen nimenomaan CA:sta ja toisaalta itse menetelmän matemaattisen puolen kevyeen pohdintaan. Lopuksi pohdin Julienin, Lamond in ja Latouchin viittä kriteeriä hyvälle skenaarioiden laadintaa avustavalle mallille: läpinäkyvyyttä, robustisuutta, vuorovaikutusten korostamista, taipuisuutta ja hedelmällisyyttä (Valtioneuvosto 1979, Seppälä & Kuusi 1993, ). Ensivaikutelma Conjoint Analyysin käytöstä tulevaisuuden tutkimuksessa oli se, että tämä vaikuttaa varsin helpolta ainakin vastaajan kannalta: vertaillaan kahta tulevaisuuden kuvaa rinnakkain, arvotetaan ne numeerisesti ja tietokone puksuttaa tuloksen. Ainakin käytetyllä ohjelmalla toiminta oli sen visuaalisuuden vuoksi helppoa, itse asiassa jopa niin helppoa, että ensivaikutelma oli mikkihiirimäinen, leikkikalumainen. Menetelmää on siis helppo käyttää, eikä se vaadi erityisiä tilastotieteellisiä valmiuksia. Erityisen hauskaa oli se, että käytetty ohjelmisto (Market Maker) oli suomenkielinen ja sen manuaali (ehkä liiankin) selkokielinen. Tämä tilastotieteellinen simppeliys on tietysti ymmärrettävää, sillä ohjelmistoa yritetään kaupata tavallisille yrityksen johtajille, jotta nämä voisivat itse tehdä markkinatutkimusta. Kun sitten tutustuin itse analyysitekniikan matemaattiseen puoleen, totesin, että tekniikan matemaattinen ja tilastotieteellis-filosofinen puoli on perusteltu alan arvovaltaisissa julkaisuissa (mm. Addelman 1962, Luce & Tukey 1964, Krantz 1964, Kruskal 1965, Green & Frank 1966, Tversky 1967). Toisin sanoen näiltäkään osin ei itselläni ollut analyysitekniikasta huomautettavaa. Conjoint Analyysin ongelmat eivät olekaan ohjelmassa tai matematiikassa vaan siinä, että perinteistä markkinatutkimusmenetelmää sovelletaan ns. immateriaalisiin eli aineettomiin attribuuteihin. Tästä seurasi muutama oleellinen hankaluus, jotka jouduin ratkaisemaan tekemällä kompromisseja. Ensimmäinen kriittinen kohta on attribuuttien valinta. Greenin ja Srinivasan (1978) ajatus siitä, että on järkevää karsia analyysista pois tulevaisuuden epäoleelliset attribuutit, on hieno. Itse en pidä ongelmana sitä, että jouduimme valitsemaan osan 19 alkuperäisestä attribuutista, vaan sitä, että immateriaaliset attribuutit eivät olleet yksikäsitteisiä. Niinpä oli järkevää etsiä attribuuteille selkeät, yksikäsitteiset indikaattorit, joita voitaisiin mitata. Esimerkiksi ikääntyminen on tiedossa, se saadaan helposti esille. Sen todennäköisyyttä ei tarvitse kysyä. Ongelmallisempaa on se, mikä on ikääntymisen vaikutus sosiaali- ja terveydenhuollon tulevaisuuteen. Tätä jouduttiin pohtimaan asiantuntijoiden kanssa ja valitsemaan yksi monista vaikutuksista. Onko valittu indikaattori paras, on kokonaan toinen asia. 70

71 Toinen ongelma on korttien pisteytys ja siinä loogisena pysyminen. Samassa kortissa saattaa olla omasta mielestä sekä epätodennäköisiä että todennäköisiä attribuutin tasoja. Mielellään vastaaja valitsisi jonkun attribuutin referenssiattribuutiksi, jota pitää kriteerinä todennäköiselle tulevaisuudelle. Näin ollen on hankalaa arvottaa sellaista tulevaisuutta, jossa kaikki muut attribuuttien tasot ovat aivan kuin olen ajatellut, mutta juuri se itselleni tärkeä attribuutti esittää hyvin epätodennäköistä tulevaisuuden tilaa. Vastaajille annettiin ohjeeksi tarkastella kortteja kokonaisuuksina. Toisin sanoen, jos kaikki muut attribuuttien tasot ovat hyväksyttäviä, mutta yksi taso ei sitä ole, on tulevaisuus kohtuullisen todennäköinen. Eritoten kun korttia verrataan vaihtoehtoiseen tulevaisuuteen, tulisi vertailla mahdollisten ei-suotavien todennäköisyyksien lukumäärää: jos tulevaisuustilat muutoin olisivatkin yhtä (epä)todennäköisiä, mutta toisessa on enemmän suotavia tasoja, tämä tulevaisuus on todennäköisempi. Kolmas ongelma on tietenkin tulosten analysointi ja tulkinta. Termit ohjelmistossa ovat markkinatermejä: hyöty, merkitys, tuote, tradeoff. Näille piti antaa oma tulkinta: tuote vastaa tulevaisuutta ja paras tuote vastaa todennäköisintä tulevaisuutta. Kovin syvälliseen analyysiin esimerkiksi todennäköisimmän tulevaisuuden saamasta pistemäärästä ja sen tulkinnasta ei tässä vaiheessa nähty tarvetta. Hyvälle skenaarioiden luomisen apuvälineelle on esitetty viisi kriteeriä (ks. Valtioneuvosto 1979, Seppälä & Kuusi 1993). Ymmärtääkseni CA toteuttaa läpinäkyvyyden vaatimuksen. Käyttäjäystävällisyys, oleellisten attribuuttien valinta ja joustavuus ovat osa läpinäkyvyyttä. Sen sijaan vaatimusta siitä, että kyettäisiin jäljittämään skenaarioihin johtaneita vaikutusketjuja, tekniikka ei ilmeisesti täytä. Ymmärtääkseni robustisuuden eli vakauden ja vuorovaikutuksen vaatimukset toteutuvat CA:ssa. Alkuarvoina käytetään subjektiivisia tulevaisuuksia, jotka jo sinällään ovat noin -lukuja. Näin ollen mallin ei pitäisi olla herkkä pienille muutoksille. Tämä puoli tekniikasta tulisi kuitenkin selvittää tarkemmin. Erityisesti mahdollisuus tarkastella attribuutti kerrallaan eri tasojen vaikutusta tulevaisuuden todennäköisyyteen on minusta arvokas lisäinformaatio tulevaisuudentutkimuksessa. Kuusen ajatus siitä, että malli tulisi rakentaa ketjussa siitä syystä, että ihminen ei hahmota yhtä aikaa kuin muutaman muuttujan (Seppälä & Kuusi 1993, 154), kuuluu nimenomaan CA:n perusajatuksiin. Tästä syystä korttiin valitaan vain muutamia attribuutteja kerrallaan (esimerkissämme 5 attribuuttia molempiin korttisarjoihin). CA:n hedelmällisyyden näyttää tulevaisuus. Tämänhetkinen henkilökohtainen ajatteluni on, että CA on menetelmällisesti aavistuksen verran jalostuneempi painos ristivaikutusanalyysistä. LÄHTEET: Addelman S Orthogonal Main-Effect Plans for Asymmetrical Factorial Experiments. Technometrics 4, Anttila M, van der Heuvel RR & Möller K Conjoint Measurement for Marketing Management. European Journal of Marketing. 14, July, Carrol JD & Green PE Psychometric Methods in Marketing Research: Part 1, Conjoint Analysis. Journal of Marketing Research. 32, November, Churchill GA Appendix 9B: Conjoint Measurement. Marketing Research: Methodological Foundations, 6th Ed. The Dryden Press, Orlando, Florida, Crane M Conjoint Analysis: A Guide for Designing & Interpreting Conjoint Studies. Intelli- Quest, inc., Austin, Texas. Green PE & Frank RE Bayesian Statistics and Marketing Research. Applied Statistics 15, Green PE & Srinivasan V Conjoint Analysis in Consumer Research: Issues and Outlook. Journal of Consumer Research. 5, September,

72 Green PE, Tull DS & Albaum G Chapter 15: Multidimensional Scaling and Conjoint Analysis. Teoksessa Research for Marketing Decisions. 5th Ed. Prentice-Hall, Englewood Cliffs, NJ. Hair JF, Anderson RE, Tatham RL & Black WC Chapter 10: Conjoint Analysis. Multivariate Data Analysis: with Readings. 4th Ed. Prentice-Hall, Englewood Cliffs, NJ, Harman HH Modern Factor Analysis. 3rd edition. Chicago: University of Chicago Press. Hu C 1996a. Conjoint Analysis Page. Upd Hu C 1996b. Conjoint Software Page. Upd Korhonen M & Sadeniemi L Additional SURVO 84C operations I. SURVO 84C Contributions 5. Department of Statistic, University of Helsinki. Krantz DH Conjoint Measurement: The Luce-Tukey Axiomatization and Some Extensions. Journal of Mathematical Psychology 1, Kruskal JB Analysis of Factorial Experiments by Estimating Monotone Transformations of the Data. Journal of the Royal Statistic Society, Series B, 27, Kruskal JB & Carmone FJ MONANOVA, a FORTRAN IV program for monotone analysis of variance (Non-Metric Analysis of Factorial Experiments). Behavioral Science 14, Kuusi O Basics-menetelmä - tulevaisuuden tutkijan perustyökalu? Koetinkivenä tavarakuljetusten tulevaisuus. FUTURA 3/1991. Luce RD & Tukey JW Simultaneous Conjoint Measurement: A New Type of Fundamental Measurement. Journal of Mathematical Psychology 1, Metsämuuronen J 1997a. Sosiaali- ja terveydenhuollon työn tulevaisuus muutoksessa. FUTURA 1/1997 Metsämuuronen J 1997b. Delfi-tekniikka sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeiden tutkimisessa. FUTURA 2/1997 Metsämuuronen J 1997c. Delfi-tekniikan kritiikiä FUTURA 3/1997 Mustonen S SURVO. An Integrated Environment for Statistical Computing and Related Areas. Survo Systems Ltd. Helsinki University Printing House, Helsinki. Mustonen S Tilastolliset monimuuttujamenetelmät. Survo Systems Ltd. Yliopistopaino, Helsinki. QPR 1996 Market Maker käyttöohje. Quality Productions and Research Ltd. Oulun yliopiston kirjapaino, Oulu. Seppälä Y tuhatta tulevaisuutta. Gaudeamus, Helsinki. Seppälä Y Basics-menetelmä. Mitä se on? FUTURA 1/1992 Seppälä Y & Kuusi O Ristivaikutusanalyysi, sovelluksena kuljetukset Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Tversky A A General Theory of Polynomial Conjoint Measurement. Journal of Mathematical Psychology 4, Uotila T Skenaariot yrityksen toimintaympäristön kartoittamisessa: Esimerkkinä sahateollisuus. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Valtioneuvosto Hynynen ym. Skenaariomenetelmä tulevaisuuden-tutkimuksessa. Käännös teoksesta Julien-Lamonde-Latouche 1975: La methode des scenarios.paris. Valtioneuvoston kanslian julkaisuja 1979:1. Valtioneuvosto Skenaariomenetelmä ja ajankäytön muutokset. PTS-työryhmä. Valtioneuvoston kanslian monisteita 1980:9. Wittink DR, Vriens M & Burhenne W Commercial Use of Conjoint Analysis in Europe: Results and Critical Reflections. International Journal of Research in Marketing. 11,

73 Asiantuntijoiden mielipiteiden stabiliuden mittaaminen Asiantuntijoiden stabiliutta koskeva kirjoitus julkaistiin työministeriön internetsivuilla. Sen lähdeviite on: Metsämuuronen, J. 1997: Asiantuntijoiden mielipiteiden stabiliuden mittaus tulevaisuustutkimuksessa. Työelämän muutosten ja koulutustarpeiden ennakoinnin menetelmät käytäntöineen. Työministeriön Internetjulkaisu. Asiantuntijoiden mielipiteiden stabiliuden mittaus tulevaisuustutkimuksessa Tässä artikkelissa verrataan kahta tapaa arvioida asiantuntijoiden mielipiteiden pysyvyyttä eli stabiliteettia, kun samat asiantuntijat ovat numeerisesti arvottaneet tulevaisuuden attribuutteja kahteen kertaan. Korrelaatiokerrointa verrataan stabiliteettikertoimeen. Tietyissä erikoistilanteissa stabiliteettikerroin antaa oleellisesti luotettavampaa tietoa kuin perinteinen testi-uusintatesti-korrelaatio. Artikkelissa pohditaan myös stabiliteettikertoimen käyttöä heikkojen signaalien analysoinnissa. Asiasanat: Menetelmäkuvaus, Testi-uusintatesti-menetelmä, Korrelaatio, Stabiliteetti, Reliabiliteetti, Likert-asteikko Ilmiön stabilius ja testiuusintatestimittaus Tavallisin tapa arvioida ilmiön (esimerkiksi arvojen, motiivien, mielipiteiden tai mielenkiinnon) pysyvyyttä eli stabiliteettia on käyttää testi-uusinta -menetelmää. Ilmiötä on mitattu aluksi esimerkiksi viisi- tai kuusiportaisella Likert-asteikolla (täysin samaa mieltä - täysin eri mieltä -skaalalla). Tietyn ajan (esimerkiksi puolen vuoden tai vuoden) kuluttua mitataan samoilta henkilöiltä samalla mittarilla asiaa uudelleen. Mittausten välille lasketaan perinteisesti korrelaatiokerroin, joka kertoo vastausten stabiliteetin. Joskus testi-uusinta-menetelmää käytetään mittauksen luotettavuuden eli reliabiliteeetin laskemiseksi (Anastasi 1988, 116; Asher 1976, 93; Cronbach 1951, 298; Crocker & Algina 1986, ; DeVillis 1991, 37; Zarrella & Schuerger 1990, 1067). Kuitenkin luotettavammat tavat laskea varsinaisesti mittarin tai mittauksen reliabiliteetti perustuvat sisäisen konsistenssin laskemiseen (Spearman 1910, Brown 1910, Cronbach 1951, Tarkkonen 1987, Bollen 1989). Testi-uusintatesti-korrelaatio antaa tietoa ilmiön tai mittauksen stabiliteetista erityisesti silloin, kun aikaintervalli on pitempi kuin kaksi viikkoa (Nunnally 1978, ; Tarkkonen 1987, 25). Stabiliteettia voidaan kuitenkin myös pitää ainakin jossain määrin luotettavuuden indikaattorina. Mikäli nimittäin mielipiteet tai arvostukset muuttuvat päivästä ja viikosta toiseen, ei ole mahdollista saada luotettavaa tietoa ilmiöstä yhden mittauksen perusteella, vaikka sisäinen konsistenssi mittauksessa olisikin korkea. Toisaalta, mikäli mielipiteet ovat kohtuullisen pysyviä, se heijastaa ilmiön suurta ennustettavuutta. Alhainen stabilius puhuu puolestaan heikosta ennustettavuudesta. Onneksi ihmistieteissä useimmiten tutkitut ilmiöt (kuten arvot, motiivit ja mielipiteet) ovat suhteellisen pysyviä (Shaw & Wright 1967, 9; Nunnally 1978, 235). Zarrella ja Schuerger esimerkiksi analysoivat 62 itsenäistä ammatilliseen 73

74 mielenkiintoon liittyvää tutkimusta ja havaitsivat, että keskimääräinen stabiliteetti vaihteli välillä (Zarrella & Schuerger 1990, 1069). Metsämuurosen aineistossa motiivien stabilius vaihteli välillä (Metsämuuronen 1995, ). Nunnallyn mukaan kohtuullisen pitkällä (noin puolen vuoden) aikavälillä todetut erot mitatuissa ilmiössä johtuvat ihmisten systemaattisesta muuttumisesta (Nunnally 1978, ). Stabiliteetin mittaaminen korrelaatiolla Stabiliteetin mittaaminen tapahtuu siis perinteisesti testin ja uusintatestin välisellä korrelaatiokertoimella. Korkea korrelaatio indikoi korkeaa stabiliteettia ja päinvastoin. Korrelaatiokertoimen laskemisessa käytetään useimmiten Pearsonin kaavaa (1) (Crocker & Algina 1986, 32-33, 115; Anastasi 1988, 113): (xi - x)(yi - y) rry= (1) N(Sx)(Sy) Joissain tilasto-ohjelmistoissa käytetään saman kaavan toista muotoa (2), jossa nimittäjä on hieman erilainen (Mustonen 1992, 374): Sxy (xi - x)(yi - y) rry= = (2), (n-1)(sx)(sy) SxSy missä Sxy viittaa muuttujien x ja y kovarianssiin, Sx ja Sy viittaavat muuttujien x ja y hajontaan, xi ja yi viittaavat yksittäisiin havaintoihin ja x ja y viittaavat kyseisten muuttujien keskiarvoihin. On hieman triviaalia esittää tällaisia peruslaskukaavoja, jotka kuuluvat alkeisoppikirjoihin. Esitän ne kuitenkin siitä syystä, että kaavoista näkee helposti erään korrelaatiokertoimen hankaluuden. Mikäli nimittäin muuttujien keskipoikkeama (matemaattisesti xi - x ja yi - y) on pieni, se johtaa nollakorrelaatioon. Esimerkiksi tilanteessa, jossa lähes kaikki asiantuntijat ovat olleet yksimielisiä jonkin tulevaisuuden attribuutin suhteen molemmissa mittauksissa, tulee korrelaatioksi nolla, vaikka todellisuudessa yhteys kahden mittauksen välillä on täydellinen eli korrelaation pitäisi olla lähellä ykköstä. Kuvatussa tilanteessa samanlainen ongelma syntyy järjestyskorrelaatiokertoimen (Kendallin tau) laskemisessa: koska järjestykset eivät muutu, tau redusoituu nollaksi (Kendall & Gibbons 1990, 4; Thorndike 1978, 90). Onko mitään tapaa saada tässä erikoistilanteessa selville todellinen asiantuntijoiden mielipiteiden stabiliteetti? Olen kehittänyt vastaavanlaista tilannetta varten ns. stabiliteettikertoimen, joka perustuu Markovin ketjujen, siirtymätodennäköisyyksien ja ehdollisten todennäköisyyksien teoriaan (Metsämuuronen 1995). Markovin ketjut ja ehdollinen todennäköisyys Stabiliteettikertoimen (Sbxy) perustelemista varten tarvitaan hieman tietoa Markovin ketjuista ja ehdollisesta todennäköisyydestä (Cox & Miller 1965, DeGroot 1986). Markovin ketjuja on käytetty ymmärtämään prosesseja ja niissä olevia ti- 74

75 loja. Kysymys Markovin ketjujen kannalta kuuluu: mikä on todennäköisyys siirtyä tilasta (0) tilaan (1). Asiantuntijamielipiteen stabiliuteen soveltaen kysytään: mikä on todennäköisyys sille, että kun alunperin asiantuntija oli samaa mieltä, hän onkin toisella kerralla eri mieltä tai päin vastoin. Markovin ketjujen teoriassa oletuksena on, että seuraavan tilan todennäköisyys ei riipu historiasta, sillä on sama mitä reittiä nykyiseen tilaan on tultu. Nykyinen tila riippuu vain edellisestä tilasta. Jos yksinkertaistamme alkuperäistä viisiportaista Likert-asteikkoa siten, että ajattelemme olevan vain kolme tilaa: eri mieltä (tila [0]), samaa mieltä (tila [1]) ja epävarma (tila [e]), voimme yksinkertaisesti demonstroida asiantuntijamielipiteet kolmitilaisena Markovin ketjuna: loppumittaus tila(0) tila(1) tila(e) yhteensä alku- tila (0) a 00 a 01 a 0e Summa a 0j mittaus tila (1) a 10 a 11 a 1e Summa a 1j tila (e) a e0 a e1 a ee Summa a ej Summa aij missä a00 viittaa niiden henkilöiden lukumäärään, jotka pysyivät tilassa (0), toisin sanoen vastaajat olivat eri mieltä kuin väite molemmissa mittauksissa. Mielipide pysyi tällöin stabiilina. a01 viittaa niiden henkilöiden lukumäärään, jotka siirtyivät tilasta (0) tilaan (1) eli jotka olivat ensimmäisellä kerralla eri mieltä väitteestä, mutta toisella kerralla samaa mieltä. Mielipide ei siis ollut stabiili. a0e viittaa niiden henkilöiden lukumäärään, jotka siirtyivät tilasta (0) tilaan (e) eli niihin henkilöihin, jotka ensimmäisellä kerralla olivat eri mieltä väitteestä, mutta toisella kerralla olivat epävarmoja. Tällöinkin mielipide oli epästabiili. a0j viittaa kaikkien niiden henkilöiden lukumäärään, jotka olivat ensimmäisellä kerralla eri mieltä kuin väite. Muiden indikaattoreiden tulkinta on vastaavanlainen. Viimeinen aij viittaa kaikkien vastaajien määrään. Perinteisesti siirtymätodennäköisyydet lasketaan Markovin hengessä siten, että P(a0j)=1, P(a1j)=1 ja P(aej)=1, eli rivien todennäköisyydet tulevat 1:ksi. Emme kuitenkaan ole ensisijaisesti kiinnostuneita siirtymätodennäköisyyksistä Markovin hengessä, vaan haluaisimme tietää pysymistodennäköisyyden. Tässä mielessä kiintoisia ovat diagonaalilla sijaitsevat indikaattorit a00, a11 ja aee, jotka kertovat samanmielisinä pysyneiden henkilöiden lukumäärän. Kuinka päästään laskemaan mielipiteen stabiliuden todennäköisyys? Todennäköisyys pysyä tilassa (0) ehdolla, että oli tilassa (0) ensimmäisessä mittauksessa, on yksinkertaista laskea ehdollisen todennäköisyyden kaavan (3) avulla (esim. DeGroot 1986, 57): P(A ehdolla B) = P(A ja B) * P(B) (3) Nyt P(A ehdolla B) on A:n todennäköisyys ehdolla B, P(A ja B) on A ja B joukkojen leikkauksen todennäköisyys ja P(B) on tilan todennäköisyys ensimmäisessä mittauksessa. Näin ollen todennäköisyys pysyä tilassa (0) ehdolla, että oli tilassa (0), saadaan laskettua seuraavasti: 75

76 a00 a0j a00 P(tila[0] ehdolla tila [0]) = * = a0j aij aij Vastaavasti todennäköisyys pysyä tilassa (1) ehdolla, että oli tilassa (1) lasketaan: a11 a1j a11 P(tila[1] ehdolla tila [1]) = * = a1i aij aij Edelleen todennäköisyys pysyä tilassa (e) ehdolla, että oli tilassa (e) saadaan: a11 aej aee P(tila[e] ehdolla tila [e]) = * = aej aij aij Kokonaistodennäköisyyden lain perusteella todennäköisyys pysyä samassa tilassa voidaan laskea seuraavasti: a00 a11 aee a00 + a11 + aee Sbxy = + + = aij aij aij aij Stabiliuden todennäköisyyden logiikka on siis läpinäkyvä, ellei peräti itsestään selväkin: jos haluamme tietää mielipiteiden stabiliteetin, laskemme yhteen kaikki ne tapaukset, jossa asiantuntijat ovat olleet yhtämieltä kahden eri mittauksen välillä. Saadun summan jaamme kaikkien havaintojen lukumäärällä. Näin saamme stabiliuden todennäköisyyden. Tulos saattaa vaikuttaa liian yksinkertaiselta, mutta teoria tuloksen takana ei suinkaan ole yksinkertainen. Stabiliteetin laskeminen kahdella eri tavalla Seuraavassa on simuloitu stabiliteetin laskemista keksityn aineiston avulla (taulukko 1). Oletetaan, että meillä on mitattu 32 asiantun- tijan mielipiteitä siitä, kuinka merkityksellisenä he pitävät erilaisia tulevaisuuden attribuutteja. Asiantuntijat ovat arvottaneet erilaisia tulevaisuuden attribuutteja viisiportaisella Likertasteikolla kaksi kertaa. Mukana on kolme erilaista muuttujaa. Muuttuja 1 on sellainen, josta kaikki asiantuntijat ovat olleet molemmilla mittauskerroilla hyvin yksimielisiä. Näin ollen keskipoikkeama redusoituu lähelle nollaa, mistä johtuen myös korrelaatiokerroin lähestyy nollaa. Muuttujan 2 suhteen eri asiantuntijat olivat melko erimielisiä (varianssi kohtuullisen suuri), mutta pysyivät itse kohtuullisen samanmielisinä molemmilla mittauskerroilla. Näin ollen korrelaatio kahden mittauskerran välillä on kohtuullinen. Muuttuja 3 edustaa muuttujia, joiden suhteen asiantuntijat olivat toisiinsa verrattuna voimakkaasti erimielisiä (varianssi suuri), mutta olivat itse melko samanmieli- 76

77 siä molemmilla mittauskerroilla. Korrelaatio mittauskertojen välillä nousee korkeaksi. Taulukoissa 1 ja 2 on kuvattu mainittujen 32 asiantuntijan simuloidut tulokset, viisiportainen Markovin ketju sekä korrelaatio- ja stabiliteettikertoimet. Taulukossa muuttujan nimessä x viittaa ensimmäiseen mittaukseen ja y jälkimmäiseen mittaukseen. Taulukko 1. Simuloitu asiantuntija mielipide kolmesta tulevaisuuden attribuutista NO x1 y1 x2 y2 x3 y Taulukko 2. Korrelaatio ja stabiliteetti viisiportaisessa Likert-mittauksessa 77

78 Korrelaatiot S x1=0.907 S x2=1.442 S x3= S y1=0.902 S y2=1.076 S y3=1.510 r xy1= = (x i - x)(y i - y)=1.125 (x i - x)(y i - y)= (x i - x)(y i - y)= *0.907*0.902 N=32 N=32 N= r xy2= = *1.442* rxy3= = *1.492*1.510 Stabiliteetti Muuttujan 1 Markovin ketju: Tila II mittauksessa (1) (2) (3) (4) (5) Yht Tila I (1) a11=0 a12=0 a13=0 a14=0 a15=1 a1j=1 mittauk- (2) a21=0 a22=0 a23=0 a24=1 a25=0 a2j=1 sessa (3) a31=0 a32=0 a33=0 a34=0 a35=0 a3j=0 (4) a41=1 a42=0 a43=1 a44=3 a45=6 a4j=6 (5) a51=0 a52=0 a53=2 a54=7 a55=15 a5j=24 aij=32 Pysyvyyden todennäköisyydet: Sbxy1= = = Sbxy2= = = Sbxy3= = = Havaitaan, että muuttujan 1 tilanteessa stabiliteettikerroin antoi oleellisesti erilaisen tuloksen kuin korrelaatiokerroin. Stabiliteetin suhteen korrelaatiokerroin (rxy= 0.04) antaa oleellisesti harhaisempaa informaatiota tilanteessa, jossa varianssi on mittausten sisällä pieni. Sen sijaan stabiliteettikerroin (Sbxy= 0.56) kertoo tarkalleen niiden henkilöiden suhteellisen lukumäärän, jotka pysyivät samanmielisinä mittausten välillä. Muuttujien 2 ja 3 osalta stabiliteettikerroin antaa pienemmän arvon kuin korrelaatiokerroin. Tältä osin korrelaatiokerroin siis yli- 78

79 arvioi stabiliteetin. Tämä johtuu osittain siitä, että matemaattinen menettely ei kykene havaitsemaan systemaattista muutosta mittausten välillä. Mikäli mittausten välillä tapahtuu systemaattinen arvojen kasvu tai väheneminen, korrelaatio voi olla täydellinen (1), vaikka todellinen stabiliteetti olisikin nolla. Korjaus sattumalta tulleen erimielisyyden vuoksi Vastaaminen Likert-asteikollisiin kysymyksiin ei ole aina helppoa. Yleensä helppoa on päättää se, onko väitteestä samaa mieltä vai eri mieltä. Sen sijaan se, onko väitteestä täysin samaa mieltä (5) vai melkein samaa mieltä (4) saattaakin jo olla sattuman kauppaa. Joskus olisi houkuttelevaa laittaa vastaus 5:n ja 4:n puoliväliin, mutta sellaista vaihtoehtoa ei ole annettu. Tämä ongelma ei poistu laajentamalla Likert-skaalaa. Tällaisissa tapauksissa voi käydä niin, että vastaajan mielipide on mittausten välillä pysynyt stabiilina, mutta sattumalta hän vastaakin eri tavoilla mittauksissa. Jotta emme tekisi virheellistä johtopäätöstä stabiliuden suhteen, voi olla joskus viisasta korjata tulosta sattumalta tulleen erimielisyyden varalta. Itse asiassa samantyyppistä ideaa käytettiin jo 1950-luvulla, kun kehiteltiin kahden eri arvioijan yhtenevyyden mittoja (Schutz 1952, Bennet ym. 1954, Cartwright 1956, Scott 1955). Tämän alueen tunnetuin mitta on Cohenin Kappa (Cohen 1968). Suomessa tämän tutkimusalueen varhaisia soveltajia ja kehittäjiä olivat Erkki Komulainen (mm ja 1974) ja Kai Karma (1972). Kahden eri arvioijan yhtenevyyden teoreettinen ongelma on se, että kaksi eri arvioijaa saattoivat antaa sattumalta saman arvion. Tällaista varten kehitettiin erilaisia korjauskertoimia. Sattumakorjatun yksimielisyyskertoimen idea oli se, että haluttiin minimoida sattumalta syntyneen yksimielisyyden aiheuttama harha (Cohen 1960, 38). Saman henkilön arvioita analysoitaessa ongelmallista on se, että vastaaja voi sattumalta antaa eri arvon kahdella eri mittauskerralla. Eräs tosin varsin karkea tapa ratkaista sattumalta tullut erimielisyys on redusoida Likert-asteikkoa. Redusoinnin perustana on ajatus siitä, että käytännössä arvot 4 ja 5 (samanmielisyys) edustavat samaa tilaa, samoin arvot 1 ja 2 (erimielisyys). Varsinaista muutosta mielipiteessä edustaa se, että vastaaja muuttuu epävarmasta tai erimielisestä (1, 2 ja 3) samanmieliseksi (4 tai 5) ja epävarmasta tai samanmielisestä (3, 4 tai 5) erimieliseksi (1 tai 2). Viisiportaisen Likert-skaalan redusointi tarkoittaa käytännössä sitä, että aina kun vastaaja on vastannut 1 tai 2 hän saa arvon 1 (eri mieltä), epätietoisuutta osoittava arvo 3 saa arvon 2 ja saman mielisyyttä osoittavat arvot 4 ja 5 saavat arvon 3. Tämän kaltainen korjauskerroin ei ole tarkka, mutta se antaa stabiliteetille ylärajan. Skaalan redusointi tulee hankalammaksi, kun Likert-skaala on laajempi kuin 6- portainen. Nimittäin 7 portaisessa Likertasteikossa ei ole aivan yhtä selvää, mitkä olisivat todennäköisimmät yhdistettävät arvot. Tällaisia tapauksia varten voisi olla hyvä kehittää tarkempia korjauskertoimia. Kun nyt skaalan kaventamisen jälkeen analysoidaan uudelleen taulukossa 1 olleet muuttujat, saadaan taulukossa 3 olevat tulokset. Huomion arvoista on se, että stabiliteettikertoimen arvot ovat korkeampia kuin korrelaatiokertoimen arvot. Muuttujan 1 (jossa kaikki olivat hyvin yksimielisiä) suhteen ero stabiliteetti- ja korrelaatiokertoimen välillä on huomattava. Korrelaatiokerroin (r= ) aliestimoi selvästi vastaajien stabiliteettia, mutta stabiliteettikerroin antaa tarkan todennäköisyyden vastauksien yhtenevyydelle (Sb=0.812). 79

80 Taulukko 3. Korrelaatio ja stabiliteetti kolmiportaisessa Likert-mittauksessa Muuttujan 1 Markovin ketju: Tila II mittauksessa (1) (2) (3) Yht. Tila I (1) a11=0 a12=0 a13=2 a1j=2 mittauk- (2) a21=0 a22=0 a23=0 a2j=0 sessa (3) a31=1 a32=3 a33=26 a3j=30 aij=32 Stabiliteetit ja korrelaatiot: Sb xy1= = = r xy1= = *0.492* Sb xy2= = = r xy2= = *1.878* Sb xy3= = = rxy3= = *0.798*0.803 Pohdintaa ja sovellusmahdollisuuksia Tässä esityksessä on vertailtu keskenään kahta tapaa laskea asiantuntijoiden mielipiteiden pysyvyyttä, kun mielipiteitä on kartoitettu Likertmittarilla testi-uusintatesti-menetelmällä. Perinteinen tapa laskea stabilius on käyttää testien välistä korrelaatiokerrointa. Perinteiseen korrelaatiokertoimeen on verrattu stabiliteettikerrointa, joka perustuu ehdollisen todennäköisyyden avulla laskettuun todennäköisyysmittaan. Stabiliteettikerroin kertoo täsmälleen asiantuntijoiden todennäköisyyden pysyä mielipiteiltään stabiileina. Taulukossa 4 on verrattu toisiinsa korrelaatiokertoimen (rxy) ja stabiliteettikertoimen (Sbxy) ominaisuuksia. Molemmat pysyvyyden mitat mittaavat samaa asiaa: kahden muuttujan välisen yhteyden astetta. Koska stabiliteettikerroin on todennäköisyysmitta, kertoimen arvot voivat vaihdella välillä 0-1. Asiantuntijamielipiteiden kannalta katsottuna stabiliteettikertoimen arvo 0 vastaa erityistapauksessa negatiivista korrelaatiota. Jos nimittäin kaikki asiantuntijat muuttavat mielipiteensä samanmielisyydestä (4 tai 5) erimielisyydeksi (1 ja 2) ja erimielisyydestä samanmielisyydeksi (eikä epävarmoja ole), ei diagonaalille tule yhtään alkiota, joten stabiliteetin arvo on 0. Tällöin korrelaatiokerroin saa arvon

81 Taulukko 4. Korrelaatiokertoimen ja stabiliteettikertoimen vertailu Ominaisuus Korrelaatiokerroin Stabiliteettikerroin Kaava S x y (x i - x)(y i - y) r ry = = S xs y (n-1)(s x)(s y) a ij, i=j Sb xy = a ij Vaihteluväli -1 < r ry < 1 0 < Sb xy < 1 Ensisijainen käyttö - arvoissa suuri vaihtelu - välimatka- tai suhdeasteikko - asteikon kaventaminen ei suotavaa tai ei mahdollista - arvoissa joko suuri tai pieni vaihtelu - luokittelu-, järjestys- tai välimatkaasteikko -asteikon kaventaminen on suotavaa / mahdollista On huomattava, että mikäli kaikkien asiantuntijoiden arvot molemmissa mittauksissa ovat täsmälleen samat, teoriassa korrelaatiokertoimen pitäisi olla 1. Tällaisessa tilanteessa stabiliteettikertoimen arvo todella on 1, mutta korrelaatiokertoimen arvo ei välttämättä ole. Voidaan sanoa, että korrelaatiokerroin antaa luotettavaa tietoa silloin, kun muuttujan varianssi on suuri. Tilanteessa, missä muutokset kahden mittauksen välillä ovat pieniä ja muuttujilla on pieni varianssi, stabiliteettikerroin antaa luotettavampaa tietoa asiantuntijoiden mielipiteiden pysyvyydestä kuin korrelaatiokerroin. Asiantuntijamenettelyihin perustuvassa tulevaisuustutkimuksessa on ilmeisen harvoin pohdittu asiantuntijoiden mielipiteiden pysyvyyttä eli stabiliteettia. Ilmeisesti mielipiteen on oletettu pysyvän stabiilina. Ongelma on se, että mikäli asiantuntijoiden mielipiteet tai arvotukset muuttuvat - ehkä peräti päinvastaisiksi - viikoittain tai kuukausittain, ei saatuun tulokseen voi luottaa; tulos on siis sattumaa. Delfi-tekniikassa stabiliteetin ongelman ratkaisu on sisään rakennettuna itse tutkimusprosessiin: asiantuntijoilla on oikeus muuttaa mielipidettään iteraatiokierroksien kuluessa. Ongelma tulee vastaan kuitenkin pidemmällä aikajänteellä. Nimittäin sen lisäksi, että asiantuntijoiden mielipiteet tulevaisuuden attribuuteista voivat muuttua, myös attribuutit muuttuvat, mikä väistämättä johtaa asiantuntijoiden mielipiteiden uudelleen arviointiin. Yksinkertaisella testi-uusintatesti-menettelyyn perustuvalla mittauksella on mahdollista laskea asiantuntijoiden mielipiteiden pysyvyys. Eräs mielenkiintoinen stabiliteettikertoimen sovellusalue saattaa olla ns. hiljaisten signaalien havaitseminen. Hiljaisia signaaleita on kahdenlaisia: uuden trendin noususignaali sekä toisaalta vanhan trendin laskusignaali. Heikkojen signaalien hankaluus on siinä, että jos kaikki huomaisivat nämä signaalit, ne eivät enää olisikaan heikkoja vaan vahvoja signaaleja. Näin ollen kun asiantuntijat laitetaan arvottamaan erilaisia tulevaisuuden attribuutteja, heikko signaali saa vain vähäisen painoarvon, sillä vain harvat asiantuntijat pitävät sitä todellisena signaalina. Mikäli samat asiantuntijat arvottavat tulevaisuuden attribuutteja uudelleen tietyn ajan kuluttua (esimerkiksi puolen vuoden tai vuoden), ja ilmenee, että toisessa mittauksessa suurempi joukko asiantuntijoita pitää kyseistä attribuuttia merkityksellisenä, on ilmeisesti löytynyt todellinen heikko signaali. Toisessa mittauksessa attribuutti ei enää ole heikko signaali, mutta se oli sitä vielä ensimmäisessä mittauksessa. Miten tämän heikon signaalin voisi kuvata matemaattisesti? Eräs mahdollisuus on kuvata heikkoja signaaleita edellä esitellyn Markovin ketjun ja siirtymätodennäköisyyden avulla. Kun edellä laskimme stabiliteetin arvon Markovin ketjun lävistäjäal- 81

82 kioiden summan avulla, voidaan heikkoja signaaleita löytää saman ketjun ylä- ja alakolmanneksista. Markovin ketjun yläkolmannekseen sijoittuvat ne asiantuntijat, jotka ensimmäisessä mittauksessa olivat eri mieltä, mutta jälkimmäisessä mittauksessa samaa mieltä väitteestä. Yläkolmannekseen sijoittuvien asiantuntijoiden lukumäärä kertoo siis sen, kuinka monta asiantuntijaa vaihtoi mielipidettään positiiviseen suuntaan koskien kyseisen tulevaisuuden attribuutin mahdollista merkitystä tulevaisuudessa. Alakolmannekseen puolestaan sijoittuvat ne asiantuntijat, joiden mielestä attribuutti menettää merkitystään. Esitetyssä tapauksessa heikon signaalin matemaattinen arvo perustuu ajatukseen siirtymätodennäköisyyksistä: mikä on todennäköisyys, että asiantuntija siirtyy tilasta (ei merkitystä) tilaan (on merkitystä) tai päinvastoin. Kun stabiliteettikerroin lasketaan Markovin ketjun lävistäjäalkioiden todennäköisyyksinä, lasketaan heikon signaalin todennäköisyys yläkolmanneksen solujen todennäköisyyksinä (nousevan trendin todennäköisyys) tai alakolmanneksen solujen todennäköisyyksinä (laskevan trendin todennäköisyys). Lopuksi Eräs oleellinen rajoitus stabiliteettikertoimen laskemisessa on se, että aineiston täytyy olla kerätty samoilta henkilöiltä kahdella mittauskerralla. Useinkaan asiantuntijamenettelyissä ei saada kokoon täsmälleen samaa joukkoa kahta kertaa. Toisaalta mikäli asiantuntijajoukko on ollut riittävän laaja, stabiliteetin laskemiseksi riittää se, että vain osa joukosta on samoja henkilöitä. Asiantuntijoiden identifiointi on joka tapauksessa oleellista stabiliteetin laskemiseksi. Tämä ei kuitenkaan liene ongelma, sillä vaikka käytettäisiinkin anonymiteetille perustuvia menetelmiä (kuten Delfi-tekniikkaa), tutkija itse tietää asiantuntijoiden vastaukset. LÄHTEET: Anastasi A Psychological Testing. 6th edition. New York: The MacMillan Company. Asher WJ Educational Research and Evaluation Methods. Boston:Little, Brown and Company. Bennett EM & Alpert R & Goldstein AC Communications Through Limited Response Questioning. Public Opinion Quarterly 18, pp Bollen KA Structural Equations with Latent Variables. New York: A Wiley-Interscience Publication. Brown W Some experimental results in the correlation of mental abilities. Brit. J. Psychol. 3. pp Cartwright DS A Rapid Non-Parametric Estimate of Multi-Judge Reliability. Psychometrica 21, pp Cohen JA A Coefficient of Agreement for Nominal Scales. Education and Psychological Measurement 20, pp Cohen JA Weighted kappa: Nominal Scale Agreement with Provision for Scaled Disagreement or partial Credit. Psychological Bulletin 70, pp Cox DR & Miller HD The Theory of Stochastic Processes. London: Methuen. Crocker L & Algina J Introduction to Classical & Modern Test Theory. New York: Holt, Rinehart and Winston. Cronbach LJ Coefficient alpha and the Internal Structure of Tests. Psychometrica 16(3) Sept. pp DeGroot MH Probability and Statistics. 2nd edition. Reading, Mass.: Addison-Wesley Publishing Company. 82

83 DeVellis RS Scale development. Theory and Applications. Applied Social Research Method Series Vol 26. Newbury Park: Sage Publications. Karma K Investigations into the Instructional Process. V. Experiences with the Bellack Classification System. Research Bulletin. Institute of Education, University of Helsinki, N:o 30. Kendall M & Gibbons JD Rank Correlation Methods. 5th edition. A Charles Griffin Title. London: Edward Arnold. A Division of Hodder & Stoughton. Komulainen E Investigations into the Instructional Process. II. Objectivity of Coding in a Modified Flanders Interaction Analysis. Research Bulletin. Institute of Education, University of Helsinki, N:o 27. Komulainen E Sattumakorjattujen yksimielisyyskertoimien käytöstä luokitteluun perustuvan tutkimusaineiston yhteydessä. Helsingin yliopiston kasvatustieteen laitos. Tutkimuksia N:o 33. Metsämuuronen J Harrastukset ja omaehtoinen oppiminen: sitoutuminen, motivaatio ja coping. Teoreettinen tausta, rakenneanalyysi ja sitoutuminen. Helsingin yliopiston opettajankoulutuslaitos, Tutkimuksia 146. Vantaa: Tummavuoren kirjapaino. Mustonen S SURVO, An Integrated Environment for Statistical Computing and Related Areas. Helsinki, Finland: Helsinki University Printing House. Nunnally JC Psychometric Theory. 2nd edition. New York: McGraw Hill Book Company. Schutz WC Ambiquity and Content Analysis. Psychological Review 59, pp Scott WA Reliability of Content Analysis: The Case of Nominal Scale Coding. Public Opinion Quarterly 19, pp Shaw ME & Wright JM Scales for the measurement of attitudes. New York: McGraw-Hill Book Company. Spearman C Correlation calculated with faulty data. Brit. J. Psychol. 3, pp Tarkkonen L On Reliability of Composite Scales. An Essay on the Properties of the Coefficients of Reliability - An Unified Approach. Tilastotieteellisiä tutkimuksia 7. Helsinki: Finnish Statistical Society. Zarrella KL & Schuerger JM Temporal Stability of Occupational Interest Inventories. Psychological Reports 66. pp

84 Heikkojen signaalien analysointi Markovin ketjujen avulla Artikkeli heikoista signaaleista ja niiden analysoinnista Markovin ketjujen avulla ilmestyi FUTU- RA-lehdessä numerolla 2/99. Sama teksti löytyy myös työministeriön Ennakoinnin menetelmät julkaisusta. Lähdeviite on: Metsämuuronen, J. 1999b: Asiantuntijamielipide prosessina tasapainojakauma ja heikot signaalit. FUTURA 2/1999, Asiantuntijamielipide prosessina tasapainojakauma ja heikot signaalit Tässä artikkelissa tarkastellaan asiantuntijoiden mielipiteitä prosessina. Jos asiantuntijoilta tiedustellaan kaksi kertaa mielipidettä tulevaisuuden attribuuttien merkityksestä Likertasteikollisella mittarilla, voidaan mittausten välillä tapahtuvan muutoksen kautta laskea ns. tasapainojakauma eli se tasapainotilanne, jota kohden asiantuntijoiden mielipiteet ovat siirtymässä. Tekniikkaa voidaan hyödyntää esimerkiksi heikkojen signaalien analysoinnissa. Asiasanat: Menetelmäkuvaus, Testi-uusintatesti-menetelmä, Likert-asteikko, Stabiliteetti, Heikot signaalit, Asiantuntijamielipide, Tasapainojakauma Asiantuntijoiden mittaus mielipiteiden Kun asiantuntijat arvottavat erilaisia tulevaisuuden ominaisuuksia, attribuutteja, on mahdollista mitata asiantuntijoiden mielipiteitä Likert-asteikollisella mittarilla. Tällöin asiantuntijat asetetaan kunkin tulevaisuuden attribuutin suhteen valintatilanteeseen: onko tulevaisuuden attribuutti erittäin vähän merkityksellinen (1), melko vähän merkityksellinen (2), melko merkityksellinen (4) vai erittäin merkityksellinen (5). Asteikon puoliväliin sijoittuu vaihtoehto ei osaa sanoa (3). Likert-asteikko voi toki olla dimensioltaan 3-, 4-, 6- tai 7- portainenkin. Itse olen käyttänyt (Metsämuuronen 1997a) kuusiportaista Likertasteikkoa sosiaali- ja terveydenhuollon tulevaisuuden arvioinnin yhteydessä (taulukko 1). On huomattava, että mikäli Likert-asteikko on parillinen (4, 6, 8), on tulosten tulkinta helpompi tutkijalle, kuin jos skaala on pariton (3, 5, 7). Tämä johtuu tietysti siitä, että parillisen skaalan tapauksessa asiantuntija joutuu valitsemaan, onko attribuutti vähän vai paljon merkityksellinen, mutta parittomassa tapauksessa keskellä skaalaa on olemassa sakkoluokka en osaa sanoa, jossa ei tarvitse ottaa kantaa attribuuttiin. Joskus mielipidemittauksissa näkee käytettävän jopa yhdeksän portaisia Likert-mittareita, mutta tällöin olisi syytä jo pohtia, olisiko VAS (Visual Analoque Scale) järkevämpi tapa mitata ilmiötä. VAS -tyyppistä mittaria on alettu käyttää yleisesti erilaisten subjektiivisten asioiden kuten kivun, unettomuuden, ahdistuneisuuden, elämän laadun, sekavuuden, stressin ja itsekoetun taitotason mittaamisessa (ks. mm. Miller & Ferris 1993, Cline ym. 1992, Wewers & Lowe 1990). VAS-mittarissa idea on se, että kyselyyn vastaajalle ei annetakaan Likert-asteikon tapaisesti numeroita tai sanallisia ilmaisuja arvioitavaksi, vaan lomakekyselyissä yleensä annataan määrämittainen jana (yleisesti 10 cm pitkä), jossa on ilmaistuna ääripäät ei lainkaan merkityksellinen ja äärimmäisen merkityksellinen (taulukko 2.). Vastaaja laittaa merkin (rastin tms.) siihen koh- 84

