Tietokäsitys tulevaisuudentutkimuksessa

Veli Virmajoki (2026)
Arvioitu lukuaika: 25 minuuttia

Peruskohdat

• Tulevaisuudesta voi tuottaa perusteltua tietoa, vaikka sitä ei voi havaita. Kaikki tulevaisuutta koskevat väitteet eivät ole samalla viivalla – osa peittää epävarmuuden, osa tekee siitä ymmärrettävää.
• Tieto ei ole vain tosia lauseita. Ihminen voi tietää, että väestö ikääntyy, mutta ymmärtää silti huonosti, mitä se merkitsee – ja juuri ymmärrys, ei väitelista, on tulevaisuudentutkimuksen tavoite.
• Tulevaisuudentutkimuksen kohde on mahdollisuuksien avaruus. Ala ei kysy, mitä tulee tapahtumaan, vaan millaiset tulevaisuudet ovat mahdollisia nykyisten ehtojen, rakenteiden ja arvojen perusteella – ja miten näitä ehtoja voidaan muuttaa.
• Menetelmän valinta on aina tiedollinen valinta. Jokainen menetelmä trendianalyysistä kerrosanalyysiin sisältää oletuksia siitä, kuka tietää, missä tieto sijaitsee ja miksi nykyhetki kertoo jotakin tulevasta.
• Hyvä tulevaisuustieto kertoo, mitä laatua se on. Skenaariota ei pidä lukea ennusteena eikä visiota neutraalina kuvauksena – hyvä tutkimus sanoo avoimesti, milloin se ennakoi, milloin arvioi, milloin tavoittelee ja milloin varoittaa.

Johdanto: Mitä tulevaisuudesta puhutaan?

Jokainen tekee jatkuvasti päätöksiä tulevaisuutta koskevien käsitystensä varassa.

Opiskelija valitsee alan. Kunta suunnittelee ja muuttaa kouluverkkoa. Kaupunki tekee ratkaisuja liikenteeseen. Yritys investoi teknologiaan. Valtio tekee tai jättää tekemättä ilmastopolitiikkaa. Kaikissa näissä tilanteissa joudutaan ottamaan kantaa tai ohjaamaan tarkoituksen ja päämäärät johonkin, jota ei vielä ole ja jota ei voi vielä havaita. On otettava kantaa tai sitouduttava siihen, millainen tulevaisuus on mahdollinen. Kysymme: Mitä pitäisi tavoitella? Mitä pitäisi välttää? Millaisia seurauksia nykyhetken päätöksillä voi olla?

Tulevaisuudentutkimuksen lähtökohta on tällä tavoin ilmaistuna yksinkertainen mutta avaa tietoon liittyviä ongelmia: tulevaisuutta ei voida havaita ja siihen voidaan vaikuttaa; miten siitä voidaan sanoa mitään? Tai tarkemmin:

Miten tulevaisuudesta voidaan tietää mitään?

Aloitetaan ongelman purkaminen toisesta suunnasta. Menneisyydestä on jälkiä, mm. dokumentteja, tilastoja, muistoja (ja näiden dokumentointia) ja esineitä. Nykyhetkeä voidaan havainta, mitata, testata, ja muutoin tarkastella. Toki vaikka erimielisyyksiä valtavasti joskus onkin, näin voidaan periaatteessa tehdä. Tulevaisuudesta ei kuitenkaan ole samanlaista havaintoaineistoa, koska tulevaisuus ei ole vielä tapahtunut. Tästä ei kuitenkaan seuraa, että tulevaisuudesta puhuminen olisi pelkkää ”arvailua” tai ”spekulointia”. Kaikki tulevaisuutta koskevat väitteet ja ajatukset eivät ole samalla viivalla, mitä tulee niiden uskottavuuteen.

Osa on paremmin perusteltuja kuin toiset, ja usein nämä perustellummat väitteet ja ajatukset auttavat käsittelemään paitsi tulevaisuutta sinällään myös ymmärtämään nykyhetkeä ja mahdollisia kehityskulkuja erilaisiin tulevaisuuksiin.

Osa on huonommin perusteltuja. Nämä ajatukset ja väitteet peittävät epävarmuuden, sekoittaa toiveet ennusteisiin tai antaa vaikutelman varmuudesta siellä, missä varmuutta ei ole.

Tulevaisuudentutkimuksen tietokäsityksen tarkastelun tulee alkaa tästä erosta sekä jännitteestä menneisyys—nykyisyys-akselin ja tulevaisuuden välillä. Tulevaisuutta ei tiedetä tarkasti ennalta, mutta tulevaisuudesta voidaan silti tuottaa perusteltua tietoa – tämä on tulevaisuudentutkimuksen lähtökohta. Tieto tulevaisuudesta on tietoa

• Mahdollisuuksista,
• Ehdoista ja ehdollisuuksista,
• Riippuvuussuhteista,
• Epävarmuuksista,
• Arvoista ja
• Nykyhetken valintojen seurauksista.

Tulevaisuudentutkimus ei siis pyri katsomaan tulevaisuutta ikään kuin valmiina kuvana. Pikemminkin se tutkii, millaisia tulevaisuuksia nykyhetkestä käsin voidaan perustellusti hahmottaa. Tätä voidaan kutsua mahdollisuuksien avaruuden tutkimiseksi: tulevaisuutta tarkastellaan erilaisten mahdollisten, uskottavien, todennäköisten, toivottavien ja vältettävien kehityskulkujen sekä lopputulosten kokonaisuutena (ks. esim. Bell, 2009; Virmajoki, 2026b).

Tieto ei ole vain tosia lauseita

Kun puhumme tiedosta, ajattelemme helposti yksittäisiä tosia väitteitä, joihin uskomme syystä tai toisesta – jonkin perusteen takia. Tiedämme jonkin asian yleisyyden, koska tilasto ilmiöstä on tietynlainen. Tiedämme, että jokin päätös tehtiin tiettynä päivänä, koska näin on kirjattu. Tiedämme, että jokin luonnontieteellinen ilmiö toimii tietyllä tavalla tietyissä olosuhteissa, koska meillä on havaintoaineistoa. Tiedämme, että lääke vaikuttaa, koska sitä on tutkittu satunnaistetulla kokeella.

Tieteellinen tieto ei kuitenkaan ole vain kokoelma tosia lauseita ja niiden jatkolauseina toimivia perusteita.

Tiede pyrkii myös selittämään, mallintamaan ja ymmärtämään. Selitys vastaa kysymykseen, miksi tai miten jokin tapahtuu. Usein tämä vaatii riippuvuussuhteita ainakin karkeasti kuvaavan mallin. Ymmärrys taas tarkoittaa kykyä nähdä, miten asiat liittyvät toisiinsa, ja kykyä hallita selityksiä ja toimia niiden varassa. Nykyään voidaan myös huomioida, että ymmärtäminen on muutakin kuin vain toden väitteen tietämistä tai selityksen vastaanottamista. (Ks. esim. de Regt, 2017.)

