Kaikki kirjoittajan LAMKpub artikkelit

Biojätekeräyksen toteuttamistapoja pientaloalueilla

Kiertotalouden ratkaisut, LAMK Pro

Suomalaisista lähes puolet asuu pientaloissa, joissa biojätteen keräystä ei yleensä ole järjestetty. EU:n jätelainsäädännön kiristyessä tulevaisuudessa on pientaloasukkaidenkin järjestettävä biojätteen keräys tai kompostoitava biojäte. Tässä artikkelissa esitellään tapoja, joilla biojätteen erilliskeräys omakoti- ja pientaloalueilla voitaisiin toteuttaa ympäristö- ja kustannusvaikutuksiltaan tehokkaasti.

Kirjoittajat: Mika Kuparinen ja Susanna Vanhamäki

Johdanto

Euroopan neuvosto hyväksyi keväällä 2018 jätepaketin, jonka mukaan jäsenmaiden on varmistettava 31.12.2023 mennessä että kotitalouksien biojäte kerätään erikseen tai kierrätetään sen syntypaikalla esimerkiksi kotikompostoimalla. Jätepaketin tavoitteena on edesauttaa siirtymistä kiertotalouteen ja vähentää EU:n riippuvuutta raaka-aineiden tuonnista edistämällä luonnonvarojen harkittua, tehokasta ja järkevää käyttöä (Euroopan neuvosto 2018).

Biojäte on kotitalouksissa, ravintoloissa ateriapalveluissa ja vähittäisliikkeissä syntyvää biologisesti hajoavaa elintarvike- ja keittiöjätettä (Euroopan komissio 2016). Suomessa erilliskerättiin vuonna 2016 biojätettä noin 393 000 tonnia, jos kotikompostointi lasketaan mukaan. Sekajätteessä on kuitenkin vielä paljon biojätettä, sillä sekajätettä kerättiin 1,22 miljoonaa tonnia, joka on 44% yhdyskuntajätteestä. (Tilastokeskus 2016) Esimerkiksi Helsingissä biojätteen osuus omakotitalojen sekajätteessä vuonna 2015 oli 42% (HSY 2016).

Suomalaisista asui vuonna 2017 erillisissä pientaloissa noin 2,66 miljoonaa henkilöä, joka on noin 48% väestöstä (Tilastokeskus 2018). Päijät-Hämeessä noin 60% pientaloasukkaista kompostoi biojätteensä (PHJ 2018b). Kaikki eivät kuitenkaan ole valmiita kompostoimaan itse ja biojätteen erilliskerääminen yksittäisiltä kiinteistöiltä ei usein ole kannattavaa kustannuksiltaan eikä ympäristövaikutuksiltaan.

Biojätteen erilliskeräyksen ympäristövaikutuksia ja kustannuksia voidaan pienentää keräämällä usean kiinteistön biojätteet samaan astiaan ja pidentämällä näin sekajätteen tyhjennysväliä. Paikkakunnasta riippuen biojätettä sisältävän sekajätteen tyhjennysväli on kesäisin 1-2 viikkoa ja talvisin jopa 4 viikkoa. Lajittelemalla biojätteen erikseen sekajätteen tyhjennysväliä voidaan pidentää jopa 12 viikkoon ja erillisellä päätöksellä jopa 26 viikkoon (PHJ 2018a). Esimerkiksi Hyvinkäällä ja Valkeakoskella viiden kiinteistön jätekustannuksia voidaan laskea yhteistä biojäteastiaa käyttämällä ja sekajätteen tyhjennysvälin harventamisella 50-73 euroa ja 38-46% vuodessa per kiinteistö (Kiertokapula Oy 2018).

Esimerkkejä biojätekeräyksen toteuttamisesta

Usean kiinteistön yhteinen biojäteastia on toimiva ratkaisu taajama-alueilla, jos biojätettä syntyy liian vähän tai epäsäännöllisesti, jotta kompostointi toimisi kunnolla. Suomessa oli vuonna 2014 noin 1900 biokimppaa, joista suurin osa Jyväskylässä, Pirkanmaalla ja Etelä-Karjalassa. Kimpoissa oli keskimäärin noin 4 taloutta ja tämän tyyppisiä kimppoja oli yhteensä noin 8700 taloutta ja 23 000 henkilöä (Runsten 2014).

Päijät-Hämeen jätehuollolla on kymmeniä kimppoja Orimattilan ja Heinolan taajama-alueilla, joissa kunta järjestää biojätteen erilliskeräyksen. Yhtiö ei ole erityisesti markkinoinut biokimppoja, mutta sen nähdään tulevan ajankohtaiseksi tulevaisuudessa. (Rintala 2018)

Puhas Oy on kampanjoinut Joensuussa oma-aloitteisesti vuodesta 2014 lähtien kesäisin kotikompostoinnin ja yhteisten biojäteastioiden puolesta. Yhtiö tarjoaa asiakkailleen edullisia kompostoreita tai biojäteastian ja puolen vuoden biojätepussit veloituksetta. Biokimppoja on tällä hetkellä 380 ja erilliskerätyn biojätteen määrä onkin noussut viime vuosina. (Puhas Oy 2018; Kukkonen 2018a)

Biojätteen aluekeräyksestä löytyy Suomesta vain muutamia esimerkkejä. Pohjanmaalla on järjestetty biojätteen keräys vapaa-ajan asutuksen keräyspisteisiin kesästä 2018 lähtien (EkoRosk Oy 2018). Mikkelissä on kokeiltu viime vuosina biojätteen aluekeräystä lukollisilla syväkeräysastioilla (Koski 2018). Myös Joensuussa on kokeiltu aluekeräystä yhdellä keräyspisteellä, mutta pienen saannon vuoksi keräystä ei jatkettu (Kukkonen 2018b).

Jätteiden yhteiskeräys uusilla pientaloalueilla

Uusilla pientaloalueilla jätteiden yhteiskeräys voidaan huomioida jo suunnitteluvaiheessa. Kaavassa voidaan määritellä paikat, mihin korttelin tai kujan yhteiset jäteastiat tulee sijoittaa ja tontin vuokrasopimuksessa/kauppakirjassa tontin haltija voidaan velvoittaa liittymään yhteiseen jätekeräykseen. Biojätteen osalta tulisi huomioida asukkaan mahdollinen halu kompostoida biojätteensä itse.

