Intelligence artificielle et enseignement des sciences

Résumé

Résumé en français

Extraits des travaux de Sibel Erduran, professeur et directrice de la recherche (Université d’Oxford) sur IA et enseignement des sciences.

Résumé en anglais

Excerpts from the work of Sibel Erduran, Professor and Director of Research (Oxford University) on AI and science education.

Résumé en espagnol

Extractos del trabajo de Sibel Erduran, catedrática y directora de investigación (Universidad de Oxford) sobre IA y educación científica.

L’IA révolutionne non seulement les outils pédagogiques, mais aussi la manière dont la science elle-même est réalisée. Nous devons veiller à appliquer l’intelligence pédagogique pour gérer ses ramifications et former les futures générations de scientifiques.

Présentation générale

Propos général de l’auteur : Les avancées de l’IA dans les pratiques scientifiques, telles que la génération d’hypothèses et la découverte de nouvelles connaissances, soulèvent des questions sur l’adaptation de l’enseignement à ces nouvelles réalités. Il est donc essentiel d’adopter une approche interdisciplinaire et de développer des programmes de recherche pédagogique pour intégrer efficacement l’IA dans l’enseignement scientifique et former les futurs scientifiques à cette évolution.

Remarque : les extraits et résumés ci-dessous sont traduits de l’anglais.

Erduran, S. (2023). AI is transforming how science is done. Science education must reflect this change. Science, 382(6677), eadm9788. https://doi.org/10.1126/science.adm9788 
Extraits
Apports de l’IA pour l’enseignement

“Le recours à des simulations, notamment des expériences d’apprentissage immersives, a été présenté comme un avantage important [de l’IA pour l’enseignement, l’apprentissage et l’évaluation]. De même, les éducateurs ont observé que l’IA constitue un moyen puissant de personnaliser l’éducation en adaptant le contenu et les expériences d’une manière qui n’aurait peut-être pas été possible auparavant.”

Renouvellement des pratiques pédagogiques

“L’enseignement scientifique traditionnel a favorisé la transmission de faits et le rappel d’informations en tant qu’indicateurs de l’apprentissage [ex. : équation chimique de la photosynthèse, la loi d’Ohm]. (…) En revanche, des perspectives plus contemporaines sur l’apprentissage préconisent des compétences telles que la pensée critique (…), la réflexion sur des scénarios, la pensée systémique et la gestion de l’incertitude et de la complexité (…) [qui]  impliquent une créativité et une innovation considérables. “

Écart entre science professionnelle et science scolaire

“L’écart conventionnel entre la science professionnelle et la science scolaire peut être considérable, mais il semble désormais se creuser à un rythme encore plus rapide. (…) L’écart entre la science professionnelle et la science scolaire risque de se creuser à un tel rythme qu’au moment où les élèves du secondaire entreront à l’université, leur compréhension de la [nature de la science] sera déjà dépassée.”

Stratégies pédagogiques incluant ChatGPT

“De nombreux enseignants et étudiants du secondaire utilisent déjà des plateformes telles que ChatGPT. En fait, l’utilisation de ChatGPT peut potentiellement simuler ce que font les scientifiques eux-mêmes lorsqu’ils utilisent de tels outils pour générer de la littérature pour les manuscrits universitaires. Des stratégies pédagogiques telles que le questionnement (par exemple, Comment savons-nous que ce texte produit par ChatGPT est exact ?) peuvent être envisagées (…) pour encourager les étudiants à générer et à appliquer des critères d’évaluation d’exactitude. De telles approches devront toutefois s’accompagner d’une formation des enseignants non seulement à utiliser les outils et les données de l’IA, mais également à comprendre comment la science évolue plus largement à l’ère de l’IA.”

Erduran, S., & Levrini, O. (2024). The impact of artificial intelligence on scientific practices : An emergent area of research for science education. International Journal of Science Education, 1‑8. https://doi.org/10.1080/09500693.2024.2306604 
Résumé

“L’intelligence artificielle (IA) est désormais un moteur majeur de l’accélération sociétale, ayant un impact significatif sur les sciences et l’enseignement scientifique. L’IA est utilisée par les scientifiques pour générer des hypothèses, concevoir des expériences, collecter et interpréter des données d’une manière qui n’était auparavant pas possible avec les seules méthodes traditionnelles. La recherche en éducation scientifique s’intéresse de plus en plus au rôle de l’IA dans l’enseignement et l’apprentissage. Cependant, une lacune importante dans la littérature émergente sur l’enseignement scientifique sur l’IA concerne l’impact de l’IA sur les pratiques scientifiques elles-mêmes, et les implications de cet impact pour l’enseignement scientifique. 

