Suomalaisia koulutusmyyttejä: Voiko opettajiin luottaa?

Suomessa peruskoulun päättöarvosanan antaa oma opettaja, eikä sitä verrata järjestelmällisesti mihinkään ulkoiseen mittariin. Silti juuri nämä arvosanat ratkaisevat pitkälti, mihin toisen asteen koulutukseen nuori pääsee. Esimerkiksi Ruotsissa, Norjassa ja Tanskassa on päädytty toisenlaisiin ratkaisuihin: opettajan omaa arviota täydennetään valtakunnallisilla kokeilla. 

Suomessa on sen sijaan valittu toinen tie: arviointikriteerien tarkentaminen. Mutta onko tutkimusnäyttöä siitä, että arviointikriteerien täsmentäminen todella parantaa arvosanojen vertailukelpoisuutta ja turvaa näin lopulta oppilaiden yhdenvertaisen kohtelun?

Naapurimaat eivät luota pelkkään opettajan arvosanaan

Ruotsi, Norja ja Tanska ovat kukin päätyneet siihen, että opettajan arvosanan rinnalla tarvitaan ulkoinen mittari. Viimeisimmäksi Ruotsissa kesällä 2026 valtiopäivät hyväksyi uudistuksen, jossa opettaja antaa edelleen arvosanan, mutta jatko-opintoihin haettaessa 70 prosenttia pisteistä tulee koulutasolla kalibroiduista arvosanoista ja 30 prosenttia keskitetysti tarkastetuista loppukokeista. Hallituksen mukaan arvosanojen valtakunnallinen yhdenvertaisuus on opettajille “mahdoton tehtävä” (Prop. 2025/26:197, s. 59).

Norjassa ja Tanskassa ulkoisesti arvioitujen päättökokeiden arvosanat merkitään todistukseen opettajan arvosanojen rinnalle. Norjassa ne lasketaan toisen asteen valinnan keskiarvoon samalla painolla kuin opettajan arvosanat. Tanskassa lukioon pääsy edellyttää minimissään tiettyä keskiarvoa sekä opettajan arvosanoissa että päättökokeissa (NOU 2023:1; EVA 2025). [1]

Norjan pandemiavuodet havainnollistavat, mitä tapahtuu, kun ulkoinen arviointi poistuu. Päättökokeet peruttiin tilapäisesti vuosina 2020–2022, ja jo ensimmäisenä keväänä päättötodistusten keskiarvo nousi 1,2 pistettä, kun se oli noussut koko edellisen kuuden vuoden aikana yhteensä 1,9 pistettä. Osa noususta johtui matalampien koearvosanojen puuttumisesta, mutta myös opettajien antamat arvosanat nousivat. Kun päättökokeet palasivat vuonna 2023, keskiarvot vuorostaan laskivat lähelle aiempaa tasoa (Udir 2022; Udir 2023). Havainnot ovat sopusoinnussa sen kanssa, että ulkoiset kokeet voivat hillitä arvosanainflaatiota.

Mitä tiedetään opettajien arvioinnista?

Opettajat tunnistavat yleensä hyvin oman luokkansa parhaat ja heikoimmat oppilaat, mutta parhaimmankaan opettajan ei ole mahdollista tietää millainen on oppilaiden keskimääräinen taso muissa kouluissa. Suomessa samantasoisesta osaamisesta voi saada eri kouluissa lähes kahden numeron verran erilaisen arvosanan (Kauppinen & Marjanen 2020, s. 108–109).

Ongelma tunnetaan myös muissa Pohjoismaissa. Ruotsin opetusviranomaisen mukaan jopa 40 prosenttia lukioiden välisistä arviointieroista suhteessa kansallisiin kokeisiin selittyy sillä, että opettajat suhteuttavat vaatimukset oman koulunsa tasoon: hyvissä kouluissa arvioidaan tiukemmin ja heikoissa lievemmin (Prop. 2025/26:197, s. 44). Norjassa 40–50 prosenttia kouluista poikkeaa merkitsevästi keskimääräisestä arviointilinjasta, ja lievintä arviointi on pienissä ja heikosti menestyvissä kouluissa (Galloway ym. 2011).