Oulun Hiukkavaaran omakotitaloalueella on meneillään jätehuoltopilotti, jossa alueen omakotitalojen asukkaille on neljä kimppapistettä, joissa on erilliset syväkeräysastiat eri jätejakeille, mukaan lukien biojätteelle. Kimppapistejärjestelmään liittyminen on alueen tontinluovutuksen ehtona. (Kiertokaari Oy 2018) Samanlainen ehto on myös Mikkelin Kirkonvarkauden omakotitaloalueella, jossa syväkeräyspisteiden paikat on myös merkitty kaavaan (Koski 2018).

Mikkelin Orijärven puutaloalueen pientaloasukkaat on velvoitettu jo vuodesta 2003 tonttien vuokrasopimuksen/kauppakirjan mukaisesti liittymään yhteiseen jätekeräykseen. Alueen rakennusvaiheessa kujille rakennettiin jätepisteet ja keskitetty jätehuoltoratkaisu määrättiin kaavalla. (Orijärven asukasyhdistys 2018; Saukkonen 2018b)

Jätekimpalla on yhteensä 13 kujakohtaista jätepistettä, joissa on syväkeräysastia sekajätteelle ja biojäteastia (Kuva 1). Jätekimpassa on tällä hetkellä 117 taloutta (n. 350 henkeä), joista pieni osa kompostoi biojätteensä ympärivuotisesti. Biojätekeräykseen osallistuu ympärivuotisesti 100 taloutta. (Saukkonen 2018a)

KUVA 1. Yksi jätteiden yhteiskeräyspisteistä Orijärven puutaloalueella Mikkelissä. (Kuva: Mika Kuparinen).

Jätekimpan osakkaat saavat kerran vuodessa laskun koko vuoden jätehuollosta. Biojätekeräys laskutetaan jakamalla toteutunut biojätekustannus keräykseen osallistuneiden kesken (Saukkonen 2018a). Biojätekeräyksen kustannukset olivat taloutta kohti vuonna 2017 54 euroa vuodessa (Orijärven asukasyhdistys 2018).

Yhteenveto

Uusia pientaloalueita suunnitellessa ja kaavoittaessa olisi hyvä huomioida yhteinen jätehuolto ja mahdollisuuksien mukaan velvoittaa tulevat asukkaat liittymään yhteiskeräykseen jo tontinluovutusvaiheessa. Kujien tai korttelien yhteiskeräys laskee kuljetuskustannuksia, vähentää jäteautoliikennettä ja mahdollistaa biojätteen erilliskeräyksen niille, jotka eivät kompostoi.

Jo olemassa olevilla pientaloalueille olisi hyvä markkinoida aktiivisesti yhteisiä biojäteastioita yhdessä kotikompostoinnin kanssa. Biokimppojen toimivuudesta on onnistuneita esimerkkejä ympäri Suomea mutta niiden perustaminen voi olla haastavaa, jos saman kujan asukkaista useat kompostoivat biojätteensä itse. Kimpan perustamiseen voidaan kannustaa tekemällä se mahdollisimman helpoksi, esimerkiksi tarjoamalla biojäteastia ja mahdollisuus jakaa lasku osakkaiden kesken.

Lähteet

Ekorosk Oy. 2018. Vappu tuo eriävät aukioloajat ja biojäteastioita mökkien keräyspisteisiin. [Viitattu 5.10.2018]. Saatavissa: https://www.ekorosk.fi/fi/company/news/Bio_waste_collection_from_Cottag

Euroopan komissio. 2016. Biodegradable Waste. [Viitattu 8.10.2018]. Saatavissa: http://ec.europa.eu/environment/waste/compost/index.htm

Euroopan neuvosto. 2018. Jätehuolto ja kierrätys: neuvostolta uudet säännöt. [Viitattu 26.9.2018]. Saatavissa: http://www.consilium.europa.eu/fi/press/press-releases/2018/05/22/waste-management-and-recycling-council-adopts-new-rules/

HSY. 2016. Pääkaupunkiseudun seka- ja biojätteen koostumus vuonna 2015. Kotitalouksien ja palvelutoimialojen sekajätteen sekä Ämmässuolla käsiteltävän biojätteen koostumustutkimus. Helsinki: Helsingin seudun ympäristöpalvelut -kuntayhtymä. [Viitattu 8.10.2018]. Saatavissa: https://www.hsy.fi/sites/Esitteet/EsitteetKatalogi/Raportit/Paakaupunkiseudun_seka-ja_biojatteen_koostumus_vuonna_2015.pdf

Kiertokaari Oy. 2018. Oulussa testataan omakotitaloalueella jätteiden kimppakeräystä. [Viitattu 9.10.2018]. Saatavissa: https://kiertokaari.fi/hiukkavaarassa-testataan-omakotitalojen-jatteiden-kimppakeraysta/

Koski, J. 2018. Ympäristöinsinööri. Metsäsairila Oy. Puhelinhaastattelu 27.9.2018.

Kukkonen, T. 2018a. Puhas Oy. Sähköposti 12.10.2018.

Kukkonen, T. 2018b. Puhas Oy. Puhelinhaastattelu 12.10.2018.

Orijärven asukasyhdistys. 2018. [Viitattu 5.10.2018]. Saatavissa: https://orijarvi.blogspot.com/p/tapahtumakalenteri_13.html

Puhas Oy. 2018. Biojätteen kompostoriin tai biokimppa-astiaan. [Viitattu 9.10.2018]. Saatavissa: https://www.puhas.fi/biojatekampanja.html

PHJ. 2018a. Päijät-Hämeen jätehuolto. Jäteastioiden tyhjennysvälit. [Viitattu 8.10.2018]. Saatavissa: https://www.phj.fi/kiinteiston-jatehuolto/jateastioiden-tyhjennysvalit/

PHJ. 2018b. Päijät-Hämeen jätehuolto. Paikallinen näkökulma. Tuula Honkanen, puheenvuoro BMT-kiertotaloustapahtumassa 8.5.2018.

Rintala, H. 2018. Palvelukoordinaattori. Päijät-Hämeen jätehuolto. Puhelinhaastattelu 15.10.2018.

