![\"\"](\"https:\/\/pressbooks.bccampus.ca\/knowinghome\/wp-content\/uploads\/sites\/1847\/2022\/12\/AI-applications-Zeide.png\")
Figure 9.4.2 Applications d'IA en \u00e9ducation Image: \u00a9 Zeide, 2019[\/caption]\r\nBien que les applications d'IA \u00e0 des fins de soutien aux \u00e9tablissements ou aux \u00e9tudiants soient tr\u00e8s importantes, ce chapitre se concentre sur les possibilit\u00e9s p\u00e9dagogiques des diff\u00e9rents m\u00e9dias et technologies (ce que Zeide appelle les applications \u00ab p\u00e9dagogiques \u00bb). En particulier, l'accent sera mis dans cette section sur le r\u00f4le de l'IA en tant que forme de m\u00e9dia ou de technologie pour l'enseignement et l'apprentissage, ses possibilit\u00e9s p\u00e9dagogiques, ainsi que ses forces et ses faiblesses dans ce domaine.<\/p>\r\n
De plus, l'IA est vraiment un sous-ensemble de l'informatique. Ainsi, toutes les conditions g\u00e9n\u00e9rales de l'informatique dans l'\u00e9ducation \u00e9nonc\u00e9es au Chapitre 8, Section 5<\/a> s'appliqueront \u00e0 l'IA.\u00a0 Cette section vise \u00e0 mettre en \u00e9vidence le potentiel suppl\u00e9mentaire que l'IA peut offrir dans l'enseignement et l'apprentissage. Cela impliquera de se concentrer particuli\u00e8rement sur son r\u00f4le de support plut\u00f4t que de technologie g\u00e9n\u00e9rale dans l'enseignement, ce qui implique d'examiner un contexte plus large que les seuls aspects informatiques de l'IA, en particulier son r\u00f4le p\u00e9dagogique.<\/p>\r\n\r\n La d\u00e9finition originale de l'intelligence artificielle par McCarthy (1956, cit\u00e9 dans Russell & Norvig, 2010)<\/a> est la suivante\u00a0:<\/p>\r\n\r\n chaque aspect de l'apprentissage ou toute autre caract\u00e9ristique de l'intelligence peut en principe \u00eatre d\u00e9crit avec une telle pr\u00e9cision qu'une machine peut \u00eatre con\u00e7ue pour le simuler. Une tentative sera faite pour trouver comment faire en sorte que les machines utilisent le langage, forment des abstractions et des concepts, r\u00e9solvent des types de probl\u00e8mes d\u00e9sormais r\u00e9serv\u00e9s aux humains et s'am\u00e9liorent.<\/em><\/p>\r\n<\/blockquote>\r\n Zawacki-Richter et al. (2019<\/a>), dans une revue de la litt\u00e9rature sur l'IA dans l'enseignement sup\u00e9rieur, rapportent que les auteurs qui ont d\u00e9fini l'intelligence artificielle avaient tendance \u00e0 la d\u00e9crire comme suit\u00a0:<\/p>\r\n\r\n syst\u00e8mes informatiques intelligents ou agents intelligents dot\u00e9s de caract\u00e9ristiques humaines, telles que la capacit\u00e9 de m\u00e9moriser des connaissances, de percevoir et de manipuler leur environnement de la m\u00eame mani\u00e8re que les humains et de comprendre le langage naturel humain.<\/em><\/p>\r\n<\/blockquote>\r\n Klutka et al. (2018<\/a>) ont \u00e9galement d\u00e9fini l'IA en fonction de ce qu'elle peut faire dans l'enseignement sup\u00e9rieur (figure 9.4.3 ci-dessous)\u00a0:<\/p>\r\n\r\n\r\n[caption id=\"attachment_298\" align=\"aligncenter\" width=\"755\"] Il existe trois exigences informatiques de base qui distinguent l'IA \u00ab\u00a0moderne\u00a0\u00bb des autres applications informatiques\u00a0:<\/p>\r\n\r\n Il existe deux objectifs quelque peu diff\u00e9rents pour l'utilisation g\u00e9n\u00e9rale de l'intelligence artificielle. La premi\u00e8re consiste \u00e0 augmenter l'efficacit\u00e9 d'un syst\u00e8me ou d'une organisation, principalement en r\u00e9duisant les co\u00fbts \u00e9lev\u00e9s de la main-d'\u0153uvre, notamment en rempla\u00e7ant des travailleurs humains relativement co\u00fbteux par des machines relativement moins co\u00fbteuses (automatisation). Les politiciens, les entrepreneurs et les d\u00e9cideurs voient de plus en plus le passage \u00e0 l'automatisation comme un moyen de r\u00e9duire les co\u00fbts de l'\u00e9ducation. Cependant, dans l'\u00e9ducation en particulier, les enseignants et les instructeurs repr\u00e9sentent le principal co\u00fbt.<\/p>\r\n Le second est d'accro\u00eetre l'efficacit\u00e9 de l'enseignement et de l'apprentissage, en termes \u00e9conomiques pour augmenter les r\u00e9sultats : de meilleurs r\u00e9sultats d'apprentissage et des avantages plus importants pour un co\u00fbt identique ou sup\u00e9rieur. Dans ce but, l'IA serait utilis\u00e9e aux c\u00f4t\u00e9s ou en soutien des enseignants et des instructeurs.<\/p>\r\n Klutka et al. (2018)<\/a> ont fourni un \u00e9nonc\u00e9 g\u00e9n\u00e9ral du potentiel de l'IA dans \u00ab l'enseignement \u00bb de l'enseignement sup\u00e9rieur \u00e0 travers la figure 9.4.4.<\/p>\r\n\r\n\r\n[caption id=\"attachment_298\" align=\"aligncenter\" width=\"650\"] Ce sont des objectifs compr\u00e9hensibles, mais nous verrons plus loin dans cette section que ces objectifs \u00e0 ce jour sont principalement des aspirations plut\u00f4t que de r\u00e9els objectifs.<\/p>\r\n Dans le cadre de ce livre, l'accent est mis sur le d\u00e9veloppement des connaissances et des comp\u00e9tences requises par les apprenants \u00e0 l'\u00e8re num\u00e9rique. Le test cl\u00e9 pour l'intelligence artificielle est donc de savoir dans quelle mesure elle peut aider au d\u00e9veloppement de ces comp\u00e9tences de niveau sup\u00e9rieur.<\/p>\r\n\r\n Zawacki-Richter et al. (2019)<\/a> dans une revue de la litt\u00e9rature sur l'IA dans l'\u00e9ducation ont initialement identifi\u00e9 2 656 articles de recherche en anglais ou en espagnol, puis ont r\u00e9duit la liste en \u00e9liminant les doublons, en limitant la publication aux articles dans des revues \u00e0 comit\u00e9 de lecture publi\u00e9es entre 2007 et 2018 et en \u00e9liminant les articles qui finalement ne concernaient pas l'utilisation de l'IA dans l'\u00e9ducation. Cela a abouti \u00e0 un total de 145 articles qui ont ensuite \u00e9t\u00e9 analys\u00e9s. Puis, Zawacki-Richter et al. ont class\u00e9 ces 145 articles en diff\u00e9rentes utilisations de l'IA dans l'\u00e9ducation. Cette section s'inspire largement de cette classification. (Il convient de noter que parmi les 145 articles, seuls 92 \u00e9taient ax\u00e9s sur l'enseignement\/le soutien aux \u00e9tudiants. Le reste portait sur des utilisations institutionnelles telles que l'identification des \u00e9tudiants \u00e0 risque avant l'admission).