Tutkimuksissa on havaittu myös oppilasryhmiin kohdistuvia arviointivinoumia. Nimettömästi arvioituihin kokeisiin verrattuna pojat saavat opettajilta keskimäärin hieman heikompia arvosanoja. Ero voi johtua työskentelyn ja käytöksen huomioimisesta tai opettajien ennakkokäsityksistä (Cornwell ym. 2013; Lavy 2008; Terrier 2020). Ruotsissa oma opettaja arvioi saman koesuorituksen maahanmuuttajataustaisille oppilaille nimettömään arvioon verrattuna noin 0,2 keskihajontaa tiukemmin kuin ruotsalaistaustaisille (Hinnerich ym. 2015). Tanskassa vastaavia eroja havaittiin myös pojilla ja matalan sosioekonomisen taustan oppilailla. Arviointierojen poistaminen olisi lisännyt näiden ryhmien hakeutumista lukioon (Rangvid 2015).

Suomessa vastaavaa tutkimusnäyttöä on lähinnä ylioppilaskokeesta, jossa opettajan alustavaa arviointia voidaan verrata ulkopuolisen sensorin arvioon. Sahlström ja Silliman (2024) havaitsevat pienen mutta tilastollisesti merkitsevän maahanmuuttotaustaan liittyvän arviointivinouman.

Ylioppilaskoe on kuitenkin arviointivinoumien kannalta poikkeuksellinen ympäristö. Opettaja arvioi yksittäisen kokeen tarkkojen pisteytysohjeiden perusteella ja tietää ulkopuolisen sensorin tarkistavan arvioinnin. Peruskoulun päättöarvosana taas perustuu laajempaan kokonaisarvioon, eikä sitä tarkisteta ulkopuolisesti. Kansainvälisissä tutkimuksissa vinoumia on havaittu juuri tällaisessa arvioinnissa (Terrier 2020; Cornwell ym. 2013). On siksi perusteltua epäillä, että vinoumat voivat olla peruskoulussa suurempia, mutta Suomesta ei ole vastaavaa tutkimusnäyttöä.

Arviointivinoumat eivät kuitenkaan ole väistämättömiä. Italiassa maahanmuuttajataustaisiin oppilaisiin kohdistunut kielteinen arviointivinouma pieneni, kun opettajat saivat tietoa omista stereotypioistaan (Alesina ym. 2024).

Onko Suomen kriteeriuudistus uskottava?

Suomessa oppilaiden yhdenvertaisuutta vaarantava arviointiongelma on tunnettu pitkään. Ratkaisuksi on valittu päättöarvioinnin kriteerien tarkentaminen. Vuonna 2021 otettiin käyttöön yhteiset kriteerit arvosanoille 5, 7, 8 ja 9. Vuodesta 2028 alkaen osaamistakuulain on tarkoitus yhtenäistää arviointikriteereitä ja -menettelyjä entisestään. Hallituksen tavoitteena on varmistaa, että päättöarvosanat vastaavat oppilaiden osaamista (HE 35/2026, s. 16).

Aiempien kokemusten ja tutkimusten perusteella on kuitenkin syytä epäillä uudistuksen vaikuttavuutta.

Ensinnäkin kriteereitä on kokeiltu ennenkin. Arvosanan 8 kuvaukset laadittiin vuonna 1999, ja niistä tuli sitovia vuonna 2004. Hallituksen esityskin myöntää, ettei arvioinnin yhdenvertaisuus toteutunut odotetusti (HE 35/2026, s. 11). Ruotsissa vuoden 2011 kriteeriuudistus ei parantanut arvosanojen vertailukelpoisuutta (Skolverket 2016), eikä kansallisten kokeiden painoarvon lisääminen vuonna 2018 muuttanut opettajien arviointikäytäntöjä (Riksrevisionen 2022). Ruotsalaisselvittäjien mukaan perusongelma on objektiivisten vertailukohtien puute (SOU 2025:18).

Toiseksi kriteerit jättävät huomattavasti tulkinnanvaraa. Karvin kokeilussa eri opettajat antoivat samalle oppilassuoritukselle enimmillään kuusi eri arvosanaa (Puukko ym. 2020). Vuoden 2021 uudistuksen jälkeenkin monet opettajat pitivät kriteereitä tulkinnanvaraisina (Pulkkinen ym. 2024). Ongelma on myös periaatteellinen: sanalliset tasokuvaukset eivät voi yksiselitteisesti määrätä, millainen suoritus ansaitsee minkäkin arvosanan (Sadler 2009). Norjassakaan arvioinnin sääntely ja laadunvarmistus eivät ole poistaneet arvosanojen ja kansallisten päättökokeiden välisiä eroja (Alemán ym. 2024).

