550 - Saisir les champs de tensions et de synergies entre sagesse professionnelle et intelligence artificielle en formation et enseignement

La place toujours plus grande qu’occupe l’automatisation des feedbacks et l’IA dans les dispositifs d’évaluation/régulation est de nature à questionner les acteurs du monde des sciences de l’éducation et de la formation. Plusieurs raisons expliquent ce questionnement : Les humains, dans leur regard et leurs retours, peuvent être influencés par leurs propres préférences, leurs propres expériences, tandis qu’une IA est programmée et de fait plus objective.
1-0 pour l’IA. Les humains, justement par cette possible subjectivité, et par la prise en compte de plusieurs référentiels d’évaluation, peuvent avoir une meilleure capacité à comprendre les nuances et les contextes d’un travail scolaire, tandis qu’une IA peut avoir des difficultés à saisir ces aspects. L’IA, par la vitesse toujours croissante des ordinateurs, est en mesure de faire des retours beaucoup plus rapides que ceux que proposerait un humain.
2-1 pour l’IA. Cette rapidité du retour ne tue-t-elle pas le temps de réflexion de la personne impliquée dans l’évaluation?
2 partout. Les élèves peuvent avoir plus confiance dans les feedbacks donnés par un être humain qu’un feedback donné par une IA (2-3 pour les humains) mais l’argument de confiance peut également aller dans l’autre sens, les ordinateurs étant perçu comme moins “jugeants” que les humains.
3 partout. Le débat se poursuivra sur les questions de l’interaction, de la contestation, de la négociation, de la responsabilité, des émotions… Continuons ce match ensemble.

En simple, 2 formes d’IA existent : knowledge-based & data-based. La première invite à une compréhension réelle et à une construction de l’algorithme. La seconde, plus obscure dans l’accès au fonctionnement de l’algorithme, sous-tend des compétences statistiques pour comprendre la validité des outputs. Avec le postulat que l’enseignant·e est indispensable dans la situation d’apprentissage, le choix du knowledge-based s’impose. La présente communication sera l’occasion d’expliquer ce choix et comment il est construit dans GamesHub.

Le projet GamesHub est porté par une équipe interdisciplinaire (techno. édu., science informatique, didactique et linguistique). Le but est de créer un système d’apprentissage adaptatif qui exploite les traces d’utilisation et construit un profil de compétences. De ce profil, avec un référentiel de compétences (qui modélise le domaine ciblé et auquel sont reliées les ressources pédagogiques), le système peut envoyer des recommandations à l’enseignant ou gérer l’adaptation du parcours de l’élève. Les défis relèvent donc d’un apprentissage adaptable ou adaptatif, avec des décisions didactiques soutenues par l’IA ou déléguées à l’IA. Il est bien question, ici, de soutien à l’enseignant, soit pour analyser les progrès et les besoins de chaque élève, et penser la personnalisation de ses apprentissages, soit pour prendre en charge une partie des décisions et lui permettre de se focaliser temporairement sur certains élèves.

Concevoir un enseignement s’apparente à un travail de conception d’expériences d’apprentissage pour un public identifié. Pensons aux événements d’apprentissage-enseignement (Leclerq et Poumey, 2016) qui invitent à offrir des temps d’observation, d’exploration, de réception, d’expérimentation, d’exercication, de création, de débat, ou de métaréflexion. Il y a lieu de choisir l’événement, les médiations, les ressources… pour une intention clarifiée. Dans ce processus d’ingénierie, comment le recours à l’IA générative est-il souhaitable pour améliorer ou faciliter ce travail de l’enseignant·e?

L’apprenant·e se saisit déjà de l’IA (résumer, traduire, rechercher, vulgariser…). Comment l’enseignant·e peut-il alors tirer un bénéfice de ces outils ? Le but de ce temps de colloque est certes de penser quelles pratiques peuvent émerger, mais surtour de concevoir l’agenda scientifique nécessaire à participer à ces développements nouveaux. Faut-il des focus groups pour comprendre les perceptions quant à l’impact des IA génératives sur leurs pratiques enseignantes ? Faut-il des projets de développement pour mettre à l’épreuve des IA génératives spécifiquement conçues pour le co-design de situations d’apprentissage ? Faut-il documenter les spécificités humaines dans l’enseignement pour identifier ce qui se délègue adéquatement aux IA ? Ce temps permettra d’envisager un agenda international autour des travaux de recherche nécessaires à l’ère de l’enseignement nourri par les IA génératives.