Erasmus+ KA220-HED · 2026 – 2029

Vahvistamme opettajien osaamista suunnitella Retrieval-Augmented Generation -sovelluksia korkeakouluopetukseen ja oppimiseen

RAG4Edu auttaa opettajia ja opiskelijoita siirtymään yleisistä tekoälytyökaluista omiin, pedagogisesti perusteltuihin RAG-sovelluksiin — osaamisperustaisen opetussuunnitelman, avoimen koulutusohjelman, helppokäyttöisten työkalujen ja eurooppalaisen käytäntöyhteisön avulla.

Korkeakoulutus Tekoäly ja datan käyttö Digitaaliset taidot Uudet oppimis- ja opetusmenetelmät
36 kuukautta1.9.2026–31.8.2029
6 kumppaniaDE · ES · FR · FI · PT · UA
Avoin saatavuuskaikki tulokset avoimilla lisensseillä
€400,000Erasmus+ -kertakorvausavustus
147 opettajaavastasi tarvekartoitukseen 2025/26

Tietoa hankkeesta

Miksi RAG ja miksi juuri nyt

Suuret kielimallit ovat tulossa nopeasti osaksi opetusta ja oppimista, mutta niiden käyttö on usein satunnaista, kehotteisiin perustuvaa ja heikosti sidoksissa opetuksen tietosisältöihin. Tämä herättää todellisia huolia luotettavuudesta, tarkkuudesta, vinoumista, läpinäkyvyydestä ja tietosuojasta.

Hakuun perustuva generointi (RAG) yhdistää generatiivisen tekoälyn valikoituihin, alakohtaisiin tietolähteisiin — luentomuistiinpanoihin, dioihin, tieteellisiin julkaisuihin, tentteihin ja laboratoriomateriaaleihin — jotta tekoälyn tuki kurssilla olisi hallittavampaa, selitettävämpää ja paremmin kontekstiin sopivaa. Eri puolilla Eurooppaa opettajilta kuitenkin puuttuu vielä koulutus, pedagogiset viitekehykset ja institutionaalinen tuki, joita RAG-ratkaisujen suunnittelu ja käyttö edellyttävät.

RAG4Edu kuroo tämän aukon umpeen. Hanke kehittää osaamisperustaisen RAG-opetussuunnitelman ja modulaarisen koulutusohjelman, joka sisältää mikro-oppimismoduuleja, ryhmäoppimisen tehtäviä, helppokäyttöisiä työkaluja, mallipohjia ja esimerkkejä. Niiden avulla opettajat voivat luoda omia RAG-sovelluksiaan ilman syvällistä tekoälyosaamista. Eri maissa toteutettavat pilotit validoivat ohjelman, ja eurooppalainen käytäntöyhteisö jatkaa työtä hankkeen jälkeen.

Hanke edistää eurooppalaisia arvoja kunnioittavaa tekoälyä — EU:ssa kehitettyjä kielimalleja ja EuroHPC-infrastruktuuria, avoimia lisenssejä, tietosuoja-asetuksen mukaista suunnittelua ja EU:n tekoälysäädöksen noudattamista — ja tukee näin digitaalisesti osaavaa ja omavaraista eurooppalaista korkeakoulusektoria.

Miten RAG toimii

Kurssimateriaaleista lähteisiin perustuviin vastauksiin

RAG yhdistää generatiivisen tekoälyn opettajan valitsemiin tietolähteisiin, joten tekoälyn tuki kurssilla on hallittavaa, selitettävää ja asiayhteyden huomioivaa.

  1. 1Haku

    Oppijan kysymys haetaan opettajan kokoamasta kurssin tietopohjasta – luentomuistiinpanoista, dioista, artikkeleista, tenteistä – ja tuloksena saadaan osuvimmat kohdat.

  2. 2Täydennys

    Haetut kohdat ja oppijan profiili lisätään kehotteeseen, jolloin organisaation oma tieto ohjaa osuvaa, asiayhteyden huomioivaa vastausta.