Kolmanneksi vuoden 2021 uudistuksen vaikutuksista ei ole luotettavaa tietoa. Hallituksen esityksen määrälliset havainnot arvosanojen vertailukelvottomuudesta perustuvat uudistusta edeltävään aikaan. Vaikka opetus- ja kulttuuriministeriön rahoittaman tutkimushankkeen tehtävänä oli tarkastella uudistuksen vaikutuksia oppilaiden yhdenvertaisuuteen, tutkijat toteavat loppuraportissaan, ettei aineistolla voida eikä ollut tarkoituskaan tutkia uudistuksen vaikutuksia arviointiin (Pulkkinen ym. 2024, s. 189).

Lopuksi

Ensimmäisten havaintojen perusteella pelkään pahoin, että arviointikriteerien tarkentaminen, osaamistakuu ja erilaiset vapaaehtoiset koepankit jäävät vaikutuksiltaan vähäisiksi, koska säädösten noudattamista ei käytännössä pystytä valvomaan. Uudistusten vaikutuksia ei myöskään näytä olevan tarkoitus arvioida luotettavasti. 

Näin jatkuu suomalaisen koulutuspolitiikan pitkä perinne: tärkeämpää on voida luetella toteutettuja uudistuksia kuin osoittaa, mitä niillä on saatu aikaan. Kun vaikutuksia ei tarvitse osoittaa, ei myöskään uskoa uudistusten onnistumiseen tarvitse koskaan koetella.

Lopulta kyse on perustavanlaatuisesta ristiriidasta opettajien ammatillisen vapauden ja lasten oikeusturvan välillä. Muissa Pohjoismaissa arvioinnin yhdenmukaisuudelle ja oppilaiden oikeusturvalle on annettu enemmän painoarvoa, kun taas Suomessa on haluttu ”säilyttää nykytilan mukainen menetelmällinen vapaus” (HE 35/2026, s. 20).

Tämä asetelma ei ole syntynyt tyhjiössä. Suomalaista koulutuspolitiikkaa valmistelevat vahvat ja vakiintuneet opettajia lähellä olevat toimijat, jotka ovat vuosikymmenten ajan osallistuneet samoihin työryhmiin, laatineet suosituksia ja vaikuttaneet ministeriön lainvalmisteluun. Sen sijaan niiden ääni, joiden oikeusturvaan arviointikäytäntöjen puutteet suoraan vaikuttavat, eli lasten ja heidän perheidensä, kuuluu näissä pöydissä huomattavasti heikommin.

***

Tämä kirjoitus on kolmas osa Suomalaisia koulutusmyyttejä -blogisarjaa. Sarjassa tarkastelen koulutuskeskustelussa usein toistuvia väitteitä ja käsityksiä, joille ei välttämättä löydy vahvaa todellisuuspohjaa. Tarkoituksena ei ole vain myyttien murtaminen, vaan ennen kaikkea tietoperusteisen ja ratkaisukeskeisen keskustelun edistäminen suomalaisesta koulutusjärjestelmästä.

Kirjoituksessa esitetyt näkemykset ja tulkinnat ovat kirjoittajan omia eivätkä välttämättä edusta Laboren kantaa.

Lähteet

Alesina, Alberto, Michela Carlana, Eliana La Ferrara & Paolo Pinotti (2024). Revealing stereotypes: Evidence from immigrants in schools. American Economic Review 114(7), 1916–1948.

Arencibia Alemán, José Manuel, Astrid Marie Jorde Sandsør, Henrik Daae Zachrisson & Sigrid Blömeke (2024). Teacher-assigned grades and external exams: Sources of discrepancy. Assessment in Education: Principles, Policy & Practice 31(2), 94–115.

Cornwell, Christopher, David B. Mustard & Jessica Van Parys (2013). Noncognitive skills and the gender disparities in test scores and teacher assessments: Evidence from primary school. Journal of Human Resources 48(1), 236–264.

Diamond, Rebecca & Petra Persson (2016). The long-term consequences of teacher discretion in grading of high-stakes tests. NBER Working Paper 22207. Cambridge, MA: National Bureau of Economic Research.

