Données éducatives Intelligence artificielle Pédagogique Technologique

L’effet de l’IAg sur l’apprentissage humain

Est-ce qu’à l’avenir, apprendre de ses erreurs ne voudra plus dire grand chose? Non bien sûr, mais quand on regarde tout ce que l’intelligence artificielle générative (IAg) nous permet d’accomplir, il est permis de s’imaginer infaillible. Une chose est sûre cependant, c’est que l’IAg s’est installée dans le monde de l’enseignement et de l’apprentissage. Elle pourrait, selon qu’on soit l’un de ses partisans ou l’un de ses détracteurs, faire avancer ou au contraire freiner l’apprentissage chez les humains. 

C’est ce que nous explique la Dr. Philippa Hardman, une chercheuse affiliée à l’Université de Cambridge. Elle nous résume les conclusions de cinq études récentes sur les effets de l’IAg sur l’apprentissage humain. Pour chacune de ces recherches, elle y relate les hypothèses de recherche et les faits marquants des conclusions qu’elles en tirent. De plus, Hardman nous précise ce dont les personnes enseignantes doivent tenir compte pour contrecarrer les effets négatifs et optimiser les effets positifs de l’IAg sur l’apprentissage des personnes étudiantes. Les hyperliens vers ces études sont également disponibles.

Voici les sujets des cinq recherches (notre traduction assistée de DeepL d’abord, suivi du titre original en anglais et son hyperlien) :

  1. Revue systématique et méta analyse des effets de ChatGPT sur l’apprentissage des élèves
    Systematic Review & Meta-Analysis of ChatGPT’s Effects on Student Learning
  2. Double impact de l’IA dans l’enseignement du codage
    Dual Impact of AI in Coding Education
  3. Tutorat en mathématiques au secondaire avec des outils GPT
    High School Math Tutoring with GPT Tools
  4. Déchargement cognitif et pensée critique
    Cognitive Offloading and Critical Thinking
  5. Attention à la paresse métacognitive
    Beware of Metacognitive Laziness

Hardman en tire ses propres conclusions (texte traduit avec DeepL, nos ajustements):

Les recherches actuelles suggèrent massivement que, non seulement les outils génériques d’IA ne font pas toujours progresser l’apprentissage humain, mais qu’ils l’entravent souvent. Dans les cinq études les plus récentes sur le sujet, des outils tels que ChatGPT, Claude et Gemini améliorent la performance immédiate des tâches, mais réduisent également l’engagement cognitif, la pensée critique et l’apprentissage autorégulé (SRL).

Cependant, le potentiel de transformation de l’éducation par l’IA reste énorme, si nous nous orientons vers des systèmes structurés et optimisés d’un point de vue pédagogique.

Pour libérer le potentiel de transformation de l’IA, nous devons donner la priorité aux processus d’apprentissage plutôt qu’à l’efficacité et aux résultats. Pour ce faire, il faut repenser les outils d’IA dans une optique de pédagogie d’abord, en mettant l’accent sur la promotion d’un apprentissage plus approfondi et de la pensée critique. Par exemple :

Échafaudage et orientation : Les outils d’IA devraient guider les utilisateurs dans la résolution de problèmes plutôt que de leur fournir des réponses directes. Un tuteur en mathématiques, par exemple, pourrait demander « Quelle formule s’applique ici et pourquoi ? » avant de donner des conseils.

Réflexion et métacognition : Les outils devraient inciter les utilisateurs à critiquer leur raisonnement ou à réfléchir aux difficultés rencontrées au cours des tâches, afin d’encourager l’apprentissage autorégulé.

Défis de pensée critique : Les systèmes d’IA pourraient inciter les apprenants à poser des questions évaluatives, telles que « Qu’est-ce qui pourrait manquer dans ce résumé ? »

La prochaine fois que je prendrai connaissance d’une erreur que j’ai commise, il est possible que j’en impute la faute à une IAg… Mais à bien y penser, ne suis-je pas en train de modifier ma façon de vivre et, par conséquent, de faire de nouvelles formes d’erreurs? Hum… il va falloir que j’en discute avec mon IAg!

Source: Hardman, Philippa. The Impact of Gen AI on Human Learning: a research summary, DOMS, 24 janvier 2025. 

Fausses nouvelles: personne n'est à l'abri, pas même les universitaires
L'autoformation guidée en IA générative comme levier pour la conception pédagogique
+ posts

Daniel a longtemps été occupé à analyser et concevoir des formations tous azimuts. Il essaie aujourd'hui de faire connaître ses découvertes pédagogiques aux personnes formatrices à la recherche de solutions concrètes.

À propos de l'auteur

Daniel Genest

Daniel a longtemps été occupé à analyser et concevoir des formations tous azimuts. Il essaie aujourd'hui de faire connaître ses découvertes pédagogiques aux personnes formatrices à la recherche de solutions concrètes.

Laisser un commentaire