<\/p>\r\n L'\u00e9tude Zawacki-Richter offre un aper\u00e7u des principales fa\u00e7ons dont l'IA a \u00e9t\u00e9 utilis\u00e9e dans l'\u00e9ducation pour l'enseignement et l'apprentissage au cours des dix ann\u00e9es entre 2007 et 2018, ce qui se rapproche le plus des \u00ab affordances \u00bb. Tout d'abord, trois principales cat\u00e9gories \u00ab\u00a0d'enseignement\u00a0\u00bb g\u00e9n\u00e9rales (avec un chevauchement consid\u00e9rable) de l'\u00e9tude sont fournies ci-dessous, suivies de quelques exemples sp\u00e9cifiques. (J'ai omis la cat\u00e9gorie de profilage et de pr\u00e9diction de Zawacki-Richter et al. concernant les questions administratives telles que les admissions, la planification des cours et les syst\u00e8mes d'alerte pr\u00e9coce pour les \u00e9tudiants \u00e0 risque.)<\/p>\r\n\r\n Syst\u00e8mes de tutorat intelligents\u00a0:<\/p>\r\n\r\n L'IA prend en charge l'appr\u00e9ciation et l'\u00e9valuation \u00e0 travers\u00a0:<\/p>\r\n\r\n L'IA permet des syst\u00e8mes adaptatifs et la personnalisation de l'apprentissage\u00a0:<\/p>\r\n\r\n Klutka et al. (<\/a>2018<\/a>)<\/a> ont identifi\u00e9 plusieurs utilisations de l'IA pour l'enseignement et l'apprentissage dans les universit\u00e9s aux \u00c9tats-Unis :<\/p>\r\n\r\n Un \u00ab\u00a0chatbot<\/em> \u00bb est une programmation qui simule la conversation ou le \u00ab bavardage \u00bb d'un \u00eatre humain par le biais d'interactions textuelles ou vocales (Brush and Scardina, 2018).<\/a> Les \u00ab\u00a0chatbot<\/em>\u00a0\u00bb en particulier sont un outil utilis\u00e9 pour automatiser les communications avec les \u00e9tudiants. Bayne (2014)<\/a> d\u00e9crit une telle application dans un MOOC<\/em> avec 90 000 abonn\u00e9s. Une grande partie de l'activit\u00e9 des \u00e9tudiants s'est d\u00e9roul\u00e9e en dehors de la plate-forme Coursera<\/em> au sein des m\u00e9dias sociaux. Les cinq universitaires enseignant le MOOC<\/em> \u00e9taient tous actifs sur Twitter, chacun avec de grands r\u00e9seaux, et l'activit\u00e9 Twitter autour du \u00ab\u00a0hashtag<\/em>\u00a0\u00bb MOOC<\/em> (#edcmooc) \u00e9tait \u00e9lev\u00e9e dans toutes les instances du cours (par exemple, un total d'environ 180 000 tweets ont \u00e9t\u00e9 \u00e9chang\u00e9s sur le premi\u00e8re offre du MOOC<\/em>). Un \u00ab\u00a0Teacherbot<\/em>\u00a0\u00bb a \u00e9t\u00e9 con\u00e7u pour parcourir les tweets en utilisant le \u00ab\u00a0hashtag<\/em>\u00a0\u00bb Twitter du cours, en utilisant des mots-cl\u00e9s pour identifier les \u00ab\u00a0probl\u00e8mes\u00a0\u00bb, puis en choisissant des r\u00e9ponses pr\u00e9d\u00e9finies \u00e0 ces probl\u00e8mes, ce qui impliquait souvent de diriger les \u00e9tudiants vers des recherches plus sp\u00e9cifiques sur un sujet. Pour un examen des recherches sur les \u00ab\u00a0chatbots<\/em>\u00a0\u00bb dans l'\u00e9ducation, voir Winkler et S\u00f6llner (2018).<\/a><\/p>\r\n\r\n Thompson (2022)<\/a> fournit une explication simple, destin\u00e9e principalement aux enseignants, du fonctionnement de la notation automatis\u00e9e des essais (AES).<\/p>\r\n\r\n La premi\u00e8re et la plus importante chose \u00e0 savoir est qu'il n'y a pas d'algorithme qui \"lit\" les essais des \u00e9tudiants. Au lieu de cela, vous devez former<\/strong> un algorithme... Vous devez r\u00e9ellement noter les essais (ou au moins un grand \u00e9chantillon d'entre eux) et ensuite utiliser ces donn\u00e9es pour adapter un algorithme d'apprentissage automatique.<\/em><\/p>\r\n<\/blockquote>\r\n Cela signifie identifier les rubriques que vous utilisez dans la notation des essais. Vous marquez ensuite un grand nombre d'essais pour d\u00e9terminer le poids (disons sur une \u00e9chelle de cinq points) que vous attribuez \u00e0 chaque rubrique pour noter chaque devoir. Vous essayez plusieurs mod\u00e8les de notation d'essais automatis\u00e9s par l'IA et ex\u00e9cutez vos devoirs \u00e0 travers ces mod\u00e8les un certain nombre de fois pour voir ce qui correspond le mieux \u00e0 votre propre notation. Les mod\u00e8les \"apprendront\" en fait \u00e0 s'am\u00e9liorer au fur et \u00e0 mesure que vous les parcourrez.<\/p>\r\n Comme le dit Thompson :<\/p>\r\n\r\n Il y a un compromis entre simplicit\u00e9 et pr\u00e9cision. Les mod\u00e8les complexes peuvent \u00eatre pr\u00e9cis, mais prendre des jours \u00e0 s'ex\u00e9cuter. Un mod\u00e8le plus simple pourrait prendre 2 heures, mais avec une baisse de pr\u00e9cision de 5%... Le consensus g\u00e9n\u00e9ral dans la recherche est que les algorithmes AES fonctionnent aussi bien qu'un deuxi\u00e8me humain, et servent donc tr\u00e8s bien dans ce r\u00f4le. Mais vous ne devriez pas les utiliser comme seul score.<\/em><\/p>\r\n<\/blockquote>\r\n Les syst\u00e8mes d'intelligence artificielle de traitement du langage naturel (TLN) - souvent appel\u00e9s moteurs de notation automatis\u00e9s des essais - sont d\u00e9sormais l'\u00e9valuateur primaire ou secondaire des tests standardis\u00e9s dans au moins 21 \u00c9tats des \u00c9tats-Unis (Feathers, 2019).<\/a> D\u2019apr\u00e8s Feathers\u00a0:<\/p>\r\n\r\n Les moteurs de notation des essais n'analysent pas r\u00e9ellement la qualit\u00e9 de l'\u00e9criture. Ils sont form\u00e9s sur des ensembles de centaines d'exemples d'essais pour reconna\u00eetre les mod\u00e8les qui sont en corr\u00e9lation avec des notes sup\u00e9rieures ou inf\u00e9rieures attribu\u00e9es par l'homme. Ils pr\u00e9disent ensuite quelle note un humain attribuerait \u00e0 un essai, en fonction de ces mod\u00e8les.<\/em><\/p>\r\n<\/blockquote>\r\n Cependant, Feathers affirme que les recherches de psychom\u00e9triciens et d'experts en IA montrent que ces outils sont susceptibles d'avoir un d\u00e9faut commun \u00e0 l'IA : les pr\u00e9jug\u00e9s contre certains groupes d\u00e9mographiques (voir Ongweso, 2019).<\/a><\/p>\r\n Lazendic et al. (2018)<\/a> offrent un compte rendu d\u00e9taill\u00e9 du plan de notation automatique dans les lyc\u00e9es australiens. Ils d\u00e9clarent :<\/p>\r\n\r\n Il est ... crucial de reconna\u00eetre que les mod\u00e8les de notation humaine, qui sont d\u00e9velopp\u00e9s pour chaque invit\u00e9 l'\u00e9criture NAPLAN, et leur application coh\u00e9rente, garantissent et maintiennent la validit\u00e9 des \u00e9valuations d'\u00e9criture NAPLAN. Par cons\u00e9quent, la fiabilit\u00e9 statistique des r\u00e9sultats de la notation humaine est fondamentalement li\u00e9e et constitue la principale preuve de la validit\u00e9 du marquage \u00e9crit NAPLAN.