  3. 3Generointi

    Eurooppalainen kielimalli kirjoittaa vastauksen tästä asiayhteydestä ja näyttää käyttämänsä lähteet, joten oppijat voivat tarkistaa jokaisen väitteen.

  4. 4Opetuksen tarpeisiin

    Opettajat suunnittelevat ja tarkistavat jokaisen vaiheen RAG4Edu-työkalupakissa – tietosuoja- ja tekoälysäädöstarkistuksin ja ilman syvällistä tekoälyosaamista.

Kurssin tietopohja diat · luentomateriaali artikkelit · tentit · data opettajan valitsemat Tallennus ja indeksi upotukset · metatiedot Oppijan kysymys tai ryhmätehtävä Haku osuvimmat tekstikohdat Kehotteen täydennys konteksti + oppijaprofiili Generointi EU-kielimalli Vastaus lähdeviittein Opettaja suunnittelee · tarkistaa GDPR · tekoälysäädös ei / vähän koodia RAG4Edu-putki: modulaarinen, dokumentoitu, EU:ssa ylläpidetyt mallit, oppijaa huomioiva täydennys. Opettajat rakentavat ja määrittävät sen RAG4Edu-työkalupakilla — ilman syvällistä tekoälyosaamista.
Kurssikohtaisen RAG-sovelluksen sisällä: opettaja kokoaa tietopohjan, haku perustaa jokaisen vastauksen siihen ja generointi tapahtuu eurooppalaisilla kielimalleilla.

Miksi siihen voi luottaa kurssilla

  • Perustuu lähteisiinVastaukset rakentuvat tietopohjalle, jonka opettaja on koonnut kurssia varten.
  • Lähdeviitteet mukanaOppijat näkevät, mihin kohtiin vastaus perustuu, ja voivat tarkistaa ne.
  • Eurooppalainen ja säännösten mukainenEU-pohjaiset kielimallit ja EuroHPC-infrastruktuuri, tietosuoja-asetuksen mukainen suunnittelu, EU:n tekoälysäädöksen mukainen.
  • Avoin ja uudelleenkäytettäväPutki, työkalupakki ja mallipohjat julkaistaan avoimin lisenssein.

Tavoitteet

Viisi asiaa, joihin hanke pyrkii

RAG4Edu vahvistaa eurooppalaisten korkeakoulujen valmiuksia suunnitella, toteuttaa ja arvioida RAGia opetuksessa ja oppimisessa pedagogisesti perustellulla, vastuullisella ja kestävällä tavalla.

Eurooppalainen tekoäly

Eurooppalainen, arvopohjainen tekoälyratkaisu

Edistämme eurooppalaisia tekoälyteknologioita — EU:ssa kehitettyjä kielimalleja, kuten EuroLLM, Mistral ja Aleph Alpha, sekä EuroHPC-infrastruktuuria — läpinäkyvästi, selitettävästi, vastuullisesti ja tietosuvereenisti tekoälysäädöksen mukaisesti.

Pedagogiikka

Vahva pedagoginen perusta RAGille

Analysoimme tekoälyn käyttöä koulutuksessa, kokoamme RAGin nykytilan ja suunnittelemme RAG4Edu-opetussuunnitelman osaamistasoineen, oppimistavoitteineen, opetuksen periaatteineen ja osaamismerkkeineen.

Työkalut

Avoimet, uudelleenkäytettävät RAG-työkalut

Rakennamme RAG4Edu-putken ja -viitekehyksen, oppijaa huomioivan täydennyksen, tekoälyavusteisen ryhmänmuodostuksen sekä työkalupakin monikielisten opetuksellisten chatbottien laatimiseen eurooppalaisilla kielimalleilla.