Ymmärrys on kykyä käyttää teoriaa ilmiöiden jäsentämiseen, selittämiseen ja ennakoimiseen. Mitä ymmärtäminen kulloinkin edellyttää, riippuu historiallisesta, sosiaalisesta ja tieteenalakohtaisesta kontekstista: teoria on ymmärrettävä silloin, kun sen käsitteelliset työkalut ja tutkijan taidot mahdollistavat sen hedelmällisen käytön. Nämä poikkeavat toisistaan eri aikoina ja eri aloilla. Tämä on keskeistä tulevaisuudentutkimuksessa: esimerkiksi ihminen voi tietää, että väestö ikääntyy, mutta ymmärtää silti huonosti, mitä tämä merkitsee yhteiskunnan tulevaisuudelle. Ymmärryksen saavuttaminen tässä yhteydessä vaatii kysymään esimerkiksi, miten ikääntyminen liittyy työmarkkinoihin, hoivaan, julkiseen talouteen, asumiseen, teknologiaan, muuttoliikkeeseen ja sukupolvien väliseen oikeudenmukaisuuteen. Kyse ei ole vain tosiasioita koskevien väitteiden kasaamisesta.

Tämä ero on erittäin merkittävä. Yksittäisiä tosiasioita voidaan tietää paljon, mutta kokonaiskuva voi silti olla heikko. Tulevaisuudentutkimus tarvitsee juuri kokonaiskuvaa, koska tulevaisuutta koskevat kysymykset eivät yleensä keskity yksittäiseen tulevaisuuden seikkaan. Kuten yllä esitettiin, ne liittyvät mm. järjestelmiin, valintoihin, arvoihin ja epävarmuuksiin.

Tieteenfilosofiassa voidaan erottaa toisistaan muutamia peruskäsitteitä:

• Havainto tarkoittaa sitä, mitä voidaan mitata, nähdä, kirjata tai muuten todentaa.
• Teoria jäsentää kokonaisvaltaisesti, miten asiat liittyvät toisiinsa, joskus hyvin abstraktilla tasolla ja peruskäsitteitä tuottaen.
• Malli on yksinkertaistetumpi kuvaus tai esitys jostakin ilmiöstä kuin teoria mallin takana (jos sellainen on).
• Selitys kertoo, miksi tai miten jokin tapahtuu.
• Ymmärrys tarkoittaa kykyä hahmottaa yhteyksiä ja seurauksia sekä kykyä omaksua selityksiä.
• Perustelu kertoo, miksi jokin väite tai arvio voidaan pitää hyväksyttävänä.

Nämä eivät ole toisistaan irrallisia, mutta ne on syytä erottaa toisistaan. Tulevaisuudentutkimuksen tiedollisen luonteen ymmärtämiseksi tarvitaan niitä kaikkia. Tarvitsemme havaintoja nykyhetkestä: millaisia trendejä, päätöksiä, rakenteita ja muutoksia on jo näkyvissä? Tarvitsemme teorioita, jotta ymmärrämme, jotta voimme nojata laajempiin käsityksiin todellisuuden luonteesta – olipa kyse luonnosta tai ihmisestä (sikäli kun rajanveto nykyään on mielekäs). Tarvitsemme malleja, koska monimutkaista todellisuutta ei voi käsitellä sellaisenaan tai kaikkea kerralla. Tarvitsemme selityksiä, jotta voidaan hahmottaa, miksi jotakin on tapahtunut ja täten, miksi jokin tulevaisuus voi tapahtua. Tarvitsemme ymmärrystä, jotta voimme hyödyntää muita tiedollisia elementtejä tarkastellessamme tulevaisuutta. Perusteluja tarvitaan, jotta tulevaisuutta koskevat väitteet voidaan erottaa laadultaan eritasoisiin.

Kaikki tämä voi kuulostaa abstraktilta hiustenhalkomiselta, mutta ajatus on paitsi välttämätön käsittää, myös lopulta yksinkertainen. Tulevaisuutta koskevan tiedon arvo ei ole vain siinä, osuuko jokin väite myöhemmin oikeaan. Kyseisen tiedon arvo on siinä, että se auttaa näkemään ja käsittämään, millaisessa tilanteessa olemme nyt ja millaiset kehityskulut, sattumat ja valinnat voisivat muuttaa sitä – ja muuttaa sitä tietyksi tulevaisuudeksi.

Miksi tulevaisuus on erityinen tutkimuksen kohde?

Tulevaisuus on erityinen tutkimuskohde siksi, että se ei ole vielä olemassa havaittavana tapahtumien kokonaisuutena. Se erottaa tulevaisuuden nykyisyydestä ja menneisyydestä, ainakin osin. Tulevaisuus ei nimittäin myöskään ole irrallaan nykyhetkestä.

Nykyhetkessä on jo asioita, jotka tekevät joistakin tulevaisuuksista todennäköisempiä, tai mieluummin (jotta voimme välttää liiallista kvantitatiivista mielleyhtymää) mahdollisempia kuin toisista. Väestörakenne, luonnon reunaehdot, teknologinen osaaminen ja teknologioiden kehitysaste, infrastruktuuri, instituutiot, taloudelliset rakenteet, kulttuuriset käsitykset ja poliittiset päätökset vaikuttavat siihen, millaisia tulevaisuuksia kohti kuljemme ja joista ajaudumme pois.

Voimme ottaa muutaman esimerkin, joissa kaikissa tietty riippuvuussuhde ajaa meitä kohti tulevaisuutta ja voimme sanoa tuon tulevaisuuden olevan mahdollinen – jopa mahdollisempi kuin muut. Jos kaupunki on rakennettu henkilöautoliikenteen varaan, se vaikuttaa siihen, mihin ostoskohteet sijoittuvat ja millaisia päästöjä kaupungissa aiheutuu tulevaisuudessa. Jos maa investoi voimakkaasti tiettyyn energiajärjestelmään, tämä vaikuttaa siihen, millaisia kytköksiä maalla on oltava tiettyjen raaka-aineiden saatavuuteen ja mitä teknologiaa maassa on oltava. Jos koulutusjärjestelmä perustuu tietynlaiseen käsitykseen osaamisesta, tämä vaikuttaa siihen, millaisia osaajia tulevaisuudessa yhteiskunnassa tai sen osassa on.

Tulevaisuutta ei siis tiedetä, mutta nykyhetki on tulevaisuuden kannalta kaikkea muuta kuin yhdentekevä.