85 taan janaa, joka parhaiten kuvaa hänen mielipidettään. Tutkija mittaa merkin paikan esimerkiksi viivottimella ja saa arvot millimetrin tarkkudella. Tulos ilmoitetaan sentteinä (esimerkiksi 6,6 tai 8,9). Taulukko 1. Esimerkki kuusiportaisesta Likert-asteikosta tulevaisuudentutkimuksessa Kuinka paljon seuraavat tekijät vaikuttavat mielestäsi sosiaali- ja terveydenhuollon tulevaisuuteen: ei lainkaan erittäin paljon 1. Muutokset kansantaloudessa Työttömyys Väestön ikääntyminen Informaatioteknologian kehitys jne Taulukko 2. Esimerkki VAS (Visual Analoque Scale)-mittarin käytöstä tulevaisuudentutkimuksessa (Huom. Janan pituus on 10 cm.) Kuinka paljon seuraavat tekijät vaikuttavat mielestäsi sosiaali- ja terveydenhuollon tulevaisuuteen: 1. Muutokset kansantaloudessa 2. Työttömyys 3. Väestön ikääntyminen 4. Informaatioteknologian kehitys 5. jne Ei lainkaan äärimmäisen paljon Tässä artikkelissa esiteltävä asiantuntijoiden mielipiteiden muuttuminen on suoraan yhteydessä asiantuntijoiden mielipiteiden pysyvyyteen eli stabiliteettiin (Metsämuuronen 1997b), jota myös voidaan mitata tässä artikkelissa esitetyn Markovin ketjujen -teorian avulla. Esiteltävä laskentatapa ei suoraan sovellu suoraan VAS-mittarilla mitatuille mielipiteille, sillä sen tuottama numeraalinen tieto on liian tarkkaa. Sen sijaan Likert-asteikollinen tieto soveltuu erinomaisesti sekä asiantuntijoiden mielipiteiden pysyvyyden mittaamiseen että asiantuntijoiden mielipiteiden prosessin kuvaamiseen. Aivan oma tekniikkansa on jatkuvien tilojen markovprosessit. 85

86 Markovin ketjut ja ehdollinen todennäköisyys Kahden peräkkäisen mittauksen avulla voidaan laskea asiantuntijoiden mielipiteiden pysyvyys, mikäli mittausten välinen aika pitempi kuin kaksi viikkoa (Metsämuuronen 1995, Metsämuuronen 1997b). Päättely pysyvyydestä perustuu Markovin ketjun teoriaan (Cox & Miller 1965, Cox & Hinkley 1974, Steward 1994) ja ehdollisen todennäköisyyden laskemiseen (De- Groot 1986). Markovin ketjuja on käytetty ymmärtämään prosesseja ja niissä olevia tiloja. Kysymys Markovin ketjujen kannalta kuuluu: mikä on todennäköisyys siirtyä tilasta (0) tilaan (1). Asiantuntijamielipiteeseen soveltaen kysytään: mikä on todennäköisyys sille, että kun alunperin asiantuntija oli samaa mieltä, hän onkin toisella kerralla eri mieltä tai päin vastoin. Markovin ketjujen teoriassa oletuksena on, että seuraavan tilan todennäköisyys ei riipu historiasta, sillä on sama mitä reittiä nykyiseen tilaan on tultu. Nykyinen tila riippuu vain edellisestä tilasta. Jos yksinkertaistamme alkuperäistä viisiportaista Likert-asteikkoa siten, että ajattelemme olevan vain kolme tilaa: eri mieltä (tila [0]), samaa mieltä (tila [1]) ja epävarma (tila [e]), voimme yksinkertaisesti demonstroida asiantuntijamielipiteet kolmitilaisena Markovin ketjuna: loppumittaus tila(0) tila(1) tila(e) yhteensä alku- tila (0) a 00 a 01 a 0e Summa a 0j mittaus tila (1) a 10 a 11 a 1e Summa a 1j tila (e) a e0 a e1 a ee Summa a ej Summa aij missä a00 viittaa niiden henkilöiden lukumäärään, jotka pysyivät tilassa (0), toisin sanoen vastaajat olivat eri mieltä kuin väite molemmissa mittauksissa. Mielipide pysyi tällöin stabiilina. a01 viittaa niiden henkilöiden lukumäärään, jotka siirtyivät tilasta (0) tilaan (1) eli jotka olivat ensimmäisellä kerralla eri mieltä väitteestä, mutta toisella kerralla samaa mieltä. Mielipide ei siis ollut stabiili. a0e viittaa niiden henkilöiden lukumäärään, jotka siirtyivät tilasta (0) tilaan (e) eli niihin henkilöihin, jotka ensimmäisellä kerralla olivat eri mieltä väitteestä, mutta toisella kerralla olivat epävarmoja. Tällöinkin mielipide oli epästabiili. a0j viittaa kaikkien niiden henkilöiden lukumäärään, jotka olivat ensimmäisellä kerralla eri mieltä kuin väite. Muiden indikaattoreiden tulkinta on vastaavanlainen. Viimeinen aij viittaa kaikkien vastaajien määrään. Perinteisesti siirtymätodennäköisyydet lasketaan Markovin hengessä siten, että rivien todennäköisyydet tulevat 1:ksi, eli P(a0j)=1, P(a1j)=1 ja P(aej)=1. Asiantuntijoiden pysyvyys (eli Markovin ketjujen teorian kannalta ilmaistuna: todennäköisyys pysyä tilassa (0) ehdolla, että oli tilassa (0) ensimmäisessä mittauksessa) on yksinkertaista laskea ehdollisen todennäköisyyden kaavan (1) avulla (DeGroot 1986, 57): P(A ehdolla B) = P(A ja B) * P(B) (1) 86

87 Nyt P(A ehdolla B) on A:n todennäköisyys ehdolla B, P(A ja B) on A ja B joukkojen leikkauksen todennäköisyys ja P(B) on tilan todennäköisyys ensimmäisessä mittauksessa. Näin ollen todennäköisyys pysyä tilassa (0) ehdolla, että oli tilassa (0), saadaan laskettua seuraavasti: a00 a0j a00 P(tila[0] ehdolla tila [0]) = * = a0j aij aij Kokonaistodennäköisyyden lain perusteella todennäköisyys pysyä samassa tilassa voidaan laskea seuraavasti: a00 a11 aee a00 + a11 + aee Sbxy = + + = aij aij aij aij Stabiliuden todennäköisyyden logiikka on siis läpinäkyvä, ellei peräti itsestään selväkin: jos haluamme tietää mielipiteiden stabiliteetin, laskemme yhteen kaikki ne tapaukset, jossa asiantuntijat ovat olleet yhtämieltä kahden eri mittauksen välillä. Saadun summan jaamme kaikkien havaintojen lukumäärällä. Näin saamme stabiliuden todennäköisyyden. Kiinnostunut lukija voi katsoa tarkemmin asiantuntijoiden stabiliteetin laskemisesta työministeriön ennakoinnin sivuilta (Metsämuuronen 1997b). Markovin ketjuja ja ehdollista todennäköisyyttä on mahdollista hyödyntää myös ns. heikkojen signaalien analysoinnissa. Tämän artikkelin lopussa esitän tarkemmin laskemalla, minkälaisia johtopäätöksiä voidaan esittää Markovin ketjun avulla heikoista signaaleista. Lähden nyt esittelemään Markovin ketjun avulla, kuinka testiuusintatesti menettelyllä saatua numeerista tietoa voidaan hyödyntää jatkoanalyyseissa. Asiantuntijoiden mielipiteiden tasapainojakauma Lähdemme liikkeelle tilanteesta, että olemme mitanneet samoilta asiantuntijoilta samoja tulevaisuuden attribuutteja kaksi kertaa viisiportaisella Likert-asteikollisella mittarilla. Tuloksena voisi olla taulukon 3 kaltainen simuloitu tulos, jossa on kolme erilaista tulevaisuuden attribuuttia (x1-x3), joita 30 asiantuntijaa on arvottanut. Tietyn ajan kuluttua (esimerkiksi kuukauden tai puolen vuoden) on laitettu asiantuntijat arvottamaan uudelleen samoja attribuutteja (y1- y3). Attribuutti 1 on sellainen, jossa on havaittavissa mahdollinen positiivinen heikko signaali, ts. muutamat asiantuntijat ovat muuttaneet attribuuttia koskevan mielipiteensä ei merkityksellinen mielipiteeksi merkityksellinen. Attribuutin 2 suhteen ei asiantuntijoiden mielipiteissä ole juurikaan tapahtunut muutosta, minkä lisäksi attribuutin suhteen asiantuntijat eivät olleet myöskään epävarmoja. Attribuutti 3 edustaa muuttujia, joiden suhteen mahdollinen heikko signaali on negatiivinen, ts. asiantuntijoista selkeä joukko on muuttanut mieltään attribuutin suhteen merkityksellisyydestä vähemmän merkityksellisyyteen. Olisimme saattaneet kysyä asiantuntijoilta esimerkiksi Miten merkittävänä uhkana pidät Kosovon kriisiä kansainväliselle rauhalle? tai Miten oleellinen opetuksen tulevaisuuteen vaikuttava tekijä on uusi koululaki? Taulukossa 4 on rakennettu simuloidun aineiston pohjalta Markovin ketjut, joita käytetään myöhemmin hyödyksi niin siirtymätodennäköisyyksiä kuin tasapainojakaumaa laskettaessa. Yksinkertaistamisen vuoksi aineistosta on suoraan laskettu redusoidut Markovin ketjut, jolloin asiantuntijamielipiteet 1 ja 2 (erimielisyys) on

88 yhdistetty arvoksi 1, mielipiteestä 3 (epätietoisuus) on tullut arvo 2, ja mielipiteet 4 ja 5 (samanmielisyys) on yhdistetty arvoksi 3. Taulukko 3. Asiantuntijoiden arvottamat tulevaisuuden attribuutit NO x1 y1 x2 y2 x3 y Tasapainojakaumalla tarkoitetaan sitä tilaa, johon prosessi päätyy, kun se on laitettu liikkeelle. Asiantuntijamielipiteen kyseessä ollen se tarkoittaa siis sitä tilaa, joka tilastollisessa mielessä näyttää olevan mielipiteiden muuttumisen prosessin tulos. Tilastomatemaattisia perusteluja tasapainojakauman laskemiselle ei tarvita tässä vaiheessa. Riittää, että tiedämme, että Likertasteikolla mitattu mielipide toteuttaa ne ehdot, jotka tasapainojakauman syntyminen edellyttää (ks. tarkemmin Cox & Miller 1965, Cox & Hinkley 1974, Steward 1994, 14-17). Mikäli lukija ahdistuu matematiikasta, hän voi sivuuttaa seuraavat laskut, joissa lasketaan kyseinen tasapainojakauma, ja voi palata asiaan matemaattisen osuuden jälkeen. Laskut sinänsä ovat helppoja, ja tarkoitus onkin, että lukija voisi haluttaessaan soveltaa laskumenettelyä omissa analyyseissaan. Seuraavissa laskuissa käytettävät merkinnät ovat ilmeisesti lukijalle outoja, mutta pyrin selittämään niitä sitä mukaa kuin niitä ilmenee. 88

89 Taulukko 4. Markovin ketjut Attribuutin 1 Markovin ketju: esimerkiksi Kosovon kriisi on merkittävä uhka kansainväliselle rauhalle Mielipide II Eri mieltä mittauksessa Samaa Epämieltä tietoinen Yht. Mielipide erim a11=17 a12=1 a13=5 a1j=23 Mittauk- sama a21=1 a22=2 a23=1 a2j=4 sessa I epät a31=1 a32=1 a33=1 a3j=3 aij=30 Attribuutin 2 Markovin ketju: esimerkiksi Uusi koululaki vaikuttaa merkittävästi koulujen toimintaan Mielipide II Eri mieltä mittauksessa Samaa mieltä Epä- Tietoinen Yht. Mielipide erim a11=4 a12=0 a13=1 a1j=5 mittauk- sama a21=0 a22=0 a23=0 a2j=0 sessa I epät a31=1 a32=0 a33=24 a3j=25 aij=30 Attribuutin 3 Markovin ketju: esimerkiksi Kansantalouden kasvu on oleellinen sosiaali- ja terveysalan tulevaisuuteen vaikuttava tekijä Mielipide II Eri mieltä mittauksessa Samaa mieltä Epätietoinen Yht. Mielipide erim a11=0 a12=1 a13=1 a1j=3 mittauk- sama a21=3 a22=1 a23=1 a2j=5 sessa I epät a31=7 a32=3 a33=13 a3j=22 aij=30 89

90 Markovin kentän perusteella voidaan laskea ns. siirtymätodennäköisyyksien matriisi P: p11 p12 p13 P = p21 p22 p23 p31 p32 p33 Matriisissa p:t viittaavat kunkin solun siirtymätodennäköisyyksiin. Toisin sanoen attribuutin 1 siirtymätodennäköisyysmatriisi P voidaan kirjoittaa muotoon: 1/7=0.14 1/7=0.14 5/7=0.71 P = 1/4=0.25 2/4=0.50 1/4=0.25 1/19=0.05 1/19= /19=0.89, jolloin huomataan, että todennäköisyyksistä tulee tasan 1 riveittäin laskettuna. Näin ollen esimerkiksi p13 voidaan lausua p11:n ja p12:n avulla seuraavasti: p 13 = 1 - p11 - p12 Yksinkertaisuuden vuoksi laskemme ensin attribuutin 2 tasapainojakauman. Attribuutti 2 on aidosti kaksitilainen Markovin ketju, sillä epävarmoja asiantuntijoita ei ollut. Näin ollen siirtymätodennäköisyyksien matriisi P on: P = Tasapainojakaumaa merkitään llä, joka on rivivektori ja sisältää tässä tapauksessamme kaksi alkiota 1 ja 2, toisin sanoen =( 1, 2), Tasapainojakauma toteuttaa seuraavan ehdon, jonka perusteella varsinainen lasku voidaan suorittaa: P missä 1 ja 2 viittaavat vastaaviin tiloihin 1 ja 2. Matriisilaskusääntöjen mukaan laskenta tapahtuu seuraavasti: 1, 2 1, 2 p11 1-p11 p21 1-p21 90

91 Syntyy kolme yhtälöä: 1 p11 1 p p11) 1 1 p21) Ratkaistaan yhtälöryhmä. Ratkaistaan ensin yhtälö (3): 1 2, joka sijoitetaan yhtälöön (1): 2 p11(1 2 p21 2 p11 1+p12 p11 2 2=(1 p11)/ (1+p21 p11). Sijoitetaan saatu tulos yhtälöön (3): 1 (1 p11)/ (1+p21 p11) 1 1+p21 p11 1+p11)/ (1+p21 p11) 1 p21 (1+p21 p11), joten 2=(1 p11)/ (1+p21 p11) ja 1 p21 (1+p21 p11). Lasketaan attribuutin 2 tasapainojakaumalle numeroarvot: 2=(1 0.8)/ ( ) = ( ) =0.833 mikä tarkoittaa sitä, että kun prosessi (asiantuntijoiden mielipide) saavuttaa tasapainonsa, on attribuuttiin kielteisesti suhtautuvia asiantuntijoita 16.7 % (tilan todennäköisyys on 0.167) eli yhteensä 5 kappaletta ja attribuuttiin positiivisesti suhtautuvia olisi 83.3% eli 25 yhteensä. Attribuutti 2 oli rakennettu siten, että se edustaisi sellaista tulevaisuuden attribuutteja, joiden suhteen ei todellista muutosta asiantuntijamielipiteissä tapahtuisi. Prosessi on siis tasapainossa alunperinkin (ks. taulukko 5). Vastaavalla tavalla lasketaan attribuuttien 1 ja 3 tasapainojakaumat. Attribuutteihin 1 ja 3 sovellettuna laskut tapahtuvat samalla tavalla, sillä erotuksella, että vektorit sisältävät kolme alkiota 1, 2 ja 3, toisin sanoen =( 1, 2, 3), missä 1-3 viittaavat vastaaviin tiloihin 1-3. Tasapainojakauma toteuttaa edelleen seuraavan ehdon, jonka perusteella varsinainen lasku voidaan suorittaa: P Tällä kertaa laskenta lähtee liikkeelle seuraavasti: p11 p12 1- p11 - p12 1, 2, 3 1, 2, 3 p21 p22 1- p21 - p22 p31 p32 1- p31 - p32 91

92 Syntyy neljä yhtälöä: 1 p11 1 p21 2 p p12 1 p22 2 p32 3 (2) 3 1- p11 - p p21 - p p31 - p32 3 (3) (4) Laskut itsessään eivät ole kovin vaikeita, mutta sapainojakaumat. Attribuutin 1 tasapainojakaumaksi saadaan ne tuottavat epämiellyttävän pitkiä lausekkeita. Lopputuloksena saadaan attribuuttien 1 ja 3 ta- = ( , ja ) ja attribuutin 3 tasapainojakaumaksi = ( ja ). Taulukossa 5 on koottuna asiantuntijamielipiteen tasapainojakaumien perusteella arvioidut prosessit. Huomaamme, että tilastollisessa mielessä heikon signaalin ominaispiirteisiin kuuluu se, että epävarmuus asian suhteen kasvaa. Sekä attribuutin 1 että 3 osalta tasapainojakauma jatkaa samaa trendiä kuin toinen mittaus edellyttää, mutta trendin suunta hieman loivenee johtuen juuri siitä, että simuloidussa aineistossa sekä tilasta merkityksellinen että tilasta ei merkityksellinen oli mahdollisuus siirtyä tilaan epävarma. On huomattava, että tasapainotilanne ei tarkoita todellista lopputilaa. Mikäli nimittäin kyseessä on heikko signaali, olisi kolmannessa (vielä tekemättömässä) mittauksessa todennäköisesti asiantuntijoiden mielipiteet radikaalimmin muuttuneet, kuin mitä tasapainojakauma edellyttää. Tasapainojakauma kertoo kulkusuunnan ja sen päätepisteen, mihin päädytään, mikäli muutos on samanlaista prosessin edetessä. Tarkalleen ottaen Markovin ketjujen teoriassa tasapainojakauma kertoo prosessin tilan siinä vaiheessa, kun ensimmäisen mittauksen vaikutus on unohtunut. Taulukko 5. Asiantuntijamielipiteet prosessina Asiantuntijamielipide attribuutin 1 suhteen (voimistuva attribuutti): Asiantuntijat Attribuutti ei ole merkityksellinen Ensimmäinen mittaus Toinen mittaus Tasapaino 23 (76.7%) 19 (63.3%) 16 (53.1%) Ei osaa sanoa 4 (13.3%) 4 (13.3%) 6 (21.5%) Attribuutti on merkityksellinen 3 (10.0%) 7 (23.3%) 8 (25.4%) 92

93 Taulukko 5 jatkuu Asiantuntijamielipide attribuutin 2 suhteen (ei muutosta): Asiantuntijat Attribuutti ei ole merkityksellinen Attribuutti on merkityksellinen Ensimmäinen mittaus Toinen mittaus Tasapaino 5 (16.7%) 5 (16.7%) 5 (16.7%) 25 (83.3%) 25 (83.3%) 25 (83.3%) Asiantuntijamielipide attribuutin 3 suhteen (heikkenevä attribuutti): Asiantuntijat Attribuutti ei ole merkityksellinen Ensimmäinen mittaus Toinen mittaus Tasapaino 3 (10.0%) 10 (33.3%) 9 (29.0%) Ei osaa sanoa 5 (16.7%) 5 (16.7%) 8 (25.5%) Attribuutti on merkityksellinen 22 (73.3%) 15 (50.0%) 13 (45.5%) Heikot signaalit ja Markovin ketjut On olemassa kahdenlaisia heikkoja signaaleita. Toisaalta on signaaleita siitä, että nousemassa on jokin uusi tulevaisuuden attribuutti ja toisaalta on signaaleita siitä, että vanha tulevaisuuden attribuutti menettää merkitystään. Markovin kenttien avulla on mahdollista tutkia näitä signaaleita. Kun asiantuntijoiden mielipiteen pysyvyyttä arvioitaessa huomio kiinnitetään alkuperäisen Markovin kentän lävistäjäalkioihin, voi*daan puolestaan mahdollisia heikkoja signaaleita löytää Markovin kentän ylä- ja alakolmanneksesta. (Metsämuuronen 1997b.) Heikkojen signaalien kannalta kiintoisia asiantuntijoita on kahdenlaisia. Toisaalta ovat ne, joiden mielipide muuttui mittausten välillä. Erityisesti mikäli asiantuntija on muuttanut radikaalisti omaa kantaansa (eli siirtynyt tilasta eri mielinen tilaan samanmielinen tai päinvastoin), se voi olla merkki heikosta signaalista. Simuloidussa aineistossamme mielipidettään muuttavia asiantuntijoita oli kohtuullisesti. Toinen heikkojen signaalien kannalta mielenkiintoinen asiantuntijajoukko ovat ne näkijät, jotka jo ensimmäisessä mittauksessa aistivat, että kyseessä on joko nouseva tai laskeva trendi. Näitä asiantuntijoita oli aineistossa attribuuttien 1 ja 3 suhteen kolme kappaletta. Ongelma on se, että yhden mittauksen perusteella ei vielä tiedetä, ovatko nämä poikkeavan mielipiteen esittäneet asiantuntijat haihattelijoita vai todellisia näkijöitä. Toisen mittauksen ja erityisesti tasapainojakauman avulla voidaan hieman tarkemmin selvittää näkijä asiantuntijoiden havaitseman signaalin merkitystä. Mitään standardia ei ole heikon signaalin löytämiselle. Käytännössä mainitunlainen tulos vaatisi ilmeisesti vielä kolmannen mittauksen, jonka avulla voisi paremmin arvioida oliko signaali todella heikko signaali vai pelkkää kohinaa. Eräs mahdollisuus arvioida heikkoa signaa- 93

94 lia kahden mittauksen perusteella voisi olla se, että verrataan tasapainojakauman tulosta ensimmäisen mittauksen tulokseen. Tällöin kysymys kuuluu: ollaanko lähestulkoon tasapainotilanteessa jo alun perinkin. Aineistossamme ollut attribuutti 2 oli tässä mielessä liian tarkkaan harkittu, sillä kyseisen attribuutin suhteen ei tapahtunut lainkaan muutosta mittausten välillä. Attribuuttien 1 ja 3 suhteen ensimmäisen mittauksen ja tasapainotilanteen välillä on prosenttiyksiköissä mitattuna noin kertainen kasvu niiden asiantuntijoiden määrässä, jotka siirtyivät kannattamaan valtavirrasta poikkeavaa mielipidettä. Metodologisia huomioita Tasapainojakauma on kohtuullisen helppo laskea. Ongelma käsin laskemisessa on se, että helposti tulee huolimattomuusvirheitä, sillä erityisesti kolmitilaisessa tapauksessa lausekkeet ovat kohtuullisen pitkiä. Itse käytin laskemisessa SURVO -ohjelmistoa (Mustonen 1992), joka muutoin on vaativa ohjelmisto, mutta jonka kirjoitustilassa on helppo laskea tämänkaltaisia pitkiä laskuja. On kehitetty suuri joukko matemaattisia algoritmeja, joilla aineiston matemaattinen analyysi voidaan suorittaa vaivattomasti (Steward 1991, Steward 1994, Steward 1995). Tässä artikkelissa esitetty laskentatapa soveltuu helposti käsin laskemiseen. Ongelmallisempaa kuin itse laskeminen on se, että aineisto pitää olla hyvin kerätty. Tämä sama ongelma liittyy myös stabiliteettikertoimen laskemiseen: ensinnäkin aineistoksi ei riitä vain yksi mittaus, vaan mittauskertoja on oltava vähintään kaksi. Toiseksi aineisto tulee olla kerätty samoilta asiantuntijoilta kaikilla (molemmilla) mittauskerroilla. Eräs tilastotieteellis-filosofinen ongelma tulee siitä, että Markovin ketjujen teoriassa keskeisenä oletuksena on se, että tiloilla ei ole historiaa (Steward 1994, 5). Toisin sanoen aidossa Markovin ketjussa tilan todennäköisyys riippuu vain edellisestä tilasta. Ihmisiä tutkittaessa tämä voi olla ongelmallista. Jokaisella ihmisellä on historia ja niinpä jokaisella mielipiteellä on historia. (Tästä kommentista ja muutenkin Markovin ketjujen perusteiden opettamisesta kiitokset Helsingin yliopiston tilastotieteenlaitoksen apulaisprofessori Anders Ekholmille). Historian tuomaan ongelmaan eräs ratkaisu saattaa olla se, että ajatellaan mittausten välillä olevan riittävän pitkän aikajakson (puoli vuotta - vuosi) katkaisevan edelliseen mittaukseen liittyvän historian. Toisin sanoen asiantuntijat asetetaan uuden mittauksen eteen olettaen, että he ovat unohtaneet, mitä vastasivat ensimmäiseen mittaukseen. Näin ollen ajatellaan, että vaikka ihminen kantaa historiaa itsessään, ei mukana kulkeva historia vaikuta tämän hetken mielipiteeseen. Aidosti näin ei ole, mutta itse mittauksen kannalta ongelma ei ole ylittämätön. Steward esittää edelleen (1994, 5), että epäjatkuvassa tapauksessa (mitä tapauksemme edustaa) tilassa pysymisen ajan tulee noudattaa geometrista jakaumaa, sillä epäjatkuvista jakaumista vain geometrisellä jakaumalla on se ominaisuus, että sillä ei ole historiaa. Tässä tapauksessa emme ole tutkineet tilassa pysymisen ajan jakaumaa. Ominaisuus on enemmänkin teoreettinen kuin käytännöllinen. Kokonaan toinen ongelma syntyy siitä, että ei ole saman tekevää, miksi asiantuntija muuttaa mielipidettään. Kosovon kriisi jatkuu ja Venäjä antaa yhä painokkaampaa vaatimusta NATOlle lopettaa pommitukset sanktioiden uhalla. Todellinen maailmanrauhan uhka alkaa olla todellinen ja asiantuntijoista vain näkijät osasivat ajoissa sanoa, että riski on suuri, mutta tiedotusvälineiden puututtua tilanteeseen mielipide voi muuttua radikaalistikin. Toisaalta mielipide saattaa muuttua oletetun tai jopa väärän informaation vuoksi. Ilmeisesti esitetyllä tavalla heikkoja signaaleita analysoitaessa mittaukseen olisi ehkä syytä kytkeä mukaan myös argumentaatioanalyysia (ks. esimerkiksi Metsämuuronen 1998); analyysia siitä, millä perusteella mielipide on muuttunut. Ihmisen intentionaalisuus ja irrationaalisuus saattavat olla eräs ongelma arvioitaessa asiantuntijoiden mielipidettä prosessina. Asiantuntija voi tietoisesti lobata omia mielipiteitään vastauksissaan ja toisaalta hän voi vaihtaa mielipiteensä aivan päinvastaiseksi näennäisesti täysin vailla syytä. Tämä saattaa heijastua Markovin ketjussa siten, että kun muutostrendi saa alkun- 94

95 sa, ei tasapainojakauma joka mittaa tilannetta matemaattisen jäykästi pysty ennustamaan todellisia lopputilan arvoja, vaan aidosti ainoastaan suunnan. On huomattava, ettei Markovin ketjuja ole alun perin luotu ihmisten mielipiteiden tutkimiseen; Markovin ketjujen teoriaa kehittänyt A.A. Markov tutki itse aikoinaan Pushkinin tekstejä ja analysoi teksteistä kirjaimia. Terve varovaisuus lienee paikallaan tuloksia analysoitaessa. Lopuksi Heikkoja signaaleita ei olla useinkaan saatu kiinni (eivät kai ne muuten olisikaan heikkoja signaaleita). Markovin ketjut, siirtymätodennäköisyyksien matriisi ja tasapainojakauma ovat yksi mahdollisuus pyrkiä pääsemään matemaattisesti käsiksi heikkoihin signaaleihin. Todellinen ennustaminenhan lienee juuri sitä, että havaitsee mahdollisimman varhain tulevat muutokset. Kuten Göteborgin tulevaisuuden tutkimuksen keskuksen johtaja Åke Andersson sanoi tulevaisuuden tutkimuksen seminaarissa : trendit ovat tylsiä, sillä ne kertovat jotain, mikä on ilmeistä. Toisin sanoen kiintoisaa ei olekaan se, minkä kaikki näkevät, vaan se, mikä tulee, mutta ei vielä ole kaikilta osin näkyvissä. LÄHTEET: Andersson Å New Directions in Future Studies. Luento Tulevaisuuden tutkimuksen seminaarissa Hämeenlinnassa Cline ME, Herman J, Shaw ER & Morton RD Standardization of the Visual Analoque Scale. Nursing Research, Nov.-Dec. 41(6), Cox DR & Hinkley DV Theoretical Statistics. London: Chapman & Hall. Cox D R & Miller H D The Theory of Stochastic Processes. London: Methuen. DeGroot MH Probability and Statistics. 2nd edition. Reading, Mass.: Addison-Wesley Publishing Company. Metsämuuronen J Harrastukset ja omaehtoinen oppiminen: sitoutuminen, motivaatio ja coping. Teoreettinen tausta, rakenneanalyysi ja sitoutuminen. Helsingin yliopiston opettajankoulutuslaitos, Tutkimuksia 146. Vantaa: Tummavuoren kirjapaino. Metsämuuronen J 1997a. Conjoint Analyysi tulevaisuuden tutkimuksessa. Työelämän muutosten ja koulutustarpeiden ennakoinnin menetelmät käytäntöineen. Työministeriön Internetjulkaisu. Metsämuuronen J 1997b. Asiantuntijoiden mielipiteiden stabiliuden mittaus tulevaisuustutkimuksessa. Työelämän muutosten ja koulutustarpeiden ennakoinnin menetelmät käytäntöineen. Työministeriön Internetjulkaisu. Metsämuuronen J Maailma muuttuu miten muuttuu sosiaali- ja terveysala. Sosiaali- ja terveysministeriö, Opetushallitus, Stakes, Suomen Kuntaliitto yhteisjulkaisu. Työministeriön ESRjulkaisusarja 39/98. Helsinki: Edita. Miller MD & Ferris DG Measurement of Subjective Phenomena in Primary Care Research: The Visual Analoque Scale. Family Practice Research Journal, Mar. 13(1), Mustonen S SURVO, An Integrated Environment for Statistical Computing and Related Areas. Helsinki, Finland: Helsinki University Printing House. Steward WJ (toim.) Numerical Solution of Markov Chains. Marcel Dekker, Inc., New York. Steward WJ Introduction to the Numerical Solution of Markov Chains. Princeton, New Jersey: Princeton University Press. Steward WJ (toim.) Computations with Markov Chains. Kuwer Academic Publisher. Wewer ME & Lowe NK A Critical Review of Visual Analoque Scale in the Measurement of Clinical Phenomena. Research in Nursing and Health, Aug. 13(4),

96 Delfi-tutkimuksen reliabiliteetti Delfi-tutkimuksen luotettavuutta koskeva artikkeli on ennen julkaisematon käsikirjoitus. Lähdeviitteenä voi käyttää: Metsämuuronen J Delfi-tutkimuksen luotettavuus. Teoksessa Metsämuuronen J Sosiaali- ja terveysalan tulevaisuutta etsimässä. International Methelp Ky. Viro. Delfi-tutkimuksen reliabiliteetti Tässä artikkelissa tarkastellaan Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ESR-ennakointihankkeen selvityksiin ja empiiriseen aineistoon perustuen Delfi-tekniikalla tehtyjen tutkimusten luotettavuutta. Delfi-tutkimusten toistettavuus eli reliabiliteetti on yleisesti ottaen epämääräinen: emme tiedä antaisiko jokin toinen raati oleellisesti toisenlaisen tuloksen tai antaisiko sama raati samanlaisen tuloksen pienen ajan kuluttua. Artikkelissa esitellään kolme erilasta tapaa arvioida Delfi-tutkimuksen reliabiliteettia. Empiirisenä aineistona esitellään Sosiaali- ja terveysalan työn tulevaisuuden ennakointihankkeen kvalifikaatiovaatimusten luotettavuutta. Asiasanat: Kvalifikaatiot, Reliabiliteetti, Validiteetti, Delfi-tekniikka, Sosiaali- ja terveysala, Luotettavuus, Kvalifikaatiovaatimukset 1. Johdanto Tulevaisuutta ei varsinaisesti ole olemassa, eikä näin ollen mitään todellista tietoakaan tulevaisuudesta voi olla. Koska kuitenkin voimme kuvitella tulevaisuuden ja tiedämme, että elämässä ja yhteiskunnassa on olemassa säännönmukaisuutta, voimme helposti kuvitella, millaista tulevaisuus voi olla. Toisaalta voimme hyvinkin tarkasti laskea todennäköisyyksiä erilaisille tulevaisuuden tiloille, jos oletetaan, että muutos ei ole täysin kaoottista. Esimerkiksi almanakka on tulevaisuutta koskeva ennuste, sillä kahta samanlaista planeettavuotta ei löydy, koska painovoima aiheuttaa kaoottisuutta planeettojen liikkeisiin. Toisaalta almanakan ennuste on sään ennustamiseen verrattuna äärimmäisen tarkka, sillä planeettojen dynamiikka sallii hyvän ennustettavuuden toisin kuin sää, jolla on vahvasti sekoittavia ominaisuuksia. Tulevaisuustietoa voidaan hankkia monella tavalla. Yksinkertaisten voidaan sanoa, että tulevaisuutta koskevaa tietoa voidaan hankkia joko laskennallisesti (kuten trendianalyysit, tulevaisuuden mallitus, tilastotiedot) tai asiantuntijaarvioiden perusteella (kuten delfi-tekniikka, haastattelut, barometrit, strategiatyöskentely, skenaariotyöskentely) (vrt. Millett & Honton 1991, joilla jako kolmeen: trendianalyysit, asiantuntija-analyysit ja monivaihtoehtoiset analyysit). Asiantuntijamenetelmissä kysytään asiantuntijoilta heidän subjektiivista kannanottoaan siitä, millaisena he näkevät tulevaisuudesta. Oletetaan, että asiantuntija, joka on oman tiedon alansa kärjessä, pystyy ennakoimaan asioita paremmin kuin henkilö, jolla ei ole yhtä paljon tietoa kuin asiantuntijalla. Delfi-tekniikka on eräs asiantuntijamenetelmistä. Delfi- tekniikalle tyypillistä on se, että tietoa kerätään kahden tai useamman kierroksen aikana, jolloin asiantuntijat antavat mielipiteensä tulevaisuutta koskevista asioita toisten mielipiteistä tietämättä, mutta voivat muuttaa mielipidettään kun tutkija tuo koko asiantuntijaraadin mielipiteet kyseisille asiantuntijoille uudelleen arvioitavaksi. Kun Delfi-kierrokset on käyty läpi ja on saatu asiantuntijaraadin yhteinen mielipide, emme voi olla varmoja olisiko toinen asiantuntijaraati antanut 96

97 aivan toisenlaisen mielipiteen. Toisaalta emme voi tietää, antaisiko sama raatikaan samanlaisen mielipiteen pienen ajan kuluttua. Tässä artikkelissa pohditaan keinoja arvioida Delfi-tutkimuksen luotettavuutta, sen reliabiliteettia ja validiteettia. Lopuksi esitellään empiirisenä aineistona sosiaali- ja terveysalan työssä tulevaisuudessa tarvittavaa osaamista koskevan tutkimuksen reliabiliteetti ja validiteettitarkasteluja. 2. Tulevaisuustutkimuksen luotettavuuden arviointi Tulevaisuutta ennakoivan tutkimuksen luotettavuuden kriteeriä ei ole vielä olemassa. Nimittäin tulevaisuustutkimus on tiukasti ajatellen luotettava silloin, jos se tuottaa paikkaansa pitäviä tuloksia. Toisaalta tulevaisuustutkimuksen arvo ei välttämättä olekaan siinä, onko se totta vai ei, vaan siinä miten kiinnostava tai vaikuttava itse tutkimus on. Tulevaisuustutkimus on myös tulevaisuuteen vaikuttamista. Tutkimuksen luotettavuutta on perinteisesti arvioitu kahdelta kannalta. Luotettavuus jaetaan reliabiliteettiin ja validiteettiin, joista reliabiliteetti kuvaa toistettavuutta ja validiteetti yhtäältä sitä, kuinka yleistettäviä tuloksen ovat (ulkoinen validiteetti) ja toisaalta tutkitaanko sitä, mitä on tarkoituskin tutkia (sisäinen validiteetti). Tässä artikkelissa paneudutaan reliabiliteetin arvioimiseen tulevaisuustutkimuksessa, joka on tehty Delfi-menetelmällä. Reliabiliteetti Reliabiliteetti kuvaa sitä, kuinka yhteneviä ja toistettavia tulokset ovat. Eräs keskeinen tapa arvioida mittauksen reliabiliteettia on tarkastella sitä mittarin sisäisen konsistenssin eli yhtenevyyden kautta. Tämän alueen tunnetuin mitta on Cronbachin alfa (Cronbach 1951), vaikka alfa onkin saanut osakseen terävää kritiikkiä (esimerkiksi Tarkkonen 1987). Alfan idea on, että mikäli osiot todella mittaavat keskenään samantyyppistä asiaa (kuten sosiaalisia taitoja), osiot korreloivat keskenään. Jos alfa on korkea, muuttujat mittaavat samantyyppistä asiaa, sillä kukin vastaaja on vastannut osioihin konsistentisti, yhtenevästi. Cronbach itse kirjoitti (Cronbach 1951, 331), että alfaa voidaan pitää reliabiliteetin alarajana. Tämä johtuu siitä, että alfan laskukaava tekee teoreettisesti mittarista erilaisia puolituksia, split-halfeja, joiden välille lasketaan korrelaatio (katso tarkemmin esimerkiksi Metsämuuronen 2000a, 2000b tai 2000c). Mukaan tulee erinomaisia osituksia, mutta myös heikkojakin osituksia. Alfa on näiden erilaisten ositusten korrelaatioiden keskiarvo. Perinteisesti on esitetty, että pienemmät alfan arvot kuin 0.60 pitäisi jättää hyväksymättä (Nunnally & Bernstein 1994, vrt Knapp & Brown 1995, ). Tällöin mittaria pitäisi kehitellä luotettavuuden lisäämiseksi esimerkiksi poistamalla heikkoja osioita. Alfan laskemisen tekniikasta johtuen pitkä mittari on usein luotettavampi kuin lyhyt mittari, sillä muuttujien yhteisvaihtelun kasvaessa myös alfa saa suurempia arvoja. Tulevaisuuskuvan toistettavuus Delfi-tekniikalla arvioituna on siis epävarma. Jos asiantuntijoita on tutkimuksessa kohtuullisen paljon, se antaa teknisen mahdollisuuden jakaa asiantuntijajoukko kahteen ryhmään, joille on mahdollista tehdä rinnakkaismittaus. Tämä tarkoittaa käytännössä sitä, että muodostettaan samalla tekniikalla kaksi riippumatonta tulevaisuuden kuvaa. Mikäli osaamistarpeet ovat kahdella ryhmällä samanlaiset (tai ainakin hyvin samanlaiset) on Delfi - tekniikka tuottanut luotettavaa, reliaabelia, tietoa. Tässä yhteydessä luotettavuus ei tarkoita sitä, että tulevaisuus tulisi olemaan juuri kuvatun kaltainen, vaan sitä, että asiantuntijat ovat olleet yksimielisiä tulevaisuuden osaamistarpeista. Mikäli taas kahden asiantuntijaryhmän esittämät osaamistarpeet eroavat toisistaan huomattavasti, siitä seuraa, että päätelmien suhteen tulee olla varovaisempi. Viimeksi mainittu tilanne johtaa tietenkin myös maltillisempiin toimenpiteisiin, mikä lieneekin järkevää oletetussa tilanteessa. Todennäköistä kuitenkin on, että pieniä eroja lukuunottamatta kahden ryhmän konsensus on hyvin pitkälle samanlainen (näin esimerkiksi Duffield 1993). Mikäli käytetään kahden raadin tekniikkaa ja kvantitatiivista arvotusmenetelmää, on mahdol- 97

98 lista antaa toiselle tai molemmille raadeista vastattavaksi oman lomakkeen myös toisen raadin lomake. Tällöin kyetään vertailemaan kohtuullisen tarkasti molempien raatien eroja kolmella tavalla. Ensimmäiseksi asiantuntijaraatien yhtäpitävyyttä voidaan arvioida sillä perusteella, kuinka paljon erilaisia, uniikkeja, osioita ilmeni toisella asiantuntijaraadilla. Tämä tapahtuu vertaamalla kummankin raadin omia vastauksia toisiinsa. Toiseksi raatien yhtäpitävyyttä arvioidaan sitä, oliko raatien välillä aidosti eroja kun vertailtavana on sama vastauslomake molemmissa ryhmissä. Kolmanneksi arvioidaan toisen asiantuntijaraadin omaa konsistenssia. Tällöin voidaan verrata toisen raadin tai molempien raatien vastaamia kahta lomakkeita toisiinsa. 3. Empiirinen esimerkki sosiaali- ja terveysalan kvalifikaatiotutkimuksesta päättyi sosiaali- ja terveysministeriön, opetushallituksen, sosiaali- ja terveysalan tutkimus- ja kehittämiskeskuksen (Stakes) ja Suomen Kuntaliiton vuonna 1995 käynnistämä SoTeKeKo yhteistyöprojekti, jonka tavoitteena oli sosiaali- ja terveysalan työelämän ja koulutuksen yhteistyön kehittäminen. Tähän projektiin liittyi myös osittain Euroopan Sosiaalirahaston (ESR) rahoittamana Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ennakointihanke, jonka tavoitteena oli selvittää, millaista osaamista tarvitaan sosiaali- ja terveysalalla tulevaisuudessa. Tutkimustekniikan kuvaus Tutkimus suoritettiin kahden kierroksen Delfitekniikalla. Asiantuntijoina käytettiin sosiaali- ja terveysalan työelämän ja ammatillisen koulutuksen edustajia. Otanta oli stratifioitu: mukaan haluttiin sosiaalialan, terveysalan ja sosiaali- ja terveysalan edustajia. Lisäksi asiantuntijoiden tuli edustaa työelämää, koulutusta ja opiskelijoita. Tutkimus aloitettiin normaaliin tapaan postikyselynä, jolloin mukaan saatiin noin 187 sosiaalialan ja terveysalan työelämän ja koulutuksen asiantuntijaa sekä 18 järjestöjen ja tutkimusalan edustajaa. Asiantuntijoista muodostettiin kaksi raatia, joista varsinainen asiantuntijaraati koostui työelämän ja koulutuksen edustajista ja kontrolliraati järjestö- ja tutkimusalan ihmisistä. Ensimmäisen kierroksen avoimet vastaukset analysoitiin sisällön analyysi- ja käsitekarttatekniikalla. Toiselle kierrokselle valittiin varsinaisesta asiantuntijaraadista argumentaatioanalyysin perusteella parhaat osaamistarpeiden argumentoijat. Näin toiselle kierrokselle tuli mukaan oleellisesti pienempi joukko asiantuntijoita (yhteensä 43 varsinaiseen raatiin ja 18 kontrolliraatiin) niistä vastaajista, jotka jo olivat mukana ensimmäisellä kierroksella. Toisella kierroksella asiantuntijat saivat vastattavakseen lomakkeen, johon heidän piti arvottaa 6-portaisella Likert-asteikolla kukin osaamistarve sillä perusteella, tarvitaanko osaamista tänään ja tarvitaanko osaamista tulevaisuudessa. Näiden kahden numeron perusteella arvioitiin aluksi, oliko kyseinen osio ns. turha osaamistarve, eli jotain sellaista, mitä asiantuntijat valtaosin eivät pitäneet tärkeänä osaamisena nyt eikä tulevaisuudessa. Toiseksi arvioitiin ns. muutosintensiteettiä, ts. sitä, kuinka paljon enemmän tai vähemmän kyseistä osaamista tarvitaan tulevaisuudessa kuin tänään. Kvalifikaatioiden hyväksymisessä mittariin käytettiin kolmea kriteeriä. Kvalifikaatio pidettiin mittarissa, jos joku seuraavista kriteereistä täyttyy: 1) Kvalifikaation painoarvo (keskiarvo) oli suurempi kuin 5 (eli asiantuntijat olivat täysin yksimielisiä tai melko yksimielisiä kvalifikaation tärkeydestä), 2) muutosintensiteetti oli suurempi kuin 0.5 joko sosiaalialan tai terveysalan edustajilla (eli kyseessä on todelliset tulevaisuuden kvalifikaatiot) ja 3) tilastollisesti merkitseviä eroja ei esiintynyt sosiaalialan ja terveysalan eikä koulutuksen ja työelämän edustajien välillä (eli että mielipiteen olivat yhteneviä eri ryhmissä). Ne osiot siis poistettiin, joissa kaikki kolme kriteeriä jäivät toteutumatta. Toisella Delfi-kierroksella kato jäi varsinaisessa asiantuntijaraadissa pieneksi (5 %) ja toisessakin raadissa kohtuulliseksi (28 %). Mittareiden reliabiliteetti 98