Koulutus

Validoitu koulutusohjelma

Suunnittelemme, pilotoimme, arvioimme ja kehitämme RAG4Edu-koulutusohjelmaa koordinoiduissa piloteissa kumppanimaissa ja tuotamme näyttöä sen vaikuttavuudesta, käytettävyydestä ja toteutettavuudesta oppilaitoksissa.

Yhteisö

Kestävä eurooppalainen ekosysteemi

Ylläpidämme viestintäalustaa ja eurooppalaista käytäntöyhteisöä, julkaisemme kaiken avoimesti ja varmistamme tulosten käyttöönoton kestävyys- ja hyödyntämisstrategian, levitystilaisuuksien ja eurooppalaisen päätöstyöpajan avulla.

Kohderyhmät

Kenelle hanke on

  • Opettajat kaikilta aloiltaProfessorit, lehtorit ja opetusta antavat tutkijat – ensisijainen kohderyhmä.
  • Heidän opiskelijansajotka oppivat RAG-osaamista opetussuunnitelmien ja projektien kautta.
  • Opetuksen ja oppimisen kehittämisyksikötjotka liittävät koulutuksen yliopiston henkilöstön ammatilliseen kehittämiseen.

Uutiset ja tapahtumat

Mitä RAG4Edu-hankkeessa tapahtuu

Kuulumisia kumppaneilta sekä tulevia webinaareja, yhteiskehittämistilaisuuksia ja levitystilaisuuksia.

Kaikki uutiset

Tulevat tapahtumat

Kumppanuus

Kuusi organisaatiota, kuusi maata

Korkeakouluja, joilla on vahva opettajankoulutuksen ja digitaalisen pedagogiikan profiili, sekä kaksi Euroopan johtavista tekoälytutkimuskeskuksista.

BHT

Berliner Hochschule für Technik (BHT)Koordinaattori

Berliini, Saksa · bht-berlin.de

Yksi Saksan suurimmista julkisista ammattikorkeakouluista, jossa on noin 11 600 opiskelijaa. Sen Data Science +X -tutkimuskeskuksella on oma tekoälyä ja koulutusta käsittelevä linjansa, ja digitaalisen opetuksen osaamiskeskus tukee tekoälyn käyttöä opetuksessa.

Prof. Dr. Ilona Buchem · Prof. Dr. Klaus-Peter Schoeneberg

Tekoälyn tutkimuslaitos (IIIA-CSIC)

Barcelona, Espanja · iiia.csic.es

Espanjan kansallisen tutkimusneuvoston kansainvälisesti tunnettu tekoälyinstituutti, joka tutkii koneoppimista, moniagenttijärjestelmiä ja päättelyä. Se koordinoi AIHUB-CSIC-verkostoa, johon kuuluu yli 500 tekoälytutkijaa.

Prof. Carles Sierra · Prof. Margarida Romero · Dr. Mireia Vendrell

UniCA

Université Côte d’Azur

Nizza, Ranska · univ-cotedazur.eu

Julkinen tutkimusyliopisto, jossa on noin 35 000 opiskelijaa. Sen LINE-laboratorio tutkii opetuksen innovaatioita, yhteisluovuutta ja kriittistä ajattelua, ja MSc SmartEdTech -ohjelma yhdistää tietojenkäsittelytieteen, kasvatustieteen ja kognitiotieteen.

Prof. Dr. Oksana Strutynska · Chengcheng Li

Oulun yliopisto

Oulu, Suomi · oulu.fi

Vuonna 1958 perustettu suomalainen tutkimusyliopisto. Sen oppimisen ja koulutusteknologian tutkimusyksikkö (LET Lab) tutkii oppimista multimodaalisen datan avulla sekä ihmisen ja tekoälyn yhteistyötä, ja Hybrid Intelligence -ohjelma selvittää, miten ihmiset ja tekoäly oppivat yhdessä.