Tämä on tulevaisuudentutkimuksen perusajatus. Ala tutkii nykyhetken ja mahdollisten tulevaisuuksien välistä suhdetta. Tulevaisuudentutkimus ei kysy, mitä tulee tapahtumaan, vaan millaiset tulevaisuudet ovat mahdollisia nykyisten ehtojen, toimijoiden, rakenteiden ja arvojen perusteella. Samalla se voi kysyä, miten näitä ehtoja voidaan muuttaa. Tulevaisuudentutkimuksen tiedollinen tehtävä liittyy juuri siihen, että tulevaisuus ei ole sinällään olemassa oleva tutkimuskohde vaan nykyhetkestä avautuva mahdollisuuksien avaruus (ks. esim. Virmajoki, 2026b). Tieto tulevaisuudesta on tietoa mahdollisuuksien avaruuden rakenteesta. Toisin sanoen tieto tulevaisuudesta on nykyhetkeen ja menneisyyteen perustuva käsitys siitä, mitä voi tapahtua.

Tässä kohtaa lukija voi kysyä: jos tulevaisuus ei ole vielä tapahtunut, eikö kaikki sitä koskeva tieto ole epävarmaa; eikä tieto ole vain ”tietoa”?

Kun huomaamme, ettei tulevaisuudentutkimus esitä pokkana väitteitä yksittäisistä tulevaisuuden tilanteista, epävarmuus ei tarkoita tietämättömyyttä. Lääkärikään ei aina tiedä varmasti, miten sairaus etenee. Silti hän voi tuottaa perustellun arvion riskien, oireiden, tutkimustiedon ja hoitovaihtoehtojen perusteella. Tämän lisäksi potilaan toiminta voi vaikuttaa siihen, miten vaiva etenee. (Aina tämä ei, ikävä kyllä, ole mahdollista; mutta samoin kuin on parantumattomia sairauksia, esimerkiksi ilmaston tuhoutumista ei aina voida perua tietyn pisteen jälkeen.) Samalla tavalla tulevaisuudentutkimus ei poista epävarmuutta, vaan pyrkii tekemään siitä ymmärrettävämpää – kertomaan, miksi tulevaisuus on epävarma: mikä siihen vaikuttaa ja mitä relevanttia tietoa meiltä puuttuu.

Ennustaminen, selittäminen ja ymmärtäminen

Yleinen väärinkäsitys on, että tulevaisuudentutkimus olisi sama asia kuin ennustaminen. Ennuste on lopulta vain yksi tulevaisuutta koskevan tiedon muoto. Tulevaisuudentutkimuksen jo kanonisessa kirjallisuudessa onkin korostettu, että tulevaisuuksien tutkiminen ei palaudu yhden tulevan tapahtumakulun ennustamiseen, vaan liittyy myös vaihtoehtoihin, valintoihin ja arvoihin (ks. esim. Bell, 2009 [1997]). Asia on silti käytävä läpi; pelkkä väite ”yhdestä tiedon muodosta” ei kerro vielä mitään.

Kukaan ei kiistä ennusteiden merkitystä. Ennuste vastaa kysymykseen: mitä todennäköisesti tapahtuu?

Ennusteita tarvitaan esimerkiksi väestökehityksen, talouden, sääilmiöiden tai päästökehityksen arvioinneissa. Ne ovat hyödyllisiä erityisesti silloin, kun niiden perusteet voidaan tehdä riittävän selviksi ja kun tutkittava ilmiö käyttäytyy tavalla, jota voidaan mallintaa. Ennuste, joka ei perustu näihin, on kyseenalainen; kenties arvaus olisi parempi termi tällöin.

Tulevaisuutta koskevassa tutkimuksessa kannattaa erottaa ainakin kolme tiedollista tavoitetta, joita käsittelimme yllä:

• Ennustaminen kysyy, mitä todennäköisesti tapahtuu.
• Selittäminen kysyy, miksi jokin tapahtuu tai voisi tapahtua.
• Ymmärtäminen kysyy, miten asiat liittyvät toisiinsa ja miten eri kehityskulut voivat syntyä.
• Mahdollisuuksien ymmärtäminen kysyy, miten ymmärrys, selitykset ja ennusteet voidaan liittää yhteen, jotta voidaan luoda kimppu erilaisia tulevaisuutta koskevia presentaatioita, olivatpa nämä sitten visioita, skenaarioita tai mitä tahansa väitteiden joukkoja, jotka kuvaavat tulevaisuutta

Tulevaisuudentutkimuksessa selitys vastaa siis toisenlaiseen kysymykseen kuin ennuste. Jos esimerkiksi laaditaan skenaario siitä, miten energiakriisi voisi syntyä, skenaarion arvo ei välttämättä ole siinä, että se ennustaa kriisin, vaan siinä, että se selittää, millaiset riippuvuudet mm. päätösten, markkinoiden, infrastruktuurien ja poliittisten jännitteet voisivat yhdessä johtaa kriisiin. Tällainen selitys on ehdollinen eli esittää ehtoja ilmiön taustalla tai sen synnylle: jos tietyt asiat tapahtuvat ja tietyt mekanismit toimivat, tietynlainen tulevaisuus voi tapahtua.

Ehdollinen selittäminen voidaan ymmärtää “mitä jos asiat olisivat (olleet) toisin” -ajatteluna. Jos jokin tekijä muuttuu, mitä tästä seuraisi jollekin muulle asialle? Jos esimerkiksi jokin päätös tehdään, millaisia vaikutusketjuja se voi käynnistää? Tällainen ajattelu liittyy kausaalisten riippuvuuksien hahmottamiseen eikä edellytä sitä, että väitämme tietyn tulevaisuuden varmasti toteutuvan (ks. kausaalisesta selittämisestä esim. Woodward, 2003).

Ymmärtäminen on vielä laajempi tavoite, jonka saavuttamisen tulevaisuudentutkimuksen tieto yrittää tarjota. Kuten näimme, ymmärrys on kykyä hahmottaa yhteyksiä ja seurauksia sekä kykyä omaksua selityksiä. Ymmärtämistä voidaankin ajatella taitona. Mikään tieto, vaikka saisimme oraakkelilta kuvia tulevaisuudesta, ei riitä, ellemme pysty saavuttamaan ymmärrystä. Tulevaisuudentutkimuksen tärkeä tavoite onkin ymmärryksen lisääminen ilman että väitetään tulevaisuuden olevan ennustettavissa – tulevaisuudentutkimus voi tuottamallaan tiedolla tukea tietyn taidon – ymmärtämisen – käyttöä ja roolia elämässä. Tämän vuoksi hyvä tulevaisuudentutkimus ei aina poista epävarmuutta. Epävarmuus auttaa ymmärtämään, mikäli ymmärrys on taito: epävarmuus kertoo, missä on oltava varovainen. Toisaalta tulevaisuudentutkimus voi sijaan auttaa tunnistamaan, mikä on suhteellisen vakaata tai mikä voi muuttua yllättävästi. Tällä tavoin tulevaisuudentutkimusta voidaan ajatella ymmärrystä tuottavana tutkimuksena, ei pelkkänä ennustekoneena (ks. ymmärryksestä tarkemmin esim. de Regt, 2017)

Mahdollisuuksien avaruus

Tulevaisuudentutkimuksen keskeinen tutkimuskohde voidaan kuvata mahdollisuuksien avaruudeksi. Tällä tarkoitetaan niiden erilaisten tulevaisuuksien kokonaisuutta, jotka nykyhetkestä käsin voidaan jollakin tavoin perustellusti hahmotella (Virmajoki 2026b). Nämä tulevaisuudet ovat toki aina jonkin asiakokonaisuuden tulevaisuuksia, kuten turvallisuuspolitiikan tai työelämän tulevaisuudet. Kukaan ei voi hahmottaa tulevaisuutta kokonaan. Tulevaisuutta koskeva tieto on siten tietoa mahdollisuuksien avaruuksista.