99 Mittareiden reliabiliteettia mitattiin neljällä tavalla. Ensiksi reliabiliteettia tutkittiin varsinaisen raadin mittarien sisäisen yhtenevyyden eli konsistenssin avulla. Osaamistarvemittareiden reliabiliteetti on kohtuullinen ja vaihtelee välillä (taulukko 1). Uniikkiluokille ei ole mahdollista laskea alfan arvoa. Faktorianalyysin avulla olisi mahdollisesti löydetty parempia mittareita, mutta aineiston pienuus (n=41) ei mahdollista kvalifikaatioiden eksploratiivista faktorointia. Tällaisinaankin kvalifikaatioluokat ovat riittävän konsistentteja jatkoanalyysien kannalta; luokkien nimet kuvaavat riittävällä tarkkuudella luokan muodostavia kvalifikaatioita. Taulukko 1. Osaamistarveluokkien sisäinen konsistenssi Cronbachin alfalla mitattuna Kvalifikaatioluokka Kvalifikaatioita Indikaattorilauseita luokassa (lkm) 1. Delfi-kierroksella Sosiaalinen osaaminen Ihmisen kohtaamisosaaminen Kansainvälisyysosaaminen Muuttumisosaaminen Teknologinen osaaminen Tiedonhankintaosaaminen Asiakaspalveluosaaminen Työhön ja työssä vaikuttamisosaaminen Oman persoonan käytön osaaminen Yhteistyöosaaminen Innovatiivisen työnotteen osaaminen Yhteiskuntaosaaminen Päätöksenteon osaaminen Yrittäjyysosaaminen Itsenäisyysosaaminen Aktiivisen muuttamisen osaaminen Arvo-osaaminen ja eettinen osaaminen Äänetön ja pehmeä osaaminen Projektityöosaaminen Voimakkaampi vastuunotto 1 16 * Johtamisosaaminen Itsepuolustusosaaminen 1 3 * * reliabiliteettia ei laskettu, sillä luokassa oli vain yksi osaamistarve Toiseksi verrattiin ensimmäisen raadin lomaketta toisen raadin omaan lomakkeeseen. Ensimmäisen asiantuntijaraadin ilmaisemia kvalifikaatioita oli lukumäärällisesti 181 ja toisella raadilla 91. Toisen raadin osaamistarpeista 17 oli uniikkia kvalifikaatiota, joiden indikaattoreita ei kyetty luokittelemaan ensimmäisen raadin luokitusten mukaisesti. Voidaan siis laskea, että toisella asiantuntijaraadilla oli 9.4 % sellaisia kvalifikaatioita, joita ensimmäisellä raadilla ei ollut. Kaikki toisen raadin uniikit kvalifikaatiot olisi voitu luokitella ensimmäisen asiantuntijaraadin olemassa oleviin 22 kvalifikaatioluokkaan. Kolmanneksi raatien yhtäpitävyyttä arvioitiin sitä, oliko raatien välillä aidosti eroja, kun vertailtavana on ensimmäisen asiantuntijaraadin laaja lomake; verrataan siis ensimmäisen raadin lomaketta molemmissa ryhmissä. Ryhmien keskiarvojen välistä eroa tutkittiin t-testillä alkuperäisten kvalifikaatioiden suhteen (217 osaamistarvetta). Kvalifikaatioiden painoarvojen suhteen eroja ryhmien välillä on niin niukasti, että voidaan sanoa molempien raatien asiantun- 99

100 tijoiden olevan yksimielisiä osaamistarpeista. 217 osaamistarpeesta vain 8:ssa ryhmien välillä oli tilastollisesti merkitsevä ero. Näin ollen 217:sta kvalifikaatiosta samoja oli 209 eli 96.3 %. Luku vastaa Duffieldin saamaa arvoa (Duffield 1993, 236). Kiintoisia vertailuja oli 8. Bonferroni-korjauksen jälkeen ei yksikään t- arvo ollut tilastollisesti merkitsevä. Taulukko 2. Toisen asiantuntijaraadin sisäinen konsistenssi korre- stabili- osaamistarve laatio teetti Tulevaisuudessa tarvitaan 0,81 - Korkeaa ammattitaitoa 0, Taitoja (todellista osaamista) 0, Laaja-alaisuutta 0,97 - Erityisosaamista 0,97 - Erikoistumista 0,87 - Usean ammatin hallintaa 0,76 - Taito toimia moniammatillisesti 0, Taito toimia hoitoketjuissa 0, Kommunikaatiotaitoja 0, Vuorovaikutustaitoja 0,63 - Yhteistyökykyä Yhteistyöosaamista 0,76 - Verkostoitumistaitoja -0, Taitoa toimia moniammatillisessa 1,00 - Yhdessä tekemisen taitoa 1,00 - Yhteisöllistä toimintakykyä 0,64 - Sosiaalisia taitoja 0, Ihmisen kohtaamisen taitoa 0,68 - Taitoa huomioida asiakkaan 0,64 - Taitoa vastata asiakkaiden Havainnointitaitoa 0,82 - Taito jäsentää monipuolisesti 0,76 - Taito kuunnella 0, Taito myötäelää 0,55 - Huolenpidon taidot 0, Taitoa olla ihminen ihmiselle 0,63 - Halu ja kyky muuttua 0, Kyky siirtyä joustavasti työyhsiköstä 0,90 - Taito vaikuttaa yhteiskunnallisiin 0,81 - Rohkeutta puuttua epäkohtiin -0, Työn kehittämishalua 0, Työn kehittämistaitoja 0,77 - Reflektointikykyä 0,81 - Voimakkaampaa sitoutumista 0,73 - Taito vaikuttaa aktiivisesti 0,72 - Monikulttuurisuustaidot 0,91 - Tuntemusta muista kulttuureista 0,94 - Tuntemusta muista uskonnoista 0,78 - Tietoa muista lainsäädännöistä 0,64 - ATK:n käyttötaito 0,69 - Teknisten laitteiden hallintaa korre- stabili- osaamistarve laatio teetti Tulevaisuudessa tarvitaan 1,00 - Tiedon hankintataito 0, Kyky soveltaa uutta tietoa 0,70 - Elinikäisen oppimisen taidot 0,76 - Halu itsensä jatkuvaan kehitt äminen 0,79 - Taitoa itsensä jatkuvaan kehitt. 0,87 - Ymmärrystä yhteiskunnallisista 0,89 - Yhteiskunnallisten syy-seuraussuhteet 0,52 - Kokonaisuuksien ymmärtäminen 0, Kyky itsenäiseen työsk entelyyn 0,67 - Voimakkaampaa vastuunotto 0,88 - Taloudellinen ajattelu 0, Yrittäjyystaidot 0, Markkinointitaidot 0, Palveluhenkisyys 0,55 - Ohjaustaidot 0, Opetustaidot 0, Taito antaa tukea 0,50 - Ongelmanratkaisukyky 0, Päätöksentekotaito 0,70 - Johtamistaito 0,69 - Suunnittelutaito 0,82 - Taito tuntea tunteita 0,92 - Taito tunnistaa omia tunteita 0,92 - Vanha itsetunto 0,83 - Vahva itsetuntemus 0, Usko omiin kykyihin 0, Rohkeus elää aidosti 0,52 - Oman elämän hallinnan taito 0, Oman persoonallisuuden luova käyttö 0, Erilaisuuden hyväksymisen taito 0,52 - Arvo-osaaminen 0, Eettinen osaaminen 0,77 - Enemmän sosiaalitieteellistä tietoa 0,77 - Enemmän käyttäytymistieteellistä t.. 0,65 - Enemmän lääketieteellistä tietoa 0,65 - Enemmän luonnontieteellistä tietoa 0,51 - Lisää mielenterveystyön osaamista 0,71 - Lisää tietoa yrittäjyydestä 0,85 - Vankka kielitaito 0,91 - Kansainvälisyystaidot 1) stabiliteettikerroin on laskettu vain silloin, kun korrelaatiokerroin on ollut pienempi kuin Stabiliteettikertoimen laskussa ei ole käytetty korjauskaavaa, vaan laskettiin suoraan samamielisenä pysyneiden asiantuntijoiden osuus kaikista asiantuntijoista Neljänneksi arvioitiin toisen asiantuntijaraadin omaa konsistenssia. Tällöin verrattiin toisen raadin vastaamia kahta lomaketta toisiinsa. Osa kvalifikaatioista oli raadin vastaamissa lomakkeissa samoja (81 kvalifikaatiota). Näitä osioita vertaamalla voidaan päätellä, kuinka johdonmukaisesti toisen asiantuntijaryhmän jäsenet ovat olleet arvotuksissaan. Toinen lomake lähetettiin raadille viikon kuluttua ensimmäisen lomakkeen lähettämisestä. Lomakkeiden vastaamisen välinen aikaväli oli siis viikko, mitä on perinteisesti pidetty riittävän lyhyenä testi-uusintatesti reliabiliteetin mittaamiselle (Nunnally 1978, , Tarkko- 100

101 nen 1987, 25). Mittauksen ja uusintamittauksen välinen korrelaatio on joiltain osin suurempi kuin 0.9, mutta ilmeni, että osaamistarpeiden joukossa on joitain osioita, joiden reliabiliteetti korrelaatiolla laskettuna on erittäin matala jopa negatiivinen (taulukko 2). Joitain korrelaatioita ei laskuproseduuri kyennyt laskemaan lainkaan, sillä asiantuntijat olivat olleet täydellisen yksimielisiä osaamistarpeen tärkeydestä ja näin ollen keskipoikkeama tuli nollaksi, mikä estää korrelaation laskun. Matalat korrelaatiot (pienemmän kuin 0.50) tarkistettiin stabiliteettikertoimella, jonka on todettu antavan tarkempia tuloksia erityisesti tilanteessa, jossa korrelaatiokerroin redusoituu lähelle nollaa teknisistä syistä (Metsämuuronen 1997). Yhtä lukuun ottamatta kaikissa tapauksissa stabiliteetti osoitti mielipiteiden säilyneen mittauskertojen välillä samoina, vaikka korrelaatio ilmoittikin toista. Kahden mittauksen välisen korrelaation ja stabiliteetin perusteella vain yhden osaamistarpeen suhteen asiantuntijat eivät olleet konsistentteja: osaamistarve tarvitaan taitoja (todellista osaamista) oli sellainen, jonka suhteen saattoi olla suuriakin poikkeamia asiantuntijan mielipiteessä mittauskertojen välillä. Itse osaamistarve onkin diffuusi ja kohdentumaton, mikä ilmeisesti on syynä epämääräisyyteen myös arvotuksissa. Muiden osaamistarpeiden suhteen asiantuntijat olivat erittäin konsistentteja (korrelaatio tai stabiliteetti , yhteensä 11 osaamistarvetta), melko konsistentteja (korrelaatio tai stabiliteetti , yhteensä 35 osaamistarvetta) tai kohtuullisen konsistentteja (korrelaatio tai stabiliteetti , yhteensä 34 osaamistarvetta). Kaiken kaikkiaan erot kahden eri asiantuntijaraadin välillä olivat pienet. Toisella asiantuntijaraadilla oli 17 uniikkia osaamistarvetta, jotka kuitenkin olisi helposti voitu sisällyttää ensimmäisen raadin pohjalta luotuihin 22:een osaamistarveluokkaan. Yhteisiä osaamistarpeita raatien välillä oli 96.3 %. Vain kahdeksan osaamistarpeen suhteen erot raatien välillä olivat tilastollisesti merkitseviä. Bonferronikorjauksen jälkeen yksikään ero ei ollut tilastollisesti merkitsevä. Asiantuntijat olivat myös valtaosin vastanneet kyselyyn johdonmukaisesti. Näin voidaan päätellä siitä, että mittauksen ja uusintamittauksen väliset korrelaatiot ja stabiliteetit olivat kaikki suurempia kuin 0.50 ja valtaosin suurempia kuin On ilmeistä, että nimenomaan toisen asiantuntijaraadin suhteen Delfi-kierrokset jäivät keskeneräisiksi. Kvalifikaatioita tuli ensimmäisessä raadissa huomattavan paljon enemmän kuin jälkimmäisessä raadissa. Näyttää siltä, että asiantuntijoiden lukumäärä ei ollut riittävä pienemmässä raadissa. Delfi-kierroksia olisi pitänyt lisätä ja saada lisää asiantuntijoita, tai aineisto olisi pitänyt kerätä toisella tavalla, esimerkiksi haastattelemalla. 4. Pohdintaa Tässä artikkelissa on pohdittu Delfi-tekniikan mukanaan tuomia luotettavuusongelmia, jotka ovat tyypillisiä kvalitatiiviselle aineiston käsittelylle. Eräänä mahdollisuutena ratkaista erityisesti reliabiliteetin laskemisen ongelma esitettiin kahden raadin tekniikkaa, johon kytketään kvantitatiivinen mittauskierros. Mikäli jompikumpi tai molemmat raadeista saavat vastattavakseen oman lomakkeensa lisäksi toisen raadin lomakkeen, on näiden lomakkeiden avulla mahdollisuus laskea reliabiliteetti neljällä tavalla: (1) laskemalla mittareiden sisäinen konsistenssi esimerkiksi Cronbachin alfan avulla, (2) laskemalla korrelaatio- tai stabiliteettikerroin raadin kahden eri mittarin yhteisten osioiden välille (testi-uusintatesti korrelaatio), (3) laskemalla, kuinka paljon aidosti erilaisia osioita raatien välillä tulee vertaamalla molempien ryhmien omia lomakkeita toisiinsa sekä (4) laskemalla, kuinka yksimielisiä raadit ovat vertailemalla eri raatien vastaamia samoja lomakkeita. Kuten Delfi-tutkimusten reliabiliteetti myös validiteettikin erityisesti sisäinen validiteetti voidaan asettaa kyseenalaiseksi. Nimittäin käsitteiden suhteen sisäinen validiteetti ei ole aivan ilmeinen. Kvalitatiiviselle tutkimusot- 101

102 teelle tyypillisesti osa luokitteluista olisi voitaisiin tehdä toisin ja epäilemättä toinen tutkija saattaa yhdistellä indikaattorilauseita toisella tavalla erilaisiksi osaamistarpeiksi ja edelleen erilaisiksi osaamistarveluokiksi. Numeerinen tapa analysoida kvalifikaatioita ei välttämättä anna oikeaa kuvaa asiasta, sillä osa väitelauseista ei välttämättä ole yksikäsitteisiä. Emme siis voi tietää ovatko asiantuntijat tulkinneet sanat ja sanamuodot samalla tavalla. Monitulkintaisuusongelmaa voidaan hieman pienentää tekemällä ennen toista Delfi-kierrosta esimerkiksi fenomenografinen tutkimus käsitteiden erilaisista tulkinnoista (Uljens 1991, 80). Fenomenografisen tutkimuksen tuloksista huolimatta on kuitenkin ainakin kaksi suurta ongelmaa. Toisaalta ongelmallista on, että käsitykset voivat muuttua oppimisen tai lisäinformaation myötä, toisaalta eri ihmisillä on aidosti erilaiset käsitykset asioista. Niinpä jos olisimme saaneet ensimmäisen kierroksen yhteydessä kartoitettua asiantuntijoiden käsitykset vaikeista termeistä, emme yhtäältä tiedä olisivatko käsitykset muuttuneet siihen mennessä, kun toinen kierros alkaa. Toisaalta jos olisimme saaneet selville erilaisia käsityksiä, millä perusteella olisimme valinneet jonkun olemassa olevista tulkinnoista tutkimuksessa käytettäväksi lopulliseksi tulkinnaksi. Eräs mielenkiintoinen ongelma syntyy siitä, että Delfi-tutkimuksen tuloksia on vaikea saada istumaan valtakunnallisiin skenaarioihin. Ilmeisesti jokaisessa maassa luodaan erilaisia vaihtoehtoisia tulevaisuuden maailmoja, jotka toteutuessaan edellyttävät tiettyjä toimenpiteitä. Erityisesti sosiaali- ja terveysalan tulevaisuuden vertaaminen valtakunnallisiin skenaarioihin on hankalaa. Tämä saattaa johtua siitä, että valtakunnalliset skenaariot perustuvat usein taloudessa tapahtuviin muutoksiin. Sosiaali- ja terveysalan muutokset kyllä perustuvat yhteiskunnalliseen kehitykseen, mutta houkuttelevaa olisi ajatella, että ihmisen muuttuminen olisi se primääri tekijä, joka vaikuttaa yhteiskuntaan, teollisuuteen tai markkinoihin. Ensisijaista ei olisikaan se, kuinka armotonta menoa on tulevaisuus markkinavoimien myllerryksessä, vaan se, antaako ihminen materiaalisten arvojen vallita ja hallita, vai kehittyykö uudenlainen pehmeille arvoille perustuva yhteiskunta. Sosiaali- ja terveydenhuollon kannalta ei siis välttämättä ensisijaista olekaan se, millainen on tulevaisuuden yhteiskunta julkisen rajoituksen suhteen, vaan se, kuinka ihmiset yksilöinä muuttuvat huomioimaan omaa terveyttään ja omia omaisiaan. Vaikka mittaus ja mittarit olisivatkin luotettavia, Delfi-tekniikalla tehtävä tulevaisuustutkimus seisoo ja kaatuu asiantuntijoiden valinnan ja heidän argumenttiensa mukana. Tässä artikkelissa ei pohdittu luotettavan ja monipuolisen argumentoinnin merkitystä luotettavuudessa. On kuitenkin selvää, että mikäli asiantuntijat eivät kykene argumentoimaan olemassa oleviin realiteetteihin perustuen aukottomasti mielipidettään tulevaisuudesta, mielipide ei ole minkään arvoinen luotettavana tulevaisuustietona. Sillä saattaa olla oma paikkansa aavistuksena, intuitiona tai science fictionina, muttei sen varaan voi rakentaa mitään. Lopuksi Delfi-tutkimusten luotettavuus ei ole aivan ilmeinen. Toisaalta Delfi-tutkimusta soveltuu nimenomaan tulevaisuustutkimukseen, sillä sen avulla on mahdollista löytää yhtäältä tulevaisuutta koskevia heikkoja signaaleja ja toisaalta se soveltuu erinomaisesti ennustamaan sellaisia tulevaisuuden taitekohtia, joita ei löytäisi pelkän numeerisen aineiston perusteella. Erityisesti sosiaali- ja terveysalan tulee ottaa jo hyvissä ajoin kantaa siihen, kuinka tarjotaan hoivaa ja hoitoa toisen maailman sodan jälkeen syntyneille ns. suurille ikäluokille. Tässä mielessä Delfi-tutkimus puolustaa paikkaansa muiden tulevaisuustutkimuksen menetelmien joukossa. 102

103 LÄHTEET: Cronbach LJ Coefficient Alpha and the Internal Structure of Tests.Psychometrica 16(3) Sept Duffield C The Delphi technique: a comparison of results obtained using two expert panels. International Journal on Nursing Studies 30(3), Knapp TR & Brown JK Ten Measurement Commandments That Often Should Be Broken.Research in Nursing & Health 18, Metsämuuronen J Asiantuntijoiden mielipiteiden stabiliuden mittaus tulevaisuustutkimuksessa. ESR - Työelämän muutosten ja koulutustarpeiden ennakoinnin menetelmät käytäntöineen (toim. K. Mäkelä & K. Heinonen) Osoitteessa Paperiversio on saatavissa kirjoittajalta. Metsämuuronen J 2000a. Metodologian perusteet ihmistieteissä. Metodologia-sarja n:o 1. International Methelp Ky. Viro. Metsämuuronen J 2000b. Tilastollisen päättelyn perusteet. Metodologia-sarja n:o 3. International Methelp Ky. Viro. Metsämuuronen J 2000c. Mittarin rakentaminen ja testiteorian perusteet. Metodologia-sarja n:o 6. International Methelp Ky. Viro. Millett SM & Honton EJ A Managers Guide to Technology Forecasting and Strategy Analysis Methods. Battelle Press, Columbus. Nunnally JC Psychometric Theory. 2 nd edition. McGraw-Hill, New York. Nunnally JC & Bernstein IH Psychometric Theory. 3 rd edition McGraw-Hill, New York. Tarkkonen L On Reliability of Composite Scales. An essey on the measurement and the properties of the coefficients of reliability an unified approach. Tilastotieteellisiä tutkimuksia 7. Finnish Statistical Society, Helsinki. Uljens M Phenomenography a qualitative approach in educational reseach. Teoksessa Merenheimo & Syrjälä, L. (toim.) Kasvatustutkimuksen laadullisia lähestymistapoja. Oulun yliopisto, Opteusmonisteita ja selosteita 39/1991,

104 6.2. Esimerkkejä asiantuntijamenetelmien käytöstä Delfi-tekniikka sosiaali- ja terveysalan tulevaisuuden osaamistarpeiden tutkimisessa Delfi-tekniikkaa ja sen hyödyntämistä sosiaali- ja terveysalan tulevaisuuden osaamistarpeiden kartoituksessa julkaistiin kahdessa osassa FUTURAn numeroissa 2/1997 ja 3/1997. Lähdeviitteet ovat: Metsämuuronen J Delfi-tekniikka sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeiden tutkimisessa. FUTURA 2/97, Metsämuuronen J Delfi-tekniikan kritiikistä. FUTURA 3/97. Delfi-tekniikka sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeiden tutkimisessa Tämän artikkelin tarkoituksena on esitellä Sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeet -tutkimuksen menetelmällisiä ratkaisuja. Tutkimus on yksi Euroopan Sosiaalirahaston (ESR) rahoittamista ennakointihankkeista. Tutkimuksen tarkoituksena on yhtäältä olemassaoleviin tilasto- ja asiantuntijatietoihin perustuen, toisaalta käytännön ruohonjuuritason toimijoiden havaitsemien heikkojen signaalien avulla ennakoida sitä, millainen on se toimintaympäristö ja työ, mitä tulevaisuuden sosiaali- ja terveydenhuollon ammattilainen tulee tekemään. Työn muutokset heijastuvat myös osaamistarpeiden muuttumisena. Artikkelissa esitellään tiedonhankinnassa käytettävä Delfi-tekniikka, sen etuudet ja heikkoudet sekä kuinka tässä tutkimuksessa Delfi-tekniikkaa sovelletaan. Työ sosiaali- ja terveydenhuollossa eilen ja tänään Sosiaali- ja terveydenhuolto ovat osa sitä järjestelmää, jota toisaalta kunnat tarjoavat verovaroin maksettuna asukkailleen, mutta jota toisaalta järjestetään yksityisesti. Vielä muutamia aikoja sitten oli huutava pula sosiaali- ja terveydenhuollon ammattilaisista. Itsekin muistan tehneeni 1980-luvun loppupuolella keikkatyötä sairaaloissa niin paljon, että oli pakko sanoa, että nyt ei kyllä ehdi enempää. Jostain kumman syystä rahoitusta oli henkilökunnalle ja sijaisille. Jokainen on huomannut se, että julkisen talouden kukkaron suuta on supistettu ja tämä heijastuu myös sosiaali- ja terveydenhuoltoon (Kokko & Lehto 1993). Tämä taas heijastuu käytännön työhön siten, että sijaisia ei palkata sairauden tai loman vuoksi läheskään yhtä herkästi kuin aiempina vuosina. Työn suorittava porras tuntee tämän useinkin pahiten niskassaan ja selässään; ne jotka työssä vielä ovat, tekevät pakolliset työt poissaolijoiden puolesta. Toisaalta itse työ on palkitsevaa (Metsämuuronen 1994): parhaassa tapauksessa asiakkaiden kanssa toimiminen on haastavaa, innostavaa ja voimia antavaa. Omasta kokemuksesta voin sanoa, että erityistilanteissa terveydenhuollossa saattaa saada suurta tyydytystä siitä, että voi jopa pelastaa jonkun hengen. Sosiaalialalla tyydytystä saattaa tuottaa se, että voi auttaa pa- 104

105 hasti epätasapainossa olevan henkilön taas elämään kiinni. Työ sosiaali- ja terveydenhuollossa huomenna Huomista ei vielä ole. Me emme siis tiedä, mitä se näyttää, mutta voimme yrittää ennustaa sitä (Metsämuuronen 1997a). Ihminen ihmisenä tuskin muuttuu paljonkaan, mutta arvot ja arvostukset ovat muuttuvia (ks. nykyisistä arvoista esimerkiksi Haavisto 1996). Sosiaali- ja terveydenhuollon tulevaisuuteen vaikuttavat monet tekijät, joita olen valottanut enemmän FUTURAn 1/97 numerossa. Eräs keskeisistä kysymyksistä on, miten voimme saada esiin sellaisen tulevaisuutta koskevan tiedon, joka ei vielä ole ilmiselvää, vaan ikään kuin kätkettyä, mutta ilmassa olevaa. Tällaista tietoa on kutsuttu heikoiksi signaaleiksi (Kuusi 1993, ; Eriksson 1996a, 39). Sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeet -hankkeen kannalta mielenkiintoinen on Erikssonin viittaus siihen, että tavallisetkin ihmiset voivat olla tällaisten heikkojen signaalien suhteen herkkiä, mikäli tarkkailevat ympäristöään ja oppivat aistimaan vivahteita ja muutostrendejä (Eriksson 1996b, 4; ks. myös Alvesalo 1996, 59) käynnistettiin tutkimushanke, jonka tarkoituksena on hankkia asiantuntijoiden käsityksiä siitä, millaista on sosiaali- ja terveydenhuollon työn tulevaisuus ja mitä osaamistarpeita tulevaisuuden työntekijöillä on. Tutkimus liittyy Euroopan Sosiaalirahaston (ESR) rahoittamana osana Sosiaali- ja terveysministeriön, opetushallituksen, Stakesin ja Suomen Kuntaliiton vuonna 1995 käynnistämään yhteistyöprojektiin, jonka tavoitteena on sosiaali (So)- ja terveysalan (Te) työelämän ja koulutuksen (Ko) yhteistyön kehittäminen (Ke). Keskeiset käsitteet on lyhennetty projektin nimeksi SoTeKeKo. Osaamistarpeiden muuttumista tutkitaan suurelta osin SoTeKeKo:n kautta tavoitettavien käytännön työelämän ja koulutuksen asiantuntijoiden avulla. Tutkimuksessa hyödynnetään sitä tietotaitoa, jota löytyy SoTeKeKo-projektiin osallistuvilta työntekijöiltä, kouluttajilta, opiskelijoilta sekä laajalta asiantuntijaryhmältä, joka toimii SoTeKeKo-projektin taustalla. Ennakointitutkimuksen menetelmälliset ratkaisut: Delfi-tekniikka Tulevaisuuden osaamistarpeita koskeva tieto hankitaan ns. Delfi-tekniikalla, jonka on todettu tuottavan riittävän varmaa tietoa tulevaisuudesta (Sneck 1993, 37; Mannermaa 1993, 25; 1996, 18; Kuusi 1993, 135; 1996, 4). Tosin Kuusi (1993, 139; 1996, 15) sanoo, että Delfitekniikka on hänen mielestään ensisijaisesti tulevaisuuden tekemisen eikä niinkään ennakoinnin väline. Delfi-tekniikkaa on hyödynnetty viimeaikoina mm. erilaisissa barometreissa (Mannermaa & Mäkelä 1993, Uotila, Mannermaa & Mäkelä 1995). Terveystieteissä Delfimenetelmää on käytetty vuodesta 1971 lähtien selvitettäessä mm. hoitotyön tutkimuksen prioriteetteja (Lindeman 1975, Ventura & Waligora- Serafin 1981, Bond & Bond 1982, Daly ym. 1996), koulutuksen kehittämistä (Spivey 1971,Tanner & Lindeman 1987, French ym. 1996), pätevyyksiä ja kvalifikaatiovaatimuksia (Duffield 1993) sekä hoitohenkilökunnan työn kehittämistä (Butterworth & Bishop 1995, Carney ym. 1996, Procter & Hunt 1994). Delfi-tekniikan historia Vaikka tekniikka olikin tunnettu jo 1920-luvulla (Whitehead 1925) ja 1940-luvulla (Churchman 1948), sen varsinaisena lähtökohtana pidetään vuonna 1953 RAND -yhtiöiden toimesta tehtyä Yhdysvaltain puolustus-strategiaan liittyvää tutkimusta. Tutkimus tietenkin oli salainen, mistä syystä tekniikkaa koskeva kritiikki julkaistiin vasta 1963 tutkimuksen suorittajan Olaf Helmerin toimesta (Helmer 1963). Delfi-tekniikka kehitettiin siis alunperin strategisiin tarkoituksiin, mutta jo varhain sitä hyödynnettiin tulevaisuuden taloustutkimukseen (Helmer & Quade 1963). Ilmeisesti vaikutusvaltaisin Delfi-raportti on ollut Gordonin ja Helmerin tutkimus (1964) tulevaisuuden teknologian kehityksestä. Lindeman (1975, 435) esittää, että kyseinen raportti herätti erityisen kiinnostuksen koko analyysimenetelmää kohtaan. Kuusikin (1993, 135) mainitsee, että kyseinen tutkimus on laajasti siteerattu. Itse tutkimuksella on jo historiallista arvoa, sillä sitä vasten voidaan arvioida katsoa, 105

106 kuinka asiantuntijoiden käsitykset pitivät paikkansa yli 30 vuoden aikajänteellä (Kuusi 1993, ). Delfi-tekniikan klassikoiksi ovat muodostuneet Linstonen ja Turoffin (1975) menetelmäkirjoitukset. Mannermaa arvottaa Linstonen erääksi parhaista tekniikan asiantuntijoiksi (Mannermaa 1996, 18). Delfin tekniikka ja periaatteet Perinteisen Delfi (tai Delfoi) -tekniikan idea on siinä, että kerätään tietoa asiantuntijoiden mielipiteistä. Kun asiantuntijoiden mielipiteet on koottu, ne lähetetään uudelleen samoille asiantuntijoille arvioitaviksi. Delfi -kierroksia käydään läpi niin monta kertaan, että asiantuntijoiden voidaan sanoa antaneen yhden yhteisen mielipiteen. Kuusi (1993, 135) tiivistää Delfi-tekniikoita yhdistävät piirteet seuraavasti: 1. Tutkimusta varten on koottu asiantuntijaryhmä tai -paneeli. 2. Asiantuntijat muotoilevat kantansa tutkimusta tekevälle erikseen. 3. Asiantuntijoille välitetään anonyymisti kirjallisesti tietoja toisten panelistien kannanotoista. 4. Asiantuntijat voivat yhden tai useamman kerran muuttaa kannanottojaan esitetyn aineiston perusteella. Delfi -tekniikan iskulauseita ovat siis anonymiteetti ja konsensus. Anonymiteetilla tarkoitetaan sitä, että panelistit eivät tiedä, kuka osallistujista on sanonut minkäkin mielipiteen. Näin ollen menettely mahdollistaa panelistien tasavertaisuuden; vahvojen persoonien liiallinen vaikutus on mahdollista eliminoida (Linstone & Turoff 1975, Williams & Webb 1994, 181). Konsensus on mahdollista saavuttaa, mikäli Delfikierroksia kasvatetaan. Alkuaikojen tutkimuksille oli tyypillistä vaatimus yksimielisyydestä. Tästä ollaan luopumassa tai jo luovuttu. Ilmeisesti Kuusi on aivan oikeassa sanoessaan, että pyrkimys asiantuntijoiden yksimielisyyteen on usein väkinäistä ja saattaa johtaa tärkeän informaation katoamiseen (Kuusi 1993, 136, Turoff & Hiltz 1996, 56). Delfi-tekniikan edut Kuusi (1993, ) esittää omiin tutkimuksiinsa ja Turoffiin (Linstone & Turoff 1975) perustuen kolme etua, jotka Delfi-tekniikalla on aikasarja-analyysiin ja komiteatyöskentelyyn verrattuna. Ensinnäkin Delfi-tekniikka soveltuu hyvin sellaisten taite- ja käännepisteiden löytämiseen ja ajoittamiseen, jotka on vaikea päätellä analyyttisesti. Tällä tarkoitetaan sitä, että on olemassa analyyttisiä tutkimusmenetelmiä (kuten aikasarja-analyysi ja siihen liittyen regressioanalyysi), joilla pyritään ennustamaan tulevaisuutta sen perusteella, mitä viestejä menneisyydestä ja nykyisyydestä tulee. Tällaiset numerotietoon perustuvat analyysimenetelmät ovat kuitenkin kyvyttömiä havaitsemaan ihmisen luovia ja tavoitteellisia ratkaisuja (Mäenpää 1993, 170). Delfitekniikalla voidaan parhaassa tapauksessa tavoittaa juuri tällaista tietoa. Toiseksi, hyvässä Delfi-tutkimuksessa on mahdollista tuoda yksittäisen raadin jäsenen havaitsemat heikot signaalit ja alan kehittämistavoitteet suuremman joukon arvioitaviksi. Tätä pidän itse tärkeänä seikkana käsillä olevan tutkimuksen kannalta. Kaikkea tietoa ei voi saada kirjoista tai komiteanmietinnöistä, vaikka kirjoittajina olisikin alansa huippuasiantuntijoita. Heikkojen signaalien ajoissa kuuleminen, ymmärtäminen ja hyödyntäminen on ennakointia. Toisaalta ei saa yltiöpäisesti unohtaa puitetekijöitäkään, jotka vakauttavat kehitystä. Kolmanneksi, hyvä Delfi-tutkimus ehkäisee arvovalta- ja intressiristiriitoja vaikuttamasta tutkimuksen tulokseen. Koska kukin vastaaja vastaa itsenäisesti, toimii tekniikka mies-ja-ääni - periaatteella. Kaikkien mielipiteet ovat yhtä arvokkaita riippumatta siitä, miltä taholta mielipide tulee. Koska konsensus-vaatimuksestakin on äärimuodoissaan luovuttu, tämä antaa panelistille mahdollisuuden olla eri mieltä asiasta. Tämä taas johtaa siihen, että panelistien ei tarvitse myöskään sitoutua tulokseen yhtä voimakkaasti kuin esimerkiksi komiteatyöskentelyssä. 106

107 Itse lisäisin etujen listaan myös sen, että Delfitekniikassa on erittäin helppo yhdistää kvantitatiivinen ja kvalitatiivinen tutkimusote. Vaikka esimerkiksi Hukkinen (1993, 189) väittääkin, ettei tutkimus voi samaan aikaan olla sekä positivistinen että fenomenologinen, on mielestäni ilman muuta selvää, että mitä useampaa menetelmää käyttää, sitä varmempaa on saatu tieto. Tätä kutsutaan triangulaatioksi (Denzin 1988); samaa ilmiötä tarkastellaan useasta eri suunnasta. Samaa tutkimusta voi siis tehdä sekä positivistisesti että fenomenologisesti, tiedon laatu vain on erilaista. Delfi-tekniikkaan, joka menetelmänä on selkeästi kvalitatiivista tietoa tuottava, on usein liitetty mukaan kvantitatiivisia elementtejä. Niinpä esimerkiksi konsensusta voidaan etsiä kvantitatiivisilla menetelmillä (Whitman 1990, 378; Duffield 1993, 228; Williams & Webb 1994, ; Daly 1996, 148). Tällöin panelistit esimerkiksi arvottavat ensimmäisellä Delfi-kierroksella saadut mielipiteet Likert-asteikolla. Toisaalta Delfi-tekniikkaan on usein liitetty nk. ristivaikutusanalyysi (ks. tarkemmin Seppälä & Kuusi 1993), jolla ikään kuin kvantitatiivisesti terävöitetään Delfikierroksilla saatua tulosta (Seppälä 1992). Myös Conjoint Analyysia voi olla mahdollista käyttää erilaisten kvalitatiivisesti löydettyjen tulevaisuuden attribuuttien mallittamisessa (Metsämuuronen 1997b). Delfi-tekniikkaan voidaan - ehkäpä jopa pitäisi - liittää myös analyysi asiantuntijamielipiteiden pysyvyydestä eli stabiliteetista (Metsämuuronen 1997c). Delfi-tekniikan kritiikkiä ja luotettavuus Etujensa lisäksi Delfi-tekniikalla on eräitä puutteita, joita erinäinen määrä tutkijoita on ottanut esille. Oleellista on se, että seuraavista kriittisistä seikoista huolimatta ovat kritiikkiäkin esittäneet tutkijat käyttäneet Delfi-tekniikkaa. Varovaisesti sanoen mainitut seikat ovat sellaisia, jotka tutkijan tulee tiedostaa ja joihin hänen tulee varautua tehdessään Delfi-tutkimusta. Tutkimuksen luotettavuuden ja erityisesti validiteetin takaamiseksi on tutkijan pohdittava systemaattisesti niitä tekijöitä, jotka saattavat alentaa tutkimuksen luotettavuutta (Cook & Campbell 1979). Ensimmäinen kriittinen kohta Delfi-prosessissa on asiantuntijoiden valinta (Duffield 1993, 228). Kukaan ei pysty sanomaan kuinka monta asiantuntijoita tulisi olla (Reid 1988; Williams & Webb 1994, 182) tai edes kuka on riittävän asiantuntija paneeliin (Goodman 1987, ). On ollut paneeleita, joissa panelisteja on ollut yli tuhat (ks. Reid 1988). Kuusi pitää kuitenkin suurena 150 hengen paneelia. Hän asettaakin kyseenalaiseksi suuren vastaajajoukon hyödyn. (Kuusi 1993, 136.) Toinen kriittinen kohta on ensimmäinen Delfikierros. Kritisoidessaan varhaisia Delfitutkimuksia Kuusi toteaa, ettei ensimmäisissä tutkimuksissa pidetty tärkeänä oikeiden kysymysten laadintaa. Tähän vaiheeseen hän suosittaa asiantuntija apua. Kuusi pitää vaihetta krusiaalina tutkimuksen onnistumisen kannalta. (Kuusi 1993, 136.) Ensimmäiseen Delfikierrokseen liittyy muitakin ongelmia. Jos kysely suoritetaan postikyselynä, tästä yleensä seuraa katoa. Sosiologisissa tutkimuksissa pidetään kohtuullisena, mikäli 70%:kin postituskierroksella mukana olleista vastaisi lomakkeeseen. Se, miten kato vaikuttaa tulokseen, jää jokaisen tutkijan harkittavaksi. Haastattelumenetelmällä kato saattaa jäädä oleellisesti pienemmäksi (Kuusi 1993, 136). Edelleen on huomautettu, että ensimmäisen kierroksen tulosten analysointia ei välttämättä pystytä saamaan samanlaiseksi erilaisten tutkimusten välillä, sillä yhtenäistä metodologiaa ei analyysistä ole (Whitman 1990, 378, Procter & Hunt 1994, 1004). Kolmas vaihe, jossa pitää tehdä kriittisiä valintoja, on iteraatiokertojen määrän valinta. On sanottu, että jos kierroksia on enemmän kuin kolme, tulee tutkimuksesta aikaavievä ja kallis (Williams & Webb 1994, 182; Kuusi 1993, 136). On myös esitetty, että kolmannen kierroksen jälkeen ei juurikaan muutoksia tulisi mielipiteisiin (Duffield 1988). Neljäs keskeinen ongelma on konsensus, jota jo hieman käsiteltiinkin. Ongelmahan on se, mitä pidetään konsensuksena. Terveystieteiden kirjallisuudessa ratkaisuksi konsensusongelmaan on esitetty riittävän konsensuksen löytämistä (Williams & Webb 1994, 184; Duffield 1993, 107

108 228, 230; Daly ym. 1996, 148), mikä yleensä perustuu kvantitatiiviseen mielipiteiden arvottamiseeen. Täydellistä konsensusta ei pidetä enää toivottavana (Kuusi 1993, 136). Viides kritiikin lähde on tutkimuksen tulokset. Delfi-tutkimuksen reliabiliteetti eli toistettavuus on epämääräinen (Reid 1988; Williams & Webb 1994, 182). Olisivatko toiset asiantuntijat antaneet toisenlaisen lopputuloksen? Tässä mielessä mielenkiintoinen on Duffieldin hoitoalan kompetensseihin liittyvä tutkimus, jossa otettiin kaksi eri paneelia ja verrattiin heidän vastauksiaan. 92,86% tutkituista hoitotyön kompetensseista oli samoja molemmilla ryhmillä. (Duffield 1993, 236.) Toisin sanoen asiantuntija paneelit olivat varsin yhtä mieltä keskeisistä kompetensseista. Ennakointitutkimuksen suorittaminen Kartoitettaessa sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeita on järkevää käyttää jotain asiantuntijamenettelyyn liittyvää tutkimusmenetelmää. Koska Delfi-tekniikka on idealtaan juuri tähän konseptiin sopiva menetelmä, on järkevää käyttää sitä. Tutkimuksessa käytetään jossain määrin perinteisestä Delfi-tekniikasta poikkeavaa tekniikkaa. Tutkimus aloitetaan normaaliin tapaan postikyselynä, jolloin mukaan saadaan noin 400 vastaajaa. Kierroksen tulokset analysoidaan ja valmistaudutaan toiseen kierrokseen. Toiselle kierrokselle valitaan mukaan oleellisesti pienempi joukko asiantuntijoita (50-100) niistä vastaajista, jotka jo olivat mukana ensimmäisellä kierroksella. Ensimmäisen kierroksen mielipiteitä hyödynnetään toisella kierroksella, joka on ensimmäinen varsinainen Delfi-kierros. Näitä tuloksia täsmennetään kolmannella kierroksella. Kuvatulla menettelyllä saavutetaan kaksi etua. Ensimmäinen etu on se, että tavoitetaan kohtuullisesti vastaajia ensimmäisellä kierroksella. Kohtuullisen suuri vastaajien määrä mahdollistaa riittävän määrän heikkoja signaaleja toisen kierroksen eväiksi. Toinen etu on se, että itse tutkimus ei tule kuitenkaan liian raskaaksi viedä läpi. Kuusen ajatuksia (1993, 136) muokaten: pienemmällä joukolla voi saada oleellisesti saman tuloksen kuin suurella joukolla. Menetelmää voidaan pitää kuitenkin Delfitekniikkana, jota karakterisoi seuraavat seikat: ensimmäinen kierros kerää perusmateriaalin, toisella kierroksella tarkennetaan tuloksia ja etsitään konsensusta ja kolmannella kierroksella täsmennetään saatuja tietoja. Tutkimuksessa hyödynnetään SoTeKeKoprojektin piirissä olevia asiantuntijoita. Koska on tärkeää saada mukaan mahdollisimman monipuolinen otos, on tarkoituksen mukaista tehdä otanta stratifioituna niin, että mukaan saadaan riittävä määrä työelämän ja koulutuksen edustajia. Terveydenhuollon asiakkaiden mielipiteitä toivotaan saatavan asiantuntijaryhmässä olevista kansalais- ja potilasjärjestöistä. Tutkimuksen luotettavuuden alustavaa tarkastelua Tulevaisuutta ennakoivan tutkimuksen luotettavuuden kriteeriä ei ole vielä olemassa. Nimittäin tulevaisuustutkimus on rigidisti ajatellen validi silloin, jos se tuottaa paikkaansa pitäviä tuloksia. Toisaalta on esitetty, että tulevaisuustutkimuksen arvo ei olekaan siinä onko se totta vai ei, vaan siinä miten kiinnostava tai vaikuttava tuotettu skenaario on (Mannermaa 1993, 31). Toisaalta tulevaisuuskuvan toistettavuus Delfitekniikalla arvioituna on epävarma. Koska asiantuntijoita on tulossa tutkimukseen kohtuullisen paljon, se antaisi teknisen mahdollisuuden jakaa asiantuntijajoukko kahteen ryhmään, joille olisi mahdollista tehdä rinnakkaismittaus. Tämä käytännössä tarkoittaa sitä, että muodostettaan samalla tekniikalla kaksi riippumatonta tulevaisuuden kuvaa. Mikäli osaamistarpeet olivat kahdella ryhmällä samanlaiset (tai ainakin hyvin samanlaiset) on Delfi -tekniikka tuottanut erittäin luotettavaa tietoa. Tässä yhteydessä luotettavuus ei tarkoita sitä, että tulevaisuus tulisi olemaan juuri kuvatun kaltainen, vaan sitä, että asiantuntijat ovat olleet yksimielisiä tulevaisuuden osaamistarpeista. Mikäli taas kahden asiantuntijaryhmän esittämät osaamistarpeet eroavat 108

