Tohtorinkoulutus Suomessa - paras malli maailmassa?

Olin puhujana 3.11.2010 järjestetyssä seminaarissa "Tohtorinkoulutus Suomessa". Esityksen otsikkona oli "Tohtorinkoulutuksen yhteiset työkalut ja taidot – mallinnusta ja data-analyysiä tarvitsevat kaikki". Olimme laatineet esityksen yhdessä työtoverin kanssa, pohtien mitä valmiuksia nykyajan tutkimus (ja yhteiskunta) edellyttää tohtorinkoulutukselta. Ja miten yhteisiä, tutkimusalueelta toiselle siirrettäviä taitoja voidaan tehokkaasti oppia yhdessä.

Lisäys: tilaisuuden ohjelma ja esitykset löytyvät Suomen Akatemian nettisivuilta.

Tähän liittyen mieleeni tuli vertauskuva tohtorinkoulutuksesta: miten selvitä pimeässä metsässä?

Kaksi ääripäätä ovat "yksin pimeässä metsässä" ja "käyskentely kädestä kiinni pitäen". Ensimmäisellä vaihtoehdolla tarkoitan sitä, että koulutettava lähetetään omin nokkineen pimeään metsään, kehottaen "mene tuonne ja tutki". Ja jos koulutettava tulee takaisin ja vielä jotakuinkin järjissään, lyödään häneen koulutetun leima.

Kädessä pitelemisen vaihtoehdolla tarkoitan sitä, että koulutettavaa ohjataan tuttuja ja turvallisia reittejä myöten, välttäen riskejä, tarvittaessa varoitellen tyyliin "tuolla on jyrkänne, älä mene sinne". - Mutta kun metsästä tullaan takaisin, mitä on opittu?

Kumpikaan näistä malleista ei ole hyvä - ja melkoisia karikatyyrejä ne ovatkin. Mutta millaista tohtorinkoulutuksen sitten pitäisi olla?

Yksi tärkeä lähtökohta koulutuksessa on yhteiset mallinnuksen ja data-analyysin taidot. Näitä tarvitsevat kaikki tohtorinkoulutuksessa olevat. Tähän liittyy myös yhteisen tutkimusinfrastruktuurin käyttö, erityisesti sähköisen infrastruktuurin eli e-infran hyödyntäminen.

Tätä voisi kuvata "pimeä metsä" -vertauksessa niin, että koulutettaville annetaan ajantasaiset kartat, välineet keskinäiseen kommunikointiin ja vieläpä jonkinlainen otsalamppu. Otsalampulla tarkoitan tässä esimerkiksi laskennalliseen mallinnuksen taitoa eli kykyä käyttää tietokonetta selvittämään, kannattaako hakata päätään juuri tiettyyn puuhun. Kuvainnollisesti puhuen tietenkin.

Tutkijantaitojen rakentamisen pitää tapahtua niin, että pohjalla on laaja joukko yhteisiä ja yhdessä omaksuttavia taitoja, joihin kuuluu niin viestinnällistä kuin projektinhallintaan liittyvää osaamista. Tähän pohjustukseen kuuluvat myös mallinnuksen ja tietovarantojen hyödyntämisen taidot. Nämä taidot on syytä omaksua poikkitieteellisessä tutkimusympäristössä, jolloin löytyy yhteinen kieli ja rikkautta huomata miltä tutkimusongelmat näyttävät tieteenvälisillä rajapinnoilla.

Tämän pohjaosaamisen päälle voi sitten rakentaa syventäviä menetelmätaitoja, ja näiden päälle vielä kunkin tieteenalan erityismenetelmiin liittyvää osaamista tutkimustyön kautta.