Jonkin asiakokonaisuuden mahdollisuuksien avaruus ei kuitenkaan ole pelkkä lista vaihtoehtoja. Se on pikemminkin kartta ja tila, jossa voimme jo katsoa erilaisia suuntia, mihin voidaan kulkea ja päätyä. Lista vaihtoehdoista ei ole lista suunnista. Vaihtoehto on yksi asiaintila, suunta pikemminkin niistä muodostuva polku.

Jotkin vaihtoehdot ovat lähellä niitä kehityskulkuja, joita olemme jo kohdanneet ja joiden vietävänä olemme tai joita pitkin kuljemme. Jotkin vaihtoehdot puolestaan vaativat suuria muutoksia, jotta niistä tulisi suuntia.

Lisäksi tulevaisuutta koskevalla tiedolla on lähes aina jokin arvoihin ja oikeudenmukaisuuteen liittyvä komponentti. Mahdollisuuksien avaruutta ei voi oikeastaan ymmärtää, mikäli ei näe eri ”neutraalien” asiantilojen suhdetta arvoihin – kyky normatiiviseen ajatteluun on olennaista, kun tutkitaan tulevaisuuksia Näiden arvojen ja oikeudenmukaisuuteen liittyvien seikkojen tunnistaminen ja jäsentäminen on oleellinen osa tulevaisuudentutkimusta. Jotkin tulevaisuudet ovat toivottavia mutta vaikeita saavuutta, toiset taas ovat jopa todennäköisiä mutta ei-toivottavia. Lisäksi tulevaisuuden toivottavuus on erottamaton osa sitä, miten paljon teemme sen eteen, onko tuo tulevaisuus saavutettava. Arvomme vaikuttavat siis kausaalisesti tulevaisuuteen. Mahdollisuuksien avaruuden tutkiminen tarkoittaa näiden vaihtoehtojen, ehtojen ja suhteiden jäsentämistä – paitsi asiaintilojen myös arvojen tutkimusta. (Ks. esim. Virmajoki, 2026b).

Mahdollisuuksien avaruus on monialainen ja sitä koskeva tieto yhdistelee erilaisia seikkoja toisiinsa – esitys tulevaisuudesta onkin eräänlainen kimppu seikkoja esitettäväksi. Esimerkiksi koulutuksen tulevaisuutta ei voi ymmärtää vain pedagogiikan kehityksen ja käytön mukaan. Siihen liittyvät teknologia, työelämä, talous, perheiden arki, alueellinen eriarvoisuus, kieli, kulttuuri, politiikka ja käsitykset hyvästä elämästä. Nämä kaikki on sisällytettävä, kun toteamme ”tuo koulutuksen tulevaisuus on mahdollinen” -väite on tietoa tulevaisuudesta. Samoin ilmastonmuutoksen tulevaisuus ei ole vain luonnontieteellinen kysymys, vaikka luonnontieteellinen tieto on siinä välttämätöntä. Siihen liittyvät myös energia, oikeudenmukaisuus, kulutus, kansainväliset suhteet, teknologia, ja poliittinen tahto. Tieto ilmastonmuutoksen tulevaisuudesta ja sen vaikutuksesta on tietoa, joka kokoaa yhteen näiden seikkojen mahdollisia kehityskulkuja kuvaamaan yhtä mahdollista tulevaisuutta; yhtä kohtaa mahdollisuuksien avaruudessa, joka ilmastonmuutoksen kytkeytyy.

On kuitenkin oltava tarkkana. Tulevaisuudentutkimuksen tehtävä ei ole, eikä voi olla, korvata muita tieteenaloja. Esimerkiksi taloustiede, ilmastotiede, sosiologia, kasvatustiede ja teknologiatutkimus tuottavat kukin tärkeää tietoa jo sinällään mutta myös tulevaisuuden kannalta. Tulevaisuudentutkimuksen tehtävä on ennemminkin kysyä, miten eri alojen tuottama tieto liittyy mahdollisiin tulevaisuuksiin ja miten eri kehityskulut kytkeytyvät toisiinsa. Tulevaisuudentutkimus tekee kokoavaa ja jäsentävää työtä, kun se tuottaa tietoa tulevaisuuden mahdollisuuksista (ks. esim. Bell, 2009; Virmajoki, 2026b).

Huomattakoon, että tämä on yksi syy siihen, miksi tulevaisuudentutkimus on usein menetelmällisesti moninaista. Jos tutkimuskohde koostuu mm. taloudellisista, ekologisista, teknologisista, kulttuurisista ja poliittisista ulottuvuuksista, sitä ei voi ymmärtää yhden mittarin tai yhden menetelmän avulla. Monimutkainen kohde vaatii useita näkökulmia ja useita tiedon tuottamisen tapoja, eli menetelmiä.

Kaikki mahdollinen ei ole samalla viivalla

Kun puhutaan mahdollisuuksista, on tärkeää erottaa erilaisia mahdollisuuden lajeja.

Muutama esimerkki: Kaikki mahdollinen ei ole todennäköistä. Kaikki todennäköinen ei ole toivottavaa. Kaikki toivottava ei ole helposti toteutettavaa. Kaikki mahdollinen ei ole uskottavaa – jokin voi olla kaukaa haettua nykyisen tietomme valossa, muttemme voi sulkea sitä pois. Esimerkiksi erittäin suuren riskin tilanteessa mahdollisuus, jota ei voida sulkea pois, vaikka suoranaisia perusteita ei ole sen toteutumiselle, on viisasta.

Hieman konkreettisemmin voimme todeta esimerkiksi, että jokin tulevaisuus voi olla teknisesti mahdollinen mutta poliittisesti vaikea. Toinen voi olla taloudellisesti houkutteleva mutta ekologisesti kestämätön. Kolmas voi olla eettisesti tavoiteltava mutta nykyisten instituutioiden valossa epätodennäköinen. Neljäs voi olla kaukaa haettu poliittisen energiariippuvuuksien vuoksi, mutta silti pidettävä mielessä, koska jokin toimija voi lakata piittaamasta ko. riippuvuuksista.