109 toisistaan huomattavasti, siitä seuraa, että päätelmien suhteen tulee olla varovaisempi. Viimeksimainittu tilanne johtaa tietenkin myös varovaisempiin muutoksiin, mikä lieneekin järkevää oletetussa tilanteessa. Todennäköistä kuitenkin on, että pieniä eroja lukuunottamatta kahden ryhmän konsensus on hyvin pitkälle samanlainen (vrt. Duffield 1993). Kokonaan toisenlaisen tarve aineiston jakamiseen saattaa tulla siitä, että tulevaisuuden osaamistarpeet riippuvat pitkälti oletusta tulevaisuusskenaariosta. Se, millaisena asiantuntija näkee tulevaisuuden, vaikuttaa ilmeisesti hänen ajatuksiinsa siitä, mitä osaamistarpeita tulevaisuudessa on. Ensimmäisellä Delfi-kierroksella aineistoa analysoitaessa kiinnitetään huomiota mahdollisiin eroihin asiantuntijoiden skenaarioissa ja pyritään johtamaan tästä mahdollisesti useammanlaisia vaihtoehtoisia tulevaisuuden osaamistarvekartoituksia. Mikäli aineistosta nousee aidosti erilaisia skenaarioita, tämä antaa tutkimukselle lisää luotettavuutta, sillä tulevaisuus ei koskaan voi olla vain yksi ajatuksista. Vaihtoehtojen määrä luo tulevaisuuden suunnittelulle väljyyttä ja raameja. Itse tutkimuksen luotettavuutta saattaa parantaa, mikäli tuloksilla on ulkopuolisen asiantuntijan antamia kommentteja siitä, kuinka luotettavana yksittäisen alan asiantuntija pitää tuloksia. Niinpä tuloksia näytetään analyysin eri vaiheissa eri alojen asiantuntijoille. Idea on siinä, että ulkopuoliselta asiantuntijalta saattaa tulla uusia ja oleellisia argumentteja mahdollisten tulevaisuuksien puolesta tai niitä vastaan. Delfitutkimukseen osallistuvat asiantuntijat puolestaan saavat nämä ulkopuolisten asiantuntijoiden arviot ikäänkuin analyysin sisältä tulleina argumentteina. Oleellistahan koko tutkimuksen onnistumisen kannalta on se, että vastaajat kykenevät perustelemaan oman kantansa. Ulkopuolisen asiantuntijan argumentti saattaa herättää panelisteissa aivan uusia tarpeita perustella näkemystään. Lopuksi Sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeet on tutkijan kannalta asiaa tarkastellen oivallinen tutkimusprojekti. Ensinnäkin tutkimuksen kohde (tulevaisuuden osaamistarpeet) on selkeästi rajattu (sosiaali- ja terveydenhultoon). Tietoa pyritään siis tuottamaan kohtuullisen kapealta sektorilta, mikä puolestaan saattaa parantaa tulosten soveltamista. Toiseksi tutkimushankkeella on jo etukäteen niin yhteiskunnallinen, koulutuspoliittinen, kuin työvoimapoliittinenkin tilaus. Tuloksista ollaan siis kiinnostuneita kaikissa SoTeKeKo-projektin intressipiireissä. Kolmanneksi koko projektilla on jo olemassa valmiiksi valtakunnallinen verkosto, jota kautta tietoa on helppo saada. On siis olemassa jo yhteydet erilaisiin asiantuntijoihin. Kaikki nämä tekijät yhdessä ja moni mainitsematonkin seikka vaikuttavat siihen, minkä laatuista tietoa ja millä työmäärällä saadaan kasaan. Itse uskon, että projektin tulokset ovat mielenkiintoista luettavaa vuoden 1998 kesällä, jolloin projektin on määrä päättyä. LÄHTEET: Alvesalo I Ihminen on tärkein muutosagentti. FUTURA 1/1996, Bond S & Bond J A Delphi survey of clinical research priorities. Journal of Advanced Nursing 7, Butterworth T & Bishop V Identifying the characteristics of optimum practice: findings from a survey of practice experts in nursing, midwifery and health visiting. Journal of Advanced Nursing 22, Carney O, McIntosh J & Worth A The use of Nominal Group Technique in research with community nurses. Journal of Advanced Nursing 23, Churchman CW Theory of Experimental Inference. Macmillan Co., New York. 109

110 Cook TD & Campbell DT Quasi-experimentation. Design & Analysis Issues for Field Settings. Boston: Houghton-Mifflin Company. Daly J, Chang EML & Bell PF Clinical nursing research priorities in Australian critical vare: a pilot study. Journal of Advanced Nursing 23, Denzin NK Triangulation. Teoksessa Keeves J.P. (toim.) 1988: Educational research, methodology, and measurement. An International Handbook Duffield C The Delfi technique. The Australian Journal of Advanced Nursing 6(2), Duffield C The Delphi technique: a comparison of results obtained using two expert panels. International Journal on Nursing Studies 30(3), Eriksson J-T 1996a. Tiede ja tulevaisuuden tutkimus. FUTURA 2/1996, Eriksson J-T 1996b. Kompleksisuus ja murros. FUTURA 3/1996, 4-6. French P, Anderson J, Burnard P, Holmes C, Mashaba G, Wrong T & Bing-hua Z International comparison of baccalaureate nursing degrees: collaboration in qualititave analysis. Journal of Advanced Nursing 23, Goodman CM The Delphi technique: a critic. Journal of Advanced Nursing 12, Gordon TJ & Helmer O Report of a Long Range Forecasting Study. Santa Monica, Calif. The Rand Corporation, Publication No [P]-2982, Sept Haavisto T Arvojen Top Ten. FUTURA 4/1996, Helmer O The Systematic Use of Expert Judgement in Operations Reseach. Santa Monica, California. The Rand Corporation, [P]-2795, Sept 1963 Helmer O & Quade ES An Approach to the Study of a Developing Economy by Operational Gaming. Santa Monica, California. The Rand Corporation, [P]-2718, Mar Hukkinen J Teemahaastattelun käyttö tulevaisuudentutkimuksessa. Tulevaisuus sosiaalisena konstruktiona. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Kokko S & Lehto J Mihin suuntaan sosiaali- ja terveydenhuolto? Valtioosuusuudistuksen avaamat vaihtoehdot ja uhat rahoituskriisin aikakaudella. Stakes, Raportteja 96. Gummerus, Jyväskylä. Kuusi O Delfoi-tekniikka tulevaisuuden tekemisen välineenä. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Kuusi O Asiantuntijatiedon jalostaminen tulevaisuudentutkimuksessa. FUTURA 4/1996, Lindeman CA Delphi survey of priorities in clinical nursing research. Nursing Research 24, Linstone HA & Turoff M (Eds.) The Delphi Method: Techniques and Applications. Addison-Wesley, Massachusetts. Mannermaa M Tulevaisuuden tutkimus tieteellisenä tutkimusalana. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Mannermaa M Asiantuntijamenetelmät jääneet tulevaisuudentutkimukseen. FUTURA 4/1996, Mannermaa M & Mäkelä K Tulevaisuusbarometri Yhteiskuntakehityksen ja koulutuksen tulevaisuusnäkymiä vuoteen Opetusministeriön suunnittelusihteeristön keskustelumuistioita 21. Opetusministeriö ja Turun kauppakorkeakoulun Tulevaisuustutkimuskeskus. Metsämuuronen J Ensiaputoiminnan ilot ja surut. Kunnallislääkäri 6/1994, Metsämuuronen J 1997a. Sosiaali- ja terveydenhuollon työn tulevaisuus muutoksessa. FUTU- RA 1/

111 Metsämuuronen J. 1997a. Conjoint Analyysi tulevaisuuden tutkimuksessa. Työelämän muutosten ja koulutustarpeiden ennakoinnin menetelmät käytäntöineen (Toim. K Mäkelä & K Heinonen). Osoitteessa Metsämuuronen J 1997b. Asiantuntijoiden mielipiteiden stabiliuden mittaus tulevaisuustutkimuksessa. Työelämän muutosten ja koulutustarpeiden ennakoinnin menetelmät käytäntöineen. Työministeriön Internetjulkaisu. Mäenpää I FMS Suomen talouden pitkän ajan simulointimalli. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Pelttari P Sairaanhoitajan työn nykyiset ja tulevaisuuden kvalifikaatiovaatimukset. Väitöskirjakäsikirjoitus. Tampereen yliopisto, Hoitotieteen laitos. Procter S & Hunt M Using the Delphi survey technique to develope a professional definition of nursing for analysing nursing workload. Journal of Advanced Nursing 19, Reid N The Delphi technique: its contribution to the evaluation of professional practice. Teoksessa Ellis, R. (ed.) 1988: Professional Competence and Quality Assurance in the Caring Professions. Lontoo, Chapman and Hall. Seppälä Y Basics-menetelmä. Mitä se on? FUTURA 1/1992 Seppälä Y & Kuusi O Ristivaikutusanalyysi, sovelluksena kuljetukset Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Sneck T Mistä tulee, mihin menee vai meneekö suomalainen tulevaisuuden tutkimus. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Spivey BE A technique to determine curriculum content. Journal of Medical Education 46, Tanner CA & Lindeman CA Research in Nursing Education: Assumptions and Priorities. Journal of Nursing Education 26(2) Feb., Turoff M & Hiltz SR Computer-Based Delphi Processes. Teoksessa Adler, M. & Ziglio, E (toim.): Gazing into the Oracle. The Delphi Method and its Application to Social Policy and Public Health Uotila T, Mannermaa M & Mäkelä K Sivistyksen tulevaisuusbarometri Opetusministeriön suunnittelusihteeristön keskustelumuistioita 23. Yliopistopaino, Helsinki. Ventura MR & Waligora-Serafin B Setting Priorities for Nursing Research. The Journal of Nursing Administration 11(6) June, Whitehead AN Science and the Modern World. Macmillan Co., New York. Whitman, NI The Delphi Technique as an Alternative for Committee Meetings. Journal of Nursing Education 29(8), Williams PL & Webb C The Delphi technique: a methodological discussion. Journal of Advanced Nursing 19,

112 Tulevaisuuden osaamistarpeiden luokittelu Tulevaisuuden kvalifikaatioiden luokittelua koskeva artikkeli julkaistiin FUTURAssa. Sen lähdeviite on: Metsämuuronen J Tulevaisuuden kvalifikaatiovaatimusten luokittelu painoarvon ja muutosintensiteetin avulla. FUTURA 3/1998, Tulevaisuuden kvalifikaatiovaatimusten luokittelu painoarvon ja muutosintensiteetin avulla Tässä artikkelissa esitetään yksinkertainen tapa jäsentää tulevaisuuden kvalifikaatiovaatimuksia. Tulevaisuuden kvalifikaatiovaatimuksia ja erityisesti niiden muutosta ei voi kuvata, ellei tiedetä nykyisiä kvalifikaatiovaatimuksia. Määrällisessä mittarissa voidaan selvittää kvalifikaatiovaatimuksen tarve sekä tällä hetkellä että tulevaisuudessa. Näiden kahden luvun perusteella kvalifikaatiovaatimukset voidaan helposti luokitella kolmeen tai neljään teoreettisesti ja käytännöllisesti mielenkiintoiseen ryhmään: turhaan osaamiseen, perusosaamiseen, aitoon tulevaisuudenosaamiseen sekä perusosaamisen ja aidon tulevaisuusosaamisen välille jäävään potentiaaliseen tulevaisuudenosaamiseen. Esimerkkinä käytetään Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ESRennakointihankkeessa ilmenneitä kvalifikaatiovaatimuksia. Asiasanat: Kvalifikaatiovaatimus, Tulevaisuustutkimus, Sosiaali- ja terveysala, Osaaminen, Muutosintensiteetti, Ammatillinen koulutus, Perusosaaminen, Tulevaisuudenosaaminen 1. Johdanto Tulevaisuudessa tarvittava osaaminen kiinnostaa monia ammatillisen koulutuksen edustajia ja päätöksen tekijöitä. Käynnissä on useita koulutuksen määrällisen ja laadullisen ennakoinnin hankkeita (ks. FUTURA 2/1997). Useille hankkeille tyypillistä on se, että ennakointi ei ole vain kouluttajien ennakointia, vaan mukana on myös työelämän edustajia. Ymmärretään, että koulutusta tarjotaan työelämän tarpeisiin ja työelämää varten. Tämä on sopusoinnussa sen kanssa, että opetusministeriön koulutuksen kehittämissuunnitelma (OPM 1996, 6) korostaa koulutuksen ja työelämän limittäytymistä ja vuorottelemista. Erityisesti huomiota saavat työssä oppiminen ja työelämäosaaminen sekä valmiudet itsenäiseen yrittäjyyteen. Strategiassa edellytetään, että aletaan kehittää työelämän ja ammattitaitovaatimusten ennakointimenetelmiä. Terve kehitys on se, että koulutus ja työelämä ovat todella alkaneet kehittää yhteistyötään myös koulutuksen suunnittelun alueella. Tästä yhteistyöstä on seurannut hyviä sosiaalisia innovaatioita esimerkiksi sosiaali- ja terveysministeriön, Stakesin, opetushallituksen ja Suomen Kuntaliiton yhteisen SoTeKeKo-projektin piirissä (ks. SoTeKeKo-tiedotteet 1/96, 2/96, 1/97, 2/97 ja 1/98). Kun yhteiskunta muuttuu, muuttuu myös työ. Kun työ muuttuu, muuttuvat myös työn edellyttämät kvalifikaatiovaatimukset. Kun kvalifikaatiovaatimukset muuttuvat, se vaikuttaa (tai ainakin sen pitäisi vaikuttaa) myös koulutukseen. Suuret kehitysaallot, megatrendit, 112

113 vaikuttavat koulutustarpeisiin kaikilla aloilla. Mäkelän mukaan ainakin kansainvälistyminen, verkostokulttuuriin ja talouteen siirtyminen, tuotannon ja työn muutokset, teknologian kehittyminen, sosiaalinen kehitys ja poliittinen kehitys vaikuttavat siihen millaista määrällistä ja laadullista koulutusta tarvitaan tulevaisuudessa (Mäkelä 1995, 45, ks. myös Metsämuuronen 1997a, 19). Koulutuksen pitäisi pystyä muuttumaan maailman mukana, ellei peräti ennakoimaan muutoksia ja olemaan edelläkävijä (Ropo ym. 1994, 9, Perälä 1997, 55). Sekä Kivinen (1998) että Väärälä (1995) esittävät huolensa siitä, että uusia tarvittavia kvalifikaatiota ei todennäköisesti kyetä opettamaan riittävän tehokkaasti ammatillisessa koulutuksessa. Tähän johtaa se, että opettajilla ei ole enää välttämättä kosketusta todelliseen työelämään muuten kuin työharjoittelun kautta, mitä Kivinen pitää riittämättömänä opettajan kompetenssin kannalta (Kivinen 1998, 80, vrt. Mäki 1995, 29-30). Tulevaisuuden kvalifikaatiovaatimusten ennakoinnin ongelmia on useita. Eräs ongelma liittyy siihen, että usein tulevaisuuden tietoa hankitaan asiantuntijamenetelmillä. Kuka olisi riittävän asiantuntija arvioimaan, millaista osaamista tulevaisuudessa todella tarvitaan? Toinen tämän artikkelin kannalta oleellinen ongelma on se, että useinkaan kvalifikaatiotutkimusten tulokset eivät käänny koulutuksen kielelle, sillä tulosten perusteella ei esimerkiksi välttämättä voida päätellä, mitkä nykyisistä kvalifikaatiovaatimuksista ovat painoarvoltaan väheneviä ja mitkä taas kasvavia. Erikoistutkija Olli Poropudas opetusministeriöstä (Poropudas 1997) on esittänyt, että tulevaisuuden työvoiman kvalifikaatiovaatimusten selvittäminen on ennakoinnin ydinaluetta. Poropudas huomauttaa oikein, että mitään johtopäätöksiä ei voi tehdä ennen kuin on selvitetty työvoiman nykyiset kvalifikaatiot ja verrattu nykyisiä kvalifikaatiota ja tulevia kvalifikaatiovaatimuksia toisiinsa. Tässä artikkelissa esitellään yksinkertainen tapa hahmottaa tulevaisuuden kvalifikaatiovaatimuksia nykyisten kvalifikaatiovaatimusten avulla. Aluksi esitellään Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ESR-ennakointihankkeessa (Metsämuuronen 1998) käytetty tapa hankkia tieto sekä nykyisistä että tulevista kvalifikaativaatimuksista. Toiseksi esitellään analyysin perusteella syntyneet kvalifikaatiovaatimuksien luokitteluperusteet. Kolmanneksi vielä esimerkin omaisesti esitellään kuinka luokittelua voi hyödyntää kvalifikaatiovaatimusten jäsentämisessä. 2. Sosiaali- ja terveysalan osaamistarvetutkimuksen menetelmät Tässä artikkelissa kuvataan tapa hahmottaa tulevaisuuden osaamistarpeita osaamistarpeen painoarvon ja muutosintensiteetin avulla. Koska esimerkkinä käytetään Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ennakointihankkeen tuloksia, esitellään tässä ennakointihankkeessa käytetyt menetelmälliset ratkaisut. Tutkimus suoritettiin kahden kierroksen Delfitekniikalla (Metsämuuronen 1997b) Tutkimuksessa käytettiin jossain määrin perinteisestä Delfi-tekniikasta poikkeavaa tekniikkaa. Tutkimus aloitettiin normaaliin tapaan postikyselynä, jolloin mukaan saatiin noin 200 sosiaalialan ja terveysalan koulutuksen ja työelämän vastaajaa. Vastaajan edustivat sosiaalija terveysalan työelämän ja koulutuksen sekä opiskelijoiden kantaa tulevaisuuden osaamistarpeista. Ensimmäisen kierroksen avoimet vastaukset analysoitiin sisällön analyysitekniikalla ja kvalifikaatiovaatimuksista muodostettiin kvantitatiivisesti arvioitava mittari. Toiselle kierrokselle valittiin vastaajien joukosta ne, jotka argumentoivat monipuolisimmin tulevaisuudessa tarvittavat osaamistarpeet. Toisella kierroksella asiantuntijat saivat vastattavakseen lomakkeen, johon heidän piti arvottaa 6-portaisella Likert-asteikolla kukin kvalifikaatiovaatimus sillä perusteella, tarvitaanko 113

114 osaamista tänään ja tarvitaanko osaamista tulevaisuudessa (kuva 1). Näiden kahden numeron perusteella pystytään keräämään riittävästi tietoa sekä kvalifikaatiovaatimuksen painoarvosta että painoarvon muuttumisesta nykyisyyteen nähden. Itse asiassa luku, joka kertoo kuinka paljon tänään tarvitaan osaamista, ei ole sinällään juuri lainkaan kiintoisa, sillä pyrimmehän luotaamaan tulevaisuuden osaamista. Sitä vastoin luku, joka kertoo kuinka paljon tulevaisuudessa tarvitaan kyseistä osaamista, on jo itsessään kiintoisa. Se nimittäin kertoo kyseisen kvalifikaatiovaatimuksen painoarvon tulevaisuudessa. Mikäli jonkin kvalifikaatiovaatimuksen painoarvo on matala, sitä ei tarvita tulevaisuudessa ja on näin ollen turha. Kolmas luku, jota ei näy itse lomakkeessa, onkin erittäin mielenkiintoinen. Edellä mainittujen kahden luvun perusteella voidaan nimittäin laskea ns. muutosintensiteetti. Nykyinen painoarvo vähennetään tulevaisuuden painoarvosta ja saadaan luku, joka kertoo, kuinka paljon enemmän (tai vähemmän) kyseistä osaamista tarvitaan tulevaisuudessa. Tällä hetkellä Tulevaisuudessa erittäin erittäin erittäin erittäin vähän paljon vähän paljon Kansainvälisyystaidot Tarvitaan kansainvälisyystaitoja Tarvitaan monikulttuurisuustaitoja Tarvitaan tuntemusta muista kulttuureista Tarvitaan tuntemusta muista uskonnoista Tarvitaan tuntemusta muista lainsäädännöistä Tarvitaan kansainvälisiä kommunikaatiotaitoja Tarvitaan vankkaa kielitaitoa Tarvitaan ainakin yhden vieraan kielen kohtuullinen hallinta Tarvitaan oman kulttuurin viemistä muihin kulttuureihin Kuva 1. Esimerkki kvalifikaatiovaatimusmittarista, jossa arvioidaan sekä nykyisiä että tulevaisuuden kvalifikaatiovaatimuksia 3. Nykyisten ja tulevien kvalifikaatiovaatimusten vertailu Perusosaaminen ja tulevaisuudenosaaminen Kvalifikaatiovaatimuksen painoarvon ja muutosintensiteetin avulla voidaan löytää neljän tyyppisiä kvalifikaatiovaatimuksia (kuva 2). Kvalifikaatiovaatimuksia, joiden painoarvo ja muutosintensiteetti on matala, voidaan pitää tutkimuksen ja käytännön kannalta turhina, sillä asiantuntijat ovat olleet sitä mieltä, että tätä osaamista ei kovin paljon tarvita tänään eikä tulevaisuudessa. Toinen ryhmä kvalifikaatiovaatimuksia on se osaaminen, jota tarvitaan ehdottomasti tulevaisuudessa, mutta jota tarvitaan myös tänään. Näiden kvalifikaatiovaatimusten painoarvo on siis korkea, mutta muutosintensiteetti on matala. Näitä kvalifikaatiovaatimuksia voidaan nimittää perustaidoiksi tai perusosaamiseksi. Kolmas tyyppi kvalifikaatiovaatimuksia ovat ne, joissa sekä painoarvo että muutosintensiteetti on korkea. Tätä kvalifikaatiovaatimusryhmää voidaan nimittää aidoksi tulevaisuudenosaamiseksi; tällaista osaamista ei vielä tänään tarvita, mutta sitä tarvitaan enenevässä määrin tulevaisuudessa. Aidon tulevaisuudenosaamisen ja perusosaamisen välimaastoon sijoittuvat kvalifikaatiovaatimukset, joilla selvästi on painoarvoa tulevaisuudessa ja joiden muutosintensiteetti on kohtuullisen korkea, muttei niin korkea kuin aidolla tulevaisuudenosaamisella. Tätä kvalifikaatiovaatimustyyppiä nimitän potentiaa- 114

115 liseksi tulevaisuudenosaamiseksi, sillä näiden kvalifikaatiovaatimusten painoarvon suhteen asiantuntijat eivät ole yksimielisiä tai kyseisen osaamisen painoarvo lisääntyy todellisuudessa vain maltillisesti. muutosintensiteetti Aito tulevaisuuden osaaminen Potentiaalinen tulevaisuuden osaaminen Turhat kvalifikaatiovaatimukset Perusosaaminen kvalifikaatiovaatimuksen painoarvo Kuva 2. Kvalifikaatiovaatimusten ryhmittely painoarvon ja muutosintensiteetin avulla Jokaisessa tutkimuksessa joudutaan tekemään määrittelyjä, joiden vastaavuus käytäntöön ei aina ole paras mahdollinen. Turhien kvalifikaatiovaatimusten ja perusosaamisen raja on tietysti määrättävissä tapauskohtaisesti. Eräs ehdotus on se, että rajana käytetään kuusiportaisella Likert-asteikolla mitattaessa painoarvoa 5. Painoarvon maksimiarvo on tuolloin 6, mikä tarkoittaa, että asiantuntija on täysin samaa mieltä väitteen kanssa siitä, että tätä osaamista tarvitaan tulevaisuudessa. Numeroarvo 5 tarkoitti, että asiantuntija oli melko pitkälti samaa mieltä siitä, että tätä osaamista tarvitaan tulevaisuudessa. Kvalifikaatiovaatimuksen painoarvon keskiarvon nousu arvoon 5.0 tarkoittaa, että valtaosa asiantuntijoista on ollut täysin samaa mieltä tai melko paljon samaa mieltä kvalifikaatiovaatimuksen painoarvosta tulevaisuudessa. Perusosaamisen, potentiaalisen tulevaisuudenosaamisen ja aidon tulevaisuusosaamisen rajan vetäminen on enemmän tulkinnallisempaa kuin rajanveto turhan osaamisen ja perusosaamisen välillä. Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet tutkimuksessa (Metsämuuronen 1998) päädyttiin ratkaisuun, että ne kvalifikaatiovaatimukset, joiden muutosintensiteetin keskiarvo oli pienempi kuin 0.4, kuuluvat perusosaamiseen (kuva 3). Aidoksi tulevaisuudenosaamiseksi laskettiin ne kvalifikaatiovaatimukset, joiden muutosintensiteetin keskiarvo oli 0.8 tai suurempi. Potentiaalisena tulevaisuudenosaamisena pidettiin niitä kvalifikaatiovaatimuksia, joiden muutosintensiteetti oli välillä Jako saattaa olla perustelematon, mutta ajatus oli kuitenkin erottaa tulevaisuustaitojen joukosta ne, joista asiantuntijat olisivat mahdollisimman yksimielisiä, omaksi aidon tulevaisuusosaamisen ryhmäksi. 115

116 Kvalifikaatioita painoarvon ja muutosintensiteetin mukaan ryhmiteltynä osaaminen muutosintensiteetti turha osaaminen 1,4 1,2 1 0,8 0,6 0,4 0,2 0-0,2 4 4,5 5 5,5 6 aito tulevaisuuden -osaaminen potentiaalinen tulevaisuuden -osaaminen perus- kvalifikaatiovaatimuksen painoarvo Kuva 3. Empiirinen esimerkki kvalifikaatiovaatimuksista painoarvon ja intensiteetin mukaan eroteltuna Turhat kvalifikaatiovaatimukset karsittiin pois jo mittarin kehittelyvaiheessa. Jäljelle jääneiden 181 kvalifikaatiovaatimuksen joukosta aidoksi tulevaisuudenosaamiseksi laskettiin 19 kvalifikaatiovaatimusta, potentiaalisiksi tulevaisuudenosaamiseksi 74 ja perusosaamiseksi 59 kvalifikaatiovaatimusta. Näihin kvalifikaatiovaatimuksiin ei ole laskettu mukaan laaja-alaisuutta ja erikoisosaamista sekä taitoja ylipäänsä kuvaavia, osittain diffuuseja kvalifikaatiovaatimuksia. Huomataan siis, että todellista aitoa tulevaisuuden osaamista kvalifikaatiovaatimuksien joukossa ei ollut paljonkaan. Sen sijaan potentiaalista tulevaisuudenosaamista ja perusosaamista oli enemmän. Ryhmittelyn hyödyntäminen kvalifikaatiovaatimusten vertailussa Kvalifikaatiovaatimuksia voidaan havainnollisesti verrata toisiinsa edellä kuvatun ryhmittelyn perusteella. Kuvassa 4 on esitetty kolmen eri osaamisen alueelta kvalifikaatiovaatimusten sijoittuminen toisiinsa nähden. Sosiaali- ja terveysalalla tulevaisuudessa vaadittavista saamisalueista tekninen osaaminen (musta ympyrä) ja kansainvälisyysosaaminen (harmaa ympyrä) olivat selkeästi sosiaali- ja terveysalan kannalta tulevaisuuden osaamista. Sen sijaan ihminen ihmiselle - tai ihmisen kohtaamisen osaaminen (valkoinen ympyrä) oli yleisesti perusosaamista, mutta jonka osatekijöistä osa oli potentiaalista tulevaisuudenosaamista. 116

117 Ihmisosaaminen, teknologiaosaaminen ja kansainvälisyysosaaminen perusosaaminen muutosintensiteetti 1,6 1,2 0,8 0,4 aito tulevaisuuden osaaminen potentiaalinen tulevaisuuden osaaminen Oman kulttuurin vieminen Kielitaito Tuntemusmuista lainsäädännöistä Teknisten laitteiden hallinta Taito tiedostaa laaja-alaisia ong. Taito hahmottaa asioita as. näkökulmasta Viestintäteknologian hyväksikäyttö Tietotekninen osaaminen Kansainvälisyystaidot Tuntemus muista kultt. ja uskonn. Taito jäs. asiakkaan tilanteita 0 Ihmisen kohtaamisen taito Taito olla ihminen ihmiselle 4 4,5 5 5,5 6 Havainnointitaito Herkkyys välittää ja ymmärtaa ihmistä J. Metsämuuronen 1998 osaamistarpeen painoarvo Kuva 4. Ihmis-, teknologia- ja kansainvälisyysosaamisen luokittelu ja vertailu muutosintensiteetin ja painoarvon avulla Kuvan 4 havainnollistuksen perusteella havaitaan joitakin kiintoisia seikkoja. Ensimmäinen asia, joka kiinnittää huomion, on oman kulttuurin viemisen sijoittuminen. Se on aidosti tulevaisuudenosaamista, mutta sen painoarvo on matala (4.4). Oman kulttuurin vieminen muihin kulttuureihin jakoi selvästi asiantuntijoiden mielipiteet. Erot asiantuntijamielipiteissä syntyivät pääasiassa käsitteen kulttuuri erilaisesta mieltämisestä. Kukaan asiantuntijoista, jotka kannattivat oman kulttuurin viemistä muihin kulttuureihin, ei käsittänyt termiä pakkosyöttönä tai toisen kulttuurin alistamisena, vaan pikemminkin sen hyvän ja know-hown viemisenä, mitä meillä Suomessa on. Kyse ei siis ole koko kulttuurin viemisestä, vaan esimerkiksi hoitotyön periaatteiden, aseptiikan tai heikkojen suojelemisen viemistä toisenlaisiin kulttuureihin, jossa näitä asioita ei arvosteta. Toinen kiintoisa piirre on se, että ihmisen kohtaamisen osaaminen kvalifikaatiovaatimusluokkana jakaantuu selvästi kahteen ryhmään: niihin kvalifikaatiovaatimuksiin, jotka edustavat selkeästi perusosaamista sosiaali- ja terveysalalla (taito olla ihminen ihmiselle, herkkyys välittää ja ymmärtää ihmistä, havainnointitaito ja ihmisen kohtaamisen taito) sekä niihin, joiden painoarvo tulee hieman kasvamaan nykyiseen verrattuna (taito hahmottaa asioita asiakkaan näkökulmasta, taito jäsentää monipuolisesti asiakkaan tilanteita sekä taito tiedostaa laaja-alaisia ongelmia). Potentiaalista tulevaisuusosaamista ilmentävät osaamistarpeet perusteltiin sillä, että tulevaisuuden asiakkaat ovat yhä suuremmassa määrin moniongelmaisempia kuin tänään; taito kohdata monenlaista hätää ja tiedostaa laaja-alaisia ongelmia ovat painoarvoltaan lisääntyviä osaamisvaatimuksia. 117

118 Teknologiaosaamisen painoarvo ja muutosintensiteetti Osaamistarpeen painoarvo työelämä koulutus opiskelu Muutoksen intensiteetti 1 0 Tietotekninen osaaminen 1 0 Teknisten laitteiden hallintaa Viestintäteknologian hyväksikäyttö J. Metsämuuronen 1998 osaamistarpeet Kuva 5. Työelämän, koulutuksen ja opiskelijaedustajien vertailu kvalifikaatiovaatimusten muutosintensiteetin ja painoarvon avulla Toinen mahdollisuus hyödyntää kvalifikaatiovaatimusten ryhmittelyä perusosaamiseen ja tulevaisuudenosaamiseen on alakohtaiset vertailut. Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ennakointihankkeessa oli kaksi mahdollisuutta jakaa asiantuntijat ryhmiin: yhtäältä edustajina oli sosiaalialan, terveysalan ja sosiaali- ja terveysalan edustajia, toisaalta samat asiantuntijat edustivat työelämää, koulutusta, ja opiskelijoita. Kuvassa 5 on esimerkkinä esitetty sosiaali- ja terveysalalla työelämän, koulutuksen ja opiskelijoiden mielipiteitä tulevaisuuden teknologisesta osaamisesta. Kuva on valittu siksi, että sen antama informaatio on mielenkiintoinen. Nimittäin ilmenee, että opiskelijat eivät pitäneet teknologista osaamista aitona tulevaisuudenosaamisena joskaan eivät myöskään perusosaamisena. Työelämän ja koulutuksen edustajien mielipiteissä ei ole tilastollisesti merkitseviä eroja, ja ne vastaavat toisiaan hyvin. Sen sijaan opiskelijat painottivat kaikkia teknologisen osaamisen osatekijöitä vain potentiaalisina tulevaisuuden taitoina. Ero ammatillisen koulutuksen edustajien ja opiskelijoiden arvioiden muutosintensiteetin suhteen oli t-testillä mitattuna tilastollisesti merkitsevä tietoteknisen osaamisen suhteen (p=0.035) ja viestintäteknologian hyväksikäytön suhteen (p=0.023). Ero keskiarvoissa saattaa johtua siitä, että nuorempi sukupolvi elää hyvin voimakkaasti tietotekniikan ja teknologian keskellä. Näin ollen he eivät osaa ajatella teknologiaa aidosti tulevaisuuden osaamisena vaan osittain jo tässä ajassa tapahtuvana toimintana ja tässä ajassa tarvittavana osaamisena. 118

119 4. Pohdintaa: kvalifikaatiovaatimukset ja ammatillinen koulutus Tulevaisuuden työssä tarvitaan ainakin osittain erilaista osaamista kuin tänään. Ongelmallista on se, että ilmeisen harvoin on päästy tai haluttukaan päästä - kovinkaan syvällisiin analyyseihin siitä, millaista todellista osaamista tulevaisuuden työ tekijältään edellyttää. Työelämän ongelma on usein se, että pitkäjänteistä suunnittelua tai visiointia oman alan kehityksestä ei tehdä. Koulutuksen ongelma saattaa olla se, että tänään tarvittavan osaamisen edellyttäminen sinällään vie lähes kaiken vapaana olevan energian kouluttajilta. Miksi siis pohtia tulevaisuudessa tarvittavaa osaamista, kun ei ehditä opettaa tämänkään päivän työssä vaadittavaa osaamista? Tulevaisuudessa tarvittavan osaamisen tietämiselle tulee paineita ainakin kolmesta suunnasta: työntekijöiltä, työnantajilta, ja tutkimuksesta. Asiantuntijat arvioivat ammattitaidon kehittämisen olevan tulevaisuudessa keskeinen aikuisopiskelun syy (Mannermaa & Mäkelä 1993, 49, Uotila ym. 1995, 49, Kuusi 1996, 83). Onkin ymmärrettävää, että epävarmoissa työolosuhteissa jatkuvasta kouluttautumisesta tulee kilpailuvaltti vapaita työpaikkoja täytettäessä. Koska jokainen ala joutuu mukautumaan muutokseen, olisi jatko-, lisä- ja uudelleenkouluttautuvan hyvä tietää, mikä on hänen oman alansa kannalta sellaista osaamista, jota aidosti tarvitaan tulevaisuudessa. Erityisesti tulevaisuudessa tarvittavan osaamisen hankkiminen saattaa olla itsensä työllistämisen kannalta viisasta. Ei ole kannattavaa hankkia sellaista osaamista, joka on vanhentunutta jo kohta kurssin päätyttyä. Toisaalta ammattitaidon ylläpitäjän ja kehittäjän saattaisi olla hyödyllistä tietää, mikä on alalle tyypillistä perusosaamista, jotta voisi päivittää osaamistaan näillä alueilla. Myös työnantajan ja johdon haasteisiin kuuluu pohtia, mitkä ovat kunkin alan tulevaisuuden osaamisalueet; millaisia uusia ammatteja tarvitaan ja millaista uudenlaista osaamista vaaditaan työntekijöiltä. Eräs tulevaisuuden haaste koulutukselle on se, kuinka tietää ne asiat, joita ammattilaiset tarvitsevat tulevaisuudessa. Kun tämä saadaan selville (vai saadaanko?), herää uusi kysymys: kuinka mainittuja asioita voidaan opettaa, vai voidaanko niitä ylipäänsä opettaa? Sekä Poropudas (1997) että Kivinen (1998) suhtautuvat skeptisesti siihen, voidaanko ennakointihankkeiden tuloksia hyödyntää opetuksessa. Poropudas huomauttaa, että kvalifikaatiovaatimuksia kartoittavien hankkeiden tulokset jäävät usein täysin hyödyntämättä, sillä työelämän kvalifikaatiovaatimuksista ei voida suoraan päätellä tarvittavia koulutuksellisia tai opetuksellisia toimenpiteitä. Kivinen puolestaan epäilee sitä, että työ muuttuu niin nopeasti, etteivät tutkimustiedot käänny opetettaviksi asioiksi. Jos pitää paikkansa Turtiaisen huomio siitä, että yhä enemmän työntekijältä vaaditaan persoonallisia piirteitä tai henkilökohtaisia ominaisuuksia, tämä asettaa uudenlaisia paineita koulutukselle: pystytäänkö oma-aloitteisuutta, rehellisyyttä, kiinnostusta alaan tai tunnollisuutta opettamaan (ks. Turtiainen 1997, 23)? Jos Peltosen (1993, 145) esittämät henkiinjäämisperiaatteet pätevät, pitäisikö opiskelijoille opettaa oppimiskykyä, luovuutta, joustavuutta ja ydinasioihin keskittymistä. Mäkinen torjuu ajatuksen ainakin näiden alueiden omasta kokeesta (Mäkinen 1998, 90), mutta esittää, että näyttökokeet ammatillisessa koulutuksessa tulisi suunnitella niin, että kyseiset seikat vaikuttavat arviointiin. Ilmeisesti edellä mainittuja yliammatillisia kvalifikaatioita on hankala opettaa, elleivät ne ole syntyneet jo ennen koulutukseen pyrkimistä. Tämä herättää kysymyksen, pitäisikö jo alalle pyrkivällä olla näitä ominaisuuksia, joita vain jalostetaan koulutuksen aikana. Mikäli näin on, tämän pitäisi heijastua koulun sisäänottokriteereihin ja pääsyvaatimuksiin. Ennakointitieto ja erityisesti kvalifikaatiotutkimusten anti siirtyy heikosti koulutuksen kielelle. Tässä kirjoituksessa esitelty kvalifikaatiovaatimusten luokittelu perusosaamiseen, potentiaaliseen tulevaisuudenosaamiseen ja aitoon tulevaisuudenosaamiseen tai perusosaa- 119

120 miseen ja tulevaisuusosaamiseen saattaisi olla apukeino suunnitella näyttökokeita tai muita osaamisen mittaustilanteita ammatillisessa koulutuksessa. Kun tiedetään, mikä on kunkin alan asiantuntijoiden mielestä alan perusosaamista, olisi tämän osaamisen hallinta ensisijaista peruskoulutuksen päätyttyä. Näiden perusosaamista osoittavien kvalifikaatiovaatimusten hallintaa olisi mahdollista tarkkailla myös käytännön harjoittelujaksoilla alan tuotannollis-teknisten kvalifikaatioiden ohella. Osaamisen mittaamiseksi olisi hyvä rakentaa osaamisen alueista mittari. Kvalifikaatiovaatimusten luokittelu saattaa jänteyttää ja selkiyttää eri ammattialoilla tarvittavan osaamisen vertailemista: ei riitä tieto siitä, tarvitaanko osaamista tulevaisuudessa vai ei. Mainitun tiedon lisäksi tarvitaan tarkempaa tietoa siitä, mitkä ovat sellaisia ominaisuuksia tai osaamista, joita pitäisi ehkä olla jo alalle hakeutuessa. Tämän tiedon osatekijänä kunkin alan perusosaaminen voisi olla selvittämisen arvoinen asia. LÄHTEET: Kivinen K Äänetön ammattitaito pätevyyden osatekijänä. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998, Yliopistopaino, Helsinki. Kuusi O Tulevaisuuden avainosaaminen. FUTURA 4/1996, Mannermaa M & Mäkelä K Tulevaisuusbarometri Yhteiskuntakehityksen ja koulutuksen tulevaisuusnäkymiä vuoteen Opetusministeriön suunnittelusihteeristön keskustelumuistioita 21. Opetusministeriö ja Turun kauppakorkeakoulun Tulevaisuustutkimuskeskus. Metsämuuronen J 1997a. Sosiaali- ja terveydenhuollon työn tulevaisuus muutoksessa. FUTURA 1/1997, Metsämuuronen J 1997b. Delfi -tekniikka sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeiden tutkimisessa. FUTURA 2/1997, Metsämuuronen J Maailma muuttuu miten muuttuu sosiaali- ja terveysala? OPH, Stakes, STM, Suomen Kuntaliitto yhteisjulkaisu. ESR-julkaisusarja 39/98. Oy Edita Ab, Helsinki. Mäkelä K Koulutuksen määrällisen mitoituksen strategiat, mallit ja käytännöt. Teoksessa Yrjölä, P. (toim): Koulutuksen mitoittaminen. Opetushallitus. Moniste 28/1995. Mäki M Ammattikorkeakoulutoiminnan evaluaatio ja meta-evaluaatio. Oulun ammattikorkeakoulun Julkaisuja. Oulu. Tutkimuksia 3/1995. Mäkinen R Ammattipätevyyden arviointi ammattitutkintoja varten. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998, Yliopistopaino, Helsinki. Mäntysaari M Sosiaalityön koulutuksen nykyisyys ja tulevaisuus. Teoksessa Salminen, H. (toim.) 1993: Haasteita sosiaali- ja terveydenhuollon koulutukselle. Opetushallitus. Yliopistopaino, Helsinki OPM Koulutus & tutkimus Koulutuksen ja korkeakouluissa harjoitettavan tutkimuksen kehittämissuunnitelma vuosille Opetusministeriö. Oy Edita ab, Helsinki. Peltonen M Työn, ammatin ja opiskelun kehityslinjoja. FUTURA 3/1993, Perälä ML (toim.) Hoitotyön suunta. Strategia laatuun ja tuloksellisuuteen. Stakes. Gummerus, Jyväskylä. Poropudas O Ammatillisen koulutuksen ennakoinnin kehittäminen. Julkaisematon luonnos Opetusministeriö, Ammatillisen koulutuksen yksikkö. Ropo E, Autio T & Jaakkola R Koulun on muututtava. FUTURA 3/1994, Turtiainen J Kvalifikaatiovaatimus ja ennakointi. Työpoliittinen aikakauskirja. 1-2/1997,

121 Uotila T, Mannermaa M & Mäkelä K Sivistyksen tulevaisuusbarometri Opetusministeriön suunnittelusihteeristön keskustelumuistioita 23. Yliopistopaino, Helsinki. Väärälä R Ammatin opettamisen murros. Teoksessa Salminen, H. (toim.) 1993: Haasteita sosiaali- ja terveydenhuollon koulutukselle. Opetushallitus. Yliopistopaino, Helsinki Väärälä R Ammattikoulutus muuttuvilla työmarkkinoilla. Opetushallitus, Tutkimus 4/1995, Yliopistopaino, Helsinki. 121

122 Perusosaaminen sosiaali- ja terveysalalla Sosiaali-ja terveysalalla tarvittavaa perusosaamista käsittelevä artikkeli julkaistiin Eduskunnan tulevaisuusvaliokunnan ja Tulevaisuustutkimuksen verkostoakatemian yhteisjulkaisussa. Lähdeviite on: Metsämuuronen J Perusosaaminen sosiaali- ja terveysalalla. Teoksessa Tiihonen P. & Söderlund S. (toim.). Työ tulevaisuudessa. Eduskunnan tulevaisuusvaliokunta, Tulevaisuustutkimuksen VerkostoAkatemia ja Tulevaisuuden tutkimuskeskus Perusosaaminen sosiaali- ja terveysalalla Tässä artikkelissa tarkastellaan sitä, millaista on sosiaali- ja terveysalan perusosaaminen. Asiantuntijat arvottivat sosiaali- ja terveysalalla tulevaisuuden osaamista kuvaavia kvalifikaatioita. Tulosten mukaan nämä osaamistarpeet voidaan ryhmitellä perusosaamiseen ja tulevaisuudenosaamiseen sillä perusteella, paljonko kyseisen osaamistarpeen painoarvo muuttuu tulevaisuudessa nykyisyyteen nähden. Perusosaamista tarvitaan tämän päivän työssä, mutta sitä tarvitaan myös tulevaisuudessa niin kauan kuin asiakkaana on ihminen. Perusosaaminen on helppo kytkeä koulutuksellisiin ratkaisuihin esimerkiksi näyttökokeiden tai käytännön harjoittelujaksojen arvioinnissa. Perusosaaminen sisältää useita osaamisalueita, joilla ammattilainen voi kasvaa ja kehittyä asiantuntijanakin. Asiasanat: Kvalifikaatio, Osaamistarve, Perusosaaminen, Delfi-tekniikka, Sosiaali- ja terveysala, Taidot 1. Johdanto Sosiaali- ja terveysalan tulevaisuus on yhtä määräytymätön kuin minkä muun yhteiskunnan osaalueen tulevaisuuskin. Se on vasta muovautumassa. Sosiaali- ja terveysala ei ole irrallaan muista yhteiskunnassa vaikuttavista järjestelmistä, vaan on saanut osansa kaikesta siitä kurjuudesta, mitä muukin järjestelmä on saanut: yhä pieneneviä rahamääriä entisen pyörittämiseen. Voidaan siis hyvällä syyllä sanoa, että sosiaali- ja terveysala on ollut ja on edelleen muutosten kourissa. Ylipäänsä väitetään, että elämme paraikaa yhteiskunnallista murroskautta. On esitetty, että kehitys kulkee erilaisten murrosten tai kaaosten ja ajoittaisten tasaisten kausien kautta eteenpäin (Jokinen ym. 1998, 38; Mannermaa 1993, 28-29; 1996, 11; Pantzar 1993, 76). Kokonaan toinen seikka onkin se, onko muutos aina muutosta parempaan. Koska sosiaali- ja terveydenhuollon työn kenttä on muuttunut ja muuttuu yhä edelleen, on työntekijöiden myös muututtava. Jo pelkästään se, että tietoa tuotetaan eksponentiaalisen kiihtyvästi, asettaa työntekijöille huikeita osaamistarpeita hahmottaa ja hallita edes osa siitä informaatiosta, joka vastaan tulee. Toisaalta tehtävä työ tuottaa ne pätevyys- ja osaamisvaatimukset, jotka ovat relevantteja itse työn suorittamisen ja kehittämisen kannalta. Voidaan oikeutetusti kysyä, mitkä tekijät sosiaali- ja terveysalan työn todellisuudessa muuttuvat, ja mitkä pysyvät ennallaan. Ilmeistä on, että aivan kaikki asiat eivät muutu, vaikka monet muuttuvatkin. Inhimillistä elämää ja olemista rajoittavat tietyt luonnonlait ja säännönmukaisuudet, jotka vakauttavat elämäämme. Niin kauan kuin ihminen lajina on olemassa, ihminen tarvitsee hoitoa ja hoivaa syntyessään ja lähtiessään. Tässä artikkelissa pohditaan erityisesti sitä osaamista, jota tarvitaan niin nykyhetkellä kuin 122