<\/em><\/p>\r\n<\/blockquote>\r\n En d'autres termes, le marquage doit \u00eatre bas\u00e9 sur des crit\u00e8res humains coh\u00e9rents. Cependant, il a \u00e9t\u00e9 annonc\u00e9 plus tard (Hendry, 2018)<\/a> que les ministres australiens de l'\u00c9ducation avaient convenu de ne pas introduire de notation automatis\u00e9e des essais pour les tests d'\u00e9criture NAPLAN<\/em>, tenant compte des appels des groupes d'enseignants \u00e0 rejeter la proposition.<\/p>\r\n Perelman (2013)<\/a> a d\u00e9velopp\u00e9 un programme informatique appel\u00e9 le g\u00e9n\u00e9rateur BABEL<\/em> qui a assembl\u00e9 des cha\u00eenes de mots et de phrases sophistiqu\u00e9s dans des essais de charabia d\u00e9nu\u00e9s de sens. Les essais absurdes ont toujours re\u00e7u des scores \u00e9lev\u00e9s, parfois parfaits, lorsqu'ils sont ex\u00e9cut\u00e9s sur plusieurs moteurs de notation diff\u00e9rents. Voir aussi Mayfield, 2013,<\/a> pour une analyse r\u00e9fl\u00e9chie des enjeux du marquage automatis\u00e9 de l'\u00e9criture. Pour une bonne description de la direction que prend la notation automatis\u00e9e des essais, voir Kumar et Boulanger (2020).<\/a><\/p>\r\n L'AES peut \u00e9ventuellement avoir le potentiel de noter un nombre massif de devoirs pour des examens standard \u00e0 l'\u00e9chelle nationale tels que le NAPLAN<\/em> en Australie ou le General Certificate of Secondary Education<\/em> au Royaume-Uni, mais de telles m\u00e9thodes sont toujours peu pratiques pour la plupart des enseignants ou instructeurs individuels. Au moment de la r\u00e9daction de cet article, malgr\u00e9 une pression consid\u00e9rable pour utiliser la notation automatis\u00e9e des essais pour les examens standardis\u00e9s, la technologie a encore de nombreuses questions en suspens.<\/p>\r\n\r\n Surtout \u00e0 la suite de la pand\u00e9mie de Covid-19, il y a eu une augmentation rapide de l'utilisation des services de surveillance bas\u00e9s sur l'IA pour v\u00e9rifier si les \u00e9tudiants qui passent des examens \u00e0 la maison trichent. Il existe un nombre \u00e9tonnamment \u00e9lev\u00e9 de soci\u00e9t\u00e9s de surveillance en ligne, telle que Examity<\/em>, Mercer<\/em>\/Mettle<\/em>, Proctortrack<\/em>, OnVUE<\/em> (de Pearson Publishing<\/em>), Meazure Learning<\/em> (anciennement ProctorU<\/em>) et Proctorio<\/em>. Ceux-ci utilisent des cam\u00e9ras install\u00e9es soit dans l'ordinateur des \u00e9tudiants, soit fournies par la soci\u00e9t\u00e9 de surveillance pour \u00eatre utilis\u00e9es au domicile des \u00e9tudiants ou \u00e0 l'endroit o\u00f9 l'examen est pass\u00e9. La plupart des surveillances en ligne se pr\u00e9sentent sous deux formes\u00a0: en direct, avec une personne qui surveille \u00e0 distance (g\u00e9n\u00e9ralement sous contrat avec la soci\u00e9t\u00e9 de surveillance); ou automatis\u00e9. Parfois, il y a un m\u00e9lange des deux.<\/p>\r\n De plus en plus, ces services utilisent l'IA pour identifier les proxys possibles pour les comportements de triche, tels que\u00a0:<\/p>\r\n\r\n Certaines entreprises cr\u00e9ent, gr\u00e2ce \u00e0 l'utilisation de l'IA, un \u00ab indice de cr\u00e9dibilit\u00e9 \u00bb en cons\u00e9quence. Les \u00e9tudiants doivent g\u00e9n\u00e9ralement fournir des donn\u00e9es personnelles, telles que le nom, l'adresse, le num\u00e9ro d'\u00e9tudiant et parfois des informations sur la carte de cr\u00e9dit. Les \u00e9tudiants \u2013 voire l'institution ou l'\u00e9cole requ\u00e9rant le recours au service de surveillance \u2013 n'ont aucun contr\u00f4le sur l'utilisation de ces donn\u00e9es personnelles, qui peuvent \u00eatre et sont souvent partag\u00e9es avec des tiers.<\/p>\r\n Les informations sensibles collect\u00e9es par les soci\u00e9t\u00e9s de surveillance en ligne ont suscit\u00e9 de nombreuses inqui\u00e9tudes parmi les \u00e9tudiants \u2013 et les parents, qui sont automatiquement exclus du processus d'examen.<\/p>\r\n Nigam et al. (2021<\/a>) ont syst\u00e9matiquement examin\u00e9 43 articles sur les syst\u00e8mes de surveillance bas\u00e9s sur l'IA et non bas\u00e9s sur l'IA publi\u00e9s entre 2015 et 2021 ont \u00e9t\u00e9 r\u00e9pertori\u00e9s de l'ann\u00e9e 2015 \u00e0 2021. Ils rapportent\u00a0:<\/p>\r\n\r\n Notre analyse ... r\u00e9v\u00e8le que les probl\u00e8mes de s\u00e9curit\u00e9 associ\u00e9s \u00e0 l'AIPS se multiplient et sont une source de pr\u00e9occupation l\u00e9gitime. Les principaux probl\u00e8mes incluent les probl\u00e8mes de s\u00e9curit\u00e9 et de confidentialit\u00e9, les pr\u00e9occupations \u00e9thiques, la confiance dans la technologie bas\u00e9e sur l'IA, le manque de formation concernant l'utilisation de la technologie, le co\u00fbt et bien d'autres. Il est difficile de savoir si les avantages de ces technologies de surveillance en ligne l'emportent sur leurs risques. La conclusion la plus raisonnable \u00e0 laquelle nous pouvons arriver \u00e0 l'heure actuelle est que la justification \u00e9thique de ces technologies et de leurs diverses capacit\u00e9s nous oblige \u00e0 veiller rigoureusement \u00e0 ce qu'un \u00e9quilibre soit trouv\u00e9 entre ces pr\u00e9occupations et les avantages possibles.<\/em><\/p>\r\n<\/blockquote>\r\n La surveillance en ligne est un bon exemple d'essai d'adaptation des m\u00e9thodes du 19e si\u00e8cle \u00e0 la technologie du 21e si\u00e8cle. L'\u00e9valuation en ligne est abord\u00e9e plus en d\u00e9tail au Chapitre 6.8.4<\/a>, qui indique que l'\u00e9valuation peut \u00eatre effectu\u00e9e diff\u00e9remment avec l'apprentissage en ligne, en utilisant par exemple l'\u00e9valuation continue, car l'apprentissage des \u00e9l\u00e8ves est automatiquement suivi via un SGA ou des ePortfolios, qui permettent aux \u00e9l\u00e8ves de cr\u00e9er un v\u00e9ritable portefeuille num\u00e9rique de travail. Ce qu'il faut \u00e9viter, c'est l'intrusion, le manque de confidentialit\u00e9 et le manque de transparence qui accompagnent les services de surveillance bas\u00e9s sur l'IA.<\/p>\r\n\r\n Il existe plusieurs fa\u00e7ons d'\u00e9valuer la valeur des possibilit\u00e9s d'enseignement et d'apprentissage d'applications particuli\u00e8res de l'IA dans l'enseignement et l'apprentissage\u00a0:<\/p>\r\n\r\n Ces questions sont trait\u00e9es ci-dessous.