Kansalliset kokeet ja lupaus paremmasta tiedosta

Juuso Repo ja Elina Kilpi-Jakonen

Eduskunnan tarkastusvaliokunta on esittänyt koulutuksen tietopohjan vahvistamista ja kansallisten kokeiden soveltuvuuden selvittämistä Suomessa (TrVM 11/2026 vp). Kansallisten kokeiden tutkimusnäytöstä on kuitenkin erilaisia tulkintoja. Ketonen ja Atjonen (2025) sekä Karhunen (2026a) ovat päätyneet tutkimuskatsauksissaan osin erilaisiin johtopäätöksiin. Katsauksia seuranneessa keskustelussa on kiistelty tutkimusasetelmien soveltuvuudesta sekä siitä, miten alkuperäistutkimusten tuloksia on poimittu, painotettu ja raportoitu (Ketonen & Atjonen, 2026; Karhunen, 2026b).

Kiista nostaa esiin kysymyksen siitä, miten tutkimusnäytöstä edetään koulutuspoliittisiin johtopäätöksiin. Uskottavasti tunnistettu kausaalinen vaikutus ei yksin kerro, millainen koejärjestelmä Suomeen kannattaisi rakentaa. On arvioitava myös, mitä tutkimuksessa mitattiin, vastaako tutkittu järjestelmä Suomessa harkittavaa ratkaisua ja miten tulos suhteutuu vaihtoehtoihin. Toisaalta monipuolinenkaan kuvaus kokeiden seurauksista ei oikeuta vaikutusväitteisiin ilman uskottavaa vertailuasetelmaa.

Koulutuksen tietopohjan uudistamisen on lähdettävä tunnistetuista tiedontarpeista. Uuden koejärjestelmän perusteluksi tarvitaan kuvaus siitä, mitä sen avulla voidaan tutkia tai tehdä nykyistä paremmin ja miksi juuri se olisi vaihtoehtoja tarkoituksenmukaisempi ratkaisu.

Näyttöketjun jokainen lenkki on arvioitava

Karhunen (2026a) painottaa tutkimusasetelmia, joiden avulla kansallisten kokeiden kausaalisia vaikutuksia voidaan tunnistaa.  Ketonen ja Atjonen (2026) puolestaan korostavat, että koetuloksiin keskittyvä vaikutustutkimus ei välttämättä tavoita opetuksen käytäntöjen muutoksia tai koulutuksen muita tavoitteita.

Tutkimuskatsauksen menetelmällinen laatu ja siitä tehdyn politiikkapäätelmän perusteltavuus vaativat kumpikin oman arviointinsa.

Vastineessaan Karhunen (2026b) käsittelee myös kausaalitiedon ja tulosten yleistettävyyden rajoja.  Hän arvostelee lisäksi tapaa, jolla joitakin tutkimuksia on tulkittu ja raportoitu Ketosen ja Atjosen katsauksessa.  Karhunen kyseenalaistaa siis näytön painottamisen lisäksi sen, onko alkuperäistutkimusten sisältö kuvattu katsauksessa oikein. Katsauksen luotettavuus riippuu myös siitä, voidaanko tutkimusten valinta, tulosten poiminta ja päätelmien muodostaminen jäljittää alkuperäislähteisiin. Selvitämme näitä tutkimuskohtaisia erimielisyyksiä parhaillaan erillisessä tutkimuksessa.

Politiikkasuosituksen perustelemiseksi on lisäksi kysyttävä, mitä mitattu muutos tarkoittaa, mihin olosuhteisiin havainto soveltuu ja miksi ehdotettu ratkaisu olisi vaihtoehtoja perustellumpi. Tutkimuskatsauksen menetelmällinen laatu ja siitä tehdyn politiikkapäätelmän perusteltavuus vaativat kumpikin oman arviointinsa.

Mitä tietoa tarvitaan ja miten sitä käytettäisiin?

Kansallisia kokeita on perusteltu vertailukelpoisen oppimistiedon ja koulutusuudistusten vaikuttavuustutkimuksen tarpeella (Karhunen ym., 2026). Näihin tarpeisiin vastaamiseksi on täsmennettävä, millaisista kokeista puhutaan ja mitä tietoa niillä saataisiin.

Kansallisilla kokeilla voidaan tarkoittaa hyvin erilaisia järjestelyjä sekä itse kokeiden että tulosten käyttötapojen osalta.  Matalan panoksen osaamiskartoitus, oppilaille tai opettajille annettava palaute, koulukohtainen tulostieto, julkinen kouluvertailu, tuloksiin kytketty tilivelvollisuus tai kannustimet ja päättökoe vaikuttavat koulutyöhön eri tavoin. Yhden järjestelmän vaikutuksista saatu tutkimustulos ei siksi automaattisesti kerro toisen seurauksista (Karhunen, 2026b).