Runsten, S. 2014. Biojätteen erilliskeräyksen ympäristövaikutukset. S. 11-13. [Viitattu: 1.10. 2018]. Saatavissa: http://vanha.jly.fi/Runsten_2014.pdf

Saukkonen, K. 2018a. Orijärven jätekimpan isännöitsijä. Sähköposti 28.9.2018.

Saukkonen, K. 2018b. Orijärven jätekimpan isännöitsijä. Puhelinhaastattelu 4.10.2018.

Tilastokeskus. 2016. Yhdyskuntajätekertymä 2016. [Viitattu: 26.9.2018].
Saatavissa: http://www.stat.fi/til/jate/2016/13/jate_2016_13_2018-01-15_tau_001_fi.html

Tilastokeskus. 2018. Kerrostaloasumisen suosio kasvaa. [Viitattu: 8.10.2018]. Saatavissa: http://www.stat.fi/til/asas/2017/asas_2017_2018-05-17_tie_001_fi.html

Kirjoittajat

Mika Kuparinen opiskelee ympäristöinsinööriksi Lahden ammattikorkeakoulussa Tekniikan alalla.

Susanna Vanhamäki toimii TKI-asiantuntijana Lahden ammattikorkeakoulussa Kiertotalouden ratkaisut -painoalalla.

Artikkelikuva: Mika Kuparinen

Julkaistu 1.11.2018

Viittausohje

Kuparinen, M. & Vanhamäki, S. 2018. Biojätekeräyksen toteuttamistapoja pientaloalueilla. LAMK Pro. [Viitattu ja pvm]. Saatavissa: http://www.lamkpub.fi/2018/11/01/biojatekerayksen-toteuttamistapoja-pientaloalueilla/

Improving the Economy of Universities of Applied Sciences using Artificial Intelligence

Älykäs liiketoiminta, Articles in English, LAMK Pro

Finnish economy has been suffering for almost a decade now, and the field of education has also had to participate in the required savings of public resources. Focusing the reduced resources efficiently on targets and activities that best improve the measured results has become essential. Applications of artificial intelligence could help in identifying these targets and activities.

Author: Antti Salopuro

Battlefield of Universities of Applied Sciences

For the Finnish universities of applied sciences (UAS), the prolonged depression has caused a reduction of public funding by 22% (Arene 2018). In the current UAS funding model, 85% of the total funding depends on the UAS performance in educational measures such as number of degrees granted and progress of the studies (Opetushallitus 2014). The UASs have thus had to focus on making the students proceed faster with their studies and eventually graduate in higher numbers. As the motivation and capabilities of a student are important in enabling a successful study path on a personal level, a successful assessment of these measures and using them as criteria in student selection could be an asset for any UAS. Equally, identifying the students that most probably will have difficulties with their studies at an early stage could help in targeting supportive activities to correct individuals.

Improving selection of students

A successful match of students with different study programs has always had an impact, not only on UASs, but also on the success of the whole nation, and, therefore, it has been a topic of research. Rantanen (2001) identified this being a difficult problem in general, and specifically for Finnish UASs. The power of the entrance test in forecasting study success was found to be much poorer than previously assumed. In his follow-up research, Rantanen (2004) created stepwise regression models to explain success in studies with all information available at the time of applying to a UAS. In general, the average grade of the high school final certificate was found to be the most significant single factor (r2 = 0.18) in explaining the success. Also, matriculation exam grades were found to correlate to success in studies more significantly than the entrance exam scores. One impact of this can be seen in the methodology of the future application process of UASs. Starting in 2020, the principle of student selection will mainly be based on the grades of the certificate of the applicants from the previous education (Opintopolku 2018). The admission score of an individual applicant will be calculated as a weighted sum of a set of grades, which is both a practical and a transparent method. The weights applied are the same in almost all programs with only a few exceptions.

This new approach of student selection is thus even more straightforward and simpler than the current one and no longer allows individual UASs or their programs to decide on the criteria independently. But could a better solution for building such scoring models be found by applying artificial intelligence (AI) and by, again, acknowledging the requirements of the study program? Kabakchieva (2013) experimented with six different classifiers to model the university performance (output) of a set of Bulgarian students using some pre-university data (input). In addition to the secondary school final grades and entrance test scores , some background information such as the place and profile of the pre-university education was also used as input data. In general, the applied classifiers were able to predict with an accuracy of 60% or more only on three levels (1, 3 and 4) of the five-level scale. The classification of the students falling in either ‘average’ (2) or ‘excellent’ (5) classes were identified poorly, with accuracies of less than 10%. On the other hand, the ability to identify students that would finally perform the weakest were identified with an accuracy of 80%. It is exactly this kind of ability that would be helpful for a UAS to filter out the worst performing students from the group of applicants.

Identifying students in need of help

While the renewal of the entrance criteria, again, will most likely not be possible in the near future, another question could be made if there were any ways to make it easier for a UAS to identify the students that managed their ways into a program but have a high risk of being left behind or even drop out of the studies? This would allow, already in an early stage, focusing the limited student counselor resources on students for those it would be the most helpful. Huang and Fang (2013) studied the ability of four different methods, each considered to be an elementary part of the standard AI toolkit, to predict the student performance in the final exam of an engineering dynamics course. Six combinations of a set of input variables, consisting of the total sum of grade points collected so far and grades of seven previously studied courses, were applied. The results were promising: for the 24 different models (combinations of the methods and the variables) assessed, the authors report a minimum average prediction accuracy of 86.5%. This implies that even with a simple method (e.g. linear regression) and a single predictor (e.g. grade of single previous course) it is possible to foresee student success in a future exam accurately.