<\/p>\r\n\r\n En regardant l\u2019\u00e9tude de Zawacki-Richter et al et de nombreux autres articles de recherche publi\u00e9s dans des revues \u00e0 comit\u00e9 de lecture, tr\u00e8s peu d'applications dites d'IA dans l'enseignement et l'apprentissage r\u00e9pondent aux crit\u00e8res de donn\u00e9es massives, de puissance de calcul massive et d'algorithmes puissants et pertinents. Une grande partie du tutorat intelligent au sein de l'\u00e9ducation conventionnelle est ce que l'on pourrait appeler l'IA \u00ab\u00a0ancienne\u00a0\u00bb\u00a0: il n'y a pas beaucoup de traitement en cours et les points de donn\u00e9es sont relativement faibles. De nombreux articles soi-disant sur l'IA ax\u00e9s sur le tutorat intelligent et l'apprentissage adaptatif ne sont en r\u00e9alit\u00e9 que des applications informatiques g\u00e9n\u00e9rales.<\/p>\r\n En effet, les soi-disant syst\u00e8mes de tutorat intelligents, la notation automatis\u00e9e des tests \u00e0 choix multiples et les commentaires automatis\u00e9s sur ces tests existent depuis le d\u00e9but des ann\u00e9es 1980. Les applications les plus proches des applications d'IA modernes semblent \u00eatre la notation automatis\u00e9e des essais de tests standardis\u00e9s administr\u00e9s dans l'ensemble du syst\u00e8me \u00e9ducatif et l'utilisation de l'IA dans la surveillance en ligne. Cependant, il existe des probl\u00e8mes majeurs avec ces deux applications. Des d\u00e9veloppements suppl\u00e9mentaires sont clairement n\u00e9cessaires pour rendre la notation automatis\u00e9e des essais et la surveillance en ligne bas\u00e9e sur l'IA plus fiables et s\u00e9curis\u00e9es.<\/p>\r\n Le principal avantage que Klutka et al. (2018<\/a>)<\/a> identifient pour l'IA est qu'elle ouvre la possibilit\u00e9 aux services d'enseignement sup\u00e9rieur de devenir \u00e9volutifs \u00e0 un rythme sans pr\u00e9c\u00e9dent, \u00e0 la fois \u00e0 l'int\u00e9rieur et \u00e0 l'ext\u00e9rieur de la salle de classe. Cependant, il est difficile de voir comment l'IA \"moderne\" pourrait \u00eatre utilis\u00e9e dans le syst\u00e8me \u00e9ducatif actuel, o\u00f9 la taille des classes voire des d\u00e9partements universitaires entiers, et donc des points de donn\u00e9es, sont relativement faibles, en termes de nombres n\u00e9cessaires pour l'IA \"moderne\". On ne peut pas dire \u00e0 ce jour que l'IA moderne a \u00e9t\u00e9 tent\u00e9e et a \u00e9chou\u00e9 dans l'enseignement et l'apprentissage; elle n\u2019a pas \u00e9t\u00e9 r\u00e9ellement test\u00e9e.<\/p>\r\n Les applications en dehors des syst\u00e8mes d'\u00e9ducation formelle actuels sont plus r\u00e9alistes, pour les MOOC<\/em> par exemple, ou pour des formations en entreprise \u00e0 l'\u00e9chelle internationale, ou pour des universit\u00e9s d'enseignement \u00e0 distance avec un tr\u00e8s grand nombre d'\u00e9tudiants. L'exigence de donn\u00e9es massives sugg\u00e8re que l'ensemble du syst\u00e8me \u00e9ducatif pourrait \u00eatre consid\u00e9rablement perturb\u00e9 si l'\u00e9chelle n\u00e9cessaire pouvait \u00eatre atteinte en offrant une \u00e9ducation moderne bas\u00e9e sur l'IA en dehors des syst\u00e8mes \u00e9ducatifs existants, par exemple par de grandes soci\u00e9t\u00e9s Internet qui pourraient exploiter et utiliser des donn\u00e9es personnelles et leurs \u00e9normes march\u00e9s de consommateurs. Cependant, il reste encore un long chemin \u00e0 parcourir avant que l'IA ne rende cela possible. Cela ne veut pas dire qu'il ne pourrait pas y avoir de telles applications de l'IA moderne \u00e0 l'avenir, mais pour le moment, selon les mots du vieil anglais bobby, \u00ab\u00a0Allez-y, maintenant, il n'y a rien \u00e0 voir ici\u00a0\u00bb. Cependant, pour les besoins de la discussion, supposons que la d\u00e9finition de l'IA propos\u00e9e ici est trop stricte et que la plupart des applications abord\u00e9es dans cette section sont des exemples d'IA. Comment ces applications de l'IA r\u00e9pondent-elles aux autres crit\u00e8res ci-dessus\u00a0?<\/p>\r\n\r\n Cela ne semble pas \u00eatre le cas dans la plupart des applications dites d'IA pour l'enseignement et l'apprentissage aujourd'hui. Elles se concentrent fortement sur la pr\u00e9sentation du contenu et les tests de compr\u00e9hension et d\u2019interpr\u00e9tation. En particulier, Zawacki-Richter et al. soulignent que la plupart des d\u00e9veloppements de l'IA pour l'enseignement et l'apprentissage - ou du moins les articles de recherche - sont r\u00e9alis\u00e9s par des informaticiens, et non par des \u00e9ducateurs. Puisque l'IA a tendance \u00e0 \u00eatre d\u00e9velopp\u00e9e par des informaticiens, ils ont tendance \u00e0 utiliser des mod\u00e8les d'apprentissage bas\u00e9s sur le fonctionnement des ordinateurs ou des r\u00e9seaux informatiques (puisque bien s\u00fbr ce sera un ordinateur qui devra faire fonctionner l'IA). En cons\u00e9quence, ces applications d'IA ont tendance \u00e0 adopter un mod\u00e8le d'apprentissage tr\u00e8s comportementaliste : pr\u00e9sentation\/test\/r\u00e9troaction. Lynch (<\/a>2017)<\/a> soutient que\u00a0:<\/p>\r\n\r\n Si l'IA doit profiter \u00e0 l'\u00e9ducation, il faudra renforcer le lien entre les d\u00e9veloppeurs d'IA et les experts des sciences de l'apprentissage. Sinon, l'IA \"d\u00e9couvrira\" simplement de nouvelles fa\u00e7ons d'enseigner mal et perp\u00e9tuera des id\u00e9es erron\u00e9es sur l'enseignement et l'apprentissage.<\/em><\/p>\r\n<\/blockquote>\r\n La compr\u00e9hension et l\u2019interpr\u00e9tation sont en effet des comp\u00e9tences fondamentales importantes, mais jusqu'\u00e0 pr\u00e9sent, l'IA n'aide pas au d\u00e9veloppement de comp\u00e9tences d'ordre sup\u00e9rieur chez les apprenants en mati\u00e8re de pens\u00e9e critique, de r\u00e9solution de probl\u00e8mes, de cr\u00e9ativit\u00e9 et de gestion des connaissances. En effet, Klutka et al. (<\/a>2018<\/a>)<\/a> affirment que l'IA peut g\u00e9rer de nombreuses fonctions de routine actuellement effectu\u00e9es par les instructeurs et les administrateurs, les lib\u00e9rant pour r\u00e9soudre des probl\u00e8mes plus complexes et se connecter avec les \u00e9tudiants \u00e0 des niveaux plus profonds. Cela renforce l'id\u00e9e que le r\u00f4le de l'instructeur ou de l'enseignant doit passer de la pr\u00e9sentation du contenu, de la gestion du contenu et des tests de compr\u00e9hension du contenu - qui peuvent tous \u00eatre effectu\u00e9s par ordinateur - au d\u00e9veloppement des comp\u00e9tences. La bonne nouvelle est que l'IA utilis\u00e9e de cette mani\u00e8re soutient les enseignants et les instructeurs, mais ne les remplace pas. La mauvaise nouvelle est que de nombreux enseignants et instructeurs devront changer leur fa\u00e7on d'enseigner ou ils deviendront superflus.