Tulevaisuudentutkimuksen tehtävä on tehdä tällaisia eroja näkyväksi. Se antaa tietoa paitsi tulevaisuuden mahdollisuuksista sinänsä, myös erilaisista tulevaisuuden käsittämisen lajeista.

Siksi käsitteillä on väliä. Tulevaisuutta koskevat väitteet eivät ole kaikki samanlaisia. Karkeasti voidaan sanoa esimerkiksi:

• Ennuste pyrkii arvioimaan todennäköistä kehitystä.
• Skenaario kuvaa mahdollista tulevaisuutta ja uskottavaa kehityskulkua.
• Visio kuvaa tavoiteltavaa tulevaisuutta.
• Uhkakuva nostaa esiin vältettävän kehityksen.
• Tiekartta kuvaa askelia, joiden avulla erilaisiin tulevaisuuksiin voidaan päätyä.

Jos tällaiset tulevaisuuden tietämisen lajit sekoitetaan, ”tulevaisuuspuhe” muuttuu helposti epäselväksi. Skenaariota voidaan erehtyä arvioimaan kuin ennustetta, vaikka sen tehtävä olisi avata vaihtoehtoja. Visio voidaan esittää neutraalina kuvauksena tulevasta, vaikka se sisältää arvoja ja tavoitteita. Uhkakuvaa voidaan käyttää kuin varmaa ennustetta, vaikka sen tehtävä olisi auttaa varautumaan eikä pakottaa toimintaa. Mainitsemisen arvoista onkin esimerkiksi se, että erityisesti skenaariokirjallisuudessa on korostettu, että skenaarion arvo liittyy uskottavuuteen, johdonmukaisuuteen ja vaihtoehtojen avaamiseen, ei vain toteutumisen ennustamiseen (ks. esim. Ramírez & Selin, 2014; Schoemaker, 1995). Ja skenaario on tietoa. Se on tietoa mahdollisesta tulevaisuudesta. Mutta vain silloin, kun se on perusteltu uskottavasti.

Tätä voi havainnollistaa ilmastopolitiikalla. Päästöskenaario ei ole välttämättä ennuste siitä, mitä varmasti tapahtuu. Se voi kuvata, mitä tapahtuisi, jos tiettyjä päätöksiä tehtäisiin nyt – koviakin päätöksiä. Kestävän yhteiskunnan visio taas ei ole neutraali ennuste, vaan tavoitetila – mutta se voi olla vain toiveajattelua, jos kovatkaan päätökset eivät sitä voi saavuttaa. Ilmastoriskien arviointi puolestaan voi kuvata vältettäviä tulevaisuuksia – ja tässä on otettava huomioon riskien karmeus, mikäli tiettyjä päätöksiä ei tehdä. Kaikkia näitä tarvitaan, mutta niitä ei pidä arvioida samalla tavalla.

Sama pätee arjen esimerkkiin. Jos nuori pohtii opiskelualaa, hän voi kysyä, millä aloilla on todennäköisesti töitä. Hän voi myös kysyä, millaista työtä pitää merkityksellisenä. Se on arvoihin liittyvä kysymys. Lisäksi hän voi miettiä, millaisia uusia aloja teknologia tai yhteiskunnan muutos voi synnyttää. Se on mahdollisuuksia koskeva kysymys. Päätös, osoittautuupa se hyväksi tai huonoksi, ei synny yhdestä vastauksesta, vaan siitä, että ymmärtää kysymysten erot ja taustaoletukset.

Menetelmät sisältävät erilaisia oletuksia tiedosta

Tulevaisuudentutkimuksessa käytetään monia menetelmiä, ja jotkut kutsuvat sitä, osa jopa huolissaan, ”menetelmätieteeksi”. Menetelmien moninaisuus voikin aluksi näyttää sekavalta. Miksi tarvitaan trendianalyysiä, Delfoi-menetelmää, skenaarioita, backcasting-tarkastelua, toimintaympäristön tarkastelua, morfologista analyysiä ja kriittistä kerrosanalyysiä (CLA)? Miksi ei ole kehitetty yksiselitteistä menetelmää, jolla tulevaisuutta koskevat relevantit seikat voitaisiin erottaa ja analysoida?

Vastaus tietysti on, että eri menetelmät vastaavat eri kysymyksiin. Eräänlainen pluralismi, sen hyväksyminen, että tutkimusaloja on erilaisia ja niiden sisällä eri lähestymistapoja, on jo yleisesti tunnistettu ilmiö (Ks. esim. Kellert et al. 2006). Samoin on tulevaisuudentutkimuksessa. Kuten yllä esitettiin, tulevaisuudesta ei kysytä vain yhdenlaisia asioita. Vielä tärkeämpää on, että jokainen menetelmä sisältää oletuksia siitä, miksi nykyhetki kertoo jotakin tulevaisuudesta, ts. miksi se tuottaa tietoa tulevaisuudesta. Menetelmä ei koskaan ole vain tekninen työkalu. Se on myös tapa ajatella tiedon, (epä)varmuuden ja toiminnan suhdetta. Tästä syystä menetelmän valinta on aina myös tiedollinen valinta: kun valitaan menetelmä, samalla päätetään, millaista tulevaisuutta koskevaa tietoa pidetään tilanteessa tärkeänä (ks. esim. Virmajoki, 2026a).

Eri menetelmät vastaavat esimerkiksi tällaisiin kysymyksiin:

• Trendianalyysi kysyy, mihin nykyinen kehitys veisi, jos se jatkuisi.
• Delfoi-menetelmä kysyy asiantuntijoiden arvioita siitä, mitä he pitävät mahdollisena, todennäköisenä tai tärkeänä.
• Skenaariotyö kysyy, mitkä ovat mahdollisia ja uskottavia kehityskulkuja.
• Backcasting-tarkastelu kysyy, miten tavoiteltavaan tulevaisuuteen voidaan päästä palaamalla (päättelyssä) tulevaisuudesta nykyhetkeen.
• Toimintaympäristön tarkastelu kysyy, mitkä ovat nousevia ilmiöitä, heikkoja signaaleja ja muutoksen ensimerkkejä.
• Morfologinen analyysi kysyy, mitä tekijöiden mahdollisia yhdistelmiä on olemassa.
• Kriittinen kerrosanalyysi kysyy, miten maailmankuvat, kertomukset ja metaforat rajaavat sitä, mitä ajatellemme tulevaisuudesta.