A natural follow up to the works referenced above would be to combine the prediction power of the pre-university grades with that of the university course grades in seeking for a better prediction of the university graduation performance. Asif, Merceron and Pathan (2015) have done exactly this: in addition to the pre-university grades (as in Rantanen 2001 and 2004), some marks from the first two years in the university were also included in the set of predictor variables as they predicted the overall success of students in the university level studies. The study applied two separate datasets, both consisting of data from two subsequent academic years (four full years covered), thus simulating a real life situation where the data of the previous year is used to build a model to forecast the performance of the following year. Splitting the data (N = 347) into four subsets has, however, resulted in relatively small sizes of both the predictor and the test data sets. This has, very likely, reduced the predictive power of the models created. Despite this, the paper reports some sufficiently high precision values, especially with respect to the use case of identifying the students that would best benefit from specific supportive activities. The students whose final grade would most likely be one of the two lowest (D or E) are, at best, identified with an accuracy of 89.5%. The best performances are achieved with models applying a decision tree with different hyperparameters. The study concludes that including both pre- and past-admission marks improves the prediction power of the graduation level grades significantly compared to cases where only one of these is used as a predictor.

Conclusions

From these few referenced examples it is possible to conclude that applying statistical models and artificial intelligence has potential in helping to recognize the applicants that most probably do not have the capabilities required for graduation and especially the students with the highest need for an intervention by a study counselor. Not selecting applicants that have a high risk of not ever finishing the degree would -even if it meant groups of program students being smaller- benefit all stakeholders. It would leave more resources to be targeted on students with good enough acquirements which would serve both students and teaching personnel. Accurate identification of students in most need of help would allow focusing the supportive resources such that it optimally improves the graduation rate and thus the most important measured result of UASs. Therefore, both these applications of AI would further help the Finnish UASs to manage themselves in the world with less public funding.

References

Arene.  2018. Osaaminen ja työllisyys kasvu-uralle – Amk-rahoitus kuntoon. [Cited 20 Oct 2018]. Available at: http://www.arene.fi/uutiset/osaaminen-ja-tyollisyys-kasvu-uralle-ammattikorkeakoulujen-rahoitus-kuntoon/

Asif, R., Merceron, A. & Pathan, M. K. 2015. Predicting Student Academic Performance at Degree Level: A Case Study. I.J. Intelligent Systems and Applications.  Vol. 7 (1), 49 – 61. [Cited 20 Oct 2018]. Available at: https://www.researchgate.net/publication/287718318_Predicting_Student_Academic_Performance_at_Degree_Level_A_Case_Study

Huang, S. & Fang, N. 2013. Predicting student academic performance in an engineering dynamics course: A comparison of four types of predictive mathematical models. Computer and Education. Vol. 61, 133-145. [Cited 20 Oct 2018]. Available at: https://www.sciencedirect.com/science/article/pii/S0360131512002102

Kabakchieva, D. 2013. Predicting Student Performance by Using Data Mining. Cybernetics and Information Technologies. Vol. 13 (1), 61 – 72. [Cited 20 Oct 2018]. Available at: https://www.researchgate.net/publication/269475545_Predicting_Student_Performance_by_Using_Data_Mining_Methods_for_Classification

Opetushallitus. 2014. Yksikköhinnat vuodelle 2014. [Cited 20 Oct 2018]. Available at: http://www02.oph.fi/asiakkaat/rahoitus/rahjulk14/09_ammattikorkeakoulut.pdf

Opintopolku. 2018. Mikä korkeakoulujen opiskelijavalinnoissa muuttuu vuoteen 2020 mennessä? [Cited 20 Oct 2018]. Available at: https://opintopolku.fi/wp/opo/korkeakoulujen-haku/mika-korkeakoulujen-opiskelijavalinnoissa-muuttuu-vuoteen-2020-menessa/

Rantanen, P. 2001. Valintakoe vai ei? Ammatillisen Koulutuksen ja ammattikorkeakoulujen opiskelijavalinnan tarkastelua. Helsinki: Opetusministeriö. Koulutus ja tiedepolitiikan osaston julkaisusarja, 83.

Rantanen, P. 2004. Valinnasta työelämään. Ammatillisen koulutuksen ja ammattikorkeakoulujen opiskelijavalinnan tarkastelua. Helsinki: Opetusministeriö. Opetusministeriön julkaisuja 2004:19.[Cited 20 Oct 2018]. Available at: http://julkaisut.valtioneuvosto.fi/bitstream/handle/10024/80386/opm19.pdf?sequence=1&isAllowed=y

Author

Antti Salopuro is Senior Lecturer of Business Information Technology at Lahti University of Applied Sciences, private practitioner at Tietokutomo and student of Data Sciences at University of Helsinki. He believes that using natural wisdom could sometimes protect against problems that can be solved using artificial intelligence.

Illustration: https://www.pexels.com/photo/accomplishment-ceremony-education-graduation-267885/ (CC0)

Published 22.10.2018

Reference to this publication

Salopuro, A. 2018. Improving the Economy of Universities of Applied Sciences using Artificial Intelligence. LAMK Pro. [Cited and date of citation]. Available at: http://www.lamkpub.fi/2018/10/22/improving-the-economy-of-universities-of-applied-sciences-using-artificial-intelligence/

IWAMA – Capacity Development Activities

Articles in English, Kiertotalouden ratkaisut, LAMK Pro

The wastewater treatment sector is under the challenge that are caused not only the global drivers (e.g., urbanization, climate change, aging population), but also the rapid development of the water management technology with the increased requisites for the water purification (e.g., micro-plastics, medical residues, etc.). IWAMA-project introduces capacity development activities and -tools for the wastewater treatment sector of the Baltic area to tackle these challenges.

Authors: Katerina Medkova and Sami Luste

Introduction

The lack of training, awareness and interactive international information share have been identified as one of the major limitations regarding the energy- and resource-efficient management of the wastewater processes in the Baltic Sea Region (E.g., PRESTO project 2011-2014; PURE project 2007-2013).

By increasing knowledge and providing up-to-date technical information, the efficiency of wastewater treatment plants, regarding both the energy savings and nutrient removal, can be noticeably improved. At the same time, continuous learning alongside with the technology development can lead to a better environmental state of the Baltic Sea.

IWAMA – Interactive Water Management project aims at improving wastewater management in the Baltic Sea Region (BSR). The triple fields of IWAMA activities include the capacity development of the wastewater treatment operators, improving the energy efficiency and sludge management.

LAMK is responsible for the Capacity Development for wastewater sector experts. Capacity development is also enabled through international onsite workshops and online webinars. During the capacity development workshops and webinars, the most recent knowledge on smart sludge and energy management is presented. An added value is brought by sharing the lessons learned from the pilot investments conducted in IWAMA. In addition, the formation of national knowledge-based communities (NKBC) of the lifelong learning in each partner country is enabled.