Dr. Andy Nguyen · Prof. Sanna Järvelä · Dr. Luna Huynh · Azusa Nakata

INESC
ID

INESC-ID

Lissabon, Portugali · inesc-id.pt

Voittoa tavoittelematon tietojenkäsittelytieteen ja tekniikan tutkimuslaitos, jonka omistavat yhdessä Instituto Superior Técnico ja INESC. Sen tekoäly ihmisille ja yhteiskunnalle -tutkimusryhmä (GAIPS) tutkii älykkäitä agentteja, sosiaalista robotiikkaa ja teknologiatuettua oppimista.

Prof. Ana Paiva · Prof. Rui Prada · Prof. Joana Campos

Ukrainan valtiollinen Dragomanov-yliopisto

Kyiv, Ukraina · udu.edu.ua

Pitkät perinteet omaava ukrainalainen yliopisto, jolla on vahva opettajankoulutuksen ja pedagogisen tutkimuksen perinne sekä kasvava painotus digitaaliseen muutokseen, tekoälyyn ja opettajien digitaaliseen osaamiseen.

Dr. Mariia Umryk · Daniil Shemet

Kumppanit ja tiimit

Liitännäiskumppanit

EATELEuropean Association of Technology Enhanced Learning Knowledge Innovation CenterMalta · EU-politiikka ja tekoälyn viitekehykset KI-CampusSaksa · oppimisalustaintegraatio Lissabonin yliopistoPortugali · pilottien tuki mycelia gGmbHSaksa · digitaaliset osaamismerkit

Neuvottelukunta

Dr. Davide TaibiInstitute for Educational Technologies, CNR, Italia Prof. Barbara WassonSLATE, Bergenin yliopisto, Norja Prof. Olga VibergKTH Royal Institute of Technology, Ruotsi · EATELin puheenjohtaja

Tulokset

Kaikki tuotoksemme ovat avoimia

Kaikki keskeiset tulokset julkaistaan avoimilla lisensseillä esimerkiksi Zenodo- ja GitHub-arkistoissa pysyvine tunnisteineen ja FAIR-metatietoineen. Linkit lisätään tänne sitä mukaa kuin tulokset julkaistaan.

A2.1-R1

Tekoäly koulutuksessa – nykytila-analyysi

Kansainväliset linjaukset, tekoälylukutaidon viitekehykset ja tutkimussuuntaukset EU:ssa, Kiinassa, Yhdysvalloissa ja kumppanimaissa; vähintään 50 lähdettä.

Käynnissä
A2.2-R1

RAG-kentän synteesiraportti

RAG-arkkitehtuurit, -työkalut ja opetussovellukset, RAG-työkalujen vertailumatriisi sekä keskeiset RAG-osaamiset, joihin osaamismerkit perustuvat.

Suunniteltu
A2.3-R1

RAG4Edu-opetussuunnitelma ja RAG-pedagogiikan viitekehys

Osaamisperustaiset oppimistavoitteet, opetuksen suunnittelun periaatteet, mikro-oppimismoduulit, joustavat polut ja osaamismerkit avoimina merkkeinä.

Suunniteltu
A3.1-R1

Ryhmänmuodostuksen suunnittelukehys ja työkalu

Tekoälyavusteisen ryhmänmuodostuksen kriteerit, tietolähteet, päätöksentekologiikka ja läpinäkyvyysmekanismit sekä yhteisöllisen oppimisen suunnittelumallit.

Suunniteltu
A3.2-R1–R3

RAG4Edu-putki ja -viitekehys

Käsitteellinen ja tekninen määrittely, käyttöönotettava toimiva prototyyppi (tallennus, semanttinen haku, generointi) ja oppijaa huomioivat täydennysmekanismit.

Suunniteltu
A3.3-R1

RAG4Edu-chatbotit ja -työkalupakki

Laadintatyökalut kurssikohtaisten RAG-chatbottien ja -agenttien luomiseen ja määrittämiseen, monikieliset tapaustutkimussovellukset, mallipohjat ja dokumentaatio.