Tarkastellaan joitain menetelmiä tarkemmin, jotta saamme jonkin käsityksen tiedollisista taustaoletuksista. Delfoi-menetelmän taustalla on oletus, että asiantuntijoilla on tietoa, kokemusta ja kykyä harkintaan ja analyysiin, jota ei voi kokonaan palauttaa tilastoihin tai malleihin. Menetelmä voi auttaa kokoamaan hajallaan olevaa tietoa, mutta samalla on kysyttävä, ketkä valitaan asiantuntijoiksi ja millaisia näkökulmia jää täten pois tarkastelusta. Kuka on tiedollinen auktoriteetti? Delfoi-menetelmää koskevassa kirjallisuudessa juuri asiantuntija-arvioiden kokoaminen, monikierroksisuus ja palautteen käyttö kierrosten välillä ovat menetelmän keskeisiä piirteitä (ks. esim. Linstone & Turoff, 1975; Linturi & Kuusi, 2022). Nämä oletukset nojaavat siihen, että tieto aiemmista vastauksista sekä niiden kokoaminen ja iterointi ovat relevantteja, kun tuotetaan käsityksiä, tietoa, tulevaisuudesta.

Skenaariotyön taustalla puolestaan on oletus, että yhden ennusteen sijaan kannattaa tutkia useita vaihtoehtoja. Hyvä skenaariotyö auttaa näkemään, ettei tulevaisuus ole vain nykyhetken suoraviivainen jatke – tiedämme, että erilaiset tapahtumat rikkovat suoraviivaiset polut. Skenaariomenetelmiä koskevassa kirjallisuudessa korostetaan juuri vaihtoehtoisten kehityskulkujen rakentamista, epävarmuuksien (joka on tiedollinen kategoria) jäsentämistä ja strategisen ajattelun laajentamista (ts. tiedolla päämärän saavuttamista). (ks. esim. Bishop et al., 2007; Schoemaker, 1995).

Toimintaympäristön tarkastelun taustalla taas on ajatus, että merkittävät muutokset näkyvät usein ensin pieninä ja epäselvinä merkkeinä: heikkoina signaaleina, uusina keskusteluina, poikkeamina, kokeiluina tai hitaasti vahvistuvina ilmiöinä. Tällaiset tiedonmuruset, kuten suomessa totutusti sanotaan, katsotaan merkittäviksi. Toimintaympäristön tarkastelu kerro, mikä tulevaisuus toteutuu, vaan auttaa havaitsemaan muutoksen aineksia nykyhetkessä – se ohjaa meidät tuottamaan tietoa pienemmistä mutta mahdollisesti ratkaisevista kokonaisuuksista (ks. esim. Cuhls, 2020; Dufva, 2022; Hiltunen, 2008).

Kriittinen kerrosanalyysi (CLA: Causal Layered Analysis) menee vielä toisenlaiseen suuntaan. Kriittisen kerrosanalyysin taustalla on ajatus, että tulevaisuuskuvien syvempiä oletuksia voidaan tutkia kerroksittain pintailmiöistä maailmankuviin ja metaforiin (ks. esim. Inayatullah, 1998). Se kysyy, millaiset käsitykset systeemeistä, millaisen maailmankuvat, kertomukset ja millaiset metaforat rajaavat sitä, mitä pidämme mahdollisena – se jaottelee ihmisen ajattelua ja tietoa kerroksiin, jotka vaikuttavat toinen toisiinsa ja siten ihmisen kykyyn nähdä tulevaisuuksia. Jos ajattelen tietäväni, että ihminen on aina itsekäs (maailmankuva), ajattelen myös tietäväni, ettei ympäristöä voida pelastaa, koska kannustimet luovat systeemin, jossa luonto jää toissijaiseksi. Yhden tason ”tieto” johtaa toisen tason ”tietoon”.

Menetelmien moninaisuus ei siis ole sekaannusta tai korjattavissa olevaa hajanaisuutta. Se on seuraus siitä, että tulevaisuutta koskevia kysymyksiä on monenlaisia. Hyvä tulevaisuudentutkimus ei valitse menetelmää sattumalta. Se kysyy, tiedollisesti puhuen, mitä tietty menetelmä olettaa tiedon olevan, kuka tietää, ja missä tieto sijaitsee.

Mallit ja skenaariot eivät ole todellisuuden kopioita

Tässä kohtaa lukija voi kysyä: jos skenaariot eivät ole ennusteita ja mallit ovat yksinkertaistuksia, miksi niitä pitäisi pitää ”tietona”?

Kysymys on noussut yleisellä tasolla tieteenfilosofian keskiöön, ei pelkästään tulevaisuutta koskevan tiedon kohdalla. Tieteessä käytetään jatkuvasti malleja, jotka eivät ole täydellisiä kopioita todellisuudesta. Mallit rajaavat, yksinkertaistavat ja korostavat jotakin olennaista. Niiden tarkoitus ei aina ole kuvata kaikkea, vaan auttaa selittämään ja ymmärtämään jotakin. Mallien ja idealisaatioiden tiedollista arvoa koskevassa tieteenfilosofiassa on argumentoitu, miten malli voi olla hyödyllinen nimenomaa siksi, että se tekee jonkin rakenteen, suhteen tai piirteen ymmärrettäväksi (ks. esim. Elgin, 2017). Ei ole esimerkiksi oleellista, mikä on korkein vuori, jotta voidaan ymmärtää, miksi Maa kiertää Aurinkoa tietyn radan mukaan – kysymys, joka oli modernin tieteen synnyn keskiössä.

Otetaan arkinen esimerkki. Kartta ei sisällä tietoa kaikesta, mitä maastossa on. Hyvä tiekartta jättää pois valtavasti tietoa: puut, rakennusten yksityiskohdat, äänet, hajut ja niin edelleen. Silti se on erittäin hyvä apuväline liikuttaessa. Samalla tavalla tieteellinen malli voi jättää pois monia asioita, jos se auttaa ymmärtämään tiettyä riippuvuutta tai rakennetta. Malli on huono silloin, kun se jättää pois jotakin olennaista suhteessa siihen tarkoitukseen, johon sitä käytetään. Jos korkein vuori vaikuttaisi Maan kiertorataan oleellisesti, sen huomiotta jättäminen olisi virhe.

Skenaariot toimivat osittain samalla tavalla. Ne eivät ole mahdollisten tulevaisuuden tarkkoja kuvia, vaan jäsennettyjä kuvauksia mahdollisista kehityskuluista. Hyvä skenaario ei yritä sanoa kaikkea sen kohteesta. Se tuo esiin jotakin olennaista: riippuvuuksia, epävarmuuksia, valintakohtia, riskejä tai mahdollisuuksia. Lisäksi on huomioitava, kuten yllä ettei skenaarion laatua ei arvioida vain toteutumisen perusteella, vaan myös uskottavuuden, johdonmukaisuuden ja strategisen hyödyllisyyden perusteella (ks. esim. Ramírez & Selin, 2014; Schoemaker, 1995). Kun riippuvuudet, epävarmuudet, valintakohdat, riskit ja mahdollisuudet eivät ole uskottavia, johdonmukaisia tai strategisesti hyödyllisiä, skenaario on huono.