123 tulevaisuudessa. Tätä osaamista nimitetään perusosaamiseksi. Sosiaali- ja terveysala muuttuu Sosiaali- ja terveydenhuollon ammattilaisen työhön vaikuttavat monet muutokset yhteiskunnassa ja sen rakenteissa. Yhteiskunnalliset muutokset vaikuttavat niihin tekijöihin, joilla pyritään vakauttamaan toimintaa kansainvälisessä, globalisoituvassa maailmassa. Toisaalta sosiaali- ja terveydenhuollon toimintaa ja toimintaympäristöä muovaavat eritasoiset kansainväliset ja kansalliset ilmiöt, kuten väestön ikäjakauma ja sen kehittyminen, kansantalous, työllisyyskehitys, koulutuspolitiikka sekä kansalliset valtion ohjausjärjestelmän ja palvelurakenteen muutokset. Valtakunnallisella ja yksilötasolla on useita reunatekijöitä, joilla on ilmiselvästi vaikutusta siihen, millaiseksi sosiaalija terveysalan ammattilaisen työ tulee muotoutumaan. Ilmeisestikään mikään tekijöistä ei voi determinoida tulevaisuutta, mutta ne antavat tietyt raamit, joihin voimme tulevaisuutta suhteuttaa. Yhteiskunnalliset muutokset Demo- Kansan- Ohjaus- Palvelu- Kansaingrafia talous järjestelmä rakenne välistyminen Työmarkkinoissa tapahtuvat muutokset koulutus politiikka Koulutussuunnittelu Sosiaali- ja terveysalan tulevaisuus Arvot Terveysohjelmat Asiakkaiden osallistuminen päätöksiin Ihmisessä tapahtuvat muutokset Työllisyys Ihmislajin kehittyminen? Integraatio/ segrekaatio- Informaatio- Tekno- Tietoyhteis- Verkostoitukehitys teknologia logia kunta kehitys minen Toimintatavoissa tapahtuvat muutokset Kuva 1. Sosiaali- ja terveydenhuollon toimintaympäristöön vaikuttavia tekijöitä (mukaellen Metsämuuronen 1997a, 19) Seuraavat tekijät (jotka eivät ole ensisijaisuusjärjestyksessä) toimivat muiden muassa tulevaisuuden reunatekijöinä sosiaali- ja terveysalalla: demografinen väestön kehitys, valtion ohjausjärjestelmän muutokset, palvelurakenteen muutokset, valtakunnalliset lyhyen aikavälin suunni- 123

124 telmat, koulutuspolitiikka ja -suunnittelu, WHO:n terveyttä kaikille -ohjelma, työllisyysja työllistymiskehitys ja informaatioteknologian lisääntyminen ja kehittyminen. Mainittujen seikkojen lisäksi tulevaisuuden sosiaali- ja terveydenhuollon kehitykseen vaikuttavia trendejä ovat mm. verkostoituminen, kansainvälistyminen, asiakkaiden lisääntyvä osallistuminen päätöksentekoon sekä sosiaali- ja terveysalan integraatio- tai segrekaatiokehitys. Olen pyrkinyt havainnollistamaan sosiaali- ja terveysalan reunaja muutostekijöitä kuvassa 1 (vrt. Metsämuuronen 1997a, 19). Mainituista tekijöistä epäilemättä eräs merkityksellisimmistä tulee olemaan suurten ikäluokkien siirtyminen ensin eläkkeelle vuosien välisenä aikana ja myöhemmin saamaan hyvin ansaittua hoitoa ja hoivaa vuosein välisenä aikana. Metsämuuronen on laskelmissaan osoittanut, että nykyisellä tavalla sosiaali- ja terveysala joutuu ennenäkemättömän haasteen eteen (Metsämuuronen 1999a). Muuttuuko ihminen? Tiedämme, että antiikin ja sitä edeltäneiden kulttuurien hengentuotteissa ilmenevät samanlaiset tunteet, viha, rakkaus, ilo, suru kuin tämän päivän ihmiselläkin. Toisaalta ihminen on yhä edelleen aina syntyessään ja useimmiten kuollessaan muiden avun varassa. Ihminen ei siis lajina välttämättä ole muuttunut paljonkaan viimeisten muutaman tuhannen vuoden kuluessa. Tosiasia lienee kuitenkin se, että tänään ihmiset ajattelevat ainakin osittain eri tavalla kuin vuosisadan alussa (ks. Virtanen 1996, 26), puhumattakaan siitä, mitä ajateltiin 200 vuotta sitten. Herääkin kysymys, mikä ihmisessä muuttuu ja mikä on se sama luonto, niin kreikkalaisilla kuin barbaareilla (Riihinen 1983, 74 siteeraus nimeltä mainitsemattomalta kreikkalaiselta ajattelijalta), joka pysyy ajasta aikaan. Muuttuuko ihminen ja mihin suuntaan? Muuttuvatko arvot ja arvostukset? Muuttuuko moraali? Muuttuvatko perustarpeet? Muuttuvatko päämäärät? Varovasti voidaan sanoa, että ainakin ihmisten toiminta on muuttunut. Ajattelutavat muuttuvat. Ihmisten tavat ja käyttäytymismallit muuttuvat. Keinot päämäärien saavuttamiseksi ovat muuttuneet. Vaikka osa muuttumisesta lienee kehitystä (kuten mahdollisesti tasa-arvon lisääntyminen tai teknologian hyväksikäyttö), ei ihminen ole jalostunut juurikaan - ehkä päin vastoin viimeisten neljän vuosituhannen aikana päätellen esimerkiksi väkivallan ja sotien määrästä. Arvojen muutokset lienevät hidas, mutta mahdollinen prosessi (Räikkä 1992, 65). Sosiaali- ja terveydenhuollon kannalta katsottuna saattaa olla niin, että ihmisten perustarpeet eivät ole muuttuneet. Ne tavat, joilla peruspalveluita halutaan ovat muuttuneet ja muuttuvat edelleen. On arvioitu, että asiakkaiden oma päätöksenteko ja valinta tulevat lisääntymään tulevaisuudessa (Kivistö 1997, 18). Tämän suuntaisia vihjeitä on olemassa ainakin psykiatrisen sairaanhoidon alueella (Päivärinta 1996, 275). Myös valtakunnallisissa suunnitelmissa korostetaan asiakkaiden osallistumista päätöksentekoon ja sen merkitystä tulevaisuuden sosiaali- ja terveydenhuollossa (STM 1996:16, 16-17, Perälä 1997, 23). 2. Tutkimuksen tarkoitus Jos yhteiskunta muuttuu, ja jos ihminen muuttuu, muuttuuko sosiaali- ja terveysalalla tarvittava osaaminen? Toisaalta jos kerran ihminen lajina ei muutukaan radikaalisti, eivätkä perustarpeet häviä ihmiseltä, olisiko mahdollista, että alan ammattilainen tarvitsee ajasta aikaan ainakin jotain perusosaamista osaamista, joka on oleellista yhtä paljon eilen kuin huomenna? Näihin kysymyksiin saatiin ainakin osittaista selvyyttä Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ennakointihankkeessa (Metsämuuronen 1998a). Ennakointihankkeen varsinaisena kiinnostuksen kohteena on ollut tulevaisuuden työssä tarvittava osaaminen, mutta sivutuloksena ja eräänlaisena yksityiskohtana tutkimuksessa selviää myös jotakin empiiristä sosiaali- ja terveysalalla tarvittavasta perusosaamisesta: mitä on perusosaaminen, miten se voidaan määritellä ja kuinka se voidaan huomioida ammatillisessa koulutuksessa ja ammatillisessa kasvussa. 124

125 3. Aineisto ja menetelmät Perinteinen Delfi-tekniikka Delfi-tekniikka kuuluu ns. asiantuntijamenetelmiin, joissa asiantuntijoilta tiedustellaan heidän subjektiivisia mielipiteitään tutkittavasta ilmiöstä. Delfi-tekniikan idea on, että tutkija haastattelee asiantuntijoita ja kokoaa kunkin asiantuntijan vastaukset yhteen ja antaa kaikkien vastaukset uudelleen arvioitaviksi asiantuntijoille. Perinteisesti Delfi-tekniikkaa kuvaavat termit anonyymisyys ja konsensus. Anonyymisyys tarkoittaa sitä, että asiantuntijat antavat mielipiteensä tietämättä toistensa vastauksista: jokaisella on ikään kuin yksi ääni annettavana, eikä vahvojen persoonien vaikutus näy lopputuloksessa liikaa (Linstone & Turoff 1975, Williams & Webb 1994, 181). Konsensus tarkoittaa sitä, että ns. Delfi-kierroksilla pyritään löytämään yhteinen mielipide asiantuntijoiden joukosta. Ilmeisesti Kuusi on aivan oikeassa sanoessaan, että pyrkimys asiantuntijoiden yksimielisyyteen on usein väkinäistä ja saattaa johtaa tärkeän informaation katoamiseen (Kuusi 1993, 136). Tästä syystä pyrkimystä täydelliseen konsensukseen ei kaikissa tutkimuksissa enää pidetä välttämättä suotavana (Turoff & Hiltz 1996, 56). Käytetty Delfi-sovellus ja asiantuntijat Tulevaisuuden työssä tarvittavaa osaamista selvitettiin kahden kierroksen Delfi-tekniikalla (Metsämuuronen 1997b). Tässä tutkimuksessa käytettiin jossain määrin perinteisestä Delfitekniikasta poikkeavaa sovellusta, sillä toiselle kierrokselle valittiin pienempi joukko asiantuntijoita, kuin mitä oli ensimmäisellä kierroksella. Ensimmäisen kierroksen asiantuntijoina käytettiin varsinaisessa raadissa sosiaali- ja terveysalan työelämän ja koulutuksen edustajia (n=187) sekä kontrolliraadissa alan järjestö- ja tutkimusedustajia (n=18). Argumentaatioanalyysin perusteella (ks. tarkemmin Metsämuuronen 1998a) asiantuntijoista valittiin toiselle kierrokselle oleellisesti pienempi joukko asiantuntijoita (yhteensä 43 varsinaiseen raatiin ja 18 kontrolliraatiin). Ensimmäisen kierroksen mielipiteitä hyödynnettiin toisella kierroksella. Ajan puutteen vuoksi tyydyttiin mainittuihin kahteen Delfikierrokseen. Kuvatulla menettelyllä saavutettiin kaksi etua. Ensimmäinen etu on se, että tavoitettiin kohtuullisesti vastaajia ensimmäisellä kierroksella. Kohtuullisen suuri vastaajien määrä mahdollisti riittävän määrän argumentaatioita toisen kierroksen eväiksi. Toinen etu oli se, että itse tutkimus ei tullut kuitenkaan liian raskaaksi viedä läpi. Kuusen ajatuksia (1993, 136) muokaten: pienemmällä joukolla voi saada oleellisesti saman tuloksen kuin suurella joukolla. Menetelmää voidaan pitää kuitenkin Delfi-tekniikkana, jota karakterisoivat seuraavat seikat: ensimmäinen kierros kerää perusmateriaalin, toisella kierroksella tarkennetaan tuloksia ja etsitään konsensusta ja täsmennetään tuloksia. Aineisto Tutkimusaineisto jaettiin kahteen osaan. Ensimmäisen kierroksen perusteella tuotetut avoimet kirjoitelmat muodostivat perustan toisen kierroksen kvantitatiivisille mittaristoille. Ensimmäisen kierroksen vastaukset analysoitiin soveltaen Syrjäläisen (1994) esittelemää sisällön analyysi- ja käsitekarttatekniikkaa. Toisella kierroksella asiantuntijat saivat vastattavakseen lomakkeen, johon heidän piti arvottaa 6-portaisella Likert-asteikolla kukin osaamistarve sillä perusteella, tarvitaanko osaamista tänään ja tarvitaanko osaamista tulevaisuudessa. Näiden kahden numeron perusteella arvioitiin aluksi oliko kyseinen osio ns. turha osaamistarve, eli jotain sellaista, mitä asiantuntijat valtaosin eivät pitäneet tärkeänä osaamisena nyt eikä tulevaisuudessa. Toiseksi arvioitiin muutosintensiteettiä, ts. sitä, kuinka paljon enemmän tai vähemmän kyseistä osaamista tarvitaan tulevaisuudessa kuin verrattuna nykyhetkeen. Osaamistarpeiden mittarin muodostamisessa käytettiin kolmea kriteeriä. Osaamistarve pidettiin mittarissa, jos joku seuraavista kriteereistä täyttyi: 1) osaamistarpeen painoarvo (keskiarvo) oli suurempi kuin 5 (eli asiantuntijat olivat täysin yksimielisiä tai melko yksimielisiä osaamistarpeen tärkeydestä), 2) muutosintensiteetti oli 125

126 suurempi kuin 0.5 joko sosiaalialan tai terveysalan edustajilla (eli kyseessä on todelliset tulevaisuuden osaamistarpeet) ja 3) tilastollisesti merkitseviä eroja ei esiintynyt sosiaalialan ja terveysalan eikä koulutuksen ja työelämän edustajien välillä (eli että mielipiteet olivat yhteneviä eri ryhmissä). Ne osiot siis poistettiin, joissa kaikki kolme kriteeriä jäivät toteutumatta. Toisella kierroksella asiantuntijat myös haastateltiin. Tällöin kiinnostuksen kohteena olivat ne perustelut, miksi jotain osaamista tarvitaan. Asiantuntijat perustelivat erityisesti ne osaamistarpeet, joiden suhteen tapahtui heidän mielestään muutosta tulevaisuuteen nähden. Taulukko 1. Osaamistarveluokkien sisäinen konsistenssi Cronbachin alfalla mitattuna Osaamistarveluokka ja osaamistarpeet Teknologinen osaaminen 0.75 Tiedonhankintaosaaminen 0.75 Asiakaspalveluosaaminen 0.87 Työhön ja työssä vaikuttamisosaaminen 0.80 Oman persoonan käytön osaaminen 0.92 Yhteistyöosaaminen 0.85 Innovatiivisen työnotteen osaaminen 0.76 Sosiaalinen osaaminen 0.93 Ihmisen kohtaamisosaaminen 0.90 Kansainvälisyysosaaminen 0.66 Muuttumisosaaminen 0.86 Osaamistarveluokka ja osaamistarpeet Yhteiskuntaosaaminen 0.72 Päätöksenteon osaaminen 0.81 Yrittäjyysosaaminen 0.73 Itsenäisyysosaaminen 0.76 Aktiivisen muuttamisen osaaminen 0.72 Arvo-osaaminen ja eettinen osaaminen 0.86 Äänetön ja pehmeä osaaminen 0.86 Projektityöosaaminen 0.65 Voimakkaampi vastuunotto ** Johtamisosaaminen 0.81 Itsepuolustusosaaminen ** ** reliabiliteettia ei laskettu, sillä luokassa oli vain yksi osaamistarve Tutkimuksen luotettavuus Delfi-tutkimuksen reliabiliteetti eli toistettavuus on perinteisesti ollut epämääräinen (Reid 1988; Williams & Webb 1994, 182, ks. myös Ziglio 1996, 15-17). Olisivatko toiset asiantuntijat antaneet toisenlaisen lopputuloksen? Tutkimuksen reliabiliteetin vuoksi asiantuntijat jaettiin kahteen erilliseen asiantuntijaraatiin: toisella kierroksella varsinaiseen asiantuntijaraatiin kuului työelämän ja koulutuksen edustajia (n=41, kato toisella kierroksella 4.7 %) ja kontrolliraatiin tutkimuslaitosten ja järjestöjen edustajia (n= 13, kato toisella kierroksella 27.8 %). Varsinaisen raadin kaksi poisjäänyttä jäsentä valittivat työkiireitään. Kontrolliraadin 5 mukaan lupautunutta mutta poisjäänyttä asiantuntijaa eivät ilmoittaneet poisjäännin syytä, mutta oletettavasti syynä oli lomakkeiden laajuus, sillä kontrolliraati joutui täyttämään oman lomakkeensa (3 sivua joissa yhteensä 208 arvioitavaa kohtaa) lisäksi varsinaisen raadin lomakkeen (5 sivua, joissa yhteensä 434 arvioitavaa kohtaa) Asiantuntijaraatien välillä ei ollut suuria eroja, 96.3 % osaamistarpeista oli sellaisia, joista asiantuntijat olivat yhtä mieltä. Osaamistarveluokkien sisäinen yhtenevyys eli konsistenssi oli kohtuullinen. Cronbachin alfan joka on eräs yleisimmistä sisäisen konsistenssin mitoista avulla mitattuna kaikki reliabiliteetit olivat korkeampia kuin 0.65 (taulukko 1). Asiantuntijat ovat siis johdonmukaisesti antaneet kyseisen osaamistarveluokan osatekijöille samankaltaisia painoarvoja. Tutkimuksen keskeiseksi ongelmaksi tulivat käsitteen määrittelyyn liittyvät ongelmat, sillä useat osaamistarpeista olivat enemmän tai vähemmän monikäsitteisiä tai ainakin antoivat mahdollisuuden monenlaiseen ajatteluun. Selvästi monikäsitteiset tai epäselvät termit, kuten äänettömät ja pehmeät osaamistarpeet selitet- 126

127 tiin haastattelun yhteydessä, jolloin asiantuntijoilla oli vielä mahdollisuus muuttaa numeroarvioitaan. 4. Tulokset Tässä luvussa esitellään aluksi ne perusteet, joilla jokin osaamistarve luokiteltiin perusosaamiseksi ja toisaalta tulevaisuudenosaamiseksi. Toiseksi esitellään tulevaisuuden osaamistarpeiden profiilit yleisellä tasolla osaamistarveluokkien tasolla. Kolmanneksi esitellään ne osaamistarpeet, joita asiantuntijat pitivät tässä tutkimuksessa kuvatulla tavalla määriteltynä perusosaamisena. muutosintensiteetti Aito tulevaisuuden osaaminen Potentiaalinen tulevaisuuden osaaminen Turhat osaamistarpeet Perusosaaminen osaamistarpeen painoarvo Kuva 2. Osaamistarpeiden ryhmittely painoarvon ja muutosintensiteetin avulla Perusosaaminen ja aito tulevaisuudenosaaminen Osaamistarpeen painoarvon ja muutosintensiteetin avulla voidaan löytää neljän tyyppisiä osaamistarpeita (kuva 2, ks. tarkemmin Metsämuuronen 1998b). Mikäli osaamistarpeen painoarvo ja muutosintensiteetti ovat matalia, voidaan osaamistarvetta pitää tutkimuksen kannalta turhana, sillä asiantuntijat ovat olleet sitä mieltä, että tätä osaamista ei kovin paljon tarvita tänään eikä tulevaisuudessa. Mikäli osaamistarpeen painoarvo ja muutosintensiteetti ovat korkeita, voidaan sitä nimittää aidoksi tulevaisuudenosaamiseksi. Mikäli painoarvo on korkea, mutta muutosintensiteetti matala, osaamistarve on aidosti tulevaisuudessa tarvittavaa osaamista, jota kuitenkin tarvitaan myös nykyhetkellä. Näitä osaamistarpeita nimitetään jatkossa perusosaamiseksi. Perusosaamisen määritelmä on siis hyvin tekninen: mikäli muutosta ei tapahdu asiantuntijan mielestä osaamistarpeen suhteen, vaan osaamistarve on hyvin painokas niin nykyhetkellä kuin tulevaisuudessa, osaamistarve luokitellaan perusosaamiseksi. Tästä ei kuitenkaan sinänsä vielä voida päätellä sitä, etteikö osaamistarpeen merkitys voisi muuttua tulevaisuudessa. Keskusteluissa alan ammattilaisten kanssa asiasta tuntuu kuitenkin vallitsevan kohtuullinen konsensus: Perusosaamiseksi luokitellut osaamistarpeet tuntuvat aidosti edustavan yleensä lausumatta jääneitä hiljaisia osaamistarpeita, jotka melkoisella yksimielisyydellä todella edustavat jotain tosiasiallista perustavaa laatua olevaa arvioitavaa osaamista sosiaali- ja terveysalan edustajilla. Aidon tulevaisuudenosaamisen ja perusosaamisen välimaastoon sijoittuvat osaamistarpeet, joilla selvästi on painoarvoa tulevaisuudessa ja joiden muutosintensiteetti on kohtuullisen korkea, muttei niin korkea kuin aidolla tulevaisuudenosaamisella. Tätä 127

128 osaamistarvetyyppiä nimitän potentiaaliseksi tulevaisuudenosaamiseksi, sillä näiden osaamistarpeiden muutosintensiteetin suhteen asiantuntijat yleensä eivät ole olleet yksimielisiä tai sitten osaamistarve todellakin sai vain hieman suuremman painoarvon tulevaisuudessa kuin tällä hetkellä. Tutkimuksessa perusosaamisen ja turhien osaamistarpeiden väliseksi rajaksi määriteltiin osaamistarpeen painoarvon keskiarvo 5.0. Osaamistarpeen painoarvon maksimiarvo oli 6, mikä tarkoittaa sitä, että asiantuntija oli täysin samaa mieltä väitteen kanssa siitä, että tätä osaamista tarvitaan tulevaisuudessa. Numeroarvo 5 tarkoitti, että asiantuntija oli melko pitkälti samaa mieltä siitä, että tätä osaamista tarvitaan tulevaisuudessa. Osaamistarpeen painoarvon keskiarvon nousu arvoon 5.0 tarkoittaa, että valtaosa asiantuntijoista on ollut täysin samaa mieltä tai melko paljon samaa mieltä osaamistarpeen painoarvosta tulevaisuudessa. Tulevaisuudessa tarvittavan osaamisen profiili Tutkimuksen perusteella sosiaali- ja terveysalalta löytyi 22 erilaista osaamistarveluokkaa, jotka muodostuivat 181 tulevaisuudessa tarvittavasta osaamistarpeesta. Lisäksi kaksi luokkaa oli muista poikkeavia yleisiä luokkia, jotka kuvasivat taitoja ylipäänsä sekä laaja-alaisuutta ja erikoisosaamista sosiaalija terveysalalla. Turhat kvalifikaatiovaatimukset karsittiin pois jo mittarin kehittelyvaiheessa. Näistä 181 osaamistarpeesta 19 oli aitoa tulevaisuudenosaamista, 74 potentiaalista tulevaisuudenosaamista ja 57 perusosaamista osoittavaa osaamista. Näihin osaamistarpeisiin ei ole laskettu mukaan kaikkia laajaalaisuutta ja erikoisosaamista sekä taitoja ylipäänsä kuvaavia, osittain diffuuseja osaamistarpeita. Kuvassa 3 on esitetty osaamistarpeiden profiili eli mitkä osaamistarveluokista painottuvat perusosaamisena, potentiaalisena tulevaisuudenosaamisena ja aitona tulevaisuudenosaamisena. Osaamistarveluokkiin on laskettu yhteen luokan sisältämät osaamistarpeet. Näin saatujen summamuuttujien luotettavuus on esitetty aiemmin reliabiliteettitarkastelujen yhteydessä. Taulukossa 2 on koottuna asiantuntijoiden keskiarvojen perusteella ryhmitellyt osaamistarveluokat. Vaikka luokkia tarkasteltaessa perusosaamista kuvaavia osaamistarveluokkia oli vain neljä, useiden osaamistarveluokkien sisällä oli kuitenkin joitakin perusosaamista kuvaavia osaamistarpeita. Seuraavassa otetaan esille 181 osaamistarpeen joukosta ne osaamistarpeet, jotka voitiin luokitella perusosaamiseksi. Millaista on perusosaaminen sosiaali- ja terveysalalla? Taulukossa 3 on kootusti esitetty osaamistarpeet, joiden painoarvon suhteen asiantuntijoiden mukaan ei tapahdu juurikaan muutosta nykyisyyden ja tulevaisuuden välillä. Kaikki mainitut osaamistarpeet ovat kuten aiemmin on mainittu osaamista, jota tarvitaan tulevaisuudessa (korkea painoarvo tulevaisuudessa), mutta jota tarvitaan jo nykyhetkellä (muutosintensiteetti matala). 128

129 Sosiaali- ja terveysalan työssä tulevaisuudessa tarvittavien osaamistarpeiden profiili; kaikki asiantuntijat 1. Ihmisen kohtaamisen osaminen 22. Itsepuolustusosaaminen 1,2 2. Yhteistyötaidot 21. Itseohjautuvuusosaaminen 3. Kansainvälisyysosaaminen 20. Voimakkaampi vastuunotto 19. Johtamisosaaminen 0,8 0,4 4. Muuttumisosaaminen 5. Teknologinen osaaminen 18. Projektityön tekemisen os Tiedonhankintaosaaminen 17. Äänetön ja pehmeä os. 7. Sosiaalinen osaaminen 16. Arvo-osaaminen ja eettinen os. 8. Työhön ja työssä vaikuttaminen 15. Aktiivisen muuttamisen os. 14. Innovatiivisen työote 13. Yrittäjyysosaaminen 9. Palveluosaaminen 10. Oman persoonan käytön osaaminen 11. Yhteiskuntaosaaminen 12. Vaikeiden päätösten tekemisen osaaminen Kuva 3. Osaamistarveluokkien painottuminen sosiaali- ja terveysalalla Taulukko 2. Osaamistarveluokat jaoteltuna perusosaamiseen, potentiaaliseen ja aitoon tulevaisuudenosaamiseen Perusosaaminen Muutosintensiteetti Äänettömien ja pehmeiden taitojen hallinta 0.3 ihmisen kohtaamisen osaaminen 0.3 arvo-osaaminen ja eettinen osaaminen 0.3 oman persoonan käytön osaaminen 0.2 Potentiaalinen tulevaisuudenosaaminen yhteiskuntaosaaminen 0.7 itsepuolustusosaaminen 0.7 voimakkaampi vastuunotto 0.7 tiedonhankintaosaaminen 0.7 projektityöosaaminen 0.6 yhteistyöosaaminen 0.6 aktiivisen muuttamisen osaaminen 0.6 itseohjautuvuusosaaminen 0.5 muuttumisen osaaminen 0.5 innovatiivisen työnotteen osaaminen 0.4 työhön ja työssä vaikuttamisen osaaminen 0.4 johtamisosaaminen 0.4 sosiaalinen osaaminen 0.4 palveluosaaminen 0.4 vaikeiden päätösten tekemisen osaaminen 0.4 Muutosintensiteetti Aito tulevaisuuden osaaminen teknologinen osaaminen kansainvälisyysosaaminen yrittäjyysosaaminen Muutosintensiteetti

130 Taulukko 3. Perusosaaminen osaamistarveluokittain Osaamistarveluokka muutos- huomautuksia intensiteetti 1. Sosiaalinen osaaminen Keskustelu- ja kuuntelutaito 0.3 Sosiaaliset taidot 0.3 Kommunikaatiotaito 0.3 Vuorovaikutustaidot Ihmisen kohtaamisosaaminen Taito olla ihminen ihmiselle 0.1 Huolenpidon taidot 0.2 Herkkyys välittää ja ymmärtää ihmistä 0.2 Ihmisen kohtaamisen taidot 0.2 Ihmisläheisyys ja inhimillisyys 0.2 Taito huomioida asiakkaan tarpeet 0.2 Taito kuunnella 0.2 Taito myötäelää 0.2 Taito vastata asiakkaiden tarpeisiin 0.2 Havainnointitaidot Kansainvälisyysosaaminen tulevaisuudenosaamista 4. Muuttumisen osaaminen Pitkäjänteisyys ja pitkä pinna 0.1 Kärsivällisyys 0.1 Paineensietokyky Teknologinen osaaminen tulevaisuudenosaamista 6. Tiedonhankintaosaaminen Hyvä äidinkielen hallinta 0.3 Sosiaali- ja terveysalan edustajilla perusosaamista lisäksi Tiedonhankintataidot 0.1 Oppimaan oppimisen taidot 0.1 Itsensä jatkuva kehittäminen Asiakaspalveluosaaminen Korrekti käytös ja tavat 0.1 Terveysalan edustajilla Opetus- ja ohjaustaidot 0.3 perusosaamista lisäksi Taito antaa tukea 0.3 Kyky kokonaisvaltaiseen hoitoon Työhön ja työssä vaikuttamisosaaminen Työn rationalisointitaito 0.2 Sosiaali- ja terveysalan edustajilla Taito torjua loppuun palamista 0.2 Työn rationalisointitaito Kyky nauttia hyvistä työsuorituksista 0.2 Taito torjua loppuunpalamista Kyky arvostaa muiden osaamista 0.2 muutosintensiteetti negatiivinen Valmius panostaa työhönsä Oman persoonan käytön osaaminen Avoimuus ja rehellisyys 0.1 Taito tuntea ja tunnistaa tunteita 0.2 Vahva itsetunto 0.2 Rohkeus elää aidosti 0.2 Henkinen kestävyys 0.2 Oman elämän hallinnan taito 0.2 Huumorintaju 0.2 Usko omiin kykyihin 0.3 Omat harrastukset ja harrastuneisuus 0.3 Kasvamisen halu 0.3 Vahva itsetuntemus Yhteistyöosaaminen tulevaisuudenosaamista 11. Innovatiivinen työnote Älykkyys Yhteiskuntaosaaminen tulevaisuudenosaamista 13. Vaikeiden päätösten tekemisen osaaminen Harkintakyky 0.2 Määrätietoisuus 0.2 Kyky keskittyä oleelliseen 0.3 Tilannekohtainen harkintakyky 0.3 Päätöksentekotaito

131 Taulukko 3. jatkuu Osaamistarveluokka muutos- huomautuksia intensiteetti 14. Yrittäjyys tulevaisuudenosaamista Sosiaali- ja terveysalan edustajilla perusosaamista Taloudellinen ajattelu Itseohjautuvuus tulevaisuudenosaamista 16. Aktiivisen vaikuttamisen osaaminen tulevaisuudenosaamista 17. Arvo-osaaminen ja eettinen osaaminen Eettinen osaaminen 0.2 Tasapaino omien arvojen ja asenteiden kanssa 0.2 Erilaisuuden hyväksymisen taito 0.3 Suvaitsevaisuus ja ennakkoluulottomuus 0.3 Kyky tulla toimeen erilaisten ihmisten kanssa Äänetön ja pehmeä osaaminen Toisten huomioiminen 0.1 Motivoituneisuus työn tekemisessä 0.2 Ilmapiirin ja tunnelman luomisen taito 0.3 Työn pehmeiden ja äänettömien alueiden hallinta 0.3 Innostumisen ja innostamisen taidot 0.3 Intuition käyttö 0.3 Esteettisyys 0.3 Ulospäin suuntautuneisuus Projektityöosaaminen tulevaisuudenosaamista Sosiaali- ja terveysalan edustajilla perusosaamista Kyky itsenäisempään työhön 0.0 Sosiaali- ja terveysalan edustajilla perusosaamista Taito vaikuttaa yhteiskunnallisiin asioihin 0.3 Taito ajaa asiakkaan etua 0.2 sosiaali- ja terveysalan edustajilla perusosaamista Päämäärän näkemisen taito Voimakkaampi vastuunotto tulevaisuudenosaamista 21. Johtamisosaaminen sosiaalialan ja sosiaali- ja terveysalan Organisointitaito 0.3 edustajilla perusosaamista Johtamistaito Itsepuolustusosaaminen tulevaisuudenosaamista Osaamistarveluokat on taulukossa 3 järjestetty sillä perusteella, kuinka paljon kyseisessä luokassa oli ensimmäisellä Delfi-kierroksella indikaattorilauseita. Näin siis Sosiaalinen osaaminen osaamistarveluokkaan sijoittui eniten ja Itsepuolustusosaaminen luokkaan vähiten indikaattorilauseita. Osaamistarveluokan sisällä osaamistarpeet on luokiteltu muutosintensiteetin mukaiseen järjestykseen siten, että pienimmän muutosintensiteetin osaamistarve on ensimmäisenä. Muutosintensiteetti on pyöristetty yhden desimaalin tarkkuuteen. Joidenkin osaamistarpeiden suhteen sosiaalialan, terveysalan sekä sosiaali- ja terveysalan edustajien mielipiteissä oli hienoisia eroja. Näitä eroja on kommentoitu huomautuksia sarakkeessa. Näin esimerkiksi tiedonhankintaosaamisen suhteen sosiaali- ja terveysalan edustajat ilmaisivat enemmän perusosaamisen osatekijöitä kuin sosiaalialan edustajat ja terveysalan edustajat. 131

132 Edellä jo mainittiin, että osaamistarveluokista Ihmisen kohtaamisen osaaminen, Oman persoonan käytön osaaminen, Arvo-osaaminen ja eettinen osaaminen sekä Äänetön ja pehmeä osaaminen olivat luokkina selvästi perusosaamista. Tämä tietysti johtui siitä, että valtaosa kyseisen luokan osaamistarpeista luokittui perusosaamiseksi. Näiden osaamistarveluokkien lisäksi myös Sosiaalinen osaaminen, Muuttumisosaaminen, Asiakaspalveluosaaminen, Työhön ja työssä vaikuttamisen osaaminen ja Vaikeiden päätösten tekemisen osaaminen olivat luokkia, joista useampi kuin yksi osaamistarve luokittui perusosaamiseksi. Toisaalta Kansainvälisyys osaaminen, Teknologinen osaaminen, Yhteistyöosaaminen, Yhteiskuntaosaaminen, Yrittäjyys, Itseohjautuvuus, Aktiivisen vaikuttamisen osaaminen, Projektityön osaaminen, Voimakkaampi vastuunotto ja Itsepuolustusosaaminen eivät sisältäneet yhtäkään sellaista osaamistarvetta joka olisi voitu luokitella perusosaamiseksi tässä tutkimuksessa määritellyllä tavalla; ne olivat joko aitoa tai potentiaalista tulevaisuudenosaamista. Kun tutkitaan perusosaamistarvelistaa (taulukko 3) huomataan, että mitään aivan yllättäviä osaamistarpeita listassa ei ole. Sosiaali- ja terveysalan työ on ensisijaisesti ihmis- ja asiakastyötä. Niinpä ei ole ihme, että perusosaamisessa painottuvat ihmisen kohtaamisen osaaminen, jota Pelttari (1997, 1998) nimittää ihminen ihmiselle taidoiksi (Taito olla ihminen ihmiselle, Huolenpidon taidot, Herkkyys välittää ja ymmärtää ihmistä, Ihmisen kohtaamisen taidot, Ihmisläheisyys ja inhimillisyys, Taito huomioida asiakkaan tarpeet, Taito kuunnella, Taito myötäelää, Taito vastata asiakkaiden tarpeisiin ja Havainnointitaidot), asiakasosaaminen (Korrekti käytös ja tavat, Taito antaa tukea sekä Opetus- ja ohjaustaidot) sekä sosiaalinen osaaminen (Keskustelu- ja kuuntelutaito, Sosiaaliset taidot, Kommunikaatiotaito ja Vuorovaikutustaidot). Ihmistyössä tärkeää osaamista edustavat myös arvoosaaminen ja eettinen osaaminen (Eettinen osaaminen, Tasapaino omien arvojen ja asenteiden kanssa, Erilaisuuden hyväksymisen taito, Suvaitsevaisuus ja ennakkoluulottomuus ja Kyky tulla toimeen erilaisten ihmisten kanssa) sekä äänetön ja pehmeä osaaminen (Toisten huomioiminen, Motivoituneisuus työn tekemisessä, Ilmapiirin ja tunnelman luomisen taito, Työn pehmeiden ja äänettömien alueiden hallinta, Innostumisen ja innostamisen taidot, Intuition käyttö, Esteettisyys ja Ulospäin suuntautuneisuus). Pehmeä osaaminen osaamisalueena on jotain, mitä on vaikea pukea sanoiksi kuten äänetönkin osaaminen. Pehmeää osaamista voisi kuvata myös emotionaaliseksi osaamiseksi. Sitä voidaan kuvata osaamisena, joka tekee hyvästä työntekijästä vieläkin paremman, sillä asiakas, kollega ja esimies aistii, että tämän työntekijän lähellä on hyvä olla (Metsämuuronen 1999b). Osittain pehmeän osaamisen osatekijät voitaisiin sijoittaa ihmisen kohtaamisosaamisen luokkaan tai päinvastoin. Oman osaamisen alueensa muodostaa muuttumisen ja aktiivisen vaikuttamisen osaaminen. Muuttumisen osaamista kuvaavaan osaamistarveluokkaan sijoitetuista osaamistarpeista kolme oli perusosaamista (Pitkäjänteisyys ja pitkä pinna, Kärsivällisyys ja Paineensietokyky). Nämä osaamistarpeet irrotettuna muista saman luokan osaamistarpeista saattaisivat hyvinkin kuulua oman persoonan käytön osaamisen luokkaan. Aktiivisen vaikuttamisen osaaminen sinällään oli tulevaisuudenosaamista, mutta omassa työssä vaikuttaminen (Työn rationalisointitaito, Taito torjua loppuun palamista, Kyky nauttia hyvistä työsuorituksista, Kyky arvostaa muiden osaamista ja Valmius panostaa työhönsä) painottui perusosaamisena. Sosiaali- ja terveysalan edustajilla Työn rationalisointitaito ja Taito torjua loppuunpalamista osoittautuivat sellaisiksi, joiden suhteen muutosintensiteetti oli negatiivinen. Tämä tarkoittaa sitä, että sosiaali- ja terveysalan edustajien mielestä näiden osaamistarpeiden painoarvo vähenee tulevaisuuteen nähden; tätä osaamista tarvitaan tulevaisuudessa vähemmän kuin tänään. Tämä perusteltiin sillä, että enempää ei voi enää rationalisoida, vaan olosuhteiden on pakko jossain vaiheessa taas helpontua, jolloin myös loppuun palamisen vaara pienenee. 132

133 Eräs alue perusosaamista ovat vaikeiden ja nopeiden päätösten tekeminen (Harkintakyky, Määrätietoisuus, Kyky keskittyä oleelliseen, Tilannekohtainen harkintakyky ja Päätöksentekotaito) sekä johtamisosaaminen (Organisointitaito). Lisäksi perusosaamisena pidettiin Älykkyyttä sekä Hyvää äidinkielen hallintaa. Pieniä eroja lukuun ottamatta samanlaisia osaamistarpeita kuin tässä tutkimuksessa on tullut esille myös Pelttarin sairaanhoitajan työtä koskevassa tutkimuksessa (1997) ja Honkakosken (1995) sosiaalialan työtä koskevassa selvityksessä. Tämä onkin selvää, sillä näidenkin tutkimusten kohdejoukkona ovat olleet sosiaali- ja terveysalan ammattilaiset. Mielenkiintoista on se, että samantyyppisiä osaamistarpeita on tullut esiin myös rahoitusalan osaamistarpeina (Kaivo-oja 1998, Kaivo-oja & Kuusi 1999) ja jopa insinöörikoulutuksessa (Korhonen 1998). Kyseessä ei kaikin osin olekaan pelkästään sosiaali- ja terveysalalle tyypillisestä (asia)osaamisesta vaan ilmeisesti eräänlaisista yliammattillisista osaamistarpeista (Honkakoski 1995, 78-79, Mäkinen 1998, 90) tai yleisosaamisesta (Kaivo-oja & Kuusi 1999); samoja asioita tarvitaan alalla kuin alalla. 5. Pohdinta On mahdollista ellei peräti ilmeistä, että sosiaali- ja terveysalalla työskentelevältä ammattilaiselta voidaan edellyttää jotain perusosaamista, jota ilman hän ei voi suoriutua työstä. Toisaalta on ilmeistä, että jokaisella ammattilaisella tätä osaamista on. Kysymys lienee osaamisen intensiteetistä eli siitä, kuinka paljon kyseistä osaamista tarvitaan, jotta ammattilainen olisi hyödyksi asiakkaille, työyhteisölle ja työnantajalleen. Tässä artikkelissa on esitetty sosiaali- ja terveysalan työn perusosaamisen elementtejä. Perusosaamiseksi luettiin sellainen osaaminen, jonka suhteen asiantuntijat olivat yksimielisiä siitä, että tätä osaamista tarvitaan niin nykyhetkellä kuin tulevaisuuden sosiaali- ja terveysalan työssä. Näitä osaamistarpeita löydettiin 57. Taulukosta 4 huomaamme, että keskeisesti perusosaaminen liittyi oman persoonan käytön ja ihmisen kohtaamisen alueisiin, joskin useita osaamistarpeita sijoittui myös pehmeän osaamisen alueille. Taulukko 4. Yksittäisten perusosaamisen indikaattoreiden sijoittuminen osaamistarveluokkiin Osaamistarveluokka määrä Osaamistarveluokka määrä Oman persoonan käytön osaaminen 11 Sosiaalinen osaamisen 4 Ihmisen kohtaamisen osaaminen 10 Muuttumisosaamisen 3 Äänetön ja pehmeä osaaminen 8 Asiakaspalveluosaaminen 3 Työhön ja työssä vaikuttamisen osaaminen 5 Tiedonhankintaosaaminen 1 Arvo-osaaminen ja eettinen 5 Innovatiivinen työote 1 osaamisen Vaikeiden päätösten tekemisen osaaminen 5 Johtamisosaaminen 1 Kuinka olisi mahdollista hyödyntää löydettyjä perusosaamiseen liittyviä osaamistarpeita? Kaksi tahoa saattaisi hyötyä saaduista tuloksista: yhtäältä alan ammatillinen koulutus ja toisaalta ammattilainen oman ammattitaitonsa ja asiantuntijuutensa kehittämisessä. 133

134 Sosiaali- ja terveysalan ammatillisen koulutuksen haaste on tuottaa työmarkkinoille sellaisia vastavalmistuneita (ja jatkokoulutettuja), joilla on riittävät valmiudet kantaa vastuu hoidosta ja asiakkaiden hyvinvoinnista, mutta jotka sen lisäksi pystyvät nopeasti omaksumaan sen käytännöllisen työtehtäväkohtaisen tiedon, jota koulutus ei ole kyennyt tarjoamaan. Kaikkea osaamista ei ilmeisesti pystytä opettamaan koulutuksen aikana, mikäli kyseiset ominaisuudet eivät ole syntyneet jo ennen koulutukseen hakeutumista. Tällaista osaamista lienevät esimerkiksi motivoituneisuus alalle, avoimuus ja rehellisyys, huumorintaju, kyky arvostaa muiden tekemistä, pitkäjänteisyys tai esteettisyys. Ammatillisen koulutuksen pääsykokeiden suunnittelijat ja laatijat saattaisivat hyötyä perusosaamista koskevan listan tutkimisesta. Onko perusosaamisen joukossa sellaisia ominaisuuksia, kykyjä tai taitoja, joita voitaisiin edellyttää jo alalle hakeuduttaessa? Mikään listassa olevista osaamisen osatekijöistä ei yksinään voi jättää ketään koulutuksen ulkopuolelle, mutta mikäli hakijalla on useilla alueilla selkeitä puutoksia, saattaa olla, ettei hän ehkä olekaan alalle soveltuva. Mikäli perusosaamista käytettäisiin pääsykokeen osana, tämä edellyttäisi tarkempaa perusosaamisen osatekijöiden tutkimista lähinnä siltä kannalta, mitkä todella ovat ne ennalta edellytetyt osaamisen osatekijät, joilla on merkitystä koulutuksen läpäisemisessä ja alalla pärjäämisessä. Osana pääsykoetta perusosaamisen osatekijät pitäisi operationalisoida mitattaviksi. Toinen alue, missä ammatillinen koulutus saattaisi hyötyä alan perusosaamisen kartoittamisessa, on koulutukseen liittyvien käytännön harjoittelujaksojen aikana tapahtuva arviointi ja näyttökokeiden suunnittelu. Mikäli aidosti on niin, että on olemassa perusosaamista, jota tulisi edellyttää ammattilaiselta tai jonka osaaminen ylipäänsä on perusasioita alalla, tällaista osaamista ja sen kehittymistä olisi mahdollista ja ehkä jopa suotavaa systemaattisesti arvioida käytännön harjoittelujaksojen aikana. Perusosaamista koskevan listan tutkiminen ja auki kirjoittaminen saattaisi helpottaa arviointia. Toisaalta näyttökokeiden järjestämisessä on hankala arvioida ns. yleiskvalifikaatioita (ks. esimerkiksi Mäkinen 1998, 90), sillä yleisesti näyttökokeissa mitataan tuotannollis-teknisiä kvalifikaatioita ja alalle tyypillistä osaamista. Mikäli käytössä olisi perusosaamista jäsentävä mittaristo, olisi mahdollista näyttökokeiden yhteydessä ottaa kantaa myös vaadittaviin yleiskvalifikaatioihin. Toisaalta osa perusosaamisesta esimerkiksi ihmisen kohtaamisen osaaminen saattaa olla alalle tyypillistä osaamista, jolloin tätä osaamista erityisesti olisi syytä mitata näyttökokeilla tai ainakin näyttökokeiden osana. Kolmas alue, jossa ammatillinen koulutus voisi hyödyntää perusosaamisen luetteloa, on opiskelijoiden henkilökohtaisen opetussuunnitelman (HOPS) rakentamisessa. Opiskelijat yleensä tietävät varsin hyvin omat vahvuutensa ja puutteensa. Perusosaamisen listan avulla olisi mahdollisuus etsiä lisää omia vahvuuksiaan ja toisaalta kartoittaa niitä alueita, joihin haluaisi vielä koulutuksen aikana panostaa lisää. Ammattilainen, joka haluaa kehittyä asiantuntijuudessa, saattaa hyötyä perusosaamista koskevasta tiedosta. Ensinnäkin jo pelkästään perusosaamista koskevien osaamistarpeiden tiedostaminen voi olla omaa ammatillista kasvua ruokkivaa: Mistä tekijöistä ammatillisen osaamisen perusasiat koostuvat? Onko alueita, joilla on ammattilaisena vielä kehittymässä? Milla alueilla on vahvoilla ja mihin asioihin kannattaa kiinnittää huomiota, jotta kehittyisi ammattilaisena? Kaikilla perusosaamisen alueilla jokaisella ammattilaisella on varaa kasvaa ja kehittyä. Erityisesti pehmeän osaamisen ja oman persoonan käytön alueilla kaikilla ammattilaisilla on mahdollisuus löytää uutta. Ammattilaisen kehittyminen asiantuntijuuteen on asiakkaan, ammattilaisen itsensä, työyhteisön ja organisaation etujen mukaista. Perusosaamisen tunnistaminen ja hyödyntäminen saattaisi palvella siis kaikkien etua. Ammattilainen ja kouluttaja tarvitsevat tietoa siitä, mitä on perusosaaminen. Toisaalta yhtä 134