Koejärjestelmää suunniteltaessa on erotettava sen tuottama uusi tieto sen omista vaikutuksista. Mitä järjestelmä auttaisi ymmärtämään nykyistä luotettavammin, ja miten tietoa käytettäisiin tutkimuksessa, opetuksessa tai päätöksenteossa? Millaisiin kysymyksiin tarvitaan kaikkien oppilaiden mittauksia, millaisiin riittää otantaan perustuva pitkittäisseuranta ja millaisiin tarvitaan erillinen tutkimusasetelma?

Kausaalisen päättelyn kannalta mittausten kattavuus ei välttämättä ole yhtä tärkeää kuin niiden ajallinen rakenne, rekisteriyhdistettävyys ja mahdollisuus muodostaa uskottavia vertailuasetelmia. Esimerkiksi nuorten hyvinvoinnin ja oppimisen kehityskulkujen tutkiminen edellyttää aineistoja, joissa samoja nuoria voidaan seurata ajan yli ja yhdistää heidän hyvinvointiaan, osaamistaan ja myöhempiä koulutuspolkujaan koskevia tietoja (Kilpi-Jakonen & Repo, 2026).

Osaamistason tunteminen ei vielä kerro, mistä erot johtuvat tai millä toimilla oppimista voidaan parantaa. On kuvattava, kuka käyttäisi tuloksia ja millaisissa päätöksissä sekä millaisia voimavaroja tai tutkimusasetelmia tiedon hyödyntäminen edellyttäisi. Kattavasta seurannasta voi olla hyötyä myös ennakoimattomien muutosten tutkimisessa. Silloinkin tutkimusmahdollisuudet riippuvat siitä, mitä on mitattu ja mihin muihin tietoihin tulokset voidaan yhdistää.

Ketonen (2026) korostaa, että arviointi myös ohjaa koulutyötä: se suuntaa opetuksen sisältöjä, menetelmiä ja ajankäyttöä sekä käsityksiä siitä, mitä koulussa pidetään tärkeänä. Korkean panoksen testauksella on havaittu yhteyksiä opetussuunnitelman kaventumiseen (Au, 2007), ja oppilaiden ponnistelu koetilanteessa voi vaikuttaa mitattuihin tuloksiin (Gneezy ym., 2019).

Tarkastusvaliokunta nostaa esimerkiksi Tanskan käytännön, jossa kokeita käytetään opetuksen suunnittelun tukena ja oppilas- ja koulukohtaiset tulokset pidetään salassa (TrVM 11/2026 vp). Kauko ja Ydesen (2026) huomauttavat kuitenkin, että Tanskan koejärjestelmää on uudistettu ja myös pedagogiseen käyttöön tarkoitetut kokeet voivat käytännössä muuttua paineistetuiksi.

Eri järjestelmävaiheita koskeva tutkimusnäyttö on siksi erotettava toisistaan. Myös Suomessa on arvioitava kokeiden tavoitteiden ja muodollisten panosten lisäksi sitä, millaisia paineita ja toimintatapoja tulosten käyttö voisi synnyttää.

Mitä uudistuksella tavoitellaan?

Vaikuttavuustutkimus voi osoittaa, millaisia vaikutuksia toimenpiteillä on, mutta se ei yksin ratkaise, mitä koulutuksessa pitäisi tavoitella. Oppimisella ja kasvatuksella on useita tavoitteita, jotka voivat olla keskenään ristiriitaisia ja toteutua eri aikajänteillä.

Tutkimuksissa mitataan kuitenkin usein vain osaa näistä tavoitteista ja rajatulla seuranta-ajalla. Jos koulutuspoliittiset päätökset perustuvat ensisijaisesti mitattuihin vaikutuksiin, vaarana on, että helposti ja nopeasti mitattavat tavoitteet saavat liikaa painoarvoa muiden kustannuksella.

Jos koulutuspoliittiset päätökset perustuvat ensisijaisesti mitattuihin vaikutuksiin, vaarana on, että helposti ja nopeasti mitattavat tavoitteet saavat liikaa painoarvoa muiden kustannuksella.

Jos koulutusuudistuksilta edellytetään näyttöä vaikutuksista, myös arviointijärjestelmän uudistamisen vaikutuksia on voitava tutkia. Hyvin suunniteltu seuranta voi olla hyödyllistä, koska se auttaa arvioimaan muiden toimenpiteiden vaikutuksia, vaikka se ei suoraan parantaisi oppimistuloksia. Silloinkin on osoitettava, mitä sellaista tietoa ehdotettu järjestelmä tuottaa ja miksi se vastaisi tiedontarpeisiin vaihtoehtoja paremmin.