Suunniteltu
A3.4

Integraatio- ja tukipalvelut

EU:ssa kehitettyjen kielimallien ja tekoälypalvelujen määrittely ja integrointi, upotukset, tokenien hallinta ja vaatimustenmukaisuusominaisuudet piloteille.

Suunniteltu
A4.1-R1

RAG4Edu-koulutusohjelma

Avoin verkkokoulutusohjelma, joka yhdistää asiantuntijatason RAG-sisällön, joustavat polut, avoimet oppimateriaalit, osaamisperustaisen arvioinnin ja osaamismerkit.

Suunniteltu
A4.2-R1

Pilottiprotokolla ja monipaikkaiset pilotit

Osallistujien valinta, toteutusohjeet, arviointikehys ja aineistonhallintasuunnitelma, joita sovelletaan yhdenmukaisesti kaikissa kumppaniorganisaatioissa.

Suunniteltu
A4.3-R1

Arviointi-, kehittämis- ja sopeuttamisraportti

Näyttö kaikista piloteista, opitut asiat sekä toimenpiteet parannuksiin, käännöksiin ja kansallisiin sovituksiin.

Suunniteltu
A5.1-R1

Viestintä- ja yhteistyöinfrastruktuuri

Tämä verkkosivusto ja siihen liittyvät arkistot — hankkeen avoin digitaalinen keskus tuotoksille, tapahtumille ja levitysmateriaalille.

Käynnissä
A5.2-R1

RAG4Edu-vaikuttamisen pilarit

Eurooppalainen käytäntöyhteisö, jolla on säännöllisiä teemawebinaareja, osallistavia yhteiskehittämistilaisuuksia ja institutionaalisia pyöreän pöydän keskusteluja.

Suunniteltu
A5.3-R1

Avoimen saatavuuden arkistot ja uudelleenkäytön viitekehys

Sopeuttamisohjeet, selkeät lisenssit ja siirtomallit, joiden avulla muut organisaatiot voivat ottaa RAG4Edu-tulokset käyttöön itsenäisesti.

Suunniteltu
A5.4-R1

Kestävyys-, käyttöönotto- ja hyödyntämisstrategia

Vähintään kolme konkreettista jatkopolkua hankkeen jälkeen: oppilaitosten opettajankoulutusohjelmat, digitaaliset strategiat ja ulkoiset verkostot.

Suunniteltu
A5.5-R1

Levitystilaisuudet ja eurooppalainen päätöstyöpaja

Kansallinen levitystilaisuus jokaisessa kumppanimaassa ja päätöstyöpaja johtavan tekoäly koulutuksessa -konferenssin esitapahtumana.

Suunniteltu
≥ 500alustan käyttäjää Euroopan eri maista
≥ 150käytäntöyhteisön jäsentä vähintään 8 maasta
≥ 250opettajaa ja sidosryhmien edustajaa tavoitetaan levitystilaisuuksissa
≥ 80 %osallistujista pitää tuloksia merkityksellisinä ja hyödyllisinä

Käytäntöyhteisö

Opetatko RAGin avulla? Mietitkö, miten aloittaa? Liity mukaan.

RAG4Edu-käytäntöyhteisö kokoaa yhteen opettajia, opetuksen kehittämisyksiköitä, innovaatiokeskuksia ja tutkijoita eri puolilta Eurooppaa — webinaarien, yhteiskehittämistilaisuuksien ja institutionaalisten pyöreän pöydän keskustelujen merkeissä vuoden 2026 lopusta alkaen. Tuloksia jaetaan myös European Digital Education Hubin, EPALEn, OpenAIREn ja Zenodon kautta.

Yhdellä maksuttomalla RAG4Edu-tilillä pääset tämän sivuston jäsenalueelle ja RAG4Edu-oppimisalustan kursseille.

Hankkeen koordinointiProf. Dr. Ilona Buchem · Berliner Hochschule für Technik (BHT), Saksa
Verkkosivusto ja käytäntöyhteisöDr. Andy Nguyen · Oulun yliopisto, Suomi