135 tärkeää lienee tieto siitä, millaista osaamista tarvitaan tulevaisuudessa. Perusosaamisella on tulevaisuudenosaamiseen nähden kuitenkin se etu puolellaan, että perusosaamista tarvitaan jo nykyhetkellä; tulevaisuudenosaamiseen vaikuttavat monet seikat, joita ei välttämättä kyetä ennustamaan. Perusosaamisen arvioiminen saattaa olla hieman helpompaa kuin tulevaisuudenosaamisen, sillä sen objektiivinen kriteeri on nykyisyydessä: tarvitaanko osaamista todellakin nykyhetkellä vai ei? Ilmeisesti eri ammattiryhmät tarvitsevat myös toisistaan poikkeavaa osaamista. Tässä artikkelissa pohditut osaamistarpeet ovat eräänlainen konsensus sosiaali- ja terveysalalla tarvittavista yleisistä ominaisuuksista, kyvyistä ja taidoista. Kukin ammattilainen joutunee pohtimaan osaamistarpeita oman ammattialueensa kannalta tarkemmin. Lopuksi Maailman ja ihmisen muuttuessa sosiaali- ja terveysala ei voi säilyä koskemattomana eikä ole syytäkään. On kyettävä muuttumaan ja aktiivisesti vaikuttamaan ympäröivään todellisuuteen. Toisaalta on kyettävä pitämään se hyvä, mitä vuosikymmenien aikana sosiaali- ja terveysalana ammattilaiset ovat perinnökseen hankkineet. Taitolaji onkin sen erottaminen, mistä pitäisi luopua ja mikä tulisi säilyttää. Ajan hermolla säilyminen edellyttää uusien tulevaisuudessa tarvittavien osaamistarpeiden selvittelyä ja tutkimista. Toisaalta tarvitaan vanhojen toimintatapojen uusintamista: uuden kehittelyä, vanhan muokkaamista uuden ajan kielelle tai vanhan säilyttämistä sellaisenaan, mutta antamalla sille vain uusi sisältö ja merkitys. LÄHTEET: Honkakoski A Sosiaalialan toiminnan todellisuus, ammattitaito ja koulutus. Opetushallitus. Kehittyvä koulutus 1/1997. Hakapaino, Helsinki. Jokinen P, Kaivo-oja J & Malaska P Environment in an Information Society. Transition Stage Towards Sustainable Development? Futures 30(6), Kaivo-oja J Tietoyhteiskunnan työmarkkinakehityksen tulevaisuusarvio 2017 tutkimus. Osaamistarpeet kommunikaatioklusterissa. Esitys ESR-ennakoinnin parhaita käytäntöjä ja tuloksia seminaarissa Kaivo-oja J & Kuusi O Arvioita ja analyysejä tietoyhteiskunnan työmarkkinoiden kehityspiirteistä Suomessa. Työelämän kehitystrendit ja osaamisklusteriajattelun kehittäminen. ESRjulkaisut 42/99. Työministeriö. Oy Edita Ab. Helsinki. Kivistö T Yhteenveto kehityksen megatrendeistä. Yhteenvetopaperi Tulevaisuuden tutkimuksen seminaarissa Korhonen K DI koulutuksen haasteet tietoyhteiskunnassa. FUTURA 1/1998, Kuusi O Delfoi-tekniikka tulevaisuuden tekemisen välineenä. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Linstone HA & Turoff M (Eds.) The Delphi Method: Techniques and Applications. Addison-Wesley, Massachusetts. Mannermaa M Tulevaisuuden tutkimus tieteellisenä tutkimusalana. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Mannermaa M Tulevaisuudentutkimus ja ennustaminen. SoTeKeKo-tiedote 1/1996, Metsämuuronen J 1997a. Sosiaali- ja terveydenhuollon työn tulevaisuus muutoksessa. FUTU- RA 1/1997, Metsämuuronen J 1997b. Delfi -tekniikka sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeiden tutkimisessa. FUTURA 2/1997,

136 Metsämuuronen J 1998a. Maailma muuttuu miten muuttuu sosiaali- ja terveysala? OPH, Stakes, STM, Suomen Kuntaliitto. ESR-julkaisut 39/98. Työministeriö. Oy Edita Ab. Helsinki. Metsämuuronen J 1998b. Tulevaisuuden kvalifikaatiovaatimusten luokittelu painoarvon ja muutosintensiteetin avulla. FUTURA 3/1998, Metsämuuronen J 1999a. Suuret ikäluokat ja kuntien haasteet sosiaali- ja terveysalalla. Suomen Lääkärilehti 15/1999, Metsämuuronen J 1999b. Pehmeät kvalifikaatiot sosiaali- ja terveysalan työssä ja ammatillisessa koulutuksessa. Aikuiskasvatus 2/1999, Mäkinen R Ammattipätevyyden arviointi ammattitutkintoja varten. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998, Yliopistopaino, Helsinki. Pantzar M Evoluutioteoria tulevaisuudentutkimuksen metodina. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Pelttari P Sairaanhoitajan työn nykyiset ja tulevaisuuden kvalifikaatiovaatimukset. Stakes, Tutkimuksia 80. Gummerus, Jyväskylä. Pelttari P Hoitotyön ammattitaitovaatimukset tulevaisuudessa. FUTURA 1/98, Perälä M-L (toim.) Hoitotyön suunta. Strategia laatuun ja tuloksellisuuteen. Stakes. Gummerus, Jyväskylä. Päivärinta E Asiakkaiden kokemukset palveluiden rakennemuutoksessa - katsaus tutkimuksiin. Teoksessa Viialainen, R. & Lehto J. (toim.) 1996: Sosiaali- ja terveyspalvelujen rakennemuutos. STM ja Stakes. Stakes Raportteja Reid N The Delphi technique: its contribution to the evaluation of professional practice. Teoksessa Ellis, R. (ed.) 1988: Professional Competence and Quality Assurance in the Caring Professions. Lontoo, Chapman and Hall. Riihinen O Hyvinvointia koskevien käsitysten muutoksista toisen maailmansodan jälkeen. Teoksessa Sosiaalityön vuosikirja Räikkä J Kehittyvätkö arvomme. FUTURA 4/1992, STM 1996:16 Terveydenhuollon suuntaviivat. Sosiaali- ja terveysministeriön julkaisuja 1996:16. Syrjäläinen E Etnografinen opetuksen tutkimus: kouluetnografia. Teoksessa Syrjälä, L., Ahonen, S., Syrjäläinen, E. & Saari, S Laadullisen tutkimuksen työtapoja. Kirjayhtymä Oy, Rauma Turoff M & Hiltz SR Computer-Based Delphi Processes. Teoksessa Adler, M. & Ziglio, E. (toim.) 1996: Gazing into the Oracle. The Delphi Method and its Application to Social Policy and Public Health. Jessica Kingsley Publishers, London Williams PL & Webb C The Delphi technique: a methodological discussion. Journal of Advanced Nursing 19, Virtanen K Vuosisata murroksesta nykykulttuuriin. FUTURA 3/1996, Ziglio E The Delphi method and its Contribution to Decision-Making. Teoksessa Adler, M. & Ziglio, E. (toim.): Gazing into the Oracle. The Delphi method and its Application to Social Policy and Public Health. Jessica Kingsley Publishers, London

137 Pehmeät kvalifikaatiot sosiaali- ja terveysalan työssä ja ammatillisessa koulutuksessa Pehmeää osaamista käsittelevä artikkeli julkaistiin Aikuiskasvatus-lehdessä. Lähdeviite on: Metsämuuronen J Pehmeät kvalifikaatiot sosiaali- ja terveysalan työssä ja ammatillisessa koulutuksessa. Aikuiskasvatus 2/1999, Pehmeät kvalifikaatiot sosiaali- ja terveysalan työssä ja ammatillisessa koulutuksessa Tässä artikkelissa tarkastellaan perinteisiä kvalifikaatioluokituksia ja niiden suhdetta äänettömiin ja pehmeisiin kvalifikaatioihin. Pehmeillä kvalifikaatioilla tarkoitetaan sellaista ihmistyössä tarvittavaa osaamista, joka on oleellista asiakaspalvelussa, mutta jota on hankala saada sopimaan perinteisiin kvalifikaatioluokituksiin. Tällaisia taitoja saattavat olla mm. esteettisyyden taju, innostumisen ja innostamisen taidot, intuition käyttö, toisten huomioiminen, ilmapiirin ja tunnelman luomisen taito, heittäytyminen ja irrotteleva työnote, ulospäin suuntautuneisuus ja muiden aktivoinnin taito. Artikkelissa eritellään pehmeitä kvalifikaatioita sosiaali- ja terveysalan osaamisena ja pohditaan niiden huomioimista alan ammatillisessa koulutuksessa. Artikkeli perustuu Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ESR-ennakointihankkeen selvityksiin ja empiiriseen aineistoon. Asiasanat: Kvalifikaatiot, Pehmeät taidot, Delfi-tekniikka, Sosiaali- ja terveysala, Hoivatyö, Hoitotyö 1. Työssä tarvittava osaaminen ja pehmeät taidot Työssä tarvitaan taitoja ja osaamista. Työ asettaa ne osaamisvaatimukset, joita työn suorittamiseksi tarvitaan. Yhteiskunnan muuttuessa työ on muuttunut ja muuttuu yhä edelleen. Toisaalta työntekijätkin muuttuvat ja muuttavat työtään. Jo pelkästään se, että tietoa tuotetaan eksponentiaalisen kiihtyvästi, asettaa työntekijöille huikeita osaamistarpeita hahmottaa ja hallita edes osa vastaan tulevasta informaatiosta. Väärälä puhuukin selviytymisen kvalifikaatioista ja elämän hallinnan kvalifikaatioista kuvatessaan ihmisten selviytymisestä monimutkaisilla työmarkkinoilla ja Peltonen käyttää termiä henkiinjäämisperiaatteet samantyyppisistä asioista (Väärälä 1996, 16 ja 1998, 32, Peltonen 1993, 145). Kvalifikaatiot ja osaaminen Kun työ muuttuu, muuttuvat myös työssä tarvittavat tai edellytettävät suoriutumisvaatimukset, joita nimitetään kvalifikaatiovaatimuksiksi (Taalas 1993, , Taalas 1995a, 8, Haltia & Kivinen 1995,15, Räisänen 1998, 11). Käytän jatkossa suomenkielistä sanaa osaaminen laajasti tarkoittamaan taitoja, kykyjä ja ominaisuuksia, joita ammattilainen tarvitsee suoriutuakseen työstä. Vastaavasti osaamistarve -sanalla tarkoitan niitä vaatimuksia tai edellytyksiä, joita työntekijältä edellytetään. Räisänen esittää, että taidot ovat vain osa ammatillista osaamista: ammatillinen osaaminen on kirjallisuudessa ymmärretty taitojen 137

138 hallinnan lisäksi myös toimintojen hallinnaksi, pätevyydeksi ja kvalifikaatioksi (Räisänen 1998, 10-15). Kvalifikaatiokäsitteistön sekavuus on silmiinpistävä. Tämän on todennut mm. Pelttari (1997, 23, 45 ja 1998b, 86). Termejä käytetään osittain korvaamaan toisiaan (Jaakkola 1995, 115). Toisinaan termin kvalifikaatio sijaan olisi voitu puhua taidosta (Kuusi 1996, 87), osaamisesta (Mäkelä 1995, 128) tai valmiuksista (Turtiainen 1997, 17), mutta kirjoittajat ovat halunneet käyttää termiä kvalifikaatio. Taalaksen tapa jäsentää käsitteitä kvalifikaatio ja ammattitaito on mielestäni onnistunut (Taalas 1993, 1995a). Hänen esittämäänsä kompassimallia mukaellen (Pelttari 1997, 45 ja 1998b, 93) mainitut käsitteet voidaan jäsentää seuraavasti (kuva 1): Kvalifikaatiovaatimukset ovat niitä vaatimuksia, joita työ tai työnantaja edellyttävät työntekijältä. Kvalifikaatio ja kompetenssi puolestaan ovat sitä, millä työntekijät vastaavat työnantajan tai työn asettamiin haasteisiin. TYÖ- kvalifikaatio- kompetenssi TYÖN AMMATTI- ELÄMÄ vaatimus kvalifikaatio TEKIJÄ TAITO Kuva 1. Käsitteet kvalifikaatio, kvalifikaatiovaatimus, kompetenssi ja ammattitaito Pelttarin (1997, 1998b) mukaan (mukaellen Taalas 1993, 170, Taalas 1995a, 20) Kvalifikaatioluokitukset ja pehmeä osaaminen Kvalifikaatiot voidaan luokitella monella eri tavalla. Perinteinen ja usein esitetty tapa luokitella kvalifikaatiot on jako tuotannollisiin, normatiivisiin ja innovatiivisiin kvalifikaatioihin (näin esimerkiksi Vuorinen 1988) tai jako teknisiin, motivaatio-, mukautumis-, sosiokulttuurisiin ja innovatiivisiin kvalifikaatioihin (mm. Ollus ym. 1990, , Taalas 1995, , Väärälä 1995a, 1995b, Pelttari 1997, Räisänen 1998). Lisäksi käytettyjä jakoperusteita ovat olleet jako sensomotorisiin, kognitiivisiin ja motivaatiokvalifikaatioihin (Toikka 1984), perus-, tuottaviin ja intensiteettikvalifikaatioihin (Kivinen ym. 1993) sekä ydin- ja reunakvalifikaatioihin (Helakorpi 1995). Perinteinen itäsaksalaisen todellisuuden pohjalta syntynyt luokittelu syntyi teollisen yhteiskunnan tarpeisiin. Sillä välttämättä ole enää relevanssia uusissa informaatio- tai tietoyhteiskuntakehityksen vaiheissa. Olen silti valinnut sen lähtökohdaksi pohtiessani kvalifikaatioita nimenomaan ammatillisen koulutuksen ja erityisesti sosiaali- ja terveysalan osaamisen yhteydessä. Ammatillisia tietoja, taitoja ja pätevyyksiä Väärälä (1995b, 48) nimittää tuotannollis-teknisiksi kvalifikaatioiksi. Nämä kvalifikaatiot ovat oleellisia työn suorittamiseksi hyvin. Tuotannollis-teknisiin kvalifikaatioihin liittyy oleellisesti muitakin kvalifikaatioita: motivaatiokvalifikaatiot (mm. sitoutuminen, itseohjautuminen, reflektio ja lojaliteetti), mukautumiskvalifikaatiot (mm. työaikaan, - tahtiin ja -kuriin sopeutuminen, tunnollisuus, nopeus), sosio-kulttuuriset kvalifikaatiot (mm. tiimityö- ja verkostoitumistaidot, kommunikointi, vuorovaikutus) sekä innovatiiviset kvalifikaatiot (mm. muutosten havainnointi, työn analysointi, jatkuva oppiminen, ammattitaidon kehittäminen). Mainitut kvalifikaatiot ovat Väärälän ajattelussa aina toisiinsa suhteessa. 138

139 Kirsti Kivinen (1991, 1994, 1998) on toisaalta Suomessa nostanut esiin termin äänetön ammattitaito, jolla hän tarkoittaa sellaisia työssä tarvittavia taitoja, jotka ilmenevät käytännöllisenä tai toiminnallisena tietona ja jotka ovat osa työn kokonaishallintaa, mutta jotka eivät välttämättä ole tiedostettuja. Tieto on mahdollisesti tullut kokemuksen kautta ja sisäistynyt niin, ettei sitä tarvitse tietoisesti pohtia. Koska mainitun kaltainen äänetön ammattitaito on oleellista työn suorittamiseksi hyvin, sen osatekijöitä voitaisiin nimittää äänettömiksi kvalifikaatioiksi. Tällaiset äänettömät kvalifikaatiot voivat olla myös muulla tavalla näkymättömiä. Kivisen mukaan (1998, 76 ) ne voivat ilmetä kykynä vaikuttaa toisiin, innostuneisuutena, innostavuutena, rakentavana yhteistyökykynä, kommunikointi- ja ihmissuhdetaitoina, tahdikkuutena, diplomatiana, monitaitoisuutena, vastuun kantona organisaation virheistä, tai kykynä ohjata, kouluttaa ja perehdyttää muita. Ihanainen tuo keskusteluun mukaan tunteet, aidon vuorovaikutuksen ja kanssakäymisen osana ammattitaitoa (Ihanainen 1995, 87). Äänettömyys tässä yhteydessä tarkoittanee sitä, että kyseisiä ominaisuuksia ei aina tule ajatelleeksi ammattitaidon osatekijöiksi. Kivinen sanookin, että mainitut taidot eivät välttämättä ole perinteisiä äänettömiä taitoja, vaan sosiaalisesti vaiettuja taitoja, taitoja joita ei tunnusteta ammattitaidon osaksi (Kivinen 1998, 76). Mikäli kyseiset pehmeät ammattitaidon osatekijät tiedostetaan ja tunnustetaan kvalifikaatiotekijöiksi, niitä voitaisiin nimittää esimerkiksi pehmeiksi kvalifikaatioiksi. Näyttää siis siltä, että vaikka Kivinen ei sitä suoraan sanokaan, äänettömiä taitoja on ainakin kahdenlaisia. Toisaalta äänettömät taidot sisältävät itse työn suorittamiseen liittyviä automatisoituneita tietoja ja taitoja. Toisaalta äänettöminä taitoina pidetään sellaisia persoonallisia ominaisuksia, jotka ovat ainakin osittain opittavissa. Viimeksi mainitut persoonallisuuden piirteet voitaisiin nimetä sosiaaliseksi osaamiseksi tai motivaatiotekijöiksi, mikä on varsin lähellä Väärälän (1995b) ja Olluksen ym. (1990) pohdintoja. Perinteisen kvalifikaatioluokituksen ja pehmeän osaamisen yhdistäminen? Yhteiskunnan muuttuessa työ asettaa uudenlaisia vaatimuksia työntekijöille. Näitä uusia osaamisen alueita Väärälä (1998, 29) nimittää uusiksi kvalifikaatioiksi : informaatioyhteiskunta vaatii toisenlaisia taitoja kuin teollisuusyhteiskunta. Silmiin pistävää uudemmissa suomalaisissa kvalifikaatiotutkimuksissa (ks. esim. Honkakoski 1995, 77-79, Hautamäki 1996, 33-35, Mannermaa 1996, 13, Kuusi 1996, 87, Schienstock ja Koski 1997, 64-67, Turtiainen 1997, 23, Kaivo-oja 1998, Korhonen 1998, 74-75, Pelttari 1998a, 72) on se, että alalla kuin alalla tarvitaan samantyyppisiä taitoja eräänlaisia yliammatillista osaamista (Honkakoski 1995, 78-79). Turtiainen (1997, 23) on huomannut, että 1990-luvun työssä osaamisen profiilissa korostuvat yhä selkeämmin työntekijän subjektiivisesti määräytyvät henkilökohtaiset ominaisuudet kuten itsensä hallinta, vuorovaikutustaidot, kommunikointikyky ja valmius siirtyä toimesta toiseen. Nykyisin työssä vaadittavaa osaamista saattaa perinteisen kvalifikaatioluokituksen sijasta paremmin hahmottaa Kaivo-ojan (1998) käyttämä jako yleisosaamiseen ja asiaosaamiseen tai Honkakosken (1995) jako yleisosaamiseen ja alalla tyypillisesti vaadittavaan osaamiseen. Yleisosaaminen tai reunaosaaminen olisi osaamista, jota tarvitaan alalla kuin alalla. Asiaosaaminen tai alalla tyypillisesti vaadittava osaaminen puolestaan olisi nimensä mukaisesti kullekin alalle tyypillistä erityisosaamista. Tuntuu houkuttelevalta ajatukselta yrittää yhdistää perinteinen kvalifikaatioluokitus, Kivisen ajatukset äänettömästä osaamisesta sekä asia/yleisosaamisajattelu. Voidaan ajatella, että perinteisen luokituksen kovat tuotannollistekniset kvalifikaatiot pitäisi täydentää niillä pehmeillä äänettömillä kvalifikaatioilla, jotka ovat oleellisia työn suorittamiseksi hyvin. 139

140 Äänettömät kvalifikaatiot voitaisiin tosin mahdollisesti sisällyttää perinteisiin motivaatio-, mukautumis-, sosiaalis-kultturaalisiin ja innovatiivisiin kvalifikaatioihin. Ilmeisesti ne on sinne ajateltukin, mutta eivät tule julkituoduiksi. Toisaalta on myös mahdollista, että nämä taidot kuten myös Väärälän (1998, 29) esittämät uudet kvalifikaatiot eivät välttämättä olleet oleellisia, kun luokitusta kehiteltiin teollisuusyhteiskunnan tarpeisiin. Pehmeät kvalifikaatiot - kyky vaikuttaa toisiin, ohjata muita - tahdikkuus, diplomatia - innostuneisuus, innostavuus, - aito vuorovaikutus, tunteet - intuitio jne. Tuotannollis-tekniset kvalifikaatiot =Ammatilliset taidot, tiedot ja pätevyydet -välttämättömiä työn suorittamisessa Äänettömät kvalifikaatiot = käytännölliset tai toiminnalliset tiedot -automatisoituneet taidot - sisäistynyt tieto - monitaitoisuus Motivaatiokvalifikaatiot -persoona tekijät -työkuri -työaika -työtahti -nopeus -työyhteisö -tunnollisuus -sitoutuminen -itseohjautuminen -reflektio -suostumus -lojaliteetti -jatkuva oppiminen Mukautumiskvalifikaatiot -työhön sopeutuminen Sosiokulttuuriset kvalifikaatiot -suhde/liittyminen organisaatioissa (-hin) -suhteuttaminen -tiimityötaidot -verkostoituminen -kommunikointi -roolinotto ja vaihto -vuorovaikutus Innovatiiviset kvalifikaatiot -rutiineista poikkeaminen -muutosten havaitseminen -työn analysointi -työn kohdistaminen muutoksissa -ammattitaidon kehittäminen Kuva 2. Ammatillisen osaamisen osatekijöitä (mukaellen Vuorinen 1988, Ollus ym. 1990, Väärälä 1995a, 1995b, Kivinen 1991, 1994, 1998, Ihanainen 1996) Erilaisten kvalifikaatioluokitusten osittain keinotekoista yhteyttä olen havainnollistanut kuvassa 2. Kuvan taustalla on ajatus siitä, että kun saksalaisesta perinteestä nousevat tuotannollis-tekniset kvalifikaatiot ovat olleet perustavaa laatua olevia työssä selviytymisen edellytyksiä, nyky-yhteiskunnassa oleellisemmiksi kvalifikaatioiksi ovat saattaneet nousta yleiset hyvän työntekijän ominaisuudet. Toisin sanoen, joustava työpisteestä toiseen tai alalta toiselle siirtyminen edellyttää työntekijältä yliammatillisia ominaisuuksia kuten motivaatio-, mukautumis-, sosio-kulttuurisia ja innovatiivisia valmiuksia (Ellä 1998). Näitä yleisiä 140

141 tai reunakvalifikaatioita saattaa olla muitakin tai ne saattaisi olla mahdollista jakaa jollain muullakin tavalla. Ehkä oleellisinta osaamista joustavuutta ja muutosherkkyyttä kuvaavassa yhteiskunnan tilanteessa edustavat ns. metataidot: oppimiskyky, oppimaan oppiminen ja kyky analysoida omaa toimintaansa (Kivinen 1998, 79). Yleiskvalifikaatiot eivät tietenkään riitä työssä suoriutumiseksi; tarvitaan kullekin alalle tyypillistä osaamista, jotta selviäisi työstä. Tässä mielessä tuotannollis-tekniset kvalifikaatiot laajasti ymmärrettynä kunkin alan tyypillisenä osaamisena yhdistettynä automatisoituneisiin taitoihin, äänettömiin kvalifikaatioihin, ovat oleellisia. Vaikka siis nykyisessäkin keskustelussa tärkeiksi kvalifikaatiovaatimuksiksi näyttävät kohoavan muut kuin tuotannollis-tekniset kvalifikaatiot, on Mäkisen (1998, 85) mukaan oleellista, että asiakkaalla edelleenkin on parturista tullessaan korvat tallella. Pelkällä ydinkvalifikaatioiden eikä myöskään yleiskvalifikaatioiden hallinnalla ei pärjää muuttuvilla työmarkkinoilla; tarvitaan molempia. Yleiskvalifikaatiot ovat oleellisia työntekijälle, jotta hän voisi kehittyä työssään ja kasvattaa ammattitaitojaan. Taitojen määrä vaihtelee työntekijöittäin. Voidaan poleemisesti esittää, että mikäli työntekijällä on vankat ammatilliset tiedot ja taidot ja niiden lisäksi hänellä on edes yhdellä motivaatio-, mukautumis-, sosiaaliskultuuraalisen tai innovatiivisten kvalifikaatioiden alueella hyviä ominaisuuksia tai taitoja, hän on kullan arvoinen työnantajalle. Näin esimerkiksi työntekijä, jolla vankan taidon lisäksi on motivaatiokvalifikaatioihin kuuluvia ominaisuuksia - hän on sitoutunut, lojaali työnantajalle, itseohjautunut ja kykenee itsereflektioon - hän on työnantajalleen aarre, vaikka hänellä olisi puutteita työaikaan sopeutumisessa, ei kykenisi tiimityöhön eikä hänellä olisi juurikaan kykyä poiketa rutiineista. Työnantajan haastava tehtävä olisi tällöin löytää työntekijälle juuri sellainen toimenkuva, joka hyödyntäisi työntekijästä juuri hänen vahvat puolensa organisaation palvelukseen. Mainittu työntekijä lienee kuitenkin harvinainen poikkeus, sillä esimerkiksi sosiaali- ja terveysalalla ei ilmeisestikään riitä se, että olisi vain yhdellä yleiskvalifikaatioiden alueella vahva. Nykyisessä työllisyystilanteessa vankan ammattitaidon omaavalle, mutta muuten kurjalle, joustamattomalle tai epäsosiaaliselle tyypille ei sosiaali- ja terveysalalla liene sijaa. Kolmantena tasona kuviossa 2 on pehmeät tai emotionaalis-moraaliset kvalifikaatiot. Jotta voisi tehdä työnsä hyvin erityisesti sosiaali- ja terveysalalla, jossa toimitaan ihmisten parissa, on hyvällä työntekijällä oltava myös pehmeitä taitoja. Esimerkkinä voidaan kuvitella tilannetta todellisesta elämästä: Kaksi hoitajaa auttaa täsmälleen samanlaisessa asiassa vanhusta. Molemmat saattavat sanoa samoja sanoja ja tehdä teknisesti samat asiat oikein. Silti toisen äänessä on erilaista lämpöä ja hellyyttä kuin toisella, toisen kosketus on lämmin ja hyväilevä kun toisella se on tekninen ja kova. Asiakas aistii sen, milloin työntekijä on aidosti läsnä. Mitkä ovat ne taidot, jotka tekevät hyvästä, virheetöntä työtä tekevästä ammattilaisesta vielä erinomaisemman ammattilaisen, joka aikaansaa asiakkaassa tai kollegassa tuntemuksen lämpimästä ihmisestä? Se jokin saattaisi olla esimerkiksi pehmeät taidot Tutkimuksen tarkoitus Koska pehmeä osaaminen on oleellinen osa hyvää ihmistyötä, voidaan kysyä, mitkä ovat pehmeitä taitoja tai tarvittavia pehmeitä ominaisuuksia. Asiasta ei ole paljonkaan empiirisiä havaintoja. Pehmeitä taitoja ei kuten ei myöskään äänettömiä taitoja ole helppo saada tutkittavaksi (Kivinen 1998, 78). Sosiaalija terveysalan työn tulevaisuuden osaamistarpeet ennakointihankkeen (Metsämuuronen 1998) kiinnostuksen kohteena on ollut tulevaisuuden työssä tarvittava osaaminen. Eräänä pienenä, muttei vähäpätöisenä, yksityiskohtana tutkimuksessa selviää myös jotakin empiiristä äänettömistä ja pehmeistä osaamistarpeista: millaista saattaa olla pehmeä osaaminen, millaisia osaamistarpeita siihen sisältyy ja tarvitaanko pehmeitä taitoja sosiaali- ja terveysalan työssä nyt ja tulevaisuudessa.

142 3. Menetelmät Tutkimustekniikka Tutkimus suoritettiin kahden kierroksen Delfitekniikalla (Metsämuuronen 1997). Delfitekniikan idea on se, että tutkija haastattelee asiantuntijoita ja kokoaa kunkin asiantuntijan vastaukset yhteen ja antaa kaikkien vastaukset uudelleen arvioitaviksi asiantuntijoille. Delfitekniikkaa kuvaavat termit anonyymisyys ja konsensus. Anonyymisyys tarkoittaa sitä, että asiantuntijat antavat mielipiteensä tietämättä toisten vastauksista: jokaisella on ikään kuin yksi ääni annettavana, eikä vahvojen persoonien vaikutus näy lopputuloksessa liikaa (Linstone & Turoff 1975, Williams & Webb 1994, 181). Konsensus tarkoittaa sitä, että ns. Delfikierroksilla pyritään löytämään yhteinen mielipide asiantuntijoiden joukosta. Moderneissa menetelmäkirjoissa täydellistä konsensusta ei pidetä suotavana (Turoff & Hiltz 1996, 56). Ilmeisesti Kuusi on aivan oikeassa sanoessaan, että pyrkimys asiantuntijoiden yksimielisyyteen on usein väkinäistä ja saattaa johtaa tärkeän informaation katoamiseen (Kuusi 1993, 136). Tutkimuksessa käytettiin jossain määrin perinteisestä Delfi-tekniikasta poikkeavaa tekniikkaa. Tutkimus aloitettiin normaaliin tapaan postikyselynä, jolloin mukaan saatiin noin 200 sosiaalialan ja terveysalan koulutuksen ja työelämän vastaajaa. Ensimmäisen kierroksen avoimet vastaukset analysoitiin sisällön analyysitekniikalla ja osaamistarpeista muodostettiin kvantitatiivisesti arvioitava mittari. Toisella kierroksella asiantuntijat saivat vastattavakseen lomakkeen, johon heidän piti arvottaa 6- portaisella Likert-asteikolla kukin osaamistarve sillä perusteella, tarvitaanko osaamista tänään ja tarvitaanko osaamista tulevaisuudessa. Näiden kahden numeron perusteella arvioitiin aluksi oliko kyseinen osio ns. turha osaamistarve, eli jotain sellaista, mitä asiantuntijat valtaosin eivät pitäneet tärkeänä osaamisena nyt eikä tulevaisuudessa. Toiseksi arvioitiin ns. muutosintensiteettiä, ts. sitä, kuinka paljon enemmän tai vähemmän kyseistä osaamista tarvitaan tulevaisuudessa kuin tänään Toisella kierroksella asiantuntijat myös haastateltiin. Tällöin kiinnostuksena olivat ne perustelut, miksi jotain osaamista tarvitaan. Asiantuntijat perustelivat erityisesti ne osaamistarpeet, joiden suhteen tapahtui heidän mielestään muutosta tulevaisuuteen nähden. 142 Tutkimuksen luotettavuus Tutkimuksen reliabiliteetin vuoksi asiantuntijat jaettiin kahteen erilliseen asiantuntijaraatiin: toisella kierroksella varsinaiseen asiantuntijaraatiin kuului työelämän ja koulutuksen edustajia (n=41, kato toisella kierroksella 4.7 %) ja kontrolliraatiin tutkimuslaitosten ja järjestöjen edustajia (n= 13, kato toisella kierroksella 27.8 %). Äänettömien ja pehmeiden osaamistarpeiden luokkaan luokiteltiin 10 osaamistarvetta: Esteettisyys, innostumisen ja innostamisen taito, intuition käyttö, toisten huomioiminen, ilmapiirin ja tunnelman luomisen taito, heittäytyminen ja irrotteleva työnote, ulospäin suuntautuneisuus, muiden aktivoinnin taito, motivoituneisuus työn tekemisessä sekä työn pehmeät ja äänettömät alueet ylipäänsä. Näiden osaamistarpeiden muodostaman mittarin Cronbachin alfa oli 0.80, eli mittari oli kohtuullisen konsistentti. Keskeiseksi ongelmaksi tutkimuksessa tulivat validiteettiongelmat, sillä useat osaamistarpeista olivat enemmän tai vähemmän monikäsitteisiä tai ainakin antoivat mahdollisuuden monenlaiseen ajatteluun. Selvästi monikäsitteiset tai epäselvät termit, kuten äänettömät ja pehmeät osaamistarpeet selitettiin haastattelun yhteydessä, jolloin asiantuntijoilla oli vielä mahdollisuus muuttaa numeroarvioitaan.

143 4. Pehmeät osaamistarpeet sosiaali- ja terveysalalla Osaamistarpeiden luokittelu muutosintensiteetin avulla Osaamistarpeen painoarvon ja muutosintensiteetin avulla voidaan löytää kolmen tyyppisiä osaamistarpeita (kuva 3). Mikäli osaamistarpeen painoarvo on korkea, mutta muutosintensiteetti matala, osaamistarve on aidosti tulevaisuudessa tarvittavia osaamista, mutta jota tarvitaan myös tänään. Näitä osaamistarpeita voidaan nimittää perusosaamiseksi. Mikäli osaamistarpeen painoarvo ja muutosintensiteetti ovat korkeita, voidaan sitä nimittää aidoksi tulevaisuudenosaamiseksi. Aidon tulevaisuudenosaamisen ja perusosaamisen välimaastoon sijoittuvat osaamistarpeet, joilla selvästi on painoarvoa tulevaisuudessa ja joiden muutosintensiteetti on kohtuullisen korkea, muttei niin korkea kuin aidolla tulevaisuudenosaamisella. Tätä osaamistarveryhmää nimitän potentiaaliseksi tulevaisuudenosaamiseksi, sillä näiden osaamistarpeiden muutosintensiteetin suhteen asiantuntijat yleensä eivät ole olleet yksimielisiä. Tässä tutkimuksessa perusosaamisen ja turhien osaamistarpeiden väliseksi rajaksi määriteltiin osaamistarpeen painoarvon keskiarvo 5.0. Osaamistarpeen painoarvon maksimiarvo oli 6, mikä tarkoitti, että asiantuntija oli täysin samaa mieltä väitteen kanssa siitä, että tätä osaamista tarvitaan tulevaisuudessa. Numeroarvo 5 tarkoitti, että asiantuntija oli melko pitkälti samaa mieltä siitä, että tätä osaamista tarvitaan tulevaisuudessa. Osaamistarpeen painoarvon keskiarvon nousu arvoon 5.0 tarkoittaa, että valtaosa asiantuntijoista on ollut täysin samaa mieltä tai melko paljon samaa mieltä osaamistarpeen painoarvosta tulevaisuudessa. muutosintensiteetti Aito tulevaisuuden osaaminen Potentiaalinen tulevaisuuden osaaminen Perusosaaminen Pehmeä osaaminen Kuva 3. Osaamistarpeiden ryhmittely painoarvon ja muutosintensiteetin avulla 143 Äänettömään ja pehmeään osaamiseen luettiin erinäisiä osaamistarpeita, joiden arveltiin saattavan olla eräänlaisia laatutekijöitä tulevaisuuden sosiaali- ja terveysalalla (taulukko 1). Varsinaista äänetöntä osaamista osaamistarpeiden joukossa ei ole, mikäli pitäydytään perinteiseen käsitykseen, että äänetöntä osaamista ovat automatisoituneet taidot. Sen sijaan luetellut osaamistarpeet edustavat enemmänkin pehmeitä kvalifikaatioita. Kirjallisuudesta olisi ilmeisesti saatu lisää erilaisia pehmeitä osaamistarpeita, mutta tässä esille tulleiden lisäksi aineistossa ei esille tullut osaamistarpeita, joita ei voitu sijoittaa muihin osaamistarveluokosaamistarpeen painoarvo

144 kiin. Osa pehmeisiin osaamistarpeisiin mahdollisesti sopivista osaamistarpeista sijoittui mm. sosiaalisen osaamisen, moniammatillisuusosaamisen ja arvo-osaamisen luokkiin (ks. tarkemmin Metsämuuronen 1998). Taulukko 1. Pehmeän osaamisen osaamistarpeet Osaamistarve Painoarvo Muutosintensiteetti Huomautuksia Painoarvojen välillä tilastollisesti merkitsevä ero sosiaalialan (5.4) ja terveysalan (5.9) välillä Toisten huomioiminen 5,78 0,10 (p=0.017) Motivoituneisuus työn tekemisessä 5,78 0,20 Intuition käyttö 5,66 0,32 Muiden aktivoinnin taito 5,63 0,54 Ulospäin suuntautuneisuus 5,59 0,34 Innostumisen ja innostamisen taito Ilmapiirin ja tunnelman luomisen taito Työn pehmeät ja äänettömät alueet 5,55 0,29 5,54 0,27 5,41 0,27 Painoarvojen välillä tilastollisesti merkitsevä ero sosiaalialan (5.1) ja terveysalan (5.7) välillä (p=0.007) Painoarvojen välillä tilastollisesti merkitsevä ero sosiaalialan (5.0) ja terveysalan (5.7) välillä (p=0.027) Intensiteettien välillä tilastollisesti merkitsevä ero sosiaalialan (0.0) ja terveysalan (0.4) välillä (p=0.042) Esteettisyys 5,32 0,34 Heittäytyminen ja irrotteleva työnote 5,05 0,45 Äänettömien ja pehmeiden osaamistarpeiden joukossa perusosaamista olivat toisten huomioiminen (muutosintensiteetti 0.1), motivoituneisuus työn tekemisessä (0.2), ilmapiirin ja tunnelman luomisen taito (0.3), työn pehmeiden ja äänettömien alueiden hallinta sinänsä (0.3), innostumisen ja innostamisen taidot (0.3), intuition käyttö (0.3), esteettisyys (0.3) ja ulospäin suuntautuneisuus (0.3). Potentiaalista tulevaisuudenosaamista olivat heittäytyminen ja irrotteleva työnote (0.5) ja muiden aktivoinnin taito (0.5). Terveysalan edustajat painottivat lisäksi ilmapiirin ja tunnelman luomisen taitoa (0.4), motivoituneisuutta työn tekemisessä (0.4) ja työn pehmeiden ja äänettömien alueiden hallintaa sinällään (0.4) potentiaalisena tulevaisuuden osaamisena. Aitoa tulevaisuudenosaamista ei äänettömien ja pehmeiden osaamistarpeiden joukossa, joskin terveysalan edustajat painottivat heittäytymistä ja irrottelevaa työnotetta (0.8) ja sosiaali- ja terveysalan edustajat muiden aktivoinnin taitoa (0.80) aitona tulevaisuudenosaamisena. Pehmeät osaamistarpeet tulevaisuudenosaamisena perusteltiin sillä, että pehmeiden osaamistarpeiden hallinta on asiakkaan ja kollegoiden kannalta katsottuna laadukasta työskentelyä; esteettisyys, positiivisen ilmapiirin ja tunnelman luominen ja toisten huomioiminen työn käydessä yhä raskaammaksi resurssien vähyyden vuoksi saavat työn maistumaan mukavalta, mikä taas on asiakkaankin kannalta edullista. Samalla myös positiivisen asiakas- 144

145 suhteen luominen saattaa helpottua. Esteettisyyden sinällään sanottiin olevan parantavaa. Joskus ilman päästäminen pihalle hulluttelemalla, irrottelemalla tai ylipäänsä huumorilla saattaa laukaista jännitteitä ja edesauttaa työviihtyvyyttä tai potilaan paranemista. Varsinaisen taitolajin asiasta tekee se, että ammattilaisen on ymmärrettävä, milloin näitä keinoja on hyvä käyttää. Terveysalan ja sosiaali- ja terveysalan edustajien mielipiteet eivät eronneet toisistaan juuri lainkaan. Sen sijaan sosiaalialan ja terveysalan edustajien ilmaisemat osaamistarpeiden painoarvot erosivat toisistaan osittain huomattavastikin. Yleisesti ottaen sosiaalialan edustajat painottivat kaikkia äänettömiä ja pehmeitä taitoja osoittavia osaamistarpeita vähemmän kuin terveysalan edustajat. Terveysalan edustajat painottivat sosiaalialan edustajia enemmän toisten huomioimista (p=0.017), ilmapiirin ja tunnelman luomisen taitoa (p=0.007) ja työn pehmeitä ja äänettömiä alueita sinänsä (p=0.027). Bonferroni-korjauksen jälkeenkin erot olivat tilastollisesti merkitseviä toisten huomioimisen (p=0.05) ja ilmapiirin ja tunnelman luomisen taidon (p=0.021) suhteen. Sosiaalialan edustajat eivät pitäneet motivoituneisuutta lukuun ottamatta pehmeitä taitoja ensisijaisina taitoina (painoarvot vaihtelevat välillä ), mitä vastoin terveysalan ja sosiaali- ja terveysalan edustajat painottivat niitä heittäytymistä ja irrottelevaa työnotetta lukuun ottamatta kohtuullisen korkealle (painoarvot vaihtelevat välillä ( ). Koska erot ryhmien välillä ovat systemaattisia, voidaan eroa selittää kahdella tavalla: yhtäältä kyse voi olla siitä, että ryhmien vastaustekniikoissa on ollut eroja. Tällöin sosiaalialan edustajat ovat välttäneet äärinumeroiden antamista, mikä heijastuu systemaattisesti matalampana keskiarvona. Toisaalta kyse voi olla siitä, että sosiaalialan toiminnassa pehmeillä kvalifikaatioilla ei ole niin suurta merkitystä kuin terveysalan todellisuudessa. Selitysmalleista itse kallistuisin ensimmäisen vaihtoehdon kannalle, sillä on vaikea kuvitella, miksi sosiaalialan työssä ei aidosti tarvittaisi pehmeää osaamista. Samaan hengenvetoon on kuitenkin todettava, että esimerkiksi Ulla Mutka on sosiaalityön muutoksi pohtiessaan (Mutka 1998, 12) todennut, että sosiaalialan työn todellisuus on oleellisesti monimutkaistunut aiemmasta. Tämä saattaisi selittää sen, että selvitäkseen monimutkaisesta ja ristiriitaisesta "taistelutantereesta" on parempi painottaa enemmänkin teknistä osaamista kuin ns. pehmeää suhtautumista työhön ja asiakkaisiin. Haastattelukierroksen yhteydessä niin terveysalan kuin sosiaalialankin edustajat perustelivat pehmeän osaamisen samoilla argumenteilla tärkeäksi taidoksi. Yhteenvetona voidaan todeta, että valtaosin mittarissa mukana olleet pehmeän osaamisen osatekijät edustavat perusosaamista. Aitoa tulevaisuuden osaamista ei joukossa ollut. Sosiaalialan edustajat painottivat näitä taitoja vähemmän kuin terveysalan ja sosiaali- ja terveysalan edustajat. Lukuun ottamatta heittäytymistä ja irrottelevaa työnotetta pehmeät osaamistarpeet saivat korkean painoarvon. 5. Pohdintaa Erityisesti ammatillisen koulutuksen tulisi pystyä uudistumaan muuttuvien työn sisältöjen ja vaatimusten mukana (Väärälä 1993, 22, 1995b, 72-76). Ammatillisen koulutuksen sisällön ennustaminen saattaa kuitenkin olla vaikeaa, sillä sosiaali- ja terveysalalla yhteiskunnallinen kehitys määrittää pitkälti sen, millaista sosiaalipalvelua ja terveyspalvelua voidaan tarjota. Toisaalta Mutkan mukaan (1998, 12) sosiaalialan työ on itsessään muuttunut ristipaineiseksi, eri suuntiin vaikuttavien voimien ja toisilleen vastakkaisten intressien temmellyskentäksi. Samanaikaisesti tiedämme, että ihmisten fysiologiset perustarpeet eivät välttämättä ole juurikaan muuttuneet vuosituhansien varrella. Yhtälailla avuttomana yksilö maailmaan tulee kuin ennenkin. Maailma kuitenkin muuttuu ja koulutuksen olisi kyettävä muuttumaan sen myötä ellei peräti ennakoimaan maailman muuttumista. 145