What has been done?

 All six workshops and four webinars have been organised on different themes (Figure 1). The onsite workshops consisted of topic related presentations, lectures, case studies, and dedicated neighbourhoods’ sessions. Site visits to the local WWTPs were an integral part of the international workshops held in different BSR countries. The content of the workshops have been continuously evaluated and developed and new elements have been added later on: panel discussions and suppliers orienteering sessions. The valuable and up-to-date presentations have been recorded for their later use in capacity development. Carefully selected presentations have been also transcribed with English subtitles and some of them translated into national languages, such as Finnish, German, Estonian, Russian and Lithuanian. At the same time, these events provided an opportunity for networking, gaining new information and continuous knowledge and experience exchange with other water stakeholders in the BSR.

Figure 1. IWAMA Workshops and Webinars Overview

These recorded presentations will be available in a Training Material Package (TMP), an online Moodle-based platform, built by LAMK, providing educational materials for WWT sector, associations, universities, NKBCs, or anyone interested in WWT. The TMP is under the development and the first testing of the elements has been conducted. Besides the presentations and recordings, other lifelong learning tools are being developed during the course of the project, such as the WWTP game (Image 1) and virtual learning tests.

Image 1. Screenshot of the WWTP game being developed by LAMK

The water-, waste and wastewater associations and universities (LAMK, ECAT-Lithuania, LNU, EVEL, DWA) have started to modify and fill the national sections of the online TMP, translate materials for WWTP game and virtual tests.

Insights from the WS6

The theme of the last international Capacity Development workshop was in the name of “Constructional and operational challenges” and it took place in Gdańsk, Poland on 20.-21.9.2018. The first day started with a visit to Kazimierz Water Tower, located on an island (Image 2). Besides the technological purpose of the modern tower, it serves as an educational centre.

Image 2. Kazimierz Water Tower (Photo by Katerina Medkova)

The second day was filled with presentations, discussions, case studies and targeted parallel sessions. Case studies presented solutions to personnel demand and management challenges in Germany, Finland, Estonia and Poland. For instance, Ms Sirpa Sandelin from Satakunta University of Applied Sciences, Finland, emphasized the importance of ageing personnel and diminishing workforce in wastewater treatment plants. Managing knowledge, especially the tacit knowledge and its transfer to new generation employees, is essential for water utilities. Knowledge management supports learning in organisations, as only 20 % is learned at schools. The majority of knowledge and skills (80%) is achieved at work through work experience and on-the-job training. Lifelong learning is seen as an investment for the future and a key in today’s competitive and fast-changing world. (Sandelin 2018) “Lifelong learning of the personnel should be seen as a responsibility of both the employer and the employee”, Ms Sandelin (2018) stated.

The last day took place in the premises of the Gdańsk wastewater treatment plant, where the theoretical presentations followed by a detailed visit of the large plant, including the plant, combined anammox- constructed wetland pilot-plant, and the incineration and CHP plants. A beautiful Hevelius Fountain Show ended the workshop.

Image 3. Gdańsk wastewater treatment plant (Photo by Katerina Medkova)

IWAMA, funded by INTERREG Baltic Sea Region Programme 2014-2020, is a flagship project of the European Union Strategy for the Baltic Sea Region. More information about IWAMA project is available at https://www.iwama.eu/.

References

IWAMA. 2017. About IWAMA. [Cited 10 Oct 2018]. Available at: https://www.iwama.eu/about

Sandelin, S. 2018. Knowledge Management and Retention in Finnish WWTPs.  IWAMA 6th Capacity Development Workshop. IWAMA. [Cited 10 Oct 2018]. Available at: http://www.iwama.eu/sites/iwama/files/8._knowledge_management_and_retention_in_finnish_wwtps_sandelin.pdf

Authors

Katerina Medkova and Sami Luste both work in the IWAMA project in LAMK.

Illustration:  Gdańsk wastewater treatment plant. Photo by Katerina Medkova.

Published 22.10.2018

Reference to this publication

Medkova, K. & Luste, S. 2018. IWAMA – Capacity Development Activities. LAMK Pro. [Cited and date of citation]. Available at: http://www.lamkpub.fi/2018/10/22/iwama-capacity-development-activities/

 

Palvelumuotoilun keinoja hyödyntäen kohti parempaa liikuntaleiriä

Älykäs liiketoiminta, LAMK Pro

Palvelumuotoilu auttaa kehittämään palveluita asiakasystävällisemmiksi. Sen avulla voidaan ideoida ja luoda uusia palveluita tai kehittää jo olemassa olevia. Palvelumuotoilu asettaa asiakkaan tarpeet ja toiveet kaiken keskiöön, jolloin palveluista ja palvelukokemuksista muotoutuu asiakkaita miellyttäviä. Päijät-Hämeen liikunta ja urheilu Ry:lle tehdyssä opinnäytetyössä hyödynnettiin palvelumuotoilun työkaluja lasten ja nuorten liikuntaleirin, Vierumäen Leiritulien kehittämiseksi.

Kirjoittajat: Elina Peltola ja Sami Heikkinen

Palvelumuotoilun avulla parempia palveluita

Palvelumuotoilu on tapa toimia ja ajatella (Tuulaniemi 2011, 58). Sen avulla palvelukokemuksia ideoidaan ja kehitetään käyttäjien tarpeiden mukaan käyttäjäystävällisemmiksi. Parhaimmillaan palvelumuotoilun avulla voidaan asiakkaalle luoda mieleenpainuva palvelukokemus, johon asiakas sitoutuu ja suosittelee myös muille. (Kalliomäki 2014, 46.)

Asiakaspalvelijoilla on suuri rooli asiakkaan palvelukokemuksen muodostumisessa. Sekä asiakkaiden että asiakaspalvelijoiden tarpeet, näkemykset ja arvot on ymmärrettävä yhdessä, jotta palvelukokemuksesta voidaan muokata asiakkaalle paras mahdollinen. (Tuulaniemi 2011, 71.)