<\/p>\r\n\r\n On pourrait soutenir que tout ce que fait l'IA est d'encapsuler les biais existants dans le syst\u00e8me. Le probl\u00e8me est que ce biais est souvent difficile \u00e0 d\u00e9tecter dans un algorithme sp\u00e9cifique, et que l'IA a tendance \u00e0 augmenter ou \u00e0 amplifier ces biais. Ce sont davantage des probl\u00e8mes pour les utilisations institutionnelles de l'IA, mais le biais bas\u00e9 sur la machine peut \u00e9galement discriminer les \u00e9tudiants dans un contexte d'enseignement et d'apprentissage, et en particulier dans l'\u00e9valuation automatis\u00e9e.<\/p>\r\n\r\n De nombreux probl\u00e8mes \u00e9thiques potentiels d\u00e9coulent de l'utilisation de l'IA dans l'enseignement et l'apprentissage, principalement en raison du manque de transparence du logiciel d'IA, et en particulier des hypoth\u00e8ses int\u00e9gr\u00e9es dans les algorithmes. La revue de litt\u00e9rature de Zawacki-Richter et al. (2019<\/a>) ont conclu\u00a0:<\/p>\r\n\r\n ...un r\u00e9sultat \u00e9tonnant de cet examen est le manque dramatique de r\u00e9flexion critique sur les implications p\u00e9dagogiques et \u00e9thiques ainsi que sur les risques li\u00e9s \u00e0 la mise en \u0153uvre d'applications d'IA dans l'enseignement sup\u00e9rieur.<\/em><\/p>\r\n<\/blockquote>\r\n Quelles donn\u00e9es sont collect\u00e9es, qui les poss\u00e8de ou les contr\u00f4le, comment sont-elles interpr\u00e9t\u00e9es, comment seront-elles utilis\u00e9es ? Des politiques devront \u00eatre mises en place pour prot\u00e9ger les \u00e9l\u00e8ves et les enseignants\/instructeurs (voir par exemple les politiques sur les donn\u00e9es des \u00e9l\u00e8ves<\/a> du minist\u00e8re de l'\u00c9ducation des \u00c9tats-Unis pour les \u00e9coles ou la strat\u00e9gie d'apprentissage num\u00e9rique<\/a> du minist\u00e8re de l'Enseignement sup\u00e9rieur et de la Formation professionnelle de la Colombie-Britannique). Les \u00e9l\u00e8ves et les enseignants\/instructeurs doivent \u00eatre impliqu\u00e9s dans l'\u00e9laboration de ces politiques.<\/p>\r\n\r\n Le plus gros probl\u00e8me de l'IA en g\u00e9n\u00e9ral, et de l'enseignement et de l'apprentissage en particulier, est le manque de transparence. Pourquoi m'a-t-il donn\u00e9 cette note ? Pourquoi suis-je dirig\u00e9 vers cette lecture plut\u00f4t que celle-l\u00e0 ou redirig\u00e9 vers une lecture que je n'ai pas comprise la premi\u00e8re fois ?? Pourquoi ma r\u00e9ponse n'est-elle pas acceptable\u00a0? Lynch (<\/a>2017)<\/a> soutient que la plupart des donn\u00e9es recueillies sur l'apprentissage des \u00e9l\u00e8ves sont indirectes, inauthentiques, manquent de fiabilit\u00e9 ou de validit\u00e9 d\u00e9montrable et refl\u00e8tent des horizons temporels irr\u00e9alistes pour d\u00e9montrer l'apprentissage.<\/p>\r\n\r\n \u00ab Les exemples actuels d'AIEd s'appuient souvent sur .... de mauvais proxys pour l'apprentissage, utilisant des donn\u00e9es facilement collectables plut\u00f4t que significatives sur le plan \u00e9ducatif. \u00bb<\/em><\/p>\r\n<\/blockquote>\r\n En ce qui concerne ce que l'IA fait actuellement pour l'enseignement et l'apprentissage, le r\u00eave est bien au-del\u00e0 de la r\u00e9alit\u00e9. Ce qui fonctionne bien en finance, en marketing ou en astronomie ne se traduit pas n\u00e9cessairement dans les contextes d'enseignement et d'apprentissage. En effectuant des recherches pour cette section, il s'est av\u00e9r\u00e9 tr\u00e8s difficile de trouver des exemples convaincants d'IA pour l'enseignement et l'apprentissage, par rapport aux jeux s\u00e9rieux ou \u00e0 la r\u00e9alit\u00e9 virtuelle. Il est toujours difficile de prouver un r\u00e9sultat n\u00e9gatif, mais les r\u00e9sultats \u00e0 ce jour de l'application de l'IA \u00e0 l'enseignement et \u00e0 l'apprentissage sont extr\u00eamement limit\u00e9s et d\u00e9cevants (voir, par exemple, Brooks, 2021).<\/a><\/p>\r\n Cela est principalement d\u00fb \u00e0 la difficult\u00e9 d'appliquer l'IA \u00ab moderne \u00bb \u00e0 grande \u00e9chelle dans un syst\u00e8me tr\u00e8s fragment\u00e9 qui repose fortement sur des classes, des programmes et des \u00e9tablissements relativement petits. Probablement pour que l'IA moderne \"fonctionne\", une structure organisationnelle totalement diff\u00e9rente pour l'enseignement et l'apprentissage serait n\u00e9cessaire. Mais faites attention \u00e0 ce que vous souhaitez.<\/p>\r\n Il y a une forte influence affective ou \u00e9motionnelle dans l'apprentissage. Les \u00e9l\u00e8ves apprennent souvent mieux lorsqu'ils sentent que l'instructeur ou l'enseignant s'en soucie. En particulier, les \u00e9l\u00e8ves veulent \u00eatre trait\u00e9s comme des individus, avec leurs propres int\u00e9r\u00eats, leurs propres fa\u00e7ons d'apprendre et un certain sentiment de contr\u00f4le sur leur apprentissage. Bien qu'\u00e0 un niveau de masse, le comportement humain soit pr\u00e9visible et dans une certaine mesure contr\u00f4lable, chaque \u00e9l\u00e8ve est un individu et r\u00e9agira l\u00e9g\u00e8rement diff\u00e9remment des autres \u00e9l\u00e8ves dans le m\u00eame contexte. En raison de ces aspects \u00e9motionnels et personnels de l'apprentissage, les \u00e9l\u00e8ves ont besoin d'une certaine mani\u00e8re d'\u00e9tablir un lien avec leur enseignant ou instructeur. L'apprentissage est une activit\u00e9 complexe o\u00f9 seule une infime partie du processus peut \u00eatre efficacement automatis\u00e9e. L'apprentissage est une activit\u00e9 intens\u00e9ment humaine, qui b\u00e9n\u00e9ficie \u00e9norm\u00e9ment des relations personnelles et de l'interaction sociale. Cet aspect relationnel de l'apprentissage peut \u00eatre g\u00e9r\u00e9 aussi bien en ligne qu'en face \u00e0 face, mais cela signifie utiliser l'informatique pour soutenir la communication autant que pour fournir et tester l'acquisition de contenu.<\/p>\r\n\r\n Surtout, l'IA n'a pas encore assez progress\u00e9 pour \u00a0prendre en charge les niveaux d'apprentissage plus \u00e9lev\u00e9s requis \u00e0 l'\u00e8re num\u00e9rique ou les m\u00e9thodes d'enseignement n\u00e9cessaires pour ce faire, alors que d'autres formes d'informatique ou de technologie peuvent le faire, telles que les simulations, les jeux et la r\u00e9alit\u00e9 virtuelle.