Vaihtoehtoja on verrattava myös kustannusten ja koulutyöhön kohdistuvan kuormituksen kannalta. Vertailussa on huomioitava kokeiden kehittäminen ja toteutus, tietojärjestelmät, tulosten hyödyntäminen sekä opettajien ja oppilaiden käyttämä aika (Kansallinen koulutuksen arviointikeskus, 2026). Samoilla voimavaroilla voitaisiin vahvistaa esimerkiksi otantaan perustuvaa pitkittäisseurantaa, aineistojen yhdistettävyyttä tai kokeiluja. Siksi on arvioitava, mikä kokonaisuus vastaisi tiedontarpeisiin tarkoituksenmukaisimmin.

Nykyjärjestelmän vahvuudet ja katveet

Kansallisten kokeiden kustannukset ja mahdolliset haitat ovat painava syy arvioida niiden sisältöä ja käyttötapoja huolellisesti. Ne eivät silti osoita, että nykyinen tietopohja vastaisi kaikkiin tutkimuksen ja päätöksenteon tarpeisiin. Otantaan perustuvat kansalliset arvioinnit kuvaavat kehityssuuntia, ja pitkittäisarvioinneilla seurataan samojen oppilaiden osaamisen kehitystä.

Nykyisten aineistojen rakenne ja yhdistettävyys rajoittavat mahdollisuuksia tutkia yksilötason kehitystä ja paikallisia eroja. Uudistusten vaikutusten arviointia rajoittaa uskottavien vertailuasetelmien puute.  Lisäksi koulukohtaista vertailutietoa saavat vain arviointeihin osallistuneet koulut.

Kiista kansallisista kokeista laajeni lokakuussa kysymykseksi siitä, onko Karvin toimintaa ohjaavan kehittävän arvioinnin hyödyllisyydestä näyttöä (Karhunen, 2026c, 2026d; Huusko, 2026). Huuskon mukaan kehittävä arviointi on yleinen arviointia ohjaava periaate, ei yksittäinen menetelmä tai toimenpide. Kysymys näytöstä jää siksi tutkimuksellisesti epätäsmälliseksi, ellei määritellä, mitä arviointikäytäntöjä ja millaisia hyötyjä arvioidaan. Hyödyllä voidaan tarkoittaa esimerkiksi ongelmien tunnistamista, tietopohjan vahvistumista, toimintatapojen muuttumista tai oppimistulosten paranemista.

Koetulosten tulkintaa on tarkasteltava suhteessa niiden käyttötarkoitukseen. Mittaamisen validiteetti ei ole pelkästään mittarin tekninen ominaisuus: olennaista on, millaisia tulkintoja tuloksista tehdään ja mihin niitä käytetään (Messick, 1989). Sama vaatimus koskee uusia kansallisia kokeita ja nykyisiä arviointikäytäntöjä.

Kirjoitimme keväällä, ettei vaikuttavuustieto synny vain mittaamalla lisää (Repo & Kilpi-Jakonen, 2026).  Nykyjärjestelmän arvioinnissa keskeistä on, mihin kysymyksiin se vastaa ja miltä osin esitetty kritiikki antaa aihetta sen kehittämiseen. Uudistusten arvioinnissa puolestaan on punnittava, mitä ne mahdollistaisivat ja miksi tietty vaihtoehto olisi muita tarkoituksenmukaisempi.

Tiedontarpeista uudistuksen suunnitteluun

Koulutuksen tietopohjaa uudistettaessa on erotettava tiedon eri käyttötarkoitukset. Osaamistason seuraaminen, oppilasarvioinnin yhdenmukaisuuden tarkastelu ja uudistusten vaikutusten tutkiminen asettavat aineistoille erilaisia vaatimuksia. Sama aineisto tai tutkimusasetelma ei välttämättä palvele niitä kaikkia yhtä hyvin.

Ennen yksittäisen mittausratkaisun valintaa on määriteltävä, mitä koulutuksen muutoksista, oppilaiden oppimisesta ja hyvinvoinnista sekä uudistusten vaikutuksista halutaan tietää.

Yhteistä käsitystä siitä, mihin arviointitietoa tarvitaan, on syytä tavoitella. Tietopohjan kehittämisessä voidaan silti edetä, vaikka menetelmistä olisi erimielisyyttä. Olennaista on täsmentää arvioinnin kohde ja tavoitteet, jotta voidaan arvioida, millaista näyttöä esitettyjen väitteiden tueksi tarvitaan. Myös kritiikin kohdalla olennaista on täsmentää, mihin kysymykseen tutkimusnäytöllä haetaan vastausta.