Palvelumuotoilun juuret perustuvat muotoiluun, jossa korostetaan prosessi- ja menetelmäosaamista. Muotoilussa korostetaan myös visuaalisuutta, joka näkyy palvelumuotoilussa visuaalisena ja luovana lähestymistapana. (Tuulaniemi 2011,63-64.) Palveluiden ideoinnissa ja kehittämisessä tietoa kerätään ja esitetään usein visuaalisessa muodossa muun muassa erilaisina kuvina ja piirroksina. Näin on helpompi tunnistaa mahdollisia kehityskohteita. (Miettinen 2011, 21.)

Palvelumuotoilua liikuntaleirin kehittämiseksi

Päijät-Hämeen liikunta ja urheilu Ry:n järjestämälle lasten ja nuorten liikuntaleirille, Vierumäen Leiritulille toteutettiin opinnäytetyö, jonka tarkoituksena oli kehittää leiriä palvelumuotoilun keinoin (Peltola 2018). Aineistoa kerättiin määrällisin ja laadullisin menetelmin, sähköisen kyselylomakkeen sekä kahden työpajan avulla.

Sähköisen kyselylomakkeen avulla hankittiin pohjatietoa ja palautetta edellisen vuoden leiristä. Kysely auttoi selvittämään miltä paikkakunnilta leiriläiset tulevat, mistä he ovat saaneet tiedon Leiritulista ja kuinka moni on ollut leirillä ensimmäistä kertaa. Kyselyn avulla selvitettiin myös sitä, millaisista asioista lapset ovat nauttineet leirillä, ja oliko heillä jotain huomautettavaa tai parannusehdotuksia. Suurin osa kysymyksistä päätettiin jättää avoimiksi kysymyksiksi, jotta vastaajan vastauksia ei ohjata liikaa.

Opinnäytetyön puitteissa järjestettiin kaksi työpajaa: yksi leiriläisille ja toinen leirin ohjaajille. Leiriläisille järjestetyssä työpajassa käsiteltiin viittä eri teemaa sarjakuvien ja keskustelujen kautta. Teemat olivat unelmien leiri, Vierumäen Leiritulet, leiriruoka, ohjaajat ja leirimuistot. Myös ohjaajien työpajassa käytiin keskustelua viidestä eri teemasta: Vierumäen Leiritulet, ongelmatilanteet leirillä, ohjaajana työskentely, puhelimet leirillä sekä hyvä ryhmähenki.

Kyselyn ja työpajojen pohjalta todettiin, että leiriläiset viihtyvät Leiritulilla, mutta uudistuksia odotetaan tuleville leireille. Leiriläisten ja ohjaajien mielipiteissä Leiritulista oli selkeä yhtäläisyys – samoja asioita nousi esille kummassakin työpajassa. Tähän saattoi vaikuttaa se, että moni ohjaajista on nuorempana osallistunut leirille itse leiriläisen roolissa.

Opinnäytetyön tuloksena syntyi kolme erilaista käyttäjäprofiilia sekä leiriläisen palvelupolku. Kuvitteelliset käyttäjäprofiilit tehtiin leiriläisten kertomusten, ajatusten ja kokemusten pohjalta. Käyttäjäprofiileissa esitellään kuvitteellisen leiriläisen ikä, asuinpaikka, harrastukset, miksi haluaa osallistua leirille ja mitä toiveita leiriläisellä on leirille. Profiilit luotiin, jotta on helpompi tunnistaa, millainen on potentiaalinen asiakas ja millaisena asiakas haluaa leirin kokea (kuva 1).

Kuva 1. Yksi kolmesta kuvitteellisesta käyttäjäprofiilista (Peltola 2018)

Lisäksi luotiin leiriläisen palvelupolku. Se auttaa hahmottamaan mikä Leiritulilla toimii jo hyvin ja mitä osa-alueita voitaisiin lähteä kehittämään. Palvelupolku luotiin yhden käyttäjäprofiilin ympärille sisällöllisemmän tuloksen saamiseksi ja se kuvaa leiriläisen matkan Vierumäen Leiritulilla vaihe vaiheelta, mitä tapahtuu ennen leiriä, mitä leirillä ja mitä leirin jälkeen. Palvelupolku perustuu työn aikana hankittuun aineistoon ja leiriläisten kokemuksiin. Palvelupolun rinnalle kirjattiin huomiota ja kehitysehdotuksia sen tulkinnan helpottamiseksi.

Asiakaskeskeisyys auttaa kehittymään

Asiakkaan asettaminen palvelun keskiöön auttaa näkemään palvelun uudella tavalla. Jotta asiakkaille voidaan tarjota palvelua, joka jää mieleen, täytyy ymmärtää asiakkaan tarpeita ja toiveita palvelun suhteen.

Päijät-Hämeen liikunta ja urheilu Ry:n Vierumäen Leiritulien kehittymisen ja leiriläisten mieltymysten ymmärtämisen kannalta on tärkeää kerätä palautetta jokaiselta leiriltä. Opinnäytetyön puitteissa toteutetun kyselyn ja työpajojen aineistoista on nähtävissä, että niin leiriläiset kuin ohjaajatkin haluavat päästä vaikuttamaan ja osallistumaan leirin kehittämiseen. Vierumäen Leiritulet on perinteikäs liikuntaleiri lapsille ja nuorille, jonka traditioita ei haluta muuttaa liikaa, mutta perinteen elinvoimaisena pitämisen kannalta leiriläisiä ja ohjaajia kannattaa osallistaa tulevien leirien ideointiin.

Lähteet

Kalliomäki, A. 2014. Tarinallistaminen – Palvelukokemuksen punainen lanka. [Helsinki]: Talentum.

Klaar Margus, J. 2014. How to have your cake and eat it too – an introduction to service design. Amsterdam: BIS Publishers.

Miettinen, S. 2011. Palvelumuotoilu- uusia menetelmiä käyttäjätiedon hankintaan ja hyödyntämiseen. Helsinki: Teknologiainfo Teknova Oy.

Peltola, E. 2018. Liikuntaleirin kehittäminen palvelumuotoilun keinoin. Case: Vierumäen leiritulet. AMK-opinnäytetyö. Lahden ammattikorkeakoulu. Liiketalouden ja matkailun ala. Lahti. [Viitattu 11.10.2018]. Saatavissa: http://urn.fi/URN:NBN:fi:amk-2018101716073

Tuulaniemi, J. 2011. Palvelumuotoilu. Helsinki: Talentum.