L’article utilise le cadre de « pratiques scientifiques » du NRC (2012. A framework for K-12 science education: practices, crosscutting concepts, and core ideas . National Academies Press.) pour retracer des exemples d’utilisation de l’IA dans les pratiques scientifiques et soulève des questions pour l’éducation scientifique. Les questions portent sur la pertinence des pratiques scientifiques fondées sur l’IA pour les programmes scientifiques, l’enseignement et la formation des enseignants au niveau secondaire. Le but ultime de l’article est de souligner que plus tôt le rôle de l’IA sur les pratiques scientifiques sera étudié et appliqué dans les politiques et pratiques d’enseignement scientifique, moins il est probable que l’éducation devienne obsolète pour aider les apprenants à s’épanouir dans le paysage en évolution rapide de la recherche scientifique.”

Extraits
Impact de l’IA sur l’enseignement scientifique

“Une lacune importante dans la littérature émergente sur l’enseignement scientifique sur l’IA concerne l’impact de l’IA sur les pratiques scientifiques elles-mêmes et les implications de cet impact pour l’enseignement scientifique. Prenons par exemple AlphaFold, un outil d’IA nommé en 2021 par Nature Methods « Méthode de l’année 2021 » (2022). L’outil a permis aux scientifiques de prédire le repliement des protéines avec une grande précision, ce qui est déjà considéré comme ayant initié une révolution en biologie (Ewen, 2022).”

Exemples de progrès scientifiques avec l’IA

“L’IA est actuellement utilisée par les scientifiques pour générer des hypothèses, concevoir des expériences, collecter et interpréter des données d’une manière qui n’était pas possible auparavant avec les seules méthodes traditionnelles (par exemple Wang et al., 2023).” (…)

Un article de synthèse publié dans Nature (Wang et al.,2023) explore la manière dont l’IA aide désormais les scientifiques à « poser de nouvelles questions » et à générer de nouvelles hypothèses en physique des particules, en science des matériaux, en biologie, en chimie et dans d’autres domaines menant à « la planification et la réalisation d’investigations ». En effet, l’IA permet désormais aux scientifiques de générer de nouvelles hypothèses (Hutson, 2023 ) et concevoir des investigations qui n’auraient pas été possibles avec les seules méthodes scientifiques traditionnelles (Wang et al., 2023).

Un exemple pertinent d’« utilisation des mathématiques et de la pensée informatique » concerne le cas des anomalies dans les données. L’IA aide désormais les scientifiques à estimer la fiabilité des prédictions pour rechercher directement des anomalies dans les données (Nigam et al., 2021). La capacité de l’IA à découvrir des régularités cachées a été démontrée en mathématiques, dans lesquelles une IA a fait allusion à des relations entre des invariants auparavant non connectés dans la théorie des nœuds et a permis aux mathématiciens de conjecturer et de prouver un nouveau théorème (Davies et al., 2021).”

Accélération et systèmes éducatifs

Les développements de l’IA sont désormais si rapides que nous vivons dans ce que le sociologue Hartmurt Rosa appelle « la société de l’accélération » (Rosa, 2013). Dans la société de l’accélération, les systèmes éducatifs restent souvent statiques, rigides et ne semblent pas capables de suivre le rythme du changement (OCDE, 2019). En conséquence, un grave écart de connaissances et de compétences apparaît entre ce que les organisations éducatives traditionnelles produisent et ce dont la société a besoin.”

Intégration de l’IA à l’enseignement scientifique 

“Un aspect de l’aliénation par rapport à l’IA est la compréhension du langage dans lequel une machine est programmée. Dans le contexte de l’enseignement scientifique, si les élèves n’ont été exposés à aucune science informatique, il est probable qu’ils ressentiront une telle aliénation par rapport à la manière dont l’IA est impliquée dans la science.”

“Compte tenu du rythme rapide de l’innovation dans le domaine de l’IA, l’enseignement des sciences bénéficiera de recherches susceptibles de contribuer à mieux comprendre comment l’éducation des élèves du secondaire peut être alignée sur les pratiques scientifiques contemporaines influencées par l’IA. Une question clé découlant de notre discussion est de savoir pourquoi l’IA [utilisée pour] des pratiques scientifiques informées doit en premier lieu être intégrée à l’enseignement des sciences. L’hypothèse de base qui sous-tend cette question est que les pratiques scientifiques professionnelles et scolaires doivent être alignées si l’on veut garantir que les élèves soient bien dotés en connaissances scientifiques (par exemple Phillips & Norris, 2009).”