<\/p>\r\n En particulier, les d\u00e9veloppeurs d'IA ont largement ignor\u00e9 que l'apprentissage est d\u00e9veloppemental et construit, et ont plut\u00f4t impos\u00e9 une m\u00e9thode d'enseignement ancienne et moins appropri\u00e9e bas\u00e9e sur le comportementalisme et une \u00e9pist\u00e9mologie objectiviste. Cependant, pour d\u00e9velopper les comp\u00e9tences et les connaissances n\u00e9cessaires \u00e0 l'\u00e8re num\u00e9rique, une approche plus constructiviste de l'apprentissage est n\u00e9cessaire. Il n'y a aucune preuve \u00e0 ce jour que l'IA puisse soutenir une telle approche de l'enseignement, bien que cela puisse \u00eatre possible.<\/p>\r\n\r\n Les d\u00e9fenseurs de l'IA affirment souvent qu'ils n'essaient pas de remplacer les enseignants, mais de leur rendre la vie plus facile ou plus efficace. Cela devrait \u00eatre pris avec une pinc\u00e9e de sel. Le principal moteur des applications de l'IA est la r\u00e9duction des co\u00fbts, ce qui signifie la r\u00e9duction du nombre d'enseignants, car il s'agit du principal co\u00fbt de l'\u00e9ducation. En revanche, la le\u00e7on cl\u00e9 de tous les d\u00e9veloppements de l'IA est que nous devrons accorder une attention accrue aux aspects affectifs et \u00e9motionnels de la vie dans une soci\u00e9t\u00e9 fortement robotis\u00e9e, de sorte que les enseignants deviendront encore plus importants.<\/p>\r\n Un autre probl\u00e8me avec l'intelligence artificielle est que le m\u00eame vieux battage m\u00e9diatique continue de tourner en rond. Les m\u00eames arguments en faveur de l'utilisation de l'intelligence artificielle dans l'\u00e9ducation remontent aux ann\u00e9es 1980. Des millions de dollars ont \u00e9t\u00e9 investis dans la recherche sur l'IA \u00e0 l'\u00e9poque, y compris dans des applications \u00e9ducatives, sans aucun gain.<\/p>\r\n Il y a eu des d\u00e9veloppements significatifs dans l'IA depuis lors, en particulier la reconnaissance de formes, l'acc\u00e8s et l'analyse de grands ensembles de donn\u00e9es, des algorithmes puissants, conduisant \u00e0 une prise de d\u00e9cision formalis\u00e9e dans des limites contraignantes. Cependant, la difficult\u00e9 est de cerner pr\u00e9cis\u00e9ment pour quelles fins et pour quels usages ces nouveaux d\u00e9veloppements en mati\u00e8re d'IA sont pertinents et, au contraire, ce qu'ils ne seront pas en mesure de faire ad\u00e9quatement. L'enseignement et l'apprentissage sont ainsi un environnement particuli\u00e8rement difficile pour les applications d'IA.<\/p>\r\n\r\n N\u00e9anmoins, il existe de nombreuses possibilit\u00e9s d'applications utiles de l'IA dans l'\u00e9ducation, mais seulement s'il existe un dialogue continu entre les d\u00e9veloppeurs d'IA et les \u00e9ducateurs \u00e0 mesure que de nouveaux d\u00e9veloppements en mati\u00e8re d'IA deviennent disponibles. Mais cela n\u00e9cessitera d'\u00eatre tr\u00e8s clair sur le but des applications de l'IA dans l'\u00e9ducation et d'\u00eatre bien conscient des cons\u00e9quences impr\u00e9vues.<\/p>\r\n Dans l'\u00e9ducation, l'IA est encore un g\u00e9ant endormi. Les applications \u00ab\u00a0perc\u00e9es\u00a0\u00bb de l'IA pour l'enseignement et l'apprentissage ne proviendront probablement pas des universit\u00e9s et des coll\u00e8ges traditionnels, mais de l'ext\u00e9rieur du syst\u00e8me postsecondaire formel, par le biais d'organisations telles que LinkedIn<\/em>, lynda.com<\/em>, Amazon<\/em> ou Coursera<\/em>, qui ont acc\u00e8s \u00e0 de grands ensembles de donn\u00e9es qui rendent les applications de l'IA \u00e9volutives et int\u00e9ressantes (pour eux). Cependant, cela constituerait une menace existentielle pour les \u00e9coles publiques, les coll\u00e8ges et les universit\u00e9s. La question devient alors : quel syst\u00e8me est le meilleur pour prot\u00e9ger et soutenir l'individu \u00e0 l'\u00e8re num\u00e9rique : les multinationales utilisant l'IA pour l'enseignement et l'apprentissage, ou un syst\u00e8me d'\u00e9ducation publique avec des enseignants humains utilisant l'IA comme support pour les apprenants\u00a0?<\/p>\r\n La question cl\u00e9 est alors de savoir si la technologie doit viser \u00e0 remplacer les enseignants et les instructeurs par l'automatisation, ou si la technologie doit \u00eatre utilis\u00e9e pour responsabiliser non seulement les enseignants, mais aussi les apprenants. Surtout, qui devrait contr\u00f4ler l'IA dans l'\u00e9ducation\u00a0: les \u00e9ducateurs, les \u00e9tudiants, les informaticiens ou les grandes entreprises\u00a0? Ce sont en effet des questions existentielles si l'IA r\u00e9ussit \u00e9norm\u00e9ment \u00e0 r\u00e9duire les co\u00fbts d'enseignement et d'apprentissage\u00a0: mais \u00e0 quel prix pour nous en tant qu'humains\u00a0? Heureusement, l'IA n'est pas encore en mesure de fournir une telle menace, mais il pourrait bien le faire bient\u00f4t.<\/p>\r\n\r\n Bayne, S. (2014)\u00a0Teacherbot: interventions in automated teaching<\/a> Teaching in Higher Education<\/em>, Vol. 20. No.4<\/p>\r\n Brooks, D.C. (2021) EDUCAUSE QuickPoll Results: Artificial Intelligence Use in Higher Education<\/a>, EDUCAUSE Review<\/em>, June 11<\/p>\r\nBrush, K. and Scardina, J. (2018)\u00a0 What is chatbot?<\/a> Techtarget Network Customer Experience<\/em>, 5 January\r\n Feathers, T. (2019)\u00a0Flawed Algorithms Are Grading Millions of Students\u2019 Essays<\/a>, Motherboard: Tech by Vice<\/em>, 20 August<\/p>\r\n Hendry, J. (2018)\u00a0Govts dump NAPLAN robo marking plans<\/a> itnews<\/em>, 30 January<\/p>\r\n Klutka, J. et al. (2018)\u00a0Artificial Intelligence in Higher Education: Current Uses and Future Applications<\/a> Louisville Ky: Learning House<\/p>\r\n Koumar, V. and Boulanger, D. (2020) Explainable Automated Essay Scoring: Deep Learning Really Has Pedagogical Value<\/a> Frontiers in Education<\/em>, 6 October<\/p>\r\n Lazandic, G., Justus, J.-A., and Rabinowitz, S. (2018) NAPLAN Online Automated Scoring Research Program: Research Report<\/em><\/a>, Canberra, Australia: Australian Curriculum, Assessment and Reporting Authority<\/p>\r\n Lynch, J. (2017)\u00a0How AI will destroy education<\/a>, buZZrobot<\/em>, 13 November (accessed 15 February, 2019 - no longer available.)