In the ClimateSmartAdvisors project, Finland’s first Community of Practice was established to strengthen climate advisory skills, with a focus on soil health assessment. The group analysed soil growth conditions and applied related assessment tools, drawing on members’ expertise. NIR (Near Infra Red) analysis served as the main example of how collaborative learning can enhance analytical capacity and advisory quality.
Peer learning combined regular in-person and online meetings with continuous discussion in a WhatsApp group. The aim was to create a low-threshold environment where experts could address interpretation of challenges, share experiences, and compare observations from different farm contexts. Capacity building through peer-exchange ensures that new skills could be directly applied in daily advisory work, particularly in promoting climate-smart practices.
The method followed a structured, step-by-step approach supported by repetition. Participants were introduced to NIR principles through a training series and then practised interpreting results using real examples. Dividing the training into phases and revisiting key concepts regularly deepened understanding and strengthened analytical confidence.
The approach proved especially effective when NIR interpretation was revisited using real client cases submitted by advisors. Those working directly with farmers received peer feedback to refine interpretations and improve communication, resulting in clearer and more actionable recommendations. Advisors without equivalent client exposure gained guided practice, strengthened routine and maintained technical competence.
Overall, the peer-learning model was an impactful, scalable, and practice-oriented way to strengthen soil analytics expertise and advance climate-smart advisory services. Continuous peer support, shared interpretation practices and collective problem-solving significantly increased the effectiveness of analytical tools in advisory work.
Suomen ensimmäisessä CSA-vertaisoppimisryhmässä (CoP-ryhmä) vahvistettiin ilmastoälykkäänviljelyn neuvontaan liittyvää osaamista, maaperän kasvukunnon arvioinnissa. Ryhmä keskittyi maaperän kasvuedellytysten analysointiin ja niitä tukevien työkalujen käyttöönottoon asiantuntijoiden oman kokemuksen ja osaamisen pohjalta. Menetelmää sovellettiin erityisesti NIR-analyysin tulkintaan (Near Infra Red), josta muodostui keskeinen esimerkki siitä, miten yhteisöllinen oppiminen parantaa analytiikan hyödynnettävyyttä ja neuvonnan laatua.
Vertaisoppiminen yhdisti säännölliset tapaamiset, verkkokokoukset ja jatkuvan keskustelun WhatsApp-ryhmässä. Tavoitteena oli luoda matalan kynnyksen ympäristö, jossa asiantuntijat voivat käsitellä tulkintaan liittyviä haasteita, jakaa onnistumisia ja vertailla havaintoja eri tiloilta. Menetelmän ydin oli vaiheittainen eteneminen: ensin perehdyttiin NIR-analyysin periaatteisiin koulutussarjan kautta, minkä jälkeen tulkintaa harjoiteltiin yhdessä käytännön esimerkkien avulla. Koulutuksen jaksottaminen ja opitun toistaminen osoittautuivat tehokkaiksi keinoiksi syventää osaamista ja lisätä tulkintavarmuutta.
Menetelmän vaikuttavuus korostui erityisesti todellisten asiakastapausten käsittelyssä. Asiakastyötä tekevät asiantuntijat saivat ryhmältä tukea tulkintaan, menetelmien vertailuun ja asiakasviestintään, mikä paransi neuvonnan laatua ja viljelijöille tarjottujen suositusten käytännönläheisyyttä. Asiantuntijat, joilla ei ollut vastaavia asiakastöitä, pystyivät puolestaan harjoittelemaan tulkintaa turvallisessa kollegoiden kanssa, lisäämään rutiinia ja syventämään osaamistaan.
Kokonaisuutena menetelmä osoittautui toimivaksi, skaalautuvaksi ja vaikuttavaksi tavaksi vahvistaa maaperäanalytiikan osaamista ja parantaa neuvonnan laatua. Yhteinen oppimisprosessi osoitti, että analytiikan hyödyntäminen tehostuu merkittävästi, kun asiantuntijoilla on käytössään jatkuvaa vertaispalautetta ja yhteistä tulkintatyötä tukeva rakenne.
Facilitating elements:
• Logical step-by-step approach combining theoretical and practical training support the intake of new information
• Small expert groups enabled open discussion and trust-based learning.
• Regular interaction and repetition supported long-term skill development.
• Real-life examples and client cases ensured practical relevance.
• Low-threshold communication channels (e.g. WhatsApp) sustained engagement between meetings.
Obstacles:
• The method requires time commitment from experts.
• Skilled facilitation is needed to ensure consistent interpretation and learning outcomes.
• Availability of real client cases may vary between participants.
Future actions / messages:
• The peer-learning model can be replicated for other climate-smart advisory topics.
• Similar CoPs could be established nationally or across countries.
• Analytical tools should always be accompanied by continuous peer support to maximise their advisory value.