IA comme collaboratrice des pratiques scientifiques

“À mesure que les outils d’IA font de plus en plus partie intégrante des pratiques scientifiques, l’élément d’action a des implications pour l’enseignement scientifique étant donné que les environnements d’apprentissage devront s’adapter à l’IA en tant que «collaboratrice» des pratiques scientifiques, où les apprenants et les enseignants s’engagent conjointement avec de tels outils pour répondre aux besoins des utilisateurs. problèmes scientifiques.”

Erduran, S. (2024, février 10). An intelligent approach to how AI is changing science. University World News. https://www.universityworldnews.com/post.php?story=20240206105516722 
Science et enseignement de l’IA

“Il est (…) impératif que lorsque l’enseignement scientifique universitaire initie les étudiants à l’IA, cet enseignement comprenne une composante dans laquelle non seulement ils utilisent les outils pour résoudre des problèmes scientifiques, mais disposent également de l’espace nécessaire pour « réfléchir » à l’IA et à son impact sur la science.”

Interdisciplinarité

“Un tel programme nécessite intrinsèquement une approche interdisciplinaire dans laquelle, outre les scientifiques physiques et naturels, d’autres parties prenantes clés telles que les informaticiens, les éthiciens, les philosophes et les spécialistes des sciences sociales peuvent apporter leur contribution pour améliorer la compréhension des questions clés par les étudiants en sciences.”

IA, recherche et intelligence pédagogiques

“Un programme de recherche pédagogique solide doit être mis en place afin de soutenir une approche fondée sur des preuves pour améliorer la compréhension et l’engagement des étudiants dans l’IA en science. (…) En bref, l’IA révolutionne non seulement les outils pédagogiques, mais aussi la manière dont la science elle-même est réalisée. Nous devons veiller à appliquer l’intelligence pédagogique pour gérer ses ramifications et former les futures générations de scientifiques.”

Références

Erduran, S. (2023). AI is transforming how science is done. Science education must reflect this change. Science, 382(6677), eadm9788. https://doi.org/10.1126/science.adm9788

Erduran, S. (2024, février 10). An intelligent approach to how AI is changing science. University World News. https://www.universityworldnews.com/post.php?story=20240206105516722

Erduran, S., & Levrini, O. (2024). The impact of artificial intelligence on scientific practices : An emergent area of research for science education. International Journal of Science Education, 1‑8. https://doi.org/10.1080/09500693.2024.2306604

A consulter aussi

Allouche, E. (2023, janvier 5). Sens et finalités du numérique en éducation – Hors-série : Tests et simulations d’« entretien » avec ChatGPT (Open AI) [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/7635

Allouche, E. (2023, octobre 2). IA génératives et ingénierie pédagogique : Le prompting, pistes de travail et applications [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/9934

DNE-TN2. (2023a, mai 9). Intelligence artificielle et éducation : Apports de la recherche et enjeux pour les politiques publiques [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/?p=8726

DNE-TN2. (2023b, avril 4). Intelligence artificielle et éducation : Apports de la recherche et focus sur les IA génératives – Supports et captation vidéo [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/8741

DNE-TN2. (2023c, juillet 10). Enseigner et apprendre à l’ère de l’intelligence artificielle : Portfolio du GTnum #Scol_IA [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/9593

DNE-TN2. (2023d, septembre 6). Intelligence artificielle et éducation ouverte : Portfolio du GTnum #IA_EO [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/9781

DNE-TN2. (2023e, octobre 11). Intelligence artificielle et éducation : Bibliographie (2023) [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/10113

DNE-TN2. (2024a, janvier 25). IA générative et enseignements : Lettre ÉduNum Thématique [Billet]. Éducation, numérique et recherchehttps://edunumrech.hypotheses.org/10878

DNE-TN2. (2024b, janvier 31). Intelligence artificielle et éducation : Apports de la recherche et enjeux pour les politiques publiques (édition 2024) [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/10764

Franc, A.-C. (2023, mai 9). L’IA va-telle révolutionner la pédagogie ? 1/2 – Rencontre avec Élie Allouche. Délégation Académique au Numérique Éducatif. https://www.dane.ac-versailles.fr/spip.php?article558

Pôle d’expertise de la régulation numérique. (2023). ChatGPT ou la percée des modèles d’IA conversationnels. Gouvernement français6https://www.peren.gouv.fr/rapports/2023-04-06_Eclairage%20sur_CHATGPT_FR.pdf



Citer ce billet
Elie Allouche (2024, 13 février). Intelligence artificielle et enseignement des sciences. Éducation, numérique et recherche. Consulté le 15 juin 2024, à l’adresse https://doi.org/10.58079/vtng

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search