Arvot eivät ole häiriö, vaan osa tutkimusta

Kuten olemme nähneet tulevaisuutta koskevissa tiedossa arvot tulevat mukaan väistämättä. Arvojen keskeisyys ei ole tulevaisuudentutkimuksen heikkous, vaan pikemminkin osa sen tutkimuskohdetta.

Jos kysymme, millainen olisi hyvä koulutuksen tulevaisuus, emme kysy asiaintilaa sinällään. Kysymme myös, mitä olisi hyvä oppiminen, sivistys, tasa-arvo, tehokkuus tai oikeudenmukaisuus. Jos kysymme, millainen olisi kestävä talous, meidän täytyy kysyä, mitä kestävyydellä tarkoitetaan ja kenen näkökulmasta. Meidän täytyy tietää, mitä arvoja on otettava huomioon tulevaisuutta tarkastellessa. On tuotettava tietoa arvoista ja mahdollisista arvoista.

Yleisesti ottaen tieteessä arvojen rooli on laajemminkin tärkeä. Arvot voivat vaikuttaa esimerkiksi siihen:

• mitä pidetään tutkimisen arvoisena
• millaisia riskejä pidetään vakavina
• millaista näyttöä pidetään riittävänä
• miten tutkimustuloksia tulkitaan
• mihin tutkimustietoa käytetään

Tämä ei tarkoita, että tieteellinen tieto olisi aina mahdollista hyväksyä tai hylätä pelkästään arvopohjalta. Ennemminkin hyvä tutkimus tekee taustaoletuksensa ja arvonsa näkyviksi eikä piilota niitä näennäisen neutraaliuden taakse ja tee täten samaa virhettä, mutta vain piilossa (siis arvoihin perustuvaa hyväksyntää/hylkäystä). (Ks. esim. Douglas, 2009; Longino, 1990).

Tulevaisuudentutkimuksessa tämä korostuu, koska tutkimus liittyy usein päätöksiin – usein jopa enemmän kuin muiden alojen kohdalla. Kun laaditaan visio, kysytään mitä tavoitellaan. Kun tehdään backcasting-tarkastelu, valitaan ensin jokin toivottu tulevaisuus. Kun arvioidaan riskejä, on kysyttävä, mitä pidetään vakavana haittana. Kun rakennetaan skenaarioita, päätetään, mitkä tekijät. epävarmuudet ja toimijat nostetaan esiin. Tulevaisuudentutkimuksen arvojen merkitystä onkin pidetty olennaisena osana alan luonnetta, ei vain tutkimuksen ulkopuolisena lisänä tai seikkana, joka pitää ulkopuolelta arvioida (ks. esim. Bell, 2009).

Arvojen mukanaolo ei siis tee tulevaisuudentutkimuksesta epätieteellistä. Epätieteellistä olisi pikemminkin esittää arvovalinnat puhtaina tosiasioina. Hyvä tulevaisuudentutkimus kertoo avoimesti, milloin se ennakoi, milloin se arvioi, milloin se tavoittelee ja milloin se varoittaa.

Tämä on erityisen tärkeää silloin, kun tulevaisuutta koskeva tieto vaikuttaa muihin ihmisiin. Jos tulevaisuuskuva koskee koulutusta, se koskee oppilaita, opettajia, perheitä ja yhteiskunnan käsitystä sivistyksestä. Jos jokin tieto koskee ilmastoa ja sen mahdollista tulevaisuutta, se koskee myös tulevia sukupolvia. Jos tieto koskee teknologiaa, on tiedettävä mahdolliset vaikutukset työhön, yksityisyyteen, turvallisuuteen ja valtaan. Tulevaisuusväitteet eivät ole vain ajatuksia. Ne ovat tietoa, jossa arvot ovat läsnä niin kohteena kuin osana tutkimuksen itsensä rakennetta (kuten muillakin tutkimusaloilla).

Tulevaisuutta koskeva tieto on erityistä myös siksi, että se voi vaikuttaa nykyhetkeen, joka taas vaikuttaa tulevaisuuteen. Tulevaisuustiedon muodot kuten ennusteet, skenaariot, visiot ja uhkakuvat eivät jää vain paperille. Ne voivat ohjata päätöksiä, investointeja, politiikkaa ja ihmisten odotuksia. Jos jokin teknologia esitetään väistämättömänä, yritykset ja päättäjät voivat alkaa toimia sen mukaisesti. Jos jokin riski kuvataan vakavana, se voi johtaa sääntelyyn ja varautumiseen. Tätä voidaan kutsua refleksiivisyydeksi.

Tulevaisuutta koskevat väitteet ja kuvaukset eivät ole vain ulkopuolisia esityksiä mahdollisista tulevaisuuksista. Ne myös kytkeytyvät osaksi nykyhetken toimintaa. Ihmiset tekevät päätöksiä sen perusteella, mitä he pitävät mahdollisena, todennäköisenä tai toivottavana. Nämä päätökset puolestaan muuttavat sitä, millaiset tulevaisuudet ovat mahdollisia. Ennakointia ja tulevaisuuslukutaitoa koskevassa keskustelussa onkin korostettu juuri sitä, että tulevaisuutta koskevat käsitykset ovat osa toimintaa, tai tulevat muodostumaan osaksi toimintaa, nykyhetkessä (ks. esim. Miller, 2018).

Tämän vuoksi tulevaisuudentutkimuksen on oltava erityisen vastuullista myös tiedon suhteen. Huonosti perusteltu uhkakuva voi aiheuttaa pelkoa tai ohjata huonoihin päätöksiin. Liian varma teknologiaennuste voi kaventaa ajattelua. Toisaalta hyvin tehty tulevaisuudentutkimus voi avata vaihtoehtoja, auttaa varautumaan, tehdä arvoja näkyväksi ja lisätä kykyä toimia epävarmuuden keskellä. Kyse ei ole siitä, vaikuttaako tulevaisuus tiedon ja arvojen kautta itseensä, kuvainnollisesti puhuen, vaan siitä, onko tieto perusteltua ja arvot hyväksyttäviä.

Milloin tulevaisuutta koskeva tieto on hyvää?