146 Eräs tulevaisuuden haaste koulutukselle on se, kuinka tietää ne asiat, joita sosiaali- ja terveydenhuollon ammattilaiset tarvitsevat tulevaisuudessa. Kun tämä saadaan selville (vai saadaanko?), herää uusi kysymys: kuinka mainittuja asioita voidaan opettaa, vai voidaanko niitä ylipäänsä opettaa? Kivinen (1998, 79) suhtautuu skeptisesti ajatukseen, että työtä koskeva tieto voitaisiin siirtää opetuksen sisällöksi. Jos pitää paikkansa Turtiaisen huomio siitä, että yhä enemmän työntekijältä vaaditaan persoonallisia piirteitä tai henkilökohtaisia ominaisuuksia, tämä asettaa uudenlaisia paineita aikuiskoulutukselle: pystytäänkö omaaloitteisuutta, rehellisyyttä, kiinnostusta alaan tai tunnollisuutta opettamaan (ks. Turtiainen 1997, 23)? Jos Peltosen (1993, 145) esittämät henkiinjäämisperiaatteet pätevät, pitäisikö opiskelijoille opettaa oppimiskykyä, luovuutta, joustavuutta ja ydinasioihin keskittymistä. Toisaalta Mäkinen kuitenkin (1998, 90) torjuu ajatuksen siitä, että olisi erillisiä kursseja kommunikaatiotaidoista, yhteistyövalmiuksista tai innovatiivisuudesta. Tämä herättää kysymyksen, pitäisikö jo alalle pyrkivällä olla näitä ominaisuuksia, joita vain jalostetaan koulutuksen aikana. Mikäli näin on, tämän pitäisi heijastua koulun sisäänottokriteereihin ja pääsyvaatimuksiin. Samalla voidaan kuitenkin kysyä, missä vaiheessa yksilön kehitystä mainitut ominaisuudet tai taidot kehittyvät. Olisi liioiteltua sanoa, etteikö yksilö muuttuisi koulutuksen ja kokemusten kautta. Ehkä kiintoisa jatkotutkimuksen kohde saattaisikin olla se, mitkä yleiskvalifikaatioista ovat opittavissa aikuiskoulutuksessa ja toisaalta kuinka niitä voitaisiin tehokkaimmin opettaa sen aikana. Eräs mahdollisuus arvioida yleistä soveltuvuutta ihmistyöhön - erityisesti sosiaali- ja terveysalalle - olisi pohtia pehmeän osaamisen osuutta hyvän työntekijän ja ammattilaisen kvalifikaatioissa. Itse nostaisin pehmeän osaamisen esille eräänä mahdollisuutena arvioida ammattilaisen (tai koulutukseen pyrkivän) lahjakkuutta ihmistyöhön. Pehmeä osaaminen emotionaalinen herkkyys havaita tilanteita, eräänlainen intra- ja interpersoonallinen lahjakkuus (Gardner 1993), intuition käyttö, innostuminen ja innostaminen ovat hieman selkiytymätön tai julkituomaton osa ammattitaitoa, mutta itse näkisin ne tekijöinä, jotka erottavat hyvän ammattilaisen vieläkin paremmasta. Huippuammattilaiselta vaaditaan raudanlujaa ammattitaitoa, motivaatiotekijöitä, työhön sopeutumista, sosio-kulttuurisia taitoja ja innovatiivisuutta. Jos näiden lisäksi ammattilaisella on ominaisuuksia, joita olen nimittänyt pehmeiksi taidoiksi, ammattilainen ei ole omassa ammattimaisuudessaan luotaantyöntävän hyvä, vaan aidosti tietoisesti tai tietämättään saa muutkin kollegansa ja asiakkaansa innostumaan ja antamaan enemmän, kuin mitä ilman tätä loistavaa ammattilaista tapahtuisi. LÄHTEET: Ellä H Koulutus työympäristön uusien osaamisvaatimusten - siirtotaitojen ja joustavuuden - tuottajana. FUTURA 3/1998, Gardner H Frames of Mind. The Theory of Multiple Intelligences. Basic Books, New York. Haltia P & Kivinen K Ammattien tutkiminen ja ammattitutkinnot. Opetushallitus ja Koulutussosiologian tutkimuskeskus, Turun yliopisto. Hautamäki A (toim.) Suomi teollisen ja tietoyhteiskunnan murroksessa. SITRA 154. Helsinki. Helakorpi S Ammattitaito ja sen arviointi. Teoksessa Turpeinen, R. (toim.) 1995: Ammattitutkintojen ja näyttökokeiden teoreettisia perusteita. Helsinki, Opetushallitus Honkakoski A Sosiaalialan toiminnan todellisuus, ammattitaito ja koulutus. Opetushallitus. Kehittyvä koulutus 1/1997. Hakapaino, Helsinki.. Ihanainen P Tunteet ammattitaidon perustana. Teoksessa Turpeinen, R. (toim.) 1995: Ammattitutkintojen ja näyttökokeiden teoreettisia perusteita. Helsinki, Opetushallitus

147 Jaakkola R Työelämän ja koulutuksen käsitteistöstä. Teoksessa Turpeinen, R. (toim.) 1995: Ammattitutkintojen ja näyttökokeiden teoreettisia perusteita. Helsinki, Opetushallitus Kaivo-oja J Tietoyhteiskunnan työmarkkinakehityksen tulevaisuusarvio 2017 tutkimus. Osaamistarpeet kommunikaatio-klusterissa. Esitys ESR-ennakoinnin parhaita käytäntöjä ja tuloksia seminaarissa Kivinen K Työn vaativuuden arviointi ja naisten työt. Tehy, Kouvolan painotalo. Kivinen K Orjat ja sankarit : sosiaali- ja terveydenhuollon muuttuvat työt ja kvalifikaatiovaatimukset. Sosiaali- ja terveydenhuollon työn ja koulutuksen kehittämisprojekti. Sarja A, Tutkimusraportteja 1/1994. Kivinen K Äänetön ammattitaito pätevyyden osatekijänä. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998, Yliopistopaino, Helsinki. Kivinen O, Rinne R, Kankaanpää A, Haltia P & Ahola S Ammatti, koulutus ja kvalifikaatiot. Koulutussosiologian tutkimuskeskus. Rapotteja 17. Turun yliopisto. Korhonen K DI koulutuksen haasteet tietoyhteiskunnassa FUTURA 1/1998, Kuusi O Delfoi-tekniikka tulevaisuuden tekemisen välineenä. Teoksessa Vapaavuori, M. (toim.) 1993: Miten tutkimme tulevaisuutta? Tulevaisuuden tutkimuksen seura, Acta Futura Fennica no 5. Painatuskeskus, Helsinki Kuusi O Tulevaisuuden avainosaaminen. FUTURA 4/1996, Linstone HA & Turoff M (Eds.) The Delphi Method: Techniques and Applications. Addison-Wesley, Massachusetts. Mannermaa M Tulevaisuudentutkimus ja ennustaminen. SoTeKeKo-tiedote 1/1996, Metsämuuronen J Delfi -tekniikka sosiaali- ja terveydenhuollon tulevaisuuden osaamistarpeiden tutkimisessa. FUTURA 2/1997, Metsämuuronen J Maailma muuttuu miten muuttuu sosiaali- ja terveysala? STM, Opetushallitus, Stakes, Suomen Kuntaliitto. Työministeriön ESR-julkaisusarja 39/98. Edita, Helsinki. Mutka U Sosiaalityön neljäs käänne. Asiantuntijuuden mahdollisuudet vahvan hyvinvointivaltion jälkeen. SoPhi, Jyväskylän yliopisto. Jyväskylän yliopistopaino, Jyväskylä. Mäkelä K Kvalifikaatioanalyysi - miksi ja miten? Aikuiskasvatus 2/ Mäkinen R Ammattipätevyyden arviointi ammattitutkintoja varten. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998, Yliopistopaino, Helsinki. Ollus M, Rovio R, Mieskonen J, Vuorinen P, Karko J, Vuori S & Yli-Anttila Joustava tuotanto ja verkostotalous. Tekniikan, talouden ja yhteiskunnan vuorovaikutus 1990-luvulla. Sitran julkaisuja 109. Helsinki. Peltonen M Työn, ammatin ja opiskelun kehityslinjoja. FUTURA 3/1993, Pelttari P Sairaanhoitajan työn nykyiset ja tulevaisuuden kvalifikaatiovaatimukset. Stakes, Tutkimuksia 80. Gummerus, Jyväskylä. Pelttari P 1998a. Hoitotyön ammattitaitovaatimukset tulevaisuudessa. FUTURA 1/98, Pelttari P 1998b. Kvalifikaatio vai kvalifikaatiovaatimus? FUTURA 1/98, Räisänen A Ammatillisen osaamisen arviointi. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998, Yliopistopaino, Helsinki. Schienstock G & Koski P What overall qualifications will be needed in future?futura 1/1997, Taalas M Ammattitaidon ja sen arvioinnin tarkastelunäkökulma. Teoksessa Mäkinen, R. & Taalas, M. (toim.) 1993: Producing and certifying vocational qualifications. Kasvatustieteiden tutkimuslaitoksen julkaisusarja B. Teoriaa ja käytäntöä Taalas M 1995a. Ammattitutkinto ammattitaidon näyttönä. Ammatillisen aikuistutkintojen kehittäminen. Kasvatustieteiden tutkimuslaitoksen julkaisusarja A. Tutkimuksia

148 Taalas M 1995b. Ammattitaito ja näyttökokeet. Teoksessa Turpeinen, R. (toim.) 1995: Ammattitutkintojen ja näyttökokeiden teoreettisia perusteita. Helsinki, Opetushallitus Toikka K Kehittävä kvalifikaatiotutkimus. Valtion koulutuskeskuksen julkaisusarja B 25. Helsinki. Turoff M & Hiltz SR Computer-Based Delphi Processes. Teoksessa Adler, M. & Ziglio, E. (toim.) 1996: Gazing into the Oracle. The Delphi Method and its Application to Social Policy and Public Health Turtiainen J Kvalifikaatio ja ennakonti.työpoliittinen aikakauskirja. 1-2/1997, Williams PL & Webb C The Delphi technique: a methodological discussion. Journal of Advanced Nursing 19, Vuorinen P Työn ja ammattien muutos. Teoksessa Opetussuunnitelman laatiminen ammatillisessa oppilaitoksessa. Helsinki, Kaupunkiliitto. Väärälä R Ammatin opettamisen murros. Teoksessa Salminen, H. (toim.) Haasteita sosiaali- ja terveydenhuollon koulutukselle. Opetushallitus. Yliopistopaino, Helsinki Väärälä R 1995a. Ammattikoulutus ja kvalifikaatiot. Acta Univrsitatis Lappoensis 9. Rovaniemi: Lapin yliopisto. Väärälä R 1995b. Ammattikoulutus muuttuvilla työmarkkinoilla. Opetushallitus, Tutkimus 4/1995, Yliopistopaino, Helsinki. Väärälä R Työhön vai ammattiin - koulutuksen pulmat 2000-luvulle. SoTeKeKo- tiedote 1/1996. Väärälä R Pätevyys ja ammatillinen muutos. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998,

149 Moniammatillisuus tulevaisuuden haasteena Moniammatillisuutta koskeva esitelmä pidettiin Sairaanhoitajapäivillä 1998 Helsingissä. Lähdeviite on: Metsämuuronen, J. 1998: Moniammatillisuus tulevaisuuden haasteena. Teoksessa Sairaanhoitajapäivät Finlandiatalo Moniammatillisuus tulevaisuuden haasteena Tämän alustuksen tarkoituksena on herätellä sosiaali- ja terveysalan ammattilaisia miettimään, millaista alan työ saattaa olla vuoden kuluttua. Esiin nostetaan kaksi tulevaisuuden haastetta, väestön ikääntyminen ja moniongelmaisuus. Eräänä vastauksena haasteisiin pohditaan moniammatillisen osaamisen hyödyntämistä enenevässä määrin terveysalalla. Sosiaalialallahan moniammatilliset työryhmät ovat arkipäivää jo tänään. Mikäli nykyisen kaltainen sosiaali- ja terveysalan lähentymiskehitys jatkuu, on mahdollista, että vuoden kuluttua meillä ei enää ole selvää terveysalaa tai sosiaalialaa, vaan saatetaan puhua hyvinvointialasta tms. neutraalista alasta, josta on pyritty häivyttämään ajatus lokeroitumisesta erilaisiin karsinoihin. Alustuksessa esiteltävät ajatukset perustuvat käynnissä olevaan ennakointihankkeeseen (Metsämuuronen 1997a, 1997b), jossa pyritään selvittämään millaista osaamista tarvitaan tulevaisuudessa sosiaali- ja terveysalalla. Sosiaali- ja terveysalan työn osaamistarpeet tulevaisuudessa ennakointihankkeen loppuraportti valmistuu kesään 1998 mennessä. Vaikka ajatukset perustuvat kerättyyn aineistoon ja ohessa tutkittuun kirjallisuuteen ja tilastomateriaaliin, otan itse vastuun tulosten tulkinnasta ja kannanotoista. Ajatukset eivät välttämättä edusta ennakointihankkeen taustaorganisaatioiden (Sosiaali- ja terveysministeriö, Opetushallitus, Stakes ja Suomen Kuntaliitto) näkemystä asiasta. Väestön ikääntymisen haaste vuoden kuluessa läntisen maailman sosiaali- ja terveydenhuolto joutuu ennen näkemättömän paineen alaiseksi. Tämä tietysti seuraa siitä, että suurten ikäluokkien eli nykyisten + 50-vuotiaiden ikäryhmät siirtyvät eläkkeelle ja alkavat tarvita hoivaa ja hoitoa. Stakesin SOT- KA-rekisteristä voi nopeasti laskea, että vuoden kuluttua on hoitoa tarvitsevien vanhusten määrä kunnasta riippuen paikoin jopa kolminkertainen nykyiseen verrattuna: kolmessatoista kunnassa vanhusten määrä enemmän kuin kolminkertaistuu ja yhdessä kunnassa jopa nelinkertaistuu, ellei väestön terveydentilassa tapahdu radikaaleja muutoksia. Sosiaali- ja terveydenhuollon palvelurakenne-ennusteen mukaan jo vuonna 2010 tarvittaisiin terveyskeskusten vuodeosastoille lisäpaikkoja 5000 ja vanhainkotipaikkoja lisää 6500, mikäli haluttaisiin toteuttaa nykyisenkaltainen pitkäaikaishoivan käyttö (Muuri, ym 1997, 27). Mikäli kansantalouden kehitys säilyy entisenlaisena ja toisaalta olemme osallisena EU:n valuuttaunionissa (EMU), jolloin pyrimme vakauttamaan julkiset menomme kutakuinkin nykyiselle tasolle, ei ole mahdollista, että kunnallinen sosiaali- ja terveydenhuolto kykenisi vastaamaan kaikesta nykyisin sille kuuluvasta vastuusta väestön hyvinvoinnin turvaamisessa. Tuntuu luonnolliselta ajatukselta, että kunnallista palvelua tullaan suuntaamaan tulevaisuudessa enemmänkin varattomille. Julkisen sektorin rinnalle nousevat ns. kolmas sektori (non-profit-periaatteella toimivat järjestöt, säätiöt, seurakunnat ym.), kasvavassa määrin myös kodeissa tapahtuva itsenäinen hoito ja omaishoito sekä yksityinen so- 149

150 siaali- ja terveydenhuolto. Kauppa- ja teollisuusministeriön vastikään ilmestyneen sosiaalija terveysalan toimialaraportin mukaan palvelujen kysynnän kasvu on jo demografisista syistä kiistaton ja näin ollen mikäli kunnat ovat haluttomia laajentamaan omia palveluitaan yksityisille palvelujen tuottajille avautuvat ennen kokemattomat markkinat. (KTM 1997, 9.) Syrjäytyminen haasteena Väestön ikääntymisen rinnalla tulevaisuuden haasteena on nykyisten työstä syrjäytyneiden tulevaisuus. Ongelmilla on taipumus kasaantua: olojen puutteellisuus, oman terveyden mahdollinen laiminlyönti, työterveyshuollolle tyypillisten terveystarkastusten puute ja sosiaalisen eristyneisyyden vaara saattavat aiheuttaa sen, että sosiaali- ja terveysalan ammattilainen kohtaa työssään enenevässä määrin moniongelmaisia asiakkaita. Moniammatillinen ryhmätyö tulevaisuudessa 1,2 tulevaisuuden taidot II 1 Moniammatillinen hoitotyö usean eri ammattialan samaan päämäärään pyrkimisenä saattaa lisääntyä työmuotona tulevaisuuden hyvinvointialalla. Pyrkimyksenä on hoitaa tai auttaa yksilöä kokonaisesti, kaikilla olemisen alueilla ehyeksi ihmiseksi. Tämä saattaa olla jopa mahdotonta ilman monen eri alueen syvällistä tietämystä. On huomattava, että vaikka pyritään pois eri sektoreiden lokeroituneisuudesta, tiedon määrän lisääntyminen kaikkialla ja kaikilla tieteen alueilla edellyttää erikoistumista ja professionalisoitumista. Asiantuntijoita tulee aina olemaan, niin myös tulevaisuuden hyvinvointialalla. Moniammatillisuus osaamistarpeena tulleekin olemaan taitoa hyödyntää muiden tieto-taitoa. Monen nykyisen sektorin yhteistyö tullee lisääntymään tulevaisuudessa. Toisaalta on huomattava, että kaikkia asiakkaita ei tulla varmaankaan hoitamaan moniammatillisissa tiimeissä tai hoitoryhmissä; yksilöllinen työskentely jatkuu myös. Moniammatillisuusosaamisen luokittelua osaaminen muutosintensiteetti tulevaisuuden taidot I turhat taidot 0,8 0,6 0,4 0,2 0 taito perustella toimintaansa neuvottelutaito ryhmätyötaidot yhdessä tekemisen taidot sosiaaliset taidot vuorovaikutustaidot muiden arvostaminen taito vaikuttaa aktiivisesti 4 4,5 5 5,5 6 osaamistarpeen painoarvo taito toimia moniammatillisesti tiimityötaidot moniammatillinen ryhmätaito yhteistyöosaaminen yhteistyökyky yhteistyötaidot kyky tulla toimeen keskustelu- ja kuuntelutaito perus- Kuva 1. Moniammatillisuutta kuvaavia osaamistarpeita ryhmiteltynä perusosaamiseen ja potentiaaliseen tulevaisuusosaamiseen 150

151 Moniammatillisessa työssä tarvittavat osaamistarpeet Uudenlainen työskentelytapa vaatii uudenlaista osaamista. Sosiaaliset taidot korostuvat moniammatillisessa tiimityössä ymmärrettävästi. Alan ammattilaiselta vaaditaan aivan uudenlaista joustavuutta, yhteistyökykyä, vuorovaikutustaitoja ja kykyä kuunnella muita (kuva 1). Tiimi ei ole moniammatillinen ellei siinä aidosti ole monen alan ammattilaisia. Näin ollen jokaisen tiimin jäsenen on edustettava omaa spesialiteettia tai suuntautumisalaa ollakseen tiimille hyödyllinen. Tarvitaan siis korkeaa ammattitaitoa ja spesialisoituneisuutta. Tämä tietysti luo painetta miettiä, mitä erityistä osaamista minulla on annettavana moniammatilliseen tiimiin. Jotta voisi ajaa hyväksi katsomiaan ja oman asiantuntijuutensa kannalta oleellisia ja tärkeitä asioita, on tiimiläisellä oltava myös aktiivisen vaikuttamisen taitoja. Todennäköistä on, että tulevaisuudessakin argumentointi tapahtuu kognitiivista, tietoon perustuvaa tietä. Näin ollen asiantuntijan on hallittava myös tieteellisiä menetelmiä ainakin siinä määrin, että kykenee lukemaan tieteellistä tekstiä ja erottaa luotettavan tiedon epävarmasta. Tarvitaan siis taitoa perustella omia näkökantojaan ja tähän liittyen jonkinlaiset taidot ymmärtää ja lukea tieteellistä kirjallisuutta sekä taitoa vaikuttaa (positiivisessa mielessä) muihin. Yksilövastuu moniammatillisen tiimityön edellytyksenä Jotta moniammatillinen tiimi voisi olla muodostunut tasa-arvoisista ammattilaisista, pidän itse oleellisena, että kukin tiimissä toimiva jäsen pystyy kantamaan itsenäisesti myös vastuuta. Väitän siis, että niin kauan kuin hoitohenkilökunta ei ole omaksunut yksilövastuista tapaa ajatella hoitamisesta, se ei aidosti voi osallistua tasavertaisesti moniammatilliseen työryhmään. Tässä mielessä yksilövastuisen hoitotyön implementointi on askel kohti tulevaisuutta. Luulen, että moniammatillisen yhteistyön suurin este on ennakkoluuloissa. Ennakkoluulot voivat olla seurausta rationaalisista syistä: koulutuksen lyhyys saattaa pitää sisällään ajatuksen siitä, että lyhyen koulutuksen saanut henkilö ei ole yhtä pätevä kuin pitkän koulutuksen saanut henkilö. On helppo osoittaa sormella lääkärikuntaan päin ja sanoa, että lääkärit eivät hyväksy hoitajia tasavertaiseksi keskustelukumppaneiksi; siinä on pahin este todelliselle yhteistyölle. Aivan samalla kertaa voidaan myös kysyä, hyväksyykö erikoiskoulutettu sairaanhoitaja lähihoitajan, opiskelijan tai täysin kouluttamattoman omaisen tasavertaiseksi keskustelukumppaniksi. Ehkä tulevaisuus vaatii sitä, että sosiaali- ja terveysalan ammattilainen alkaa enemmän tiedostaa rooliaan palvelun antajana toisten palvelun antajien joukossa. Asiakkaat alkavat vaatia palvelua eivätkä tyydy ylhäältä päin tulleeseen ohjeistamiseen. LÄHTEET: KTM Ohtonen, Jukka: Toimialaraportti 1997: Sosiaali- ja terveyspalvelut. Kauppa- ja teollisuusministeriö, KTM toimiala-infomedia. Metsämuuronen J 1997a. Sosiaali- ja terveysalan työ muutoksessa. FUTURA 1/1997, Metsämuuronen J 1997b. Delfi-tekniikka sosiaali- ja terveysalan työn tulevaisuuden tutkimuksessa. FUTURA 2/1997. Muuri A, Nenonen M, Nikiforof O & Nylander O Sosiaali- ja terveydenhuollon palvelurakenne Tilastotiedote 9/1997. Stakes. Sotka vanhustietokanta, Stakes 151

152 Yhteiskunnan muutokset ja uudet kvalifikaatiot Tulevaisuuden kvalifikaatioita koskeva artikkeli on ennen julkaisematon käsikirjoitus. Lähdeviitteenä voi käyttää: Metsämuuronen J Yhteiskunnan muutokset ja uudet kvalifikaatiot. Teoksessa Metsämuuronen J Sosiaali- ja terveysalan tulevaisuutta etsimässä. International Methelp Ky, Viro. Yhteiskunnan muutokset ja uudet kvalifikaatiot Tässä artikkelissa pohditaan sosiaali- ja terveysalan työn näkökulmasta työn muuttumista ja sen vaikutusta kvalifikaatioihin ja erityisesti perinteiseen teollisuusyhteiskunnan tuottamaan kvalifikaatioluokituksiin. Tuloksina esitetään Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ESR-ennakointihankkeessa ilmenneitä kvalifikaatioita. Uusien, tulevaisuuden kvalifikaatioita selvittävien tutkimusten tulokset on vaikeasti sovitettavissa perinteisiin teollisen yhteiskunnan pohjalta nousevaan luokitukseen. Asiasanat: Kvalifikaatiot, Kvalifikaatiovaatimukset, Sosiaali- ja terveysala, Työn muutokset, Delfi-tekniikka 1. Johdanto Kaikilla yhteiskunnan aloilla ammattilaisen työhön vaikuttaa monia maailmanlaajuisia ja paikallisia tekijöitä, jotka muuttavat sitä toimintaympäristöä, jossa ammattilainen toimii. Muiden muassa vanhusväestön, informaation, yhteyksien ja luonnonkulutuksen lisääntyminen sekä tekniikan ja informaatioteknologian kehitys, globalisoituminen ja kestävän kehityksen toteuttaminen vaikuttavat siihen, että ihminen, työ, työmarkkinat ja yhteiskunta muuttuvat. Kun työn reunatekijät muuttuvat, muuttuu myös ammattilaisen työ. Kun ammattilaisen työ muuttuu, muuttuvat myös ne osaamistarpeet kvalifikaatiot joita tarvitaan työn suorittamiseksi muuttuneissa olosuhteissa (kuva 1). Tässä artikkelissa pohditaan tietoyhteiskunnassa vaadittavaa osaamista erityisesti sosiaalija terveysalan kannalta. Teoriaosassa vertaillaan uusien kvalifikaatiotutkimusten tuloksina löytyneitä kvalifikaatioita perinteiseen, itäsaksalaisen tradition pohjalta syntyneeseen kvalifikaatioluokitukseen. Empiirisenä aineistona esitellään sosiaali- ja terveysministeriön, Stakesin, Opetushallituksen ja Suomen Kuntaliiton yhteisen SoTeKeKo-projektin osana olleen ESR-ennakointihankkeen tuloksia. Ennakointihankkeessa selvitettiin millaista osaamista tarvitaan sosiaali- ja terveysalan työssä tulevaisuudessa. 2. Yhteiskunta, työ ja kvalifikaatiot muutoksessa 152 Yhteiskunta, työ ja ihminen muuttuu Tiedon määrä lisääntyy räjähdysmäisesti. Monet tutkijat viittaavatkin siihen, että olisi tapahtumassa suuri yhteiskunnallinen muutos teollisuusyhteiskunnasta tieto- tai informaatioyhteiskuntaan (mm Lilius 1997; Rantanen & Lehtinen 1998, 1). Itse asiassa Liliuksen kokoamissa tietoyhteiskunnan virstanpylväissä

153 kerrotaan tietoyhteiskunnan olleen hallituksen strategisena uudistamissuunnitelmissa jo vuonna 1993 ja 1994 (Lilius 1997, 2). Väitetään, että uudelle yhteiskunnalle tyypillistä on tiedon ja tietotekniikan merkityksen korostuminen ja että uusi informaatio- ja kommunikaatioteknologia vaikuttaa tuotannollistaloudelliseen ajatteluun ja sitä kautta koko yhteiskuntaan (Mannermaa 1997, 21; Jokinen ym. 1997, 38, Andersson ym. 1997, 128). Muutos -yhteiskunnassa -yksilössä -työmarkkinoissa -työssä Toiminta ja koulutus muuttuvat Kvalifikaatiovaatimukset muuttuvat Kuva 1. Työ ja kvalifikaatiovaatimukset muutoksessa Työmarkkinat muuttuvat. Lähitulevaisuuden työmarkkinoiden haaste monella alalla tulee Suomessa olemaan väestön ikääntymiseen liittyvä suurten ikäluokkien eläkkeelle siirtyminen ja myöhemmin hoidon ja hoivan tarve. Suuret ikäluokat poistuvat eläkkeelle suurin joukoin. Tästä on suoria seurauksia työvoiman kysyntään ja kunnallisilla aloilla virkarakenteeseen ja virkojen täyttöön (Tiainen 1995, 59-60). Viimeaikaisessa keskustelussa asia on ollut esillä usein. Metsämuuronen (2000b, 2000c, 1999a) on ennustanut, että kunnallinen sosiaali- ja terveydenhuolto tulee olemaan suurten jopa mahdottomien haasteiden edessä. Suurten ikäluokkien eläkkeelle siirtyminen asettaa paineita nopealle työllistymiselle sekä uudelleen- jatko- ja lisäkoulutukselle. Sen lisäksi, että työmarkkinat muuttuvat, myös työ ja toimintatavat muuttuvat. Radikaaleimmat tutkijat ovat esittäneet, että ainakin tietyiltä aloilta työ loppuu kokonaan automaation seurauksena (Rifkin 1995, 1997, Ojapelto 1989, 1998). Jeremy Rifkinin ajatus on se, että länsimainen yhteiskunta ei kykene tuottamaan niin paljon uusia työpaikkoja kuin mitä automatisoituminen vie mukanaan. Hänen mukaansa (Rifkin 1996, 51) on naiivia kuvitella, että suuret työttömien armeijat voisivat työllistyä ATK-ammattilaisiksi, bioteknologiaan tai rahoituskonsulteiksi. Syntyy kaksi maailmaa: eliittimaailma ja palkansaajien joukko, jonka toimeentulo on uhattuna tietotekniikan kehittyessä. Parhaat paikat on varattu pienelle joukolle huippuammattilaisia. Allard huomauttaa (1997, 279) pohtiessaan vähäistä kiinnostusta massatyöttömyydestä varoittaviin ääniin, että Suomessa jo vuonna 1989 Ojapelto kirjoitti samoista asioista. Työn loppumisen suhteen toisenlaista ajattelua edustaa Mika Pantzar. Hänen mukaansa (Pantzar 1998, 2000) pidemmällä juoksulla uusia työpaikkoja syntyy, mutta uusien työpaikkojen syntyminen nousee uudenlaisten tarpeiden myötä. Sata vuotta sit- 153

154 ten ei villeimmissä ennustuksissakaan aavisteltu auton voittokulkua, mutta nykyään auton (tai television) ympärille on syntynyt kokonainen kulttuuri. Panzarin mukaan historia toistaa itseään: digitaalinen media tulee aiheuttamaan samanlaisia mullistuksia kuin auto aikoinaan. Syntyy uusia ammatteja, jotka ovat informaation tuotannon ja välityksen alueilla. Muuttuuko ihminen yhteiskunnan muuttuessa? Vaikuttaa siltä, että koulutustaso ja sivistys vaikuttavat siihen, millaista palvelua asiakkaat haluavat. Tietomäärän lisääntyessä asiakkaat tulevat osallistumaan enenevässä määrin omaa hoitoaan koskeviin päätöksentekoihin. Vaatimukset hoidon laadun suhteen kasvavat ihmisten tietämyksen lisääntyessä. Toisaalta on esitetty myös medikalisoitumisen vaara: ihmisen elämään kytketään entistä useammin tieteellisesti perusteltuja terveys-sairaus leimoja, löydetään uusia tauteja, sairastavuus lisääntyy, sillä terve on vain sellainen ihminen, jota ei ole tutkittu tarpeeksi (Myllykangas ym. 1995, 38). Niinpä ihmiset ottavat helposti yhteyttä lääkäriin mitä moninaisimmissa ongelmissa (OPM 1994:37, 51, 86, STM 1995:27). Tietoyhteiskunta vaikuttaa myös suoraan ihmisen terveyteen, sillä ihmiset tulevat riippuvaisemmiksi koneista ja toisaalta yhteiskunnan vaatimukset lisääntyvät. Rantanen ja Lehtinen esittävät (1998, 23), että perimän, ympäristön, elintapojen ja palvelujen alueella tietoyhteiskunnan vaikutukset saattavat olla joko terveydelle edullisia tai haitallisia. Ihmisten ravintokäyttäytyminen on heidän mukaansa parantunut, kuitenkin yli puolet aikuisista naisista ja hieman alle puolet aikuisista miehistä on vähintään lievästi ylipainoisia. Vaikka tietomäärä on lisääntynyt, ja terveydelle haitallisten elintapojen kuten liikkumattomuuden, tupakoinnin ja liiallisen alkoholinkäytön vaarat tunnetaan, riskejä koskevalla tiedolla ei ole vaikutusta terveyskäyttäytymiseen (Rantanen & Lehtinen 1998, 25). Kvalifikaation käsite ja perinteiset kvalifikaatioluokitukset Tehtävä työ tuottaa ne pätevyys- ja osaamisvaatimukset eli kvalifikaatiot (tai kvalifikaatiovaatimukset kuten Pelttari [1998b] esittää), jotka ovat relevantteja itse työn suorittamisen kannalta. Kun työ muuttuu, muuttuvat myös työssä tarvittavat suoriutumisvaatimukset, pätevyysvaatimukset sekä ammatissa tarvittavat taidot. Yhteiskunnan, työn ja työmarkkinoiden muuttuessa tarvitaan uudenlaista osaamista, jota Väärälä (1998, 29) nimittää uusiksi kvalifikaatioiksi. Väärälän mukaan tyypillistä työn sosiaalisen systeemin muutoksille on se, että työn henkiset vaatimukset lisääntyvät, työtä on tehtävä nopeammin vaihtuvilla areenoilla ja työ on yhä riippuvaisempaa toisten töistä. Oleellista on se, että itse työn ydinsisällössä ei välttämättä tapahdu muutosta, vaan työn konteksti muuttuu. Tästä seuraa se, että uudenlaisessa työn kontekstissa korostuvat tiedon uudenlainen rooli sekä oppivan toiminnan uudet vaatimukset ja edellytykset. Suomalaisessa modernissa työn tutkimuksessa on kvalifikaatioon liittyviä käsitteitä on pohdittu paljonkin. Kivinen kollegoineen mainitsevat jopa, että käsitteelle ammattitaito on annettu yhtä monta määritelmää kuin on tutkijaakin (Kivinen ym. 1993, 117). Samanlainen tilanne on myös käsitteiden kvalifikaatio ja kompetenssi suhteen: käsitteellinen sekamelska on silmiinpistävä. Tämän on todennut mm. Pelttari (1997, 23, 45 ja 1998b, 86) äskettäin. Termejä käytetään osittain korvaamaan toisiaan. Lisäksi on otettu käyttöön lisää termejä, kuten kvalifikaatiovaatimukset ja työkvalifikaatiot. Toisinaan termin kvalifikaatio sijaan olisi voitu puhua taidosta (Kuusi 1996, 87), osaamisesta (Mäkelä 1995, 128) tai valmiuksista (Turtiainen 1997, 17), mutta tutkijat ovat halunneet käyttää termiä kvalifikaatio. Mielestäni järkevän tavan jäsentää käsitteitä kvalifikaatio, kompetenssi ja ammattitaito on esittänyt Taalas (1993), jota Pelttari (1997 ja 1998b) on hieman kehitellyt. Hänen mukaansa kvalifikaatio liittyy ammattitaitoon siten, että työelämä tuottaa ne vaatimukset, joita ammattitaitoiselta työn tekijältä vaaditaan. Työstä 154

155 nousee kvalifikaatiovaatimuksia, ja kvalifikaatio on se tunnustettu osaaminen, jolla työntekijä vastaa kvalifikaatiovaatimuksiin. Keskeistä seuraavan keskustelun kannalta on se, että kvalifikaatiot voidaan luokitella usealla eri tavalla. Toikka (1984, 12) esittelee jaon sensomotorisiin, kognitiivisiin ja motivaatioominaisuuksiin, Kivinen kollegoineen (1993, 120) jaon perus-, tuottaviin ja intensiteettikvalifikaatioihin ja Helakorpi (1995, 75) jaon ydin- ja reunakvalifikaatioihin. Usein esitetty (mm. Ollus ym. 1990, , Taalas 1995, , Väärälä 1995a, 1995b, Pelttari 1997, Räisänen 1998) perinteinen kvalifikaatioluokitus on Vuorisen (1988) esittämä, alunperin itäsaksalaiseen kvalifikaatiokeskusteluun liittyvä, kvalifikaatiomalli, jota Väärälä (1995a, 1995b) on hieman kehitellyt. Ammatillisia tietoja, taitoja ja pätevyyksiä Väärälä (1995b, 48) nimittää tuotannollis-teknisiksi kvalifikaatioiksi. Tuotannollis-teknisiin kvalifikaatioihin liittyy oleellisesti muitakin kvalifikaatioita: motivaatiokvalifikaatiot (mm. sitoutuminen, itseohjautuminen, reflektio ja lojaliteetti), mukautumiskvalifikaatiot (mm. työaikaan, -tahtiin ja - kuriin sopeutuminen, tunnollisuus, nopeus), sosio-kulttuuriset kvalifikaatiot (mm. tiimityöja verkostoitumistaidot, kommunikointi, vuorovaikutus) sekä innovatiiviset kvalifikaatiot (mm. muutosten havainnointi, työn analysointi, jatkuva oppiminen, ammattitaidon kehittäminen). 3. Uusien kvalifikaatiotutkimusten esittämiä kvalifikaatioita Olemme siirtymässä yhteiskuntaan, jossa tiedon ja informaation merkitys kasvaa huomattavasti. Uudessa yhteiskunnassa tarvitaan uudenlaisia taitoja. Yhteiskunnassa tarvittava yleinen osaaminen on muutoksessa, samoin myös kullakin ammattialalla tarvitaan myös uudenlaista osaamista. Informaatioyhteiskunnan yleiset kvalifikaatiot Eri tutkijat ovat esittäneet hieman toisistaan poikkeavia arvioita siitä, minkälaista yleistä osaamista tulevaisuudessa tarvitaan. Antti Hautamäen mukaan (1996, 33-35) informaatioyhteiskunnassa tarvitaan erityisesti uudenlaista lukutaitoa, jossa kyse on kyvystä havaita, ymmärtää ja tulkita uudenlaista ja koko ajan kasvavaa symboliympäristöä. Perinteisen luku- ja kirjoitustaidon lisäksi tarvitaan visuaalista, televisuaalista, tietokone-, verkko-, media- ja kulttuurista lukutaitoa. Toisaalta tarvitaan taito käyttää tietokoneita ja kommunikoida niiden välityksellä. Edelleen Hautamäen mielestä tarvitaan taitoja, joita hän nimittää pehmeiksi taidoiksi: jatkuva oppiminen, tiimityötaidot, joustavuus, muutoksen hallinta ja sietäminen, riippumattomuus ja itsensä ohjaaminen, kyky motivoitua ja sitoutua sekä kyky analysoida ja tulkita informaatiota. Hautamäen kanssa samoilla linjoilla on myös Mika Mannermaa (1996, 13) pohtiessaan tulevaisuuden tietoyhteiskunnassa vaadittavaa osaamista. Mannermaan mukaan tulevaisuudessa tarvitaan mm. oppimiskykyä, oman ammatin osaamista, tieto- ja ihmissuhdeosaamista, globaalia tulevaisuusajattelua, erilaisuuden sietokykyä eli kulttuurista kompetenssia sekä ekologista tietoisuutta. Osmo Kuusi puolestaan on verrannut kahta tulevaisuusbarometrin asiantuntija-arviota siitä, millaisia on tulevaisuudessa vaadittava osaaminen, jota Kuusi nimittää tulevaisuuden avaintaidoiksi (Kuusi 1996). Vuosien 1994 ja 1996 välillä asiantuntijoiden mielipiteet olivat hieman muuttuneet, mutta pitkällä aikavälillä vuoteen 2017 asti arvioitaessa arveltiin, että muutoksen sietokyky, oppimiskyky, erilaisuuden sietokyky, kommunikaatiovalmiudet, ekologisuus ja ihmissuhdetaidot olisivat painokkaimpia taitoja. Myös globaali vastuu ja usean kielen hallinta painottuvat tulevaisuuden taitoina. (Kuusi 1996, 87.) Hautamäen, Mannermaan ja Kuusen esittämissä kvalifikaatiolistoissa on eräitä yhtenevyyksiä: Tulevaisuuden yhteiskunnassa tarvitaan 155

156 heidän mukaansa erityisesti oppimiskykyä, erilaisuuden sietämistä, ekologista ajattelua, ihmissuhdeosaamista ja muuttumisen taitoja. Arja Honkakoskikin on sosiaalialan kvalifikaatioita pohtiessaan esittänyt, että yleisenä vaatimuksena jälkiteollisessa yhteiskunnassa korostuu jatkuvan oppimisen vaatimus sekä työntekijän sisällöllinen sitoutuminen työhön, sillä työssä kehittyminen on yhä enemmän yhteydessä ihmisen koko persoonallisuuteen (Honkakoski 1995, 77-78). Eri aloilla vaadittavia kvalifikaatioita Jari Kaivo-oja on pohtinut kvalifikaatioita kommunikaatio-klusterissa (Kaivo-oja 1998). Tulokset olivat osa laajaa hanketta, jossa pyrittiin vertailemaan erilaisissa klustereissa kvalifikaatioita. Ennakkoon julkaistut tiedot koskivat siis vain kommunikaatioklusteria, mutta tuloksissa on ilmeistä sovellettavuutta muillekin aloille (ks. myöhemmin Kaivo-oja & Kuusi 1999). Kaivo-oja jakaa osaamistarpeet neljään ulottuvuuteen: yleisosaamistarpeet, asiaosaamistarpeet, asiakasosaamistarpeet ja strategisen osaamisen tarpeet. Yleisosaamisen alueella kommunikaatioklusterissa korostuvat tärkeimpinä osaamistarpeina mm. oppimiskyky, muutoksen sietokyky, tietointensiivinen ammattiosaaminen ja erilaisuuden sietokyky. Asiaosaamisen alueella kommunikaatioklusterissa korostuvat mm. uusien teknologioiden hallinta, luovuus, monitaitoisuus ja ammattitaidon tietoinen ylläpitäminen. Asiakasosaamisen alueella korostuivat yhteistyötaidot, asiakkaiden tarpeisiin vastaaminen, kulttuurien tuntemus, asiakaslähtöisyys, uusien markkinaalueiden tuntemus, markkinoinnin strateginen osaaminen, luovuus, kansainvälisyys, esiintymistaito ja avoimuus. Strategien johtamisen alueella kommunikaatioklusterissa korostuvat muutoksen johtaminen, luovuus, tiimien johtaminen, prosessien hallinta, ihmisten johtaminen, kansainvälisyys ja strateginen suunnittelu. Kati Korhonen on insinöörien tulevaisuutta tutkiessaan todennut (Korhonen 1997, 1998, 74-75), että keskeisiä tulevaisuuden taitoja insinööreillä ovat kyky ja halu jatkuvaan oppimiseen, poikkitieteellisyys, kommunikaatioja verkottumistaidot, kyky sietää epävarmuutta ja muutosta sekä tiedon etsimisen, luokittelun, analysoinnin ja priorisoinnin taidot. Lisäksi tarvitaan kykyä tiimityöskentelyyn, laadun tekemiseen sitoutumista, yrittäjyysasennetta, kykyä selvitä jatkuvan muutoksen kanssa sekä kulttuuriset taidot. Martti Stenberg tarkasteli ESR-rahoitteisessa työssään tietoyhteiskuntavalmiuksien näkökulmasta työssä vaadittavaa osaamista. Työpaikkailmoitusten perusteella osaamisen ja taitojen top 20 listalla (Stenberg 2000, 51) on painokkaimpina mukana työkokemus, kielitaito, IT perustaidot, yhteistyökyky, asiakaspalveluosaaminen, IT-ohjelmointi ja aloitteellisuus. Huomattakoon, että näistä oikeastaan vain IT-ohjelmointi on tietotyön tekemisen kannalta syvällistä ammattiosaamista muut ovat enemmän tai vähemmän yleisosaamista. Kaikkiaan top 20 listan osaamistarpeista vain 4 (IT-ohjelmointi, IT-tietoliikenne, markkinointi ja myynti sekä taloustiedot) edustavat ammatillista osaamista. Paula Pelttari on tiivistänyt sairaanhoitajilta vaadittavaa tulevaisuuden osaamista koskevat tuloksensa seuraavasti (Pelttari 1998a, 72). Sairaanhoitajan työssä ammattitaitovaatimuksina korostuvat tulevaisuudessa vuorovaikutusvalmiudet, empaattisuus, ystävällisyys, vastuullisuus, huolenpito, ihmisen monien ongelmien kokonaisvaltainen kohtaamis- ja auttamisvalmius sekä kyky toimia asiakkaan asianajajana eli perinteiset ihmisenä ihmiselle olemisen taidot. Lisäksi tulevaisuudessa painottuvat myös yhteistyövalmiudet, tutkimusja tiedonhankkimisvalmiudet, päätöksentekokyky, uudistuvan teknologian hallinta, johtamisvalmiudet sekä ohjaus- ja neuvontavalmiudet eli uuden yhteiskunnan edellyttämät yleiset osaamisvaatimukset. Ammattilaisen on tulevaisuudessa osattava enemmän tuoda esiin omaa asiantuntijuuttaan ja kyettävä markkinoimaan sitä sekä hallittava yhteiskunnallinen vaikuttaminen. Lisäksi tulosten mukaan tule- 156

157 vaisuuden sairaanhoitaja tarvitsee erinäisiä persoonallisuuden ja yleisiä työn tekemiseen liittyviä ominaisuuksia: hyvää itsetuntoa, luovuutta, kollegiaalisuutta, kustannustietoisuutta, kaunista käytöstä sekä laaja-alaisuutta ja erikoisosaamista. Arja Honkakoski (1995) esittää erinäisiin tutkimuksiin vedoten paljon erilaisia ammattitaitovaatimuksia sosiaalialan ammattilaiselle. Sosiaalialan todellisuudesta nousee joitain alalle tyypillisiä ammattitaitovaatimuksia. Moniongelmaisten ihmisten kohtaaminen edellyttää sosiaalisen kanssakäymisen taitoja, kykyä tulla toimeen jatkuvasti vaihtuvien tilanteiden ja työryhmien kanssa, kykyä ymmärtää erilaisia ammatillisia kulttuureita ja niiden käsitemaailmaa sekä kykyä suhteuttaa oma osaaminen ja toiminta kokonaisuuteen. Metsämuurosen aineistossa (1998, 2000a) sosiaali- ja terveysalan ammattilaisilta osaamistarpeet jaettiin perusosaamiseen ja tulevaisuudenosaamiseen. Perusosaamiseksi nimitettiin sellaista osaamista joka painokasta niin tänään kuin tulevaisuudessakin (ks tarkemmin Metsämuuronen 1999c). Aidoksi tulevaisuudenosaamiseksi nimitettiin osaamista, jonka painoarvoarvo oli selvästi suurempaa tulevaisuudessa kuin tutkimusajankohtana. aitoina tulevaisuusosaamisen osatekijöinä. Osaamistarveluokkia hahmoteltiin 21: Sosiaalinen osaaminen, Ihmisen kohtaamisosaaminen, Kansainvälisyysosaaminen, Muuttumisen osaaminen, Tekno-loginen osaaminen, Tiedonhankintaosaaminen, Asiakaspalveluosaaminen, Työhön ja työssä vaikuttamisen osaaminen, Oman persoonan käytön osaaminen, Yhteistyöosaaminen, Innovatiivinen työnote, Yhteiskuntaosaaminen, Vaikeiden päätösten tekemisen osaaminen, Yrittäjyys, Itseohjautuvuus, Aktiivisen vaikuttamisen osaaminen, Arvoosaaminen ja eettinen osaaminen, Äänetön ja pehmeä osaaminen, Projektityönosaaminen, Vastuunotto, Johtamisosaaminen sekä Itsepuolustusosaaminen. Jari Kaivo-oja ja Osmo Kuusi selvittivät laajassa ESR-projektissaan koko yhteiskunnan kannalta oleellisten alojen kannalta oleellisia kvalifikaatioita (Kaivo-oja & Kuusi 1999). Kyseisen projektin ennakkotietoja on siteerattu jo aiemmin tässä luvussa. Terveys- ja ympäristöklusterissa painokkaimpia yleisosaamisen kvalifikaatioita tulevat vuoteen 2017 mennessä olemaan oppimiskyky, ammatti- ja alaspesifi tietotaito sekä ihmissuhdetaidot. Tulevaisuuden painokkaimpia asiaosaamisen kvalifikaatioita ovat henkilöstön kehittäminen, motivointi, tuotantoprosessien hallinta, ympäristöasioiden hallinta, kustannustietoisuus, tiimityötaidot sekä luovuus. Painokkaimpia asiakasosaamisen kvalifikaatioita tulevat olemaan palveluosaaminen, markkinointiosaaminen, logistinen ajattelu, ympäristöosaaminen, esiintymistaito sekä laatuajattelu. Strategisen osaamisen kvalifikaatioiden ryhmässä painokkaimpina tulevat olemaan ihmisen johtaminen, strateginen suunnittelu, ympäristöosaaminen, jatkuvan muutoksen johtaminen, luovuus sekä prosessien hallinta. Sinällään kiintoisaa on, että alan piirissä keskeinen osaamisen laji käden taidot on Kaivo-ojan ja Kuusen tutkimuksessa voimakkaasti väheneväksi osaamiseksi luettu kvalifikaatio. Tulos on identtinen Metsämuurosen (1998 ja 2000a, 67) tuloksen kanssa. Uusien kvalifikaatiotutkimusten yhteenvetoa Silmiinpistävää uusissa kvalifikaatiotutkimuksissa on se, että lähes kaikissa esitellään hyvin samanlaista osaamista vaadittavaksi. Yleinen tendenssi näyttää olevan se, että samanlaisia taitoja tarvitaan eri aloilla. Honkakoski käyttää asiasta termiä yliammatilliset ammattitaitovaatimukset, joilla hän tarkoittaa ammattitaitoa, jota tarvitaan alasta riippumatta. Näitä yliammatillisia ammattitaitoja ovat Honkakosken mukaan monialainen osaaminen, oman ammattialan yhteiskunnallisten ehtojen ja kytkentöjen ymmärtäminen jota Honkakoski nimittää laaja-alaisuudeksi muutosvalmius, joustavuus, refleksiivisyys, vuorovaikutus- ja yh- 157