<\/p>\r\n Mayfield, E. (2013) Six ways the edX Announcement Gets Automated Essay Grading Wrong<\/a>,\u00a0e-Literate<\/em>, April 8<\/p>\r\n Nigam, A., Pasricha, R., Singh, T. and Churi, P. (2021) A Systematic Review on AI-based Proctoring Systems: Past, Present and Future,<\/a> Education and Information Technologies<\/em>, Vol. 26, June 23<\/p>\r\n Ongweso jr. E. (2019)\u00a0Racial Bias in AI Isn\u2019t Getting Better and Neither Are Researchers\u2019 Excuses<\/a>\u00a0Motherboard: Tech by Vice, July 29<\/em><\/p>\r\n Perelman. L. (2013)\u00a0Critique of Mark D. Shermis & Ben Hamner,<\/a> Contrasting State-of-the-Art Automated Scoring of Essays: Analysis<\/a>, Journal of Writing Assessment<\/em>, Vol. 6, No.1<\/p>\r\n Russell, S. and Norvig, P. (2010) Artificial Intelligence - A Modern Approach<\/em> <\/a>New Jersey: Pearson Education<\/p>\r\n Thompson, N. (2022) What is automated essay scoring?<\/a>, ASC,<\/em> April 22<\/p>\r\n Winkler, R. & S\u00f6llner, M. (2018):\u00a0Unleashing the Potential of Chatbots in Education: A State-Of-The-Art Analysis<\/a>.\u00a0Academy of Management Annual Meeting (AOM)<\/em>\u00a0Chicago: Illinois<\/p>\r\n Zawacki-Richter, O. er al. (2019)\u00a0Systematic review of research on artificial intelligence applications in higher education \u2013 where are the educators?<\/a> International Journal of Technology in Higher Education<\/em> Vo.16, No. 39<\/p>\r\n Zeide, E. (2019)\u00a0Artificial Intelligence in Higher Education: Applications, Promise and Perils, and Ethical Questions<\/a> EDUCAUSE Review<\/em>, Vol. 54, No. 3, August 26<\/p>\r\n\r\n L’intelligence artificielle (IA) est un sujet redoutable, car son utilisation dans l’\u00e9ducation pose de nombreux probl\u00e8mes. L’IA traverse \u00e9galement actuellement une autre p\u00e9riode de battage m\u00e9diatique extr\u00eame en tant que panac\u00e9e pour l’\u00e9ducation, \u00e9tant actuellement au sommet du pic des attentes gonfl\u00e9es, mais ce battage m\u00e9diatique est principalement motiv\u00e9 par des applications r\u00e9ussies en dehors du domaine de l’\u00e9ducation, comme dans la finance, le marketing et la recherche m\u00e9dicale. De plus, le terme \u00ab\u00a0IA\u00a0\u00bb est de plus en plus utilis\u00e9 (\u00e0 tort) comme terme g\u00e9n\u00e9ral pour toute activit\u00e9 de calcul complexe.<\/p>\n M\u00eame dans l’\u00e9ducation, les domaines d’application possibles de l’IA sont tr\u00e8s diff\u00e9rents. Zeide (2019)<\/a> fait une distinction tr\u00e8s utile entre les applications institutionnelles, de soutien aux \u00e9tudiants et p\u00e9dagogiques (figure 9.4.2 ci-dessous).<\/p>\n Bien que les applications d’IA \u00e0 des fins de soutien aux \u00e9tablissements ou aux \u00e9tudiants soient tr\u00e8s importantes, ce chapitre se concentre sur les possibilit\u00e9s p\u00e9dagogiques des diff\u00e9rents m\u00e9dias et technologies (ce que Zeide appelle les applications \u00ab p\u00e9dagogiques \u00bb). En particulier, l’accent sera mis dans cette section sur le r\u00f4le de l’IA en tant que forme de m\u00e9dia ou de technologie pour l’enseignement et l’apprentissage, ses possibilit\u00e9s p\u00e9dagogiques, ainsi que ses forces et ses faiblesses dans ce domaine.<\/p>\n De plus, l’IA est vraiment un sous-ensemble de l’informatique. Ainsi, toutes les conditions g\u00e9n\u00e9rales de l’informatique dans l’\u00e9ducation \u00e9nonc\u00e9es au Chapitre 8, Section 5<\/a> s’appliqueront \u00e0 l’IA.\u00a0 Cette section vise \u00e0 mettre en \u00e9vidence le potentiel suppl\u00e9mentaire que l’IA peut offrir dans l’enseignement et l’apprentissage. Cela impliquera de se concentrer particuli\u00e8rement sur son r\u00f4le de support plut\u00f4t que de technologie g\u00e9n\u00e9rale dans l’enseignement, ce qui implique d’examiner un contexte plus large que les seuls aspects informatiques de l’IA, en particulier son r\u00f4le p\u00e9dagogique.<\/p>\n La d\u00e9finition originale de l’intelligence artificielle par McCarthy (1956, cit\u00e9 dans Russell & Norvig, 2010)<\/a> est la suivante\u00a0:<\/p>\n chaque aspect de l’apprentissage ou toute autre caract\u00e9ristique de l’intelligence peut en principe \u00eatre d\u00e9crit avec une telle pr\u00e9cision qu’une machine peut \u00eatre con\u00e7ue pour le simuler. Une tentative sera faite pour trouver comment faire en sorte que les machines utilisent le langage, forment des abstractions et des concepts, r\u00e9solvent des types de probl\u00e8mes d\u00e9sormais r\u00e9serv\u00e9s aux humains et s’am\u00e9liorent.<\/em><\/p>\n<\/blockquote>\n Zawacki-Richter et al. (2019<\/a>), dans une revue de la litt\u00e9rature sur l’IA dans l’enseignement sup\u00e9rieur, rapportent que les auteurs qui ont d\u00e9fini l’intelligence artificielle avaient tendance \u00e0 la d\u00e9crire comme suit\u00a0:<\/p>\n syst\u00e8mes informatiques intelligents ou agents intelligents dot\u00e9s de caract\u00e9ristiques humaines, telles que la capacit\u00e9 de m\u00e9moriser des connaissances, de percevoir et de manipuler leur environnement de la m\u00eame mani\u00e8re que les humains et de comprendre le langage naturel humain.<\/em><\/p>\n<\/blockquote>\n Klutka et al. (2018<\/a>) ont \u00e9galement d\u00e9fini l’IA en fonction de ce qu’elle peut faire dans l’enseignement sup\u00e9rieur (figure 9.4.3 ci-dessous)\u00a0:<\/p>\n Il existe trois exigences informatiques de base qui distinguent l’IA \u00ab\u00a0moderne\u00a0\u00bb des autres applications informatiques\u00a0:<\/p>\n Il existe deux objectifs quelque peu diff\u00e9rents pour l’utilisation g\u00e9n\u00e9rale de l’intelligence artificielle. La premi\u00e8re consiste \u00e0 augmenter l’efficacit\u00e9 d’un syst\u00e8me ou d’une organisation, principalement en r\u00e9duisant les co\u00fbts \u00e9lev\u00e9s de la main-d’\u0153uvre, notamment en rempla\u00e7ant des travailleurs humains relativement co\u00fbteux par des machines relativement moins co\u00fbteuses (automatisation). Les politiciens, les entrepreneurs et les d\u00e9cideurs voient de plus en plus le passage \u00e0 l’automatisation comme un moyen de r\u00e9duire les co\u00fbts de l’\u00e9ducation. Cependant, dans l’\u00e9ducation en particulier, les enseignants et les instructeurs repr\u00e9sentent le principal co\u00fbt.