Suomi voi rakentaa maailman parhaan tohtorinkoulutusjärjestelmän ottamalla ajatuksen "poikkitieteelliseksi alusta lähtien" laajassa mitassa käyttöön. Panostamalla yhteisiin, alueet yhdistäviin taitoihin pystytään luomaan tohtorinkoulutukseen joustavuutta ja diversiteettiä, niin tutkimusaluiden sisällä kuin rajapinnoilla.

Tällaisessa tohtorinkoulutuksessa syntyville taidoille on käyttöä laajasti yhteiskunnassa, sillä osaamisen käyttöalue on - mallinnuksen ja data-analyysin kaltaisten valmiustaitojen ansiosta - jo valmiiksi monitieteinen. Tohtorinkoulutettavat saavat ymmärrystä osaamisensa soveltamisesta monenlaisiin ongelmiin, mistä on suurta hyötyä niin yritysmaailman kuin julkisen sektorin palveluksessa.

Hyvin pieni osa tohtoreista jää lopulta tutkijanuralle, ja vain prosentti tai pari yltää professuuriin. Toisaalta yritysmaailma tarvitsee lahjakkaita, hyvin verkostoituneita ongelmanratkaisijoita. Samaten julkisen sektorin puolella tarvitaan monipuolista osaamista, olkoon kyse vaikkapa terveydenhuollon, ympäristökysymysten tai kulttuuritoimen tehtävistä.

Siirrettävät taidot ja kattavat verkostot ovat yrityksille ja yhteiskunnalle jopa arvokkaampia ominaisuuksia nuorissa tohtoreissa kuin itse tutkimuksen loistokkuus. Väitöskirja on vähemmän tärkeä kuin osaava ihminen.

Helpolla maailman parhaaseen tohtorinkoulutukseen ei kuitenkaan päästä. Eurooppa on ryhdistäytynyt ja näyttää mallia muulle maailmalle, mutta niin Aasiassa kuin USA:ssa kiritään kovasti, ja mennään edelläkin. Suomessa on pienenä maana kuitenkin otolliset olosuhteet sen kaltaiselle laajalle yhteistyölle mitä tarvitaan.

Hyvä käytännön esimerkki nykyisten käytäntöjen ongelmista on julkisilla varoilla tuotettujen aineistojen hyödyntäminen tutkimuksessa. Tämä ei nykyisin toimi ollenkaan toivottavalla tavalla, mistä on käyty keskustelua muun muassa Helsingin Sanomissa. Yhteiset käytännöt ja yhteinen, laajasti hyödynnettävissä oleva tutkimuksen e-infra nostaisi aineistojen hyödyntämisen aivan uudelle tasolle.

Mitä uudenlainen malli tutkijantaitojen rakentamisessa tuo mukanaan? Tässä mallissa hyödynnetään yhteisesti rakennettuja ja tuotettuja moduuleita ja opetetaan alueelta toiselle yltäviä "siirrettäviä taitoja" (transferable skills). Tämä mahdollistaa kulttuurin, jossa poikkitieteellinen yhteistyö on laajassa mitassa arkipäivää ja henkilökohtaiset kontaktit tieteenalojen välillä syntyvät jo varhaisessa vaiheessa tohtorinkoulutusta.

Mutta mitä sitten tarvitaan, että "maailman paras" malli saadaan Suomeen?

Ensinnäkin tulee linjata laskennan ja informaationkäsittelyn strateginen merkitys tohtorinkoulutuksessa. Toiseksi on panostettava tohtorinkoulutuksen e-infrastruktuuriin, niin että mallinnus ja tietovarantojen käsittely ovat kaikkien tutkijoiden hallitsemia taitoja ja kaikilla on käytössään yhteensopivat tietotekniset ratkaisut. Tämän kaiken tulee tietysti myös olla toteutettavissa kustannustehokkaalla ja yhteentoimivalla tavalla.

Mahdollisuus päästä maailman parhaaksi on olemassa. Suomi edelläkävijäksi - mikäs sen parempaa! Ja onko pienellä maalla muuta vaihtoehtoa kuin olla paras?