Kirjoittajat

Elina Peltola on Lahden ammattikorkeakoulun valmistuva tradenomiopiskelija, jonka opinnäytetyö ”Liikuntaleirin kehittäminen palvelumuotoilun keinoin. Case: Vierumäen Leiritulet” on hyväksytty ja tarkastettu lokakuussa 2018.

Sami Heikkinen on lehtori Lahden ammattikorkeakoulun liiketalouden ja matkailun alalla.

Artikkelikuva: https://pixabay.com/en/football-teenager-greenery-sports-1533213/ (CC0)

Julkaistu 19.10.2018

Viittausohje

Peltola, E. & Heikkinen, S. 2018. Palvelumuotoilun keinoja hyödyntäen kohti parempaa liikuntaleiriä. LAMK Pro. [Viitattu pvm]. Saatavissa: http://www.lamkpub.fi/2018/10/19/palvelumuotoilun-keinoja-hyodyntaen-kohti-parempaa-liikuntaleiria/

Havaintoja muotoilun alan koulutuskokeiluista

LAMK Pro, Muotoilu, Uudistava oppiminen

 Digitalisaatio, robotisaatio ja muut työelämän muutosta ajavat tekijät ovat merkittävästi muuttaneen muotoilijan työtehtäviä. Samaan aikaan on syntynyt myös uudenlaista työtä. Se on osin vielä tunnistamatonta ja piilossa, mutta hiljalleen uudet työmahdollisuudet avautuvat näkyviin.  Tässä artikkelissa esitettävillä koulutuskokeiluilla on haettu näkemystä ja ymmärrystä siitä, miten muotoilijalle merkityksellisiä työelämätaitoja voidaan kartuttaa opintojen aikana. Koulutuskokeiluissa on tarkasteltu muun muassa yrittäjyysvalmiuksien sekä tiimeissä toimimisen valmiuksien kehittymistä osana opintoja.  Lisäksi on pohdittu tiimioppimisen tuottaman yrittäjämäisen asenteen kehittymistä.

Kirjoittaja: Anu Raappana

Johdanto

Muotoilijat tunnistavat, että uusia työmahdollisuuksia on näkyvissä esimerkiksi sosiaali- ja terveyssektorin palvelujen kehittämisessä, käyttöliittymäsuunnittelussa sekä eettisten ja ekologisten, uusista materiaaleista tehtävien tuotteiden suunnittelussa. Myös ilmaston muutoksen on ajateltu tuottavan muotoilijoille uudenlaisia työpaikkoja, joita ei tällä hetkellä vielä tunnisteta. Työelämän murroksessa myös muotoilijan ansaintatapa on muuttunut. Muotoilija toimii usein yrittäjänä ja työura koostuu erilaisista pätkistä (Ornamo 2017). Koulutuksessa on kyettävä tuottamaan sellaisia valmiuksia, että muotoilija pystyy muuttuvassa työelämässä itsensä työllistämään ja toisaalta kykenee laajentamaan osaamistaan tarvittaessa.

Koulutuskokeilujen taustalla on Design or die –luovasta osaamisesta uutta arvoa ja kilpailukykyä ESR –hanke (1.9.2016 – 31.12.2018). Hanke on valtakunnallinen ja sen toteuttavat LAMK, Lapin yliopisto, Aalto yliopisto sekä Teollisuustaiteen liitto Ornamo ry. Hankkeen teemoja ovat muun muassa muotoilualan koulutuksen muutos, muotoilijoiden monimuotoinen työelämä sekä muotoiluosaamisen hyödyntämisen edistäminen.

Tausta-aineisto

Tässä artikkelissa esitetyt havainnot perustuvat aineistoon, joka koostuu haastatteluaineistosta (ammatissa toimivia muotoilijoita sekä muotoilualan opiskelijoita), kyselyaineistosta (ohjausryhmän jäsenet) sekä hankkeessa toteutettujen koulutuskokeilujen aikana syntyneestä aineistosta. Aineisto on suppea, joten yleistyksiä aineiston pohjalta ei voida tehdä, mutta mielenkiintoisia ilmiöitä aineistoon kätkeytyy. Tiimioppimisen koulutuskokeilut on toteutettu kahdella sisustusarkkitehtuurin ja kalustemuotoilun opintojaksolla.

Koulutuskokeilujen suunnittelua ja niiden toteuttamista ovat ohjanneet muun muassa seuraavat käsitykset tiimioppimisesta. Tiimissä oppiminen tarkoittaa yhteistoiminnallista ja vuorovaikutuksellista oppimisen tapaa ja jokainen tiimin jäsen vaikuttaa koko tiimin oppimiseen sekä määrällisesti että laadullisesti. Vaikka tehdään yhdessä, on vastuu oppimisesta aina yksilöllä. Tiimioppiminen perustuu vuorovaikutukseen, tiedon jakamiseen sekä reflektioon sekä tiimiläisten että ohjaavien opettajien välillä. Tehtäessä kehitysprojektia yrityksen toimeksiannosta, oppimiseen liittyy myös vuorovaikutus tilaajan kanssa. Tiimioppimisen käsitteeseen liittyy läheisesti myös itsetuntemuksen sekä yhteisöllisen oppimisen käsitteet. Tiimioppiminen edistää sekä yrittäjyysvalmiuksia että sosiaalisia taitoja. Kokeilujen taustalla vaikutti lähtökohtana erityisesti tiedon, ymmärryksen ja ammattiin sidottujen taitojen kasvu tiimioppimisen ytimenä, mutta yrittäjyysvalmiuksien kasvua sekä sosiaalisten taitojen kasvu nähtiin myös erittäin merkittävänä tavoitteena. (Arene 2010; Hytti et al. 2010; Seikkula-Leino 2007.)

Havaintoja kokeiluista

Tiimin tulos vahvempi kuin yksilön tuottama tulos

Ryhmäopetuksen erityisen hyvä ominaisuus on vertaisoppiminen ja ryhmän jäsenten tuki. Kokeiluista saatu kokemus osoittaa, että tiimi kykenee usein tunnistamaan kunkin yksilön vahvuudet, mikä auttaa ryhmän jäseniä hyödyntämään yksilöllisiä vahvuuksiaan tehokkaammin. Tärkeää on myös ryhmätyön tuloksena saavutettu menestyskokemus ja kyky tuoda henkilökohtainen osaaminen sekä persoona osaksi tiimin menestyksestä. Tiimissä myös pettymyksen kokeminen on helpompaa.