158 teistyöosaaminen, persoonallinen kasvu ja elämän hallinta. (Honkakoski 1995, ) 4. Pohdintaa: perinteinen kvalifikaatioluokitus kriisissä? Se, että Sosiaali- terveydenhuollon työn tulevaisuuden osaamistarpeet tutkimushankkeen (Metsämuuronen 2000a) esiin tuomat osaamistarpeet olivat pitkälti samoja kuin Pelttarin (1997, 1998a) aineistossa ja Honkakosken (1995) selvityksessä ei ole suuri ihme, ovathan tutkimuksien kohdejoukot olleet samat. Mielenkiintoiseksi asian tekee se, että samoilla kriteereillä arvioitaessa tutkimuksen tulokset olivat hyvin konsistentteja myös Kaivo-ojan kommunikaatioklusterissa (1998) ja Korhosen (1998) insinööreillä sekä Stenbergin (2000) informaatiotyöntekijöillä tekemän kvalifikaatiotutkimuksen kanssa. Toisin sanoen rahoitusosaamista (ellei sitä lueta taloudellisuuden kanssa samaksi) ja strategisen johtamisen osaamisen osatekijöitä lukuun ottamatta kaikki Kaivo-ojan (1998) mainitsemat osaamistarpeet löytyvät myös Metsämuurosen tutkimuksen osaamistarpeista hieman eri nimisinä. Ei siis välttämättä ollakaan löydetty aitoa sosiaali- ja terveysalalle, rahoitusalalle tai insinöörikoulutukselle tyypillisiä osaamisalueita, vaan eräänlaisia yliammatillisia työntekijöiden ominaisuuksia. Sosiaali- ja terveysalan työn tulevaisuuden osaamistarpeet ennakointihankkeen tuloksina löydetyistä kvalifikaatioluokista mikään ei välttämättä ole pelkästään sosiaali- ja terveysalalle tyypillistä osaamista. Tosin 181 osaamistarpeen joukosta olisi saattanut löytää yksittäisiä kvalifikaatioita, jotka selvästi painottuvat vain sosiaali- ja terveysalalla. Jos verrataan empiirisen aineiston perusteella saatuja kvalifikaatioluokkia perinteiseen luokitukseen, paljon käytettyyn jakoon tuotannollisteknisiin, motivaatio-, mukautumis-, sosiokulttuurisiin ja innovatiivisiin kvalifikaatioihin, joudutaan osittaisiin yhteensovittamisongelmiin (katso tarkemmin Metsämuuronen 1999b). Osa Metsämuurosen aineistossa ilmenneistä kvalifikaatioluokista kuten sosiaalinen osaaminen, muuttumisen osaaminen, tiedonhankintaosaaminen, työhön ja työssä vaikuttamisen osaaminen, innovatiivisuus, itsenäinen päätöksenteon osaaminen, vastuunotto ja yhteistyöosaaminen on helppo sijoittaa perinteisiin luokkiin. Ongelmallisia osaamisalueita on kuitenkin monta, erityisesti kansainvälisyysosaaminen, asiakaspalveluosaaminen, yhteiskuntaosaaminen ja itsepuolustusosaaminen, joita on hankala saada väkivallatta sijoitettua mainittuihin perinteisiin luokkiin. Toisaalta ongelmia saattavat tuottaa myös pehmeä osaaminen (ks. Metsämuuronen 1999b), ihmisen kohtaamisosaaminen, teknologian hallinta, oman persoonan käyttö, aktiivisen vaikuttamisen taito, projektityöosaaminen, johtamisosaaminen, ja yrittäjyys: mihin luokkaan ne voisi sijoittaa, vai pitäisikö niitä pitää tuotannollisteknisinä kvalifikaatioina eli osaamisena, joka on välttämätöntä työn suorittamiseksi hyvin? Kysymys on siitä, että itse luokittelujärjestelmä on ollut teollisuusyhteiskunnan kannalta järkevä, mutta muuttuneissa olosuhteissa työn ja työelämän rakenteiden muututtua luokittelu ei välttämättä enää ole relevantti; uusi tieto- tai informaatioyhteiskunta vaatii uudenlaiset luokittelujärjestelmät työssä vaadittavalle osaamiselle. Näyttää siltä, että Kaivo-ojan (1998) ja Honkakosken (1995) käyttämä jako yleisosaamiseen ja asiaosaamiseen/ alalla tyypillisesti vaadittavaan osaamiseen tai Helakorven (1995) Vuorisen pohjalta esittelemä jako ydinosaamiseen ja reunaosaamiseen, olisivat nykyisessä tietoyhteiskuntakehityksen vaiheessa toimivampia kvalifikaatioiden jakoperusteita kuin perinteinen jako, jonka ongelmia edellä pohdittiin. Yleis- tai reunaosaaminen olisi osaamista, jota tarvitaan ammatissa kuin ammatissa, kuten muuttumisen taitoa, aktiivisen muuttamisen taitoa, arvo-osaamista ja eettisiä taitoja, kansainvälisyystaitoja, oman persoonan käytön taitoja, projektityön taitoja, sosiaa- 158

159 lisia taitoja, tiedonhankintataitoja ja suurempi vastuunotto. Termi yliammatilliset ammattitaitovaatimukset (Honkakoski 1995) kuvaa hyvin sitä, että samoja taitoja tarvitaan ammatissa kuin ammatissa: kyse lienee siitä, millaisen muodon yleisempi osaaminen saa esimerkiksi sosiaali- ja terveydenhuollon kentässä. Toisaalta kyse saattaa olla siitä, että uudet kulttuurit kuten palvelukulttuuri, informaatiokulttuuri, verkottumiskulttuuri saavat yhä enemmän jalansijaa myös eri aloilla, mistä seuraa se, että kyseiset uudet toimintatavat vaativat uudenlaista toimintaotetta. Uudet toimintaotteet vaativat puolestaan uudenlaista osaamista. Termi yliammatilliset ammattitaitovaatimukset tulee lähelle alun perin Vuorisen esittämää jakoa ydinkvalifikaatioihin ja reunakvalifikaatioihin (ks. Helakorpi 1995, 75): jokaisella ammatilla olisi oma ydin osaamisen alueensa, mutta reunakvalifikaatioiden perusteella ammatteja voisi ryhmitellä erilaisiin ammattiperheisiin. Lopuksi Ilmeistä on, että aivan perustavaa laatua olevia taitoja tulevaisuudessa näyttävät olevan ns. metataidot. Kirsti Kivinen (1998, 79) on korostanut sitä, että koulutus ei voi antaa valmiita malleja kaikkeen työntekoon. Niinpä eräitä keskeisiä tulevaisuuden taitoja ovat oppimaan oppiminen, taito tuottaa itse uusia käsitteellisiä malleja sekä taito reflektoida omaa toimintaansa. Toinen kiintoisa trendi on Väärälän (1996, 16) julkituoma ajatus siitä, että tulevaisuudessa tarvitaan yhtä aikaa sekä erikoistavaa että yleistä osaamista. Yleinen osaaminen ei pelkästään riitä, vaan on myös hallittava oman ammattinsa erikoisosaamista. Toisaalta pelkkä ammatin ydinosaaminen ei riitä, sillä tarvitaan paljon yleistä osaamista. Herää kysymys: mitkä ovat tulevaisuuden työntekijän oleellisia ominaisuuksia ja mitä osaamista tulisi koulutuksessa painottaa. Turtiaisen (1997) mukaan työnantajat painottavat enemmän ammattilaisen persoonallisia piirteitä ja oppimiskykyä kuin tuotannollis-teknisia ominaisuuksia. Toisaalta uudemmissa kvalifikaatiotutkimuksissa esille ei juurikaan tule muita kuin ammattilaisen yleisiä ominaisuuksia. Saattaa siis olla niin, että kun perinteisessä kvalifikaatioluokituksessa pääpaino oli tuotannollis-teknisissä kvalifikaatioissa ja muut motivaatio-, mukautumis-, sosio-kultturiset ja innovatiiviset yms. kvalifikaatiot tukivat sitä, olisi ehkä syytä kääntää ajattelu toisin päin. Keskeistä muuttuvissa olosuhteissa onkin se, että ammattilainen on yleisesti ottaen hyvä työntekijä ammattilaisella on hyvä yleiskvalifikaatioiden hallinta sisältäen mm. oppimiskyvyn, sopeutumisen, tiimityötaidot minkä lisäksi hänellä on tuotannollis-teknisiä valmiuksia eli alalla vaadittavaa täsmäosaamista. Hyvä, oppimiskykyinen ja -haluinen työntekijä voidaan kouluttaa asiantuntijaksi alalle kuin alalle, mikäli hänellä on kiinnostusta asiaan (ks. myös Metsämuuronen 1999b, kuvio 2). Toisaalta vaikka nykyisessä keskustelussa tärkeiksi kvalifikaatiovaatimuksiksi näyttävät kohoavan muut kuin tuotannollis-tekniset kvalifikaatiot, on hyvä pitää mielessä Mäkisen (1998, 85) ajatus oleellista kvalifikaatioista: asiakkaalla on hyvä edelleenkin on parturista tullessaan korvat tallella. LÄHTEET: Allard E Työttömyys: yhteiskuntatieteellisten tutkimusotteiden tarve. Sosiologia 4/1997, Andersson J-O, Helppi T, Kasvio A, Koivukangas P, Kuusi O, Lahti A, Mannermaa M, Niinivaara M, Stenlund H & Valtonen H Työskenaariot. Työelämän suunnat ja ulottuvuudet. Skenaarioprojektin väliraportti. Työhallinnon julkaisu 171. Työministeriö. 159

160 Hautamäki A (toim.) Suomi teollisen ja tietoyhteiskunnan murroksessa. SITRA 154. Helsinki. Helakorpi S Ammattitaito ja sen arviointi. Teoksessa Turpeinen, R. (toim.) 1995: Ammattitutkintojen ja näyttökokeiden teoreettisia perusteita. Helsinki, Opetushallitus Honkakoski A Sosiaalialan toiminnan todellisuus, ammattitaito ja koulutus. Opetushallitus. Kehittyvä koulutus 1/1997. Hakapaino, Helsinki.. Jokinen P, Kaivo-oja J & Malaska P Kestävä kehitys tietoyhteiskunnassa. FUTURA 1/1997, Lilius R (toim.) Suomi tietoyhteiskunnaksi kansallisten linjausten arviointi. Sitra 159. Helsinki. Kaivo-oja J Tietoyhteiskunnan työmarkkinakehityksen tulevaisuusarvio 2017 tutkimus. Osaamistarpeet kommunikaatio-klusterissa. Esitys ja tiedote ESR-ennakoinnin parhaita käytäntöjä ja tuloksia seminaarissa Kaivo-oja J & Kuusi O Arvioita ja analyysejä tietoyhteiskunnan työmarkkinoiden kehityspiirteistä Suomessa. ESR-julkaisusarja 42/99. Kivinen K Äänetön ammattitaito pätevyyden osatekijänä. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998, Yliopistopaino, Helsinki. Kivinen O, Rinne R, Kankaanpää A, Haltia P & Ahola S Ammatti, koulutus ja kvalifikaatiot. Koulutussosiologian tutkimuskeskus. Rapotteja 17. Turun yliopisto. Korhonen K Diplomi-insinöörikoulutus on epäonnistunut, ellei se anna tarvittavia valmiuksia jatkuvaan oppimiseen. Esitys ESR-ennakoinnin tulosseminaarissa Korhonen K DI koulutuksen haasteet tietoyhteiskunnassa FUTURA 1/1998, Kuusi O Tulevaisuuden avainosaaminen. FUTURA 4/1996, Mannermaa M Tulevaisuudentutkimus ja ennustaminen. SoTeKeKo-tiedote 1/1996, Mannermaa M Tietoyhteiskunta on ideologinen ilmiö. FUTURA 3/1997, Metsämuuronen J Maailma muuttuu miten muuttuu sosiaali- ja terveysala. STM, Stakes, OPH ja Suomen Kuntaliitto yhteisjulkaisu. Työministeriön ESR-sarja 39/98. Oy Edita Ab. Metsämuuronen J 1999a. Suuret ikäluokat ja kuntien haasteet sosiaali- ja terveysalalla. Suomen Lääkärilehti 15/1999, Metsämuuronen J 1999b. Pehmeät kvalifikaatiot sosiaali- ja terveysalan työssä ja ammatillisessa koulutuksessa. Aikuiskasvatus 2/1999, Metsämuuronen J 1999c. Perusosaaminen sosiaali- ja terveysalalla. Teoksessa Tiihonen P. & Söderlund S. (toim.). Työ tulevaisuudessa. Eduskunnan tulevaisuusvaliokunta, Tulevaisuustutkimuksen VerkostoAkatemia ja Tulevaisuuden tutkimuskeskus Metsämuuronen J 2000a. Maailma muuttuu miten muuttuu sosiaali- ja terveysala. 2. tarkistettu painos. Julkaistu aiemmin STM:n, Stakesin, OPH:n ja Suomen Kuntaliiton yhteisjulkaisuna Työministeriön ESR-sarjassa numerolla 39/98. Oy Edita Ab. Metsämuuronen J 2000b. Uuden vuosituhannen haasteet sosiaali- ja terveysalalla. Suomen Lääkärilehti 14/2000, Metsämuuronen J 2000c. Uuden vuosituhannen haasteet sosiaali- ja terveysalalla. FUTURA 2/2000, Myllykangas M, Elo J & Tuomainen R Medikalisaatio aikamme sairaus. Hyvinvointikatsaus 4/1995, Mäkelä K Kvalifikaatioanalyysi - miksi ja miten? Aikuiskasvatus 2/ Ojapelto A Lisääkö automaatio kilpailukykyä vai työttömyyttä? Tammi, Helsinki. Ojapelto A Ratkaiseeko tietoyhteiskunta ja elektroniikkateollisuus työllisyyden. FUTURA 1/1998,

161 Ollus M, Rovio R, Mieskonen J, Vuorinen P, Karko J, Vuori S & Yli-Anttila P Joustava tuotanto ja verkostotalous. Tekniikan, talouden ja yhteiskunnan vuorovaikutus 1990-luvulla. Sitran julkaisuja 109. Helsinki. OPM 1994:37 Sosiaali- ja terveysalan koulutustarvetyöryhmän muistio. Opetusministeriön työryhmien muistioita 37:1994. Pantzar M Työ ei lopu! Luento Työn tulevaisuus seminaarissa Pantzar M Tulevaisuuden koti - arjen tarpeita keksimässä. Otava, Keuruu. Pelttari P Sairaanhoitajan työn nykyiset ja tulevaisuuden kvalifikaatiovaatimukset. Stakes, Tutkimuksia 80. Gummerus, Jyväskylä. Pelttari P 1998a. Hoitotyön ammattitaitovaatimukset tulevaisuudessa. FUTURA 1/98, Pelttari P 1998b. Kvalifikaatio vai kvalifikaatiovaatimus? FUTURA 1/98, Rantanen J & Lehtinen S Tietoyhteiskunta, terveys ja työ. Sitra 164. Helsinki. Rifkin J The End of Work. The Decline of Global Labor Force and the Dawn of the Post- Market Era. New York. Rifkin J Työpaikat katoavat. Hyvää entistä harvemmille? Hyvinvointikatsaus 2/1996, Rifkin J Työn loppu. Teknologia, työpaikat, tulevaisuus. Alkuteos The end of Work. Suom. Ritva Liljamo. WSOY, Helsinki. Räisänen A Ammatillisen osaamisen arviointi. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998, Yliopistopaino, Helsinki. Stenberg M Tiedosta osaamiseen. Ikääntyvien työntekijöiden tietoyhteiskuntavalmiuksien ennakointia. Helsingin yliopiston Lahden tutkimus- ja täydennyskoulutuskeskuksen raportteja ja selvityksiä 34/2000. STM 1995:27 Sosiaali- ja terveydenhuollon tietoteknologian hyödyntämisstrategia. Sosiaali- ja terveysministeriön työryhmämuistioita.1995:27. Taalas M Ammattitaidon ja sen arvioinnin tarkastelunäkökulma. Teoksessa Mäkinen, R. & Taalas, M. (toim.) 1993: Producing and certifying vocational qualifications. Kasvatustieteiden tutkimuslaitoksen julkaisusarja B. Teoriaa ja käytäntöä Taalas M Ammattitaito ja näyttökokeet. Teoksessa Turpeinen, R. (toim.) 1995: Ammattitutkintojen ja näyttökokeiden teoreettisia perusteita. Helsinki, Opetushallitus Tiainen P Taloudellisen kasvun tekijät Suomessa. Työvoiman, pääoman ja kokonaistuottavuuden osuus vuosina Työpoliittinen aikakauskirja 1/ Toikka K Kehittävä kvalifikaatiotutkimus. Valtion koulutuskeskuksen julkaisusarja B 25. Helsinki. Turtiainen J Kvalifikaatio ja ennakonti.työpoliittinen aikakauskirja. 1-2/1997, Vuorinen P Työn ja ammattien muutos. Teoksessa Opetussuunnitelman laatiminen ammatillisessa oppilaitoksessa. Helsinki, Kaupunkiliitto. Väärälä R 1995a. Ammattikoulutus ja kvalifikaatiot. Acta Univrsitatis Lappoensis 9. Rovaniemi: Lapin yliopisto. Väärälä R 1995b. Ammattikoulutus muuttuvilla työmarkkinoilla. Opetushallitus, Tutkimus 4/1995, Yliopistopaino, Helsinki. Väärälä R Työhön vai ammattiin - koulutuksen pulmat 2000-luvulle. SoTeKeKo- tiedote 1/1996 Väärälä R Pätevyys ja ammatillinen muutos. Teoksessa Räisänen A. (toim.) 1998: Hallitaanko Ammatti? Pätevyyden määrittelyä arvioinnin perustaksi. Opetushallitus, Arviointi 2/1998, Yliopistopaino, Helsinki. 161

162 6.3. Esimerkki PESTE-analyysin käytöstä Uuden vuosituhannen haasteet sosiaali- ja terveysalalla Tämä artikkeli ilmestyi pidempänä ja kuvallisena versiona FUTURA-lehden sosiaali- ja terveysalan tulevaisuuden teemanumerossa 2/2000 ja hieman lyhennettynä versiona Suomen Lääkärilehden numerossa 14/2000. Itse artikkeli perustuu luentoon joka pidettiin Lääkäripäivillä Lähdeviite on: Metsämuuronen J Uuden vuosituhannen haasteet sosiaali- ja terveysalalla. FUTURA 2/2000, tai Metsämuuronen J Uuden vuosituhannen haasteet sosiaali- ja terveysalalla. Suomen Lääkärilehti 14/2000, Uuden vuosituhannen haasteet sosiaali- ja terveysalalla Tässä artikkelissa pohditaan millaisia yleisiä tulevaisuuteen vaikuttavia trendejä maailmalla on ja mitkä saattavat niiden ilmentymiset ja vaikutukset olla sosiaali- ja terveysalan tulevaisuuteen. Sosiaali- ja terveysalan tulevaisuuteen vaikuttavia tekijöitä kartoitetaan APESTEanalyysin avulla. Keskeisiksi tulevaisuuteen vaikuttaviksi tekijöiksi osoittautuvat väestön ikääntyminen, palvelurakenteen muutos, teknikan ja informaatioteknologian kehitys, kansantalouden kehitys ja työttömyys, sekä kansainvälistyminen. Artikkelissa pohditaan myös uudenlaisen osaamisen merkitystä muuttuvassa toimintaympäristössä. Asiasanat: Ikääntyminen, Suuret ikäluokat, Teknologian kehitys, Kansantalous, Kansainvälistyminen, APESTE-analyysi, Osaaminen Lukijan on syytä huomata, että tulevaisuutta ei vielä ole tullut. Näin ollen se mitä seuraavaksi esitetään on yksi mahdollinen käsitys tulevaisuudesta sinänsä ehkä sivistynyt arvaus ja mielestäni uskottava. Uskon kuitenkin Rooman klubin perustajan Aurelio Peccein tavoin, että tulevaisuus on ihmisistä riippuvainen tulevaisuus on miksi sen teemme. Suunnan näemme, muttemme päämäärää. Siksi lukija olkoon kriittinen seuraavia rivejä lukiessaan. Sosiaali- ja terveysalan APESTE-analyysi Voidaan hyvällä syyllä sanoa, että sosiaali- ja terveysala on ollut ja tulee olemaankin seuraavien 30 vuoden ajan muutosten ja murroksen kourissa. Globaalisten megatrendien lisäksi tulevaisuuteen vaikuttavat myös monet kansalliset megatrendit ja ilmiöt, joilla on suoranainen rooli sen toimintaympäristön muokkaamisessa, missä sosiaali- ja terveydenhuollon ammattilainen toimii tulevaisuudessa. Toimintaympäristön muuttuminen vaikuttaa niin työhön kuin työntekijöihinkin samoinkuin koulutukseen ja kouluttajiin. Muutostekijöitä on kartoitettu APESTEanalyysilla. PESTE-analyysi on eräänlainen luokittelurunko tai oleellisten asioiden sisällysluettelo, jotka on pidettävä mielessä kun kartoitetaan tulevaisuuden kannalta oleellisia tekijöitä 1. PESTEanalyysin terminä on lanseerannut Tarja Meristö 2 alun perin liiketoimintaympäristön kartoittamiseen. Analyysissa selvitetään enemmän tai 162

163 vähemmän systemaattisesti, mitkä ovat tulevaisuuden suhteen oleellisia tekijöitä Poliittiselta, Ekonomiselta, Sosiaaliselta, Teknologiselta ja Ekologiselta kannalta. Metsämuuronen on ottanut käyttöön vielä Asiakaskomponentin tutkiessaan sosiaali- ja terveysalan tulevaisuutta 3 ja nimittää käyttämäänsä hahmottamisrunkoa APESTE-analyysiksi. Taulukko 1. Sosiaali- ja terveysalan tulevaisuuteen vaikuttavia tekijöitä APESTE analyysissa APESTE-analyysi Asiakkaiden muutokset Poliittiset muutokset Ekonomiset muutokset Sosiaaliset muutokset Teknologiset muutokset Ekologiset muutokset -tarpeet -kansainvälisyys -kansantalous -palvelurakenne -informaatio- -kestävä -arvot -EU -työttömyys -yhteisöllisyys/ teknologia kehitys -ikääntyminen -ohjausjärjestelmän -työvoimapula yksilöllisyys -teknologia -ekokatastro- -terveys muutokset -tietoyhteiskunta- -verkostoituminen fien uhka -ihmislajin -koulutuspolitiikka kehitys kehittyminen? ja suunnittelu -lisääntynyt -terveysohjelmat osallistuminen -sosiaali- ja terveysalan päätöksen- integraatio/segrekaatiotekoon kehitys Lähde Metsämuuronen 2000, 10 Taulukossa 1. on esitetty Metsämuurosen kokoamia sosiaali- ja terveysalan tulevaisuuteen liittyviä tekijöitä ryhmiteltynä. Tarkkaavainen lukija huomaa helposti, että kyseiset tulevaisuuden attribuutit eivät välttämättä sijoitu oikean otsikon alle. Alkuperäisen PESTE-analyysin idea on kuitenkin vain löytää keskeiset muutostekijät. Niiden ryhmitteleminen oikean nimikkeen alle on toissijaista. Pienimuotoisessa Stakesin, Opetushallituksen, Kuntaliiton ja Peijaksen sairaalan henkilökunnalle kohdistuneessa kyselytutkimuksessa 4 todettiin, että osittain taulukossa 1. mainituista tulevaisuuteen vaikuttavista tekijöistä seitsemän oli ylitse muiden. Vaikutukseltaan suurimmaksi arvioitiin väestön ikääntyminen. Seuraavina järjestyksessä tulivat palvelurakenteen muutos, tekniikan ja teknologian kehitys, kansantalouden kehitys, työttömyys, kansainvälistyminen sekä informaatioteknologian kehitys. Seuraavassa käsitellään näitä seitsemää tekijää ja niiden mahdollisia ilmenemismuotoja ja vaikutuksia sosiaali- ja terveysalalla. Väestön ikääntyminen Eräs keskeisimmistä muutoksista vuoden aikajänteellä tulee olemaan suurten ikäluokkien tuoma haaste. Metsämuuronen on laskelmissaan osoittanut 5, että julkinen terveydenhuollon sektori ei välttämättä kykene vastaamaan kaikkiin sille asetettuihin vaatimuksiin. Väestön ikärakenne muuttuu niin, että sosiaalija terveysala joutuu ennen näkemättömän haasteen eteen niin Suomessa kuin muuallakin Euroopassa. Väestön ikääntymisen myötä syntyy kaksiaaltoinen haaste: ensimmäisessä aallossa suuret ikäluokat siirtyvät eläkkeelle ja heidän mukanaan siirtyy työelämän piiristä suuri määrä tieto-taitoa. Esimerkiksi HYKS:n kokoisessa suuressa sairaalassa (n työntekijää) joudutaan laskennallisesti vuosien välisenä aikana rekrytoimaan, kouluttamaan ja perehdyttämään yli 200 henkilöä, vuosien välillä noin 450 ja vuosien välillä lähes 800 uutta työntekijää. Suurten ikä- 163

164 luokkien tuoman ensimmäinen aallon haaste on ensisijaisesti siis koulutuksellinen haaste. Toinen haaste seuraa, kun suuret ikäluokat alkavat tarvita hoitoa ja hoivaa. Yli 75 vuotiaiden määrä lisääntyy osin kaksinkertaiseksi jopa kolminkertaiseksi kunnasta riippuen ja jokainen vanhus tarvitsee arvokkaan loppuelämän. Vanhuudesta johtuvien tai vanhuksille tyypillisten ongelmien kuten dementiasairauksien ja reisiluunkaulanmurtumien, sydän- ja verisuonitautien sekä pitkäaikaisen hoiva-avun tarpeen määrä kasvaa voimakkaasti 6. Kentta ja Nissinen arvioivat vuonna 1996, että vuonna 2030 tarvittaisiin pelkästään dementiaa sairastavia varten enemmän sairaansijoja kuin niitä 1996 oli kaikkiaan 6. Parkkalin laskelmien mukaan reisiluun kaulan murtumien määrä kaksinkertaistuu vuodesta 1997 vuoteen 2020 mennessä 6. Metsämuuronen on laskenut, että pelkästään Vantaalle pitäisi lisääntyvään tarpeeseen rakentaa kaksi isoa 10-osastoista aluesairaalaa 7. Kyseisissä sairaaloissa tulisi jokaisella osastolla olla 40 vuodepaikkaa, mikäli pitkäaikaishoidossa hoidetaan vuonna 2020 prosentuaalisesti sama osa (10 % ) yli 75 -vuotiaista sairaaloissa kuin nykyisin. Laskelmien jälkeen Vantaalla on tehty uudempi selvitys tulevaisuuden vanhusten huollosta. Uusienkin laskemien mukaan ainakin lyhyellä aikavälillä laitoksissa tultaisiin hoitamaan n. 10 % yli 75 vuotiaista 8. Tämä johtaa laskennallisesti identtiseen tilanteeseen aiemman arvion kanssa. Julkisuudessa on esitetty, että väestön terveyden tilan paraneminen ja vanhojen vanhusten määrän lisääntyminen indikoisivat sitä, että tulevaisuus ei olisi aivan näin haasteellinen kuin olen esittänyt. Ymmärtääkseni kuitenkin terveydentilan paraneminen vain pitkittää esitetyn tilanteen alkamista. Ongelma on se, että nykyisillä ajattelumalleilla (kuolema kohdataan laitoksissa) ja hoitokäytänteillä (kuolemaa valvoo legalisoitu ammattilainen) tilannetta ei voida estää. Ainoa mahdollisuus estää julkisten hoitolaitosten ja sairaaloiden ylikuormittuminen on se, että tulevaisuudessa terminaalivaiheiset tai huonoon kuntoon joutuneet vanhukset eivät enää tule julkisen hoidon piiriin, vaan elämän loppuvaihe hoidetaan vanhaan tapaan kotona ilman hoitohenkilökuntaa. Tämä johtanee joidenkin yksilöiden kohdalla hieman nopeampaan kuolemaan kuin sairaalaoloissa olisi mahdollista. Mahdollisesti väestön odotettavissa oleva elinikä laskee hieman tästä teknisestä syystä, vaikka toisaalta optimaalinen elinikä nouseekin koko ajan. Yksityissektori ja kolmas sektori tulevat nostamaan kapasiteettiaan, mutta todennäköistä on, että joudumme tiukkaan priorisointi- ja eutanasiakeskusteluun ennen kuin vuosi 2020 on ohi ja tämän jälkeen haaste vielä jatkuu ainakin 10 vuotta: kuka saa hoitoa julkisella sektorilla, saako kukaan hoitoa ilmaiseksi, minne ohjataan ne asiakkaat, joilla on tuloja tai omaisuutta maksaa hoidostaan, kuka päättää sen, pääseekö asiakas laitokseen vai ei, milloin lopetetaan keinotekoisesti ylläpidettävä elämä, kuka päättää ruokinnan lopettamisesta? Tullaan myös keskustelemaan henkilökunnan työoloista: kuinka paljon pystytään hoitamaan yhdellä osastolla ylipaikoilla, kuinka monta lonkkaleikkausta tai sydänkirurgista operaatiota voidaan edellyttää tehtäväksi kirurgin omalla ajalla ilman erilliskorvausta, kuinka paljon kouluttamatonta tai ns. halpatyövoimaa voidaan ottaa laitoksiin ilman, että hoidon taso kärsii ratkaisevasti, minkälaisella henkilöstörakenteella hoito toteutetaan, miten sovitetaan yhteen eri kulttuurien käsitykset hyvästä hoidosta vierastyövoiman tullen? Palvelurakenteen muutos Palvelurakenteen muutoksella tarkoitetaan sitä, että pyritään pois laitoshoidosta enemmän avohoitoon tai palveluasumiseen. Tämä oli suoraa jatkoa sille, että kansallisiksi tavoitteiksi kirjattiin 1990-luvun puolivälissä sairauksien ennaltaehkäisy ja terveyden edistäminen 9, jota ajatusta on myöhemminkin jatkettu 10. Palvelujärjestelmille annettiin tavoitteeksi mukautua mahdollisimman nopeasti yhteiskunnan muuttuviin tarpeisiin 11. Myöhemmin kuitenkin todettiin, ettei varsinaista kustannussäästöä ollutkaan syntynyt, sillä avohoitopainotteisuudesta syntyneet säästöt käytettiin lähes kokonaan erikoissairaanhoidon lisääntyneisiin tutkimuksiin ja käynteihin 12. Lehto huomautti myös, että laitoshoidon purkaminen oli vanhusten kannalta ongelmallista, 164

165 sillä kotipalveluiden kehittyminen ei edennyt odotetulla tavalla 13. Jo aiemmin käsiteltiin suurten ikäluokkien haasteen yhteydessä laitoshoidon kapasiteettia ja siinä tapahtuvia muutoksia. Laskelmien mukaan myös avohoidon sektorilla on painetta henkilöstön lisäpalkkaamiseen, mikäli halutaan samanlainen prosenttiosuus vanhuksista hoitaa avopalveluiden eli kotihoidon piirissä (kotiapu, kotisairaanhoito, kotisairaala, turvapalvelu) kuin ennenkin 14. Kotihoidon asiakaskunnan kasvaminen tuhansilla (esimerkiksi Helsingissä noin 4000:lla, Vantaalla n. 4000:lla, Espoossa n. 2500:lla ja Tampereella n. 2400:lla) vuoteen 2020 mennessä tuo painetta lisähenkilökunnan palkkaamiseen tai hoidon ja hoivan laatu laskee oleellisesti. On nimittäin vaikea kuvitella, että samalla henkilöstömäärällä kyettäisiin yhtä laadukkaasti hoitamaan huomattavasti suurempi joukko ihmisiä. Ilmeistä on, että mm. LyhKitoiminnan johdosta entistä vaativammin hoidettavia asiakkaita hoidetaan kotioloissa. Joissain kaupungeissa on perustettu ns. kotisairaaloita, joissa asiakkaat saavat lääkärin ja hoitajan palvelut, mutta asuvat omassa kodissaan. Kokemukset ainakin radiouutisten mukaan ovat olleet positiivisia. Avohuollon kapasiteetin kasvun vaatimuksessa on nähty myös positiivisia seurauksia. Pienten ja keskisuurten palveluyritysten määrä tullee kasvamaan 15, sillä niiden perustamiskulut eivät ole kovinkaan suuret. Julkisella sektorilla on ennustettu työpaikkojen vähenevän 16, mutta sosiaali- ja terveyspalveluiden alueella työllisyys lisääntyy nimenomaan yksityisyritysten kautta. Toisaalta on ennustettu, että osaaminen erityisesti ikääntyneiden palveluun liittyvissä asioissa saattaisi mahdollistaa uusien, kansainvälisesti kilpailukykyisten klusterialojen kehittymisen 17. Hyvinvointiklusterilla tarkoitetaan kaikkia niitä yrityksiä ja palvelujen antajia, jotka yhdessä toimivat hyvinvointipalvelujen tuottamisessa yhteiskunnalle 18. Yleensä klusteriin on liitetty lääketeollisuus, sairaalat ja hoitolaitokset, sairaankuljetuspalvelut, apuvälineiden valmistajat ym. perinteisesti suoraan sosiaali- ja terveydenhuoltoon liittyvät toimijat. Klusteriin kuuluu em. lisäksi myös mahdollisesti elektroniikkateollisuuden yrityksiä (alihankkijoina teknisiin laitteisiin), lukkoseppiä (turvapalvelujen tuottajina), vartijoita, huonekaluteollisuutta, talonrakennusteollisuutta ym. toimijoita, jotka eivät suoraan toimi terveyden ja sairaudenhoitoon liittyen, mutta joiden toiminta on oleellinen osa kokonaisuuden muodostumista. Hyvinvointiklustereiden kehittyminen ja julkituleminen on ollut viimeaikaisissa maakunnallisissa EUprojekteissa eräs kiintoisa ennakointihankkeiden ilmenemä 19. Klusteriajattelussa ja hankkeissa on nähty mahdollisuuksia parantaa työllisyyttä ja saada yritysten välille synergiaetua siitä, että yritykset ja palvelut tulevat toisilleen tunnetuiksi. Omaishoidon ja ns. kolmannen sektorin toimijoiden säätiöiden, seurakuntien ja yhdistysten toiminta sosiaali- ja terveysalan toimintakentässä tullee lisääntymään. Koska julkinen sosiaali- ja terveydenhuolto todennäköisesti tulee olemaan vaikeuksissa, on mahdollista, että kehittyy uudenlainen, perhekeskeinen ajattelu mahdollisesti uusi sosiaalinen boomi. Perhekeskeisyydestä voidaan olla monta mieltä. Jos näkymäni vanhustenhuollon tulevaisuudesta pitää paikkansa, on kaksi perusvaihtoehtoa: vanhat vanhukset pärjäävät omillaan (eli varallisuutta ja terveyttä on) tai sitten vanhukset tulevat kuntien ja valtion palvelujen piiriin (varallisuutta ei ole kalliiseen yksityishoitoon, mutta silti tarvitsee apua). Ongelmallinen ei ole ensimmäinen ryhmä, vaan toinen (todennäköisesti suuri massa). On kolme perusvaihtoehtoa: Vanhus on kunnan perusturvan piirissä (ei ole omaisia), vanhus on kolmannen sektorin piirissä (ei omaisia, mutta suhteita tai ei mahdu kunnalliseen) tai omaiset ottavat vastuun (omaiset olemassa ja halua hoitaa). Näiden välissä lienee tietenkin monenlaisia välittäviä vaihtoehtokombinaatiota. Kunnat eivät pysty hoitamaan paljonkaan enempää kuin nykyisin samalla henkilöstömäärällä. Lisää palkataan jos varoja on. Toisaalta koulutukseen halutaan varmasti satsata yhteiskunnassa samoin kuin lastenhoitoon. Vanhustenhuoltoon ei liikene paljoakaan enempää varoja kuin nyt. Nykyisten paikkojen yli tulevat hoidettaneen siis yksityisesti tai lisäpaikoilla tai kolmannella sektorilla tai omaisten toimesta tai heitteillä. Jos valittavana on vaihtoehdot 1) heitteillä tai 2) suku- 165

166 laisten luona, omaiset (huom. ei vanhus) tullevat valitsemaan jälkimmäisen vaihtoehdon. Kysymyksessä ei siis ole se vanhus, joka pärjää itsenäisesti vaan se, jonka jalka meni poikki tai ei muista mitään tai tunne ketään. Ajattelutapa siis olisi: "Eihän meidän vanhusta voi heitteillekään jättää..." Tämän suuntaista ajattelua ei ole vielä näkyvissä, mutta voin kuvitella, että ennen kuin vuosi 2030 on ohi, vanhuksista on tullut osa ydinperhettä lasten tapaan: jos muuttaa pois syrjäseudulta kasvukeskukseen, yhä useammin mukana seuraa isoäiti tai isoisä. Kolmannen sektorin toimijoista lähinnä seurakunnilla saattaisi olla suurimpia resursseja tulla talkoisiin suurten ikäluokkien ikääntyessä. Luterilaiset seurakunnat ovat julkisesti esittäneet, että hoiva ja hoito kuuluvat yhteiskunnan velvollisuuksiin. Muuttuvissa tilanteissa uskon kuitenkin sosiaalista omatuntoa löytyvän: perustetaan mahdollisesti vapaaehtoispohjalta toimivia hoito- ja saattokoteja. Nämä palvelevat sellaisia kunkin seurakunnan omia vanhuksia, joilla ei ole varaa saada palvelua yksityisiltä tai kunnallisilta toimijoilta. Seurakuntien kynnys lähteä toimintaan ei liene kovin korkea. Sille yhtäältä löytyy raamatullisia perusteita ja toisaalta tiedetään, että tilanne on väliaikainen eikä jää pysyväksi olotilaksi seurakuntien taloudessa. On tietenkin mahdollista, että myös elinkeinoelämä lähtee mukaan talkoisiin. Se olisi helpottavaa, muttei välttämättä helppoa. Tämä tarkoittaisi sitä, että esimerkiksi Nokia kustantaa omille työntekijöilleen vanhusten hoidon samoin kuin koulutuksen ja työntekijöiden lapsille lastentarhan. Ajattelussa pitää tapahtua paljon muutosta, mutta onneksi isoimmat yhtiöt ovat olleet tähän asti Suomelle varsin lojaaleja. Tekniikan, teknologian ja informaatioteknologian kehittyminen Tekniikan kehittymisen nopeus, uudet teknologiset innovaatiot sekä informaatiotekniikan kytkeytyminen mekaniikkaan ovat tuoneet aivan uudenlaisia mahdollisuuksia vastata ihmisten tarpeisiin modernilla tavalla. Huikeita, perusteltuja visioita on esitetty mm. ihmislajin muuttumisesta geeniteknologian avulla 20, kytkemällä ihmiseen piisiru 21 tai mekaniikan lisäämisellä ihmiseen 22. En tässä esityksessä puutu tähän puoleen, vaan esittelen perusteluja näkemyksiä siitä, millaista tekniikkaa meillä tullee olemaan pari vuosikymmenen kuluttua. En ole tämän alueen erityisasiantuntija, mutta voin nähdä millaisiin ratkaisuihin jo nykyään toteutettavissa olevat mahdollisuudet saattavat viedä. Jokainen alan ammattilainen lienee huomannut sen, että yhä vaativampaa tekniikkaa tulee erikoissairaanhoidosta vanhentuneena yleishoidon käytettäväksi. Esimerkiksi tästä käynee se, että 20 vuotta sitten oli harvinaista, että aluesairaaloissa oli mekaanisia verenpainemittareita. Nyt niitä saa ostaa Hobby Hallista ja jokaisella itseään kunnioittavalla verenpainepotilaalla on sellainen kotona. Hyttisen mukaan tulevaisuuden tekniikkaa karakterisoi kaksi trendiä: yhtäältä se, että kaikki pienenee miniatyrisoituu ja toisaalta se, että informaatioteknologiaa (tietokone) tulee mekaanisiin laitteisiin 23. Hyttisen esittämät trendit ovat ymmärrettäviä ja ilmeisiä. Niiden ilmenemiset ovat kuitenkin vielä hämärän peitossa. Kaksi tietotekniikan ja mekaniikan sovellusta voivat olla hyvinkin merkittäviä kehittämiskohteita tulevaisuudessa eikä varmaankaan kovin kaukanakaan: älysänky (tai älyhuonekalu) ja päälle puettava tietokone. Älysänkyyn on yhdistetty monia toimintoja, joilla voidaan rekisteröidä vuodepotilaan funktionaalisia signaaleja: sydämen syke, EKG-muutokset, lämpötila, mahdollisesti osa niistä toiminnoista, joita nykyään tehdään ultraäänilaitteilla tai EEG:n muutokset. Pisimmälle vietynä sänky saattaisi kyetä rekisteröimään veren virtauksessa tapahtuvia muutoksia tai ainakin siihen pystytään kytkemään suoraan verenpainemittaustekniikka. Kaikki tiedot ohjautuvat tietokoneelle, joka pystyy antamaan tarvittaessa hälytyksen kriisitilanteen tulleen. Sänkyyn siis kootaan ne fasiliteetit, joita nykyisinkin tehohoito- tai päivystyspotilaan ympärillä on, mutta sängyn avulla kaikki voidaan tehdä koordinoidusti ja kalibroiden sänky juuri tämän potilaan tilaan sopivaksi. Sänky tietenkin on potilaan henkilökohtainen koko sairaalassaoloajan. Toisaalta kotioloissakin älysängyllä voi olla samanlaisia ominaisuuksia, jolloin tiedot ohjautuvat keskukseen 166

167 (sairaalaan tai yksityiseen yksikköön), mistä hankaluuksien tulleen pystytään lähettämään partio antamaan apua. Kotioloissa älysänkyyn tietenkin voidaan liittää muita käyttöliittymiä. Sängyssä tai muussa huonekalussa kiinteinä olevilla säätimillä voidaan ohjailla turvavälineitä, yhteydenpitovälineitä tai esimerkiksi ruuanmuokkaus- ja valmistusvälineitä sekä viihdeelektroniikkaa. Sinisen verkon (Bluetooth) 24 tai sitä seuraavan edistysaskeleen avulla voidaan kyseiset asiat kytkeä toisiinsa langattomana verkkona kotitietokoneen avulla. Kuva 1a. Yksityiskohtia älypuvusta, johon on yhdistetty mm. selviytymisvälineitä, sykemittareita, navigointilaitteita, hypotermiasäkki kylmyyttä vastaa ja GSM-yhteydet ulkomaailmaan (lähde: Kuva 1b. Esimerkki puettavan tietokoneen kehityksestä vuodesta 1980 (vas.) vuoteen 1990 (kesk.) ja vuoteen 1995 (oik.) Lähde: Toinen tulevaisuuden kiintoisa kehittämiskohde ovat päälle puettavat tietokoneet. Vuoden 2000 vaatetusmessuilla suomalainen Reima-Tutta - yhtiö toi esille eräänlaisen selviytymispuvun (kuva 1a). Pukuun on upotettu mm. sateliittipaikannuslaitteita ja lämpötilaa mittaavia elementtejä 25. Itse ideahan ei ole uusi. Nimenomaan Japanilaiset, jotka ovat sitoutuneet pois ihmiseen sisäisesti sijoitettavista tietokoneista 26, ovat lähteneet jo aiemmin kehittelemään ulkoisia tietokoneita. Helposti voidaan kuvitella, miten työikäisten sydäniskemia-, infarkti- tai rytmihäiriöriskisille liikkuville potilaille lähdetään diagnostiikan apuvälineeksi kehittelemään koko ajan sydämen sähkötoimintaa rekisteröivää alusvaatetta. Tietokonepaita kiinnostaisi tietenkin myös urheilijoita, jotka haluavat seurata ja rekisteröidä sydämensä tilaa kiinteästi koko suorituksen 167