Résumé

Résumé en français

Présentation du groupe thématique numérique sur le thème : IA génératives et grands modèles de langage conversationnels et/ou multimodaux dans les établissements scolaires du Grand-Est (IA2GE).

Résumé en anglais

Presentation of the digital thematic group on the theme: generative AI and large conversational and/or multimodal language models in schools in the Grand-Est region (IA2GE).

Résumé en espagnol

Presentación del grupo temático digital sobre el tema: IA generativa y grandes modelos lingüísticos conversacionales y/o multimodales en las escuelas de la región Grand-Est (IA2GE).

Présentation générale

Entité porteuse et composition du groupe

Laboratoire porteur et composition du groupe

Le LISEC (Laboratoire Interuniversitaire des Sciences de l’Éducation et de la Communication) est l’entité porteuse de ce GTnum. Ce laboratoire regroupe une soixantaine d’enseignants-chercheurs en Sciences de l’Éducation et de la Formation, en Sciences de l’Information et de la Communication, et en Psychologie, en poste à l’Université de Strasbourg, l’Université de Haute Alsace et l’Université de Lorraine.

Dans le but de produire des résultats de recherche à un niveau régional (Grand-Est), sont associées des entités de recherche partenaires : l’Université de Reims Champagne-Ardenne (URCA), l’INSPÉ de l’académie de Reims et le laboratoire Cérep.

Ce GTnum implique la participation de :

• 4 Universités du grand-Est : Université de Strasbourg (Unistra), Université de Haute Alsace (UHA), Université de Lorraine (UL), Université de Reims Champagne-Ardenne (URCA)
• 4 laboratoires de recherche : LISEC-UR 2310 (Laboratoire inter-universitaire des sciences de l’éducation et de la communication), le Cérep-UR 4692 (Centre d’études et de recherches sur les emplois et les professionnalisations), Icube-UMR 7357 (Laboratoire des sciences de l’ingénieur, de l’informatique et de l’imagerie) (UMR7357), le CREM-UR 3476 (Centre de recherche sur les médiations).
• 3 INSPÉ (Strasbourg, Nancy-Metz et Reims)

Territoires académiques associés : DRANE du Grand-Est

Editeurs partenaires : Evidence B, Lalilo, LearnEnJoy, SATT Conectus

Programme d’actions et axes de travail

En moins d’une année seulement, l’IA générative ChatGPT a révolutionné le domaine du traitement du langage naturel (NLP) et a repoussé les limites des capacités des grands modèles de langage (LLM). Les IA génératives se réfèrent à une catégorie d’algorithmes d’IA capables de générer du contenu original, tels que textes, images ou vidéos, à partir de modèles préalablement appris. Dans le secteur particulier de l’éducation, les IA génératives se présentent comme un instrument pouvant impacter l’enseignement et l’apprentissage.

Le groupe thématique que nous avons constitué a pour but d’étudier les usages (et les non-usages) des enseignants et des élèves de la région Grand-Est du primaire et du secondaire en regard des apports des connaissances scientifiques actuelles sur les phénomènes pédagogiques, didactiques, d’apprentissage et d’éducation. Notre objectif est d’identifier des obstacles, des conflits et des leviers dans le contexte des usages des IA génératives pour produire des ressources pratiques relevant des ingénieries pédagogique, didactique et de formation mais aussi de la démarche prospective de développement d’outils futurs en vue d’accompagner les enseignants.

Axe 1 : Questions relatives à l’enseignement

Nous traiterons en particulier les processus et les dispositifs développés par les enseignants afin d’assister leur pratique pédagogique et de favoriser les apprentissages des élèves grâce aux IA génératives : assistance aux tâches, IA au service de l’autonomisation des enseignants et de leur enseignement, au service de l’évaluation des acquis, etc. Nous porterons à cet égard une attention particulière aux recommandations de l’UNESCO publiées dans le « Consensus de Beijing sur l’intelligence artificielle (IA) et l’éducation ».

Sera aussi abordé la question de la visibilité et de l’invisibilité de ces usages et des processus en jeu lorsqu’un écrit est généré de manière outillée avec l’IA. On s’intéressera donc au visible et à l’invisible des usages car la trace, qu’elle soit numérique ou analogique, présente la spécificité en milieux scolaires et en milieux de formation d’exercer potentiellement la fonction de mettre au jour des processus et pas seulement des usages (Jeanneret, 2019, p. 158-162).

Axe 2 : Questions relatives aux apprentissages                                                            

Notre objectif sera d’approfondir les impacts de l’utilisation des IA génératives sur l’apprentissage, appréhendé dans ses deux approches théoriques principales comme l’ensemble des processus cognitifs ou des régularités dans l’environnement d’un individu conduisant à un changement de son comportement (Houwer & Hughes, 2020). La connaissance correspond en effet « à la détection d’une régularité dans un environnement et apprendre c’est modifier ses connaissances. Ainsi apprendre c’est modifier les régularités que l’on détecte dans l’environnement, notamment quand celui-ci change (même de façon ténue, pour des détails) » (Amadieu Tricot, 2020, p.42).