Tiimityöskentelyllä vahvempaa yhteissuunnittelua

Tässä esitellyt koulutuskokeilut eivät olleet monialaisia, mutta kokeiluissa havaittiin monialaisuuden tuottamia hyötyjä. Monialaisuus on selvästi suunta, jota tulee edelleen tavoitella. Muotoilun koulutuksessa monialaisesta tiimityöstä opintojen aikana on hyötyä, sillä myöhemmin ammatissa toimitaan aina monialaisesti. Tiimityöskentely ja tiimissä oppiminen edistää opiskelijoiden kykyä työskennellä moniammatillisissa ryhmissä.

Tiimissä tavoitetaso kohoaa

Tiimi asettaa tavoitetason korkeammalle kuin yksittäinen opiskelija. Kokeiluissa havaittiin, että tiimin yhteisöllinen itsetunto voi olla niin vahva, että tavoite asetetaan jopa liian korkealle suhteessa osaamiseen ja käytössä olevaan aikaan. Tämä on ollut kokeiluissa myös yksi tärkeä tarkasteltava näkökulma; miten opiskelijat hahmottavat oman ajankäyttönsä, omat resurssinsa ja miten voidaan tukea oman osaamisen tunnistamista sekä kykyä laatia projekteista riittävän laajoja mutta ei liian laajoja. Opettajan tehtävänä on auttaa opiskelijoita hahmottamaan realistinen tavoite ja työskentelyn taso.

Jokainen saa käyttää omaa erityisosaamistaan

”Oli aika mahtava tunne kun tajusin, että mä pystyn tuomaan siihen tiimiin ihan erilaista osaamista. Mulla on tutkinto amiksesta ja oon oppinu siellä yhen tekniikan. Me hyödynnettiin sitä ja siks meille tuli niin hyvä työ.”

Tiimin osaaminen muodostuu yksilöiden osaamisesta. Parhaimmillaan tiimityöskentely on sitä, että jokainen voi tuoda tiimin työskentelyyn omaa erityiosaamistaan ja edelleen kasvattaa omaa osaamistaan havainnoimalla muiden työskentelyä. Havaintojen perusteella oman osaamisen laaja-alainen hyödyntäminen vahvistaa ammatillista itsetuntoa.

Tiimin rakentaminen ja tiimiytyminen

”Ei siitä vaan tullut mitään. Tapeltiin lopuksi oikein kunnolla.”

Tiimien muodostamisessa on omat riskinsä ja tiimin kokoon sekä kokoonpanoon on kiinnitettävä huomiota. Tiimityön onnistuminen perustuu opiskelijoiden valmiuteen työskennellä tiimeissä. Tämä on otettava huomioon tiimien rakentamisessa sekä tiimien ohjaamisessa.

Opettajan rooli tiimioppimisessa

Tiimioppimisen ohjaajana opettajan ja oppimateriaalien roolit muuttuvat merkittävästi. Tiimioppimisen prosessissa opettaja on valmentaja tai fasilitaattori ja oppimateriaalia syntyy osittain prosessin aikana.  Ohjauksen ja taustamateriaalin tarve nousee opiskelijoiden oppimisprosessista Opettajan tulee oppia hyödyntämään avoimesti saatavilla olevia aineistoja ja ohjata opiskelijoiden työskentelyä siten, että he itse tunnistavat teemoja ja ilmiöitä, joista tarvitsevat lisätietoa. Tiimioppimisessa myös erilaisten tiedonhankinnan menetelmien käyttö korostuu. Opiskelijat joutuvat hankkimaan tietoa päästäkseen eteenpäin projektissaan.

Yhteenveto

Koulutuskokeilut ovat olleet yksi osa hanketta. Niiden tuottama tieto on auttanut ymmärtämään paitsi työelämän muutosta, myös monenlaisia keskeisesti muotoiluprosessiin liittyviä elementtejä. Muotoilijan työn muuttuessa perinteisestä, konkreettisesta tuotesuunnittelusta abstraktimpaan suuntaan, korostuvat muotoiluprosessissa ehkä eri elementit kuin aiemmin. Muutoksen myötä myös koulutuksen on muututtava, jotta oikeiden taitojen, tietojen, välineiden ja asenteiden oppiminen jatkuu.

Lähteet

Arene, 2010. Suositus tutkintojen kansallisen viitekehyksen (NQF) ja tutkintojen yhteisten kompetenssien soveltamisesta ammattikorkeakouluissa. [Viitattu 19.9.2018]. Saatavissa: http://www.arene.fi/wp-content/uploads/Raportit/2018/arene_nqf.pdf

Hytti, U., Stenholm, P., Heinonen, J., & Seikkula-Leino, J. 2010. Perceived learning outcomes in entrepreneurship education: The impact of student motivation and team behavior. Education + Training, Vol. 52 (8/9), 587 – 606.

Ornamo, 2017. Työmarkkinatutkimus. [Viitattu 19.9.2018]. Saatavissa: https://www.ornamo.fi/app/uploads/2018/05/ornamo_tyomarkkinatutkimus-2017.pdf

Seikkula-Leino, J. 2007. Opetussuunnitelmauudistus ja yrittäjyyskasvatuksen toteuttaminen. Opetusministeriön julkaisuja 2007: 28. Koulutus- ja tiedepolitiikan osasto.

Kirjoittaja

Anu Raappana on Design or die-hankkeen projektipäällikkö. Hän toimii tutkijana Lahden ammattikorkeakoulun Muotoiluinstituutissa.

Artikkelikuva: https://pixabay.com/en/workplace-team-business-meeting-1245776/ (CC0)

Julkaistu 8.10.2018

Viittausohje

Raappana, A. 2018. Havaintoja muotoilun alan koulutuskokeiluista. LAMK Pro. [Viitattu pvm]. Saatavissa: http://www.lamkpub.fi/2018/10/08/havaintoja-muotoilun-alan-koulutuskokeiluista/