Seuraavan hallituksen kannalta kyse on kansallisia kokeita laajemmasta kysymyksestä. Ennen yksittäisen mittausratkaisun valintaa on määriteltävä, mitä koulutuksen muutoksista, oppilaiden oppimisesta ja hyvinvoinnista sekä uudistusten vaikutuksista halutaan tietää. Sen jälkeen voidaan vertailla, miten eri aineistot ja tutkimusasetelmat vastaisivat näihin tarpeisiin ja millaisin kustannuksin ja seurauksin. Tämän vertailun pohjalta voidaan perustella, millainen arviointijärjestelmän uudistus Suomeen tarvitaan.

Kirjoittajat 

Juuso Repo on vaikuttavuuden arviointiin ja yhteiskuntatieteellisiin tutkimusmenetelmiin erikoistunut tutkija (FT). INVEST-tutkimuskeskuksessa hänen tutkimuksensa keskittyy nuorten hyvinvointiin, oppimiseen ja koulutukselliseen eriarvoisuuteen.  

Elina Kilpi-Jakonen on sosiologian professori INVEST-tutkimuskeskuksessa. Hänen tutkimuksensa keskittyy sosiaaliseen eriarvoisuuteen, erityisesti koulutuksessa ja ylisukupolvisesti, sekä maahanmuuttotaustaisten lasten ja nuorten koulutukseen ja hyvinvointiin. 

Lähteet

Au, W. (2007). High-stakes testing and curricular control: A qualitative metasynthesis. Educational Researcher, 36(5), 258–267.

Eduskunnan tarkastusvaliokunta (2026). Perusopetuksen oppimistulokset, mahdollisuuksien tasa-arvo ja rahoitus. TrVM 11/2026 vp.

Gneezy, U., List, J. A., Livingston, J. A., Qin, X., Sadoff, S. & Xu, Y. (2019). Measuring success in education: The role of effort on the test itself. American Economic Review: Insights, 1(3), 291–308.

Huusko, M. (2026). Kehittävä arviointi ei ole myytti – suomalaisen arviointijärjestelmän historia ja tarkoitus on syytä tuntea. Karvi-blogi, 27.10.2026.

Kansallinen koulutuksen arviointikeskus (2026). Perusopetuksen tietopohjan ja arvioinnin kehittäminen. Lausunto 22.10.2026.

Karhunen, H. (2026a). Mitä tiedetään kansallisten kokeiden vaikutuksista?. Labore, Työpapereita 362.

Karhunen, H. (2026b). Kansalliset kokeet: Tieteenalojen välinen keskustelu edellyttää yhteisiä pelisääntöjä. LinkedIn-kirjoitus, 13.9.2026.

Karhunen, H. (2026c). Suomalaisia koulutusmyyttejä: Onko kehittävästä arvioinnista mitään hyötyä?. Labore-blogi, 26.10.2026.

Karhunen, H. (2026d). Kehittävän arvioinnin hyödyistä tarvitaan tutkimusta – vastaus Karville. Labore-blogi, 28.10.2026.

Karhunen, H., Kuuppelomäki, T., Sarvimäki, M., Suhonen, T. & Uusitalo, R. (2026). Perusopetuksen oppimistulokset ja mahdollisuuksien tasa-arvo. Eduskunnan tarkastusvaliokunnan julkaisu 1/2026.

Kauko, J. & Ydesen, C. (2026). Kansallisten kokeiden haitat olisivat hyötyjä suuremmat. Helsingin Sanomat, Mielipide, 29.10.2026.

Ketonen, L. (2026). Tutkijoiden kriittisyys kansallisia kokeita kohtaan on perusteltua. Tiedonportti: Jyväskylän yliopiston tieteen digilehti, 16.6.2026.

Ketonen, L. & Atjonen, P. (2025). Mitä empiiristen tutkimusten perusteella tiedetään kansallisista kokeista?. Kasvatus, 56(2), 238–248.

Ketonen, L. & Atjonen, P. (2026). Miten kansallisten kokeiden tutkimusnäyttöä tulisi tulkita?. Kasvatustiedefoorumi, 11.9.2026.

Kilpi-Jakonen, E. & Repo, J. (2026). Hyvinvointi ja oppiminen eivät aina kulje käsi kädessä. Talous & Yhteiskunta, 4/2026, 64–71.

Messick, S. (1989). Meaning and values in test validation: The science and ethics of assessment. Educational Researcher, 18(2), 5–11.

Repo, J. & Kilpi-Jakonen, E. (2026). Vaikuttavuustieto ei synny vain mittaamalla lisää. INVEST-blogi, 26.3.2026.