EVA (2025). Karakterer i udskolingen. Erfaringer og perspektiver fra elever og lærere. København: Danmarks Evalueringsinstitut.

Galloway, Taryn Ann, Lars J. Kirkebøen & Marte Rønning (2011). Karakterpraksis i grunnskoler. Sammenheng mellom standpunkt- og eksamenskarakterer. Rapporter 4/2011. Oslo: Statistisk sentralbyrå.

HE 35/2026 vp. Hallituksen esitys eduskunnalle laiksi perusopetuslain muuttamisesta. Laki 619/2026.

Hinnerich, Björn Tyrefors, Erik Höglin & Magnus Johannesson (2015). Discrimination against students with foreign backgrounds: Evidence from grading in Swedish public high schools. Education Economics 23(6), 660–676.

Kauppinen, Merja & Jukka Marjanen (2020). Millaista on yhdeksäsluokkalaisten kielellinen osaaminen? Suomen kielen ja kirjallisuuden oppimistulokset perusopetuksen päättövaiheessa 2019. Julkaisut 13:2020. Helsinki: Kansallinen koulutuksen arviointikeskus.

Lavy, Victor (2008). Do gender stereotypes reduce girls' or boys' human capital outcomes? Evidence from a natural experiment. Journal of Public Economics 92(10–11), 2083–2105.

NOU 2023:1. Kvalitetsvurdering og kvalitetsutvikling i skolen – Et kunnskapsgrunnlag. Oslo: Kunnskapsdepartementet.

Prop. 2025/26:197. Ett likvärdigt betygssystem. Stockholm: Utbildningsdepartementet.

Pulkkinen, Jonna, Raili Hildén, Laura Ketonen, Amna Khawaja, Jenni Kotila, Toni Mäkipää, Kari Nissinen, Eija Puhakka, Jukka Rantala, Juhani Rautopuro, Sari Sulkunen, Sini Söyrinki & Taina Tammelin-Laine (2024). Arviointiuudistuksen alkutaipaleella. Perusopetuksen päättöarviointitutkimuksen loppuraportti. Opetus- ja kulttuuriministeriön julkaisuja 2024:6. Helsinki: Opetus- ja kulttuuriministeriö.

Puukko, Mika, Mari Huhtanen & Laura Lepola (2020). Perusopetuksen päättöarvioinnin kriteereiden toimivuuden arviointi. Julkaisut 7:2020. Helsinki: Kansallinen koulutuksen arviointikeskus.

Rangvid, Beatrice Schindler (2015). Systematic differences across evaluation schemes and educational choice. Economics of Education Review 48, 41–55.

Riksrevisionen (2022). Statens insatser för likvärdig betygssättning – skillnaden mellan betyg och resultat på nationella prov. RiR 2022:22. Stockholm: Riksrevisionen.

Sadler, D. Royce (2009). Indeterminacy in the use of preset criteria for assessment and grading. Assessment & Evaluation in Higher Education 34(2), 159–179.

Sahlström, Ellen & Mikko Silliman (2024). The extent and consequences of teacher biases against immigrants. IZA Discussion Paper 16899. Bonn: IZA.

Skolverket (2016). Utvärdering av den nya betygsskalan samt kunskapskravens utformning. Redovisning av regeringsuppdrag, dnr 2014:892. Stockholm: Skolverket.

SOU 2025:18. Ett likvärdigt betygssystem. Stockholm: Utbildningsdepartementet.

Terrier, Camille (2020). Boys lag behind: How teachers’ gender biases affect student achievement. Economics of Education Review 77, 101981.

Udir (2022). Grunnskolepoeng og karakterer i grunnskolen 2021–2022. Oslo: Utdanningsdirektoratet.

Udir (2023). Grunnskolekarakterer for skoleåret 2022–2023. Oslo: Utdanningsdirektoratet.

[1] Suomalaisessa keskustelussa unohtuu usein, että oppilasvalinta voidaan rakentaa opettajien antamien arvosanojen ja riippumattomasti arvioitujen valtakunnallisten kokeiden yhdistelmän varaan. Pelkästään ulkoisiin kokeisiin perustuva valintajärjestelmä voi kaventaa opetusta (teaching to the test), mutta yhdistämällä opettajien arviointi ja ulkoiset kokeet voidaan pyrkiä samalla turvaamaan sekä opetuksen monipuolisuus että oppilaiden yhdenvertainen kohtelu.