<\/p>\n Le second est d’accro\u00eetre l’efficacit\u00e9 de l’enseignement et de l’apprentissage, en termes \u00e9conomiques pour augmenter les r\u00e9sultats : de meilleurs r\u00e9sultats d’apprentissage et des avantages plus importants pour un co\u00fbt identique ou sup\u00e9rieur. Dans ce but, l’IA serait utilis\u00e9e aux c\u00f4t\u00e9s ou en soutien des enseignants et des instructeurs.<\/p>\n Klutka et al. (2018)<\/a> ont fourni un \u00e9nonc\u00e9 g\u00e9n\u00e9ral du potentiel de l’IA dans \u00ab l’enseignement \u00bb de l’enseignement sup\u00e9rieur \u00e0 travers la figure 9.4.4.<\/p>\n Ce sont des objectifs compr\u00e9hensibles, mais nous verrons plus loin dans cette section que ces objectifs \u00e0 ce jour sont principalement des aspirations plut\u00f4t que de r\u00e9els objectifs.<\/p>\n Dans le cadre de ce livre, l’accent est mis sur le d\u00e9veloppement des connaissances et des comp\u00e9tences requises par les apprenants \u00e0 l’\u00e8re num\u00e9rique. Le test cl\u00e9 pour l’intelligence artificielle est donc de savoir dans quelle mesure elle peut aider au d\u00e9veloppement de ces comp\u00e9tences de niveau sup\u00e9rieur.<\/p>\n Zawacki-Richter et al. (2019)<\/a> dans une revue de la litt\u00e9rature sur l’IA dans l’\u00e9ducation ont initialement identifi\u00e9 2 656 articles de recherche en anglais ou en espagnol, puis ont r\u00e9duit la liste en \u00e9liminant les doublons, en limitant la publication aux articles dans des revues \u00e0 comit\u00e9 de lecture publi\u00e9es entre 2007 et 2018 et en \u00e9liminant les articles qui finalement ne concernaient pas l’utilisation de l’IA dans l’\u00e9ducation. Cela a abouti \u00e0 un total de 145 articles qui ont ensuite \u00e9t\u00e9 analys\u00e9s. Puis, Zawacki-Richter et al. ont class\u00e9 ces 145 articles en diff\u00e9rentes utilisations de l’IA dans l’\u00e9ducation. Cette section s’inspire largement de cette classification. (Il convient de noter que parmi les 145 articles, seuls 92 \u00e9taient ax\u00e9s sur l’enseignement\/le soutien aux \u00e9tudiants. Le reste portait sur des utilisations institutionnelles telles que l’identification des \u00e9tudiants \u00e0 risque avant l’admission).<\/p>\n L’\u00e9tude Zawacki-Richter offre un aper\u00e7u des principales fa\u00e7ons dont l’IA a \u00e9t\u00e9 utilis\u00e9e dans l’\u00e9ducation pour l’enseignement et l’apprentissage au cours des dix ann\u00e9es entre 2007 et 2018, ce qui se rapproche le plus des \u00ab affordances \u00bb. Tout d’abord, trois principales cat\u00e9gories \u00ab\u00a0d’enseignement\u00a0\u00bb g\u00e9n\u00e9rales (avec un chevauchement consid\u00e9rable) de l’\u00e9tude sont fournies ci-dessous, suivies de quelques exemples sp\u00e9cifiques. (J’ai omis la cat\u00e9gorie de profilage et de pr\u00e9diction de Zawacki-Richter et al. concernant les questions administratives telles que les admissions, la planification des cours et les syst\u00e8mes d’alerte pr\u00e9coce pour les \u00e9tudiants \u00e0 risque.)<\/p>\n Syst\u00e8mes de tutorat intelligents\u00a0:<\/p>\n L’IA prend en charge l’appr\u00e9ciation et l’\u00e9valuation \u00e0 travers\u00a0:<\/p>\n L’IA permet des syst\u00e8mes adaptatifs et la personnalisation de l’apprentissage\u00a0:<\/p>\n Klutka et al. (<\/a>2018<\/a>)<\/a> ont identifi\u00e9 plusieurs utilisations de l’IA pour l’enseignement et l’apprentissage dans les universit\u00e9s aux \u00c9tats-Unis :<\/p>\n9.4.2 Qu'est-ce que l'intelligence artificielle ?<\/h2>\r\n
\r\n
\r\n
![\"\"](\"https:\/\/pressbooks.bccampus.ca\/knowinghome\/wp-content\/uploads\/sites\/1847\/2022\/12\/AI-what-it-can-do.png\")
Figure 9.4.3 Ce que l'IA peut faire dans l'\u00e9ducation Image : Klutka et al. (2018)<\/em>[\/caption]\r\n\r\n \t
9.4.3 Pourquoi utiliser l'intelligence artificielle pour enseigner et apprendre ?<\/h2>\r\n
![\"\"](\"https:\/\/pressbooks.bccampus.ca\/knowinghome\/wp-content\/uploads\/sites\/1847\/2022\/12\/AI-goals-2-300x293.jpg\")
Figure 9.4.4 Objectifs de l'IA dans l'enseignement sup\u00e9rieur Image : Klutka et al. (2018)<\/em>[\/caption]\r\n9.4.4 Affordances et exemples d'utilisation de l'IA dans l'enseignement et l'apprentissage<\/strong><\/h2>\r\n
9.4.4.1 Syst\u00e8mes de tutorat intelligents (29 articles sur 92 examin\u00e9s par Zawacki-Richter et al.)<\/h3>\r\n
\r\n \t
9.4.4.2 Appr\u00e9ciation et \u00e9valuation (36\u00a0articles sur 92 examin\u00e9s)<\/h3>\r\n
\r\n \t
9.4.4.3 Syst\u00e8mes adaptatifs et personnalisation (27 sur 92)<\/h3>\r\n
\r\n \t
\r\n \t
9.4.4.4 Chatbots<\/em><\/h3>\r\n
9.4.4.5 Notation automatis\u00e9e des essais<\/h3>\r\n
\r\n
\r\n
\r\n
\r\n
9.4.4.6 Surveillance en ligne<\/h3>\r\n
\r\n \t
\r\n
9.4.5 Forces et faiblesses<\/strong><\/h2>\r\n
\r\n \t
9.4.5.1 S'agit-il vraiment d'une application d'IA \u00ab\u00a0moderne\u00a0\u00bb dans l'enseignement et l'apprentissage\u00a0?<\/h3>\r\n
9.4.5.2 Les applications facilitent-elles le d\u00e9veloppement des comp\u00e9tences et des connaissances n\u00e9cessaires \u00e0 l'\u00e8re num\u00e9rique\u00a0?<\/h3>\r\n
\r\n
9.4.5.3 Y a-t-il un biais involontaire dans les algorithmes\u00a0?<\/h3>\r\n
9.4.5.4 L'application est-elle \u00e9thique ?<\/h3>\r\n
\r\n
9.4.5.5 Les r\u00e9sultats sont-ils explicables ?<\/h3>\r\n
\r\n
9.4.6 Conclusion<\/h2>\r\n
9.4.6.1 R\u00eavez, passionn\u00e9s d'IA<\/h3>\r\n
9.4.6.2 Pas adapt\u00e9 \u00e0 l'objectif<\/h3>\r\n
9.4.6.3 Le v\u00e9ritable agenda des d\u00e9fenseurs de l'IA<\/h3>\r\n
9.4.6.4 D\u00e9finir le r\u00f4le de l\u2019IA dans l\u2019enseignement et l\u2019apprentissage<\/h3>\r\n
R\u00e9f\u00e9rences<\/h2>\r\n
Activit\u00e9 9.4 \u00c9valuer l'intelligence artificielle<\/em><\/h3>\r\n
\r\n \t
![\"\"](\"https:\/\/pressbooks.bccampus.ca\/knowinghome\/wp-content\/uploads\/sites\/1847\/2019\/09\/Robot-vs-women-2.jpg\")
9.4.1 Se concentrer sur les moyens de l’IA pour l’enseignement et l’apprentissage<\/h2>\n
9.4.2 Qu’est-ce que l’intelligence artificielle ?<\/h2>\n
\n
\n
\n
9.4.3 Pourquoi utiliser l’intelligence artificielle pour enseigner et apprendre ?<\/h2>\n
9.4.4 Affordances et exemples d’utilisation de l’IA dans l’enseignement et l’apprentissage<\/strong><\/h2>\n
9.4.4.1 Syst\u00e8mes de tutorat intelligents (29 articles sur 92 examin\u00e9s par Zawacki-Richter et al.)<\/h3>\n
\n
9.4.4.2 Appr\u00e9ciation et \u00e9valuation (36\u00a0articles sur 92 examin\u00e9s)<\/h3>\n
\n
9.4.4.3 Syst\u00e8mes adaptatifs et personnalisation (27 sur 92)<\/h3>\n
\n
\n