Olemme nyt käsitelleet sitä, millaista tietoa tulevaisuudentutkimus tuottaa – sen tietokäsityksiä – sekä tietoa osana tutkimusta. Enää on kysyttävä, mitä tämä keskustelu tarkoittaa – erilaiset tietokäsitykset eivät vielä kerro, mikä tieto on hyvälaatuista/hyväksyttävää tai huonolaatuista/hylättävää

Hyvä tulevaisuutta koskeva tieto on ainakin:

• Selkeää luonteestaan. Vastaanottajan pitää tietää, onko kyse ennusteesta, skenaariosta, visiosta, varoituksesta, tai mitä mikäkin yleisesti on.
• Perusteltua. Väitteiden taustalla voi olla aineistoa, asiantuntija-arvioita, teoriaa, mallinnusta, osallistujien kokemuksia tai arvoanalyysiä. Perustelujen pitää olla näkyvissä.
• Johdonmukaista. Tulevaisuuden kuvauksen osien pitää sopia yhteen. Johdonmukaisuus ei tee skenaariosta sinällään hyvää, mutta se erottaa vakavasti otettavan skenaarion satunnaisesta ja sekavasta kertomuksesta.
• Nykyhetkeen kytkeytyvää. Uskottavalla tulevaisuuskuvalla täytyy olla jokin jäljitettävä yhteys nykyisiin ilmiöihin, trendeihin, päätöksiin, rakenteisiin tai mahdollisiin käsillä oleviin muutoksiin.
• Epävarmuutta avaavaa. Hyvä tulevaisuudentutkimus ei teeskentele varmuutta siellä, missä varmuutta ei ole. Se ei myöskään käytä epävarmuutta tekosyynä minkä tahansa väitteen puolustamiseen.
• Vastuullista. Tulevaisuutta koskeva tieto voi vaikuttaa ihmisten mahdollisuuksiin, oikeuksiin, turvallisuuteen ja päätöksentekoon. Täten sen tuottamisessa ja kommunikoinnissa on oltava eettisesti suoraselkäinen.

Nämä kriteerit eivät muodosta listaa, jonka avulla voidaan mekaanisesti tarkastaa, oliko jokin tutkimus tulevaisuudesta hyvä- vai huonolaatuinen. Ne ovat pikemminkin tapoja kysyä, onko tulevaisuutta koskeva tieto tuotettu huolellisesti ja periaatteellisesti. Hyvä tulevaisuudentutkimus ei väitä tietävänsä kaikkea. Se kertoo, mitä se tietää, mitä se olettaa; mitä se ei tiedä ja milloin tietämättömyydelläkin voi olla merkitystä.

Tulevaisuutta ei tiedetä, mutta sitä voidaan ymmärtää

Tulevaisuudentutkimuksen tuottaman tiedon käsitteen ydin voidaan lopulta ilmaista yksinkertaisesti:

• Tulevaisuutta ei tiedetä ennalta, mutta nykyhetkestä avautuvia mahdollisuuksia voidaan tutkia järjestelmällisesti eri menetelmin eri tarkoitusperiin.

Tulevaisuudentutkimus ei tiedä, mitä tulee täysin varmasti tapahtumaan – emmehän usein ymmärrä edes nykyhetkeä omassa elämässämme. Tulevaisuudentutkimuksen tieto on tietoa, koska auttaa näkemään, mitä voisi tapahtua, miksi, millä ehdoilla ja millaisin seurauksin. Tulevaisuudentutkimus tuottaa ymmärrystä: kyvyn toimia sen varassa, mitä tietää riippuvuussuhteista, asiaintiloista, taustaolosuhteista ja toimijoista. Se auttaa ymmärtämään, miten liike kohti tiettyä tulevaisuutta aiheutuu ja miten siihen vaikutetaan.

Tämän vuoksi tulevaisuudentutkimus tarvitsee sekä havaintoja että mielikuvitusta, sekä malleja että arvojen pohdintaa, sekä asiantuntijatietoa että kriittistä keskustelua. Se ei ole pelkkää ennustamista, muttei myöskään vapaata kuvittelua pää pilvissä. Sen tehtävä on auttaa ihmisiä ja yhteisöjä hahmottamaan mahdollisuuksien avaruutta, jossa nykyhetken päätökset tehdään.

Juuri tässä on tulevaisuudentutkimuksen tiedollinen merkitys. Se ei anna varmaa tietoa tulevaisuudesta. Se antaa paremman tavan kysyä, ajatella ja toimia silloin, kun varmaa tietoa ei ole.

Lähteet

Bell, W. (2009). Foundations of futures studies: Human science for a new era. Transaction Publishers. (Ks. myös 2. kahdesta kirjasta.)
Bishop, P., Hines, A., & Collins, T. (2007). The current state of scenario development: An overview of techniques. Foresight, 9(1), 5–25.
Cuhls, K. (2020). Horizon scanning in foresight: Why horizon scanning is only a part of the game. Futures & Foresight Science, 2(1), Article e23.
de Regt, H. W. (2017). Understanding scientific understanding. Oxford University Press.
Douglas, H. (2009). Science, policy, and the value-free ideal. University of Pittsburgh Press.
Dufva, M. (2022). Toimintaympäristön analyysi: PESTE ja sen variaatiot. Teoksessa H.-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.), Tulevaisuudentutkimus tutuksi – perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemia.
Elgin, C. Z. (2017). True enough. MIT Press.
Hiltunen, E. (2008). The future sign and its three dimensions. Futures, 40(3), 247–260.
Inayatullah, S. (1998). Causal layered analysis: Poststructuralism as method. Futures, 30(8), 815–829.
Kellert, S. H., Longino, H. E., & Waters, C. K. (Eds.). (2006). Scientific pluralism (Minnesota Studies in the Philosophy of Science, Vol. 19). University of Minnesota Press.
Linturi, H., & Kuusi, O. (2022). Tulevaisuuksia ennakoiva Delfoi-menetelmä. Teoksessa H.-K. Aalto, K. Heikkilä, P. Keski-Pukkila, M. Mäki & M. Pöllänen (toim.), Tulevaisuudentutkimus tutuksi – perusteita ja menetelmiä. Tulevaisuudentutkimuksen Verkostoakatemia.
Linstone, H. A., & Turoff, M. (toim.). (1975). The Delphi method: Techniques and applications. Addison-Wesley.
Longino, H. E. (1990). Science as social knowledge: Values and objectivity in scientific inquiry. Princeton University Press.
Miller, R. (toim.). (2018). Transforming the future: Anticipation in the 21st century. Routledge/UNESCO.
Ramírez, R., & Selin, C. (2014). Plausibility and probability in scenario planning. Foresight, 16(1), 54–74.
Schoemaker, P. J. H. (1995). Scenario planning: A tool for strategic thinking. Sloan Management Review, 36(2), 25–40.
Virmajoki, V. (2026a). The shining: Illuminating philosophy and futures studies. Futures, 179, Article 103812.
Virmajoki, V. (2026b). The greatest mystery of futures studies: The possibility space as a research object. Futures & Foresight Science, 8(2).
Woodward, J. (2003). Making things happen: A theory of causal explanation. Oxford University Press.