A ce titre une attention particulière sera accordée aux processus métacognitifs construits par les usages de ces IA en éducation (Boulay et al., 2023) et aux comportements ou à l’appropriation de ces artefacts technologiques du point de vue des apprenants. Les résultats obtenus viseront à décrire et expliquer les processus de réflexivité et d’appropriation des contenus d’apprentissage du côté des apprenants. Ce processus pourra être accessible via des observations d’activité et de traces ainsi que des protocoles de verbalisation à voix haute (Denami, 2018). Afin d’accéder à ces processus, nous ferons référence aux différentes théories de l’appropriation des technologies de l’information et de la communication telles que la théorie de la genèse instrumentale (Rabardel, 1995), du conflit instrumental (Marquet, 2011), de l’acceptation des technologies TAM (Davis, 1986), de leur utilité, utilisabilité, acceptabilité (Tricot et al., 2003), ainsi que des modèles unifiés d’acceptation des technologies UTAUT (Venkatesh et al., 2003 ; Blut et al., 2022).

Axe 3 : Questions éthiques

Nous porterons ici nos recherches sur les IA génératives face aux enjeux éthiques et sociétaux. Il s’agit notamment de comprendre comment circule l’information sur l’IA au sein des établissements de l’éducation nationale et ce à tous les échelons (direction, enseignants, élèves, parents d’élèves). Comment cette information est-elle réceptionnée, perçue et intégrée ? Quels sont les problèmes éthiques que provoque l’IA (dont, entre autres, la gestion du plagiat) ? Jusqu’où la responsabilité des concepteurs des outils de l’IA est-elle engagée ? Le CNPEN7 « invite en effet les concepteurs de modèles de langage d’IA génératifs à faire preuve d’éthique dès la phase de conception et d’exigence dans la prise en compte des biais ». Quelle place l’administration donne-elle à l’IA dans les formations ? Quelle place occupe l’humain dans ces dispositifs de formation ?

Comme le rappelle Trestini (2012, p. 32), « avant d’être praticiens, les enseignants sont d’abord des acteurs sociaux dotés de croyances et d’imaginaire technique ». Sera aussi abordée la question de l’ingénierie pédagogique « dans une perspective anthropocentrée soucieuse de prendre en compte la diversité des publics apprenants pour l’optimisation de l’organisation des parcours de formation plus équitables et inclusives » (Coulibaly, 2019).

Identification sur les réseaux sociaux

#IA2GE

Références

Amadieu, F. et Tricot, A. (2020). Apprendre avec le numérique. Retz (Éd.).

Blut, M., Yee Loong Chong, A., Tsiga, Z. et Venkatesh, V. (2022). Meta-analysis of the unified theory of acceptance and use of technology (utaut) : challenging its validity and charting a research agenda in the red ocean. Jais – journal of the association for information systems, 23(1), 13-95.

Boulay, B. du, Mitrovic, A., & Yacef, K. (2023). Handbook of Artificial Intelligence in Education. Edward Elgar Publishing.

Coulibaly, B. (2019). Approche socio-culturelle de l’appropriation des dispositifs techno-pédagogiques en contexte universitaire. L’Harmattan.

Davis, F.D. (1986). A Technology Acceptance Model for Empirically Testing New End-User Information Systems: Theory and Results. Sloan School of Management, Massachusetts Institute of Technology.

Denami, M. (2018), Serious game-based learning: the place of users’ verbalization in the acquisition of specific skills. International Journal of Training and Development, 22: 144-161. https://doi.org/10.1111/ijtd.12123

Jeanneret, Y. (2019). La Fabrique de la Trace. ISTE Editions.

Houwer, J. D., & Hughes, S. (2020). The Psychology of Learning : An Introduction from a Functional-Cognitive Perspective. The MIT Press.

Marquet, P. (2011). e-Learning et conflit instrumental. Recherche et formation, 68 p.31-46.

Mogavi, R. H., Deng, C., Kim, J. J., Zhou, P., Kwon, Y. D., Metwally, A. H. S., Tlili, A., Bassanelli, S., Bucchiarone, A., Gujar, S., Nacke, L. E., & Hui, P. (2023). Exploring User Perspectives on ChatGPT : Applications, Perceptions, and Implications for AI-Integrated Education (arXiv:2305.13114). arXiv. http://arxiv.org/abs/2305.13114

Rabardel, P. (1995). Les hommes et les technologies ; approche cognitive des instruments contemporains. Armand Colin.

Trestini, M. (2012, juin). Causes de non-usage des TICE à l’Université : des changements ? Recherches & éducations, 6, 15-33

Tricot, A., Plégat-Soutjis, F., Camps, J.-F., Amiel, A., Lutz, G. et Morcillo, A., (2003). Utilité, utilisabilité, acceptabilité : interpréter les relations entre trois dimensions de l’évaluation des EIAH. Dans Desmoulins, C., Marquet, P., et Bouhineau, D. (dir.), Actes de la conférence européenne sur les EIAH, 391-402. Strasbourg, 15-17 avril 2003. Paris, France : ATIEF, INRP. Venkatesh, V., Morris, M. G., Davis, G. B., et Davis, F. D. (2003). User acceptance of information echnology : Toward a unified view. MIS Quarterly, 27(3), 425-478.

---

---