IA et pensée critique en éducation : traduction et extraits de (Walter, 2024)

Résumé

Résumé en français

Présentation et extraits de l’article de Yoshija Walter sur IA et pensée critique en éducation (février 2024).

Résumé en anglais

Presentation and excerpts of Yoshija Walter’s article on AI and critical thinking in education (February 2024).

Résumé en espagnol

Presentación y extractos del artículo de Yoshija Walter sobre IA y pensamiento crítico en la educación (febrero de 2024).

Cette étude examine l’impact transformateur de l’intelligence artificielle (IA) dans les contextes éducatifs, en mettant l’accent sur la nécessité d’une culture de l’IA, d’une maîtrise rapide de l’ingénierie des instructions (prompts) et d’une pensée critique renforcée.

Présentation générale

Résumé

“Cette étude examine l’impact transformateur de l’intelligence artificielle (IA) dans les contextes éducatifs, en mettant l’accent sur la nécessité d’une culture de l’IA, d’une maîtrise rapide de l’ingénierie des instructions (prompts) et d’une pensée critique renforcée. L’introduction de l’IA dans l’éducation marque une rupture importante avec les méthodes d’enseignement conventionnelles, en offrant un apprentissage personnalisé et un soutien aux divers besoins éducatifs, y compris ceux des élèves ayant des besoins particuliers. Toutefois, cette intégration présente des défis, notamment la nécessité d’une formation complète des éducateurs et l’adaptation des programmes d’études aux structures sociétales. La maîtrise de l’IA est considérée comme cruciale, car elle englobe la compréhension des technologies de l’IA et de leurs incidences sociétales au sens large. L’ingénierie des instructions est présentée comme une compétence clé pour susciter des réponses spécifiques de la part des systèmes d’IA, enrichir les expériences éducatives et favoriser la pensée critique. Une analyse détaillée des stratégies d’intégration de ces compétences dans les programmes éducatifs et les pratiques pédagogiques est présentée. Cette analyse s’appuie sur une étude de cas basée sur une université suisse et sur une analyse documentaire narrative, suivie de suggestions pratiques sur la manière de mettre en œuvre l’IA dans les salles de classe.” [Traduction]

Extraits [Traduction]

Littératie de l’IA

“Le concept de maîtrise de l’IA apparaît comme la pierre angulaire de l’apprentissage contemporain. Essentiellement, il s’agit de la compréhension et de la capacité d’interagir efficacement avec la technologie de l’IA. Cela englobe non seulement le savoir-faire technique, mais également une conscience des implications éthiques et sociétales de l’IA. Dans la salle de classe moderne, la maîtrise de l’IA va au-delà des paradigmes d’apprentissage traditionnels, en dotant les étudiants des compétences nécessaires pour naviguer et exploiter la puissance de l’IA dans divers aspects de la vie et du travail. Cela représente un changement fondamental dans l’éducation, où la compréhension de l’IA devient aussi cruciale que la lecture, l’écriture et l’arithmétique (Zhang et al., 2023 ).

L’état actuel des connaissances en matière d’IA dans l’éducation reflète un domaine en plein essor, plein de potentiel mais confronté aux défis d’une adoption précoce. Les éducateurs et les décideurs politiques commencent à reconnaître l’importance de la maîtrise de l’IA, en l’intégrant dans les programmes scolaires et les stratégies éducatives (Casal-Otero et al., 2023 ; Chiu, 2023 ). Cependant, cette intégration n’en est qu’à ses débuts, les écoles explorant diverses approches pour enseigner cet ensemble de compétences complexes et en constante évolution. Le défi réside non seulement dans la transmission de connaissances techniques, mais également dans la promotion d’une compréhension plus approfondie de l’impact plus large de l’IA, que ce soit au niveau social, psychologique ou même économique. En raison de son importance, les premières échelles de littératie en IA émergent à l’aide de questionnaires qui peuvent être remis aux étudiants (Ng et al., 2023 ). Bien qu’à ce jour il n’y ait pas de consensus strict sur la portée complète du terme, on peut affirmer que la maîtrise de l’IA comprend plusieurs sous-compétences :

  • Architecture : Comprendre les idées architecturales de base qui sous-tendent les réseaux de neurones artificiels (uniquement sur la base du besoin de base de savoir). Cela implique avant tout de savoir que de tels systèmes ne sont rien d’autre que des modèles purement statistiques.
  • Limites : Comprendre à quoi servent ces modèles et où ils échouent. Plus important encore, les étudiants et les enseignants doivent comprendre que ces modèles statistiques ne sont pas des générateurs de vérité mais des processeurs de données efficaces (comme les constructeurs de phrases ou les générateurs d’images).
  • Paysage des problèmes : Comprendre où se situent tous les principaux problèmes des systèmes d’IA, du fait qu’ils ne sont que des machines statistiques et non des générateurs de vérité. Cela signifie que les étudiants et les enseignants doivent connaître les principaux pièges de l’IA, à savoir :
    1. Hallucination de l’IA : l’IA peut « inventer » des choses qui ne sont pas vraies (tout en semblant faire autorité).
    2. Alignement de l’IA : l’IA peut faire autre chose que ce que nous lui avons demandé (parfois si subtilement qu’elle passe parfois inaperçue).
    3. L’IA s’emballe : l’IA devient autonome, ce qui signifie qu’elle fixe certains objectifs instrumentaux qui n’étaient pas présents dans nos instructions de terminal (pour une analyse philosophique détaillée de ce problème, voir Bostrom, 2002 , 2012 )
    4. Discrimination de l’IA : en raison de données biaisées lors de sa formation, une IA peut être biaisée et conduire à des conclusions discriminatoires à l’égard des groupes sous-représentés.
    5. Problème de verrouillage de l’IA : une IA peut rester coincée dans un certain récit et perdre ainsi l’image complète (des expériences et une explication complète à ce sujet peuvent être trouvées dans Walter, 2022 ).
  • Applicabilité et meilleures pratiques :Comprendre non seulement les risques, mais aussi les nombreuses façons dont l’IA peut être utilisée et mise en œuvre de manière bénéfique dans la vie quotidienne et dans le contexte de l’apprentissage. Cela inclut également une compréhension générale des meilleures pratiques émergentes utilisant l’IA en classe (Southworth et al., 2023 ).
  • Éthique de l’IA : Comprendre les principes fondamentaux de l’IA, ses limites et ses risques, ainsi que les problèmes potentiels et la manière dont elle peut être utilisée devrait conduire à une compréhension nuancée de son éthique. Les étudiants et les enseignants doivent développer un sens de la justice, qui les incite à converger sur la manière de mettre en œuvre vertueusement les modèles d’IA dans les milieux éducatifs.”

Ingénierie des instructions (prompts)

“Il existe deux formes principales d’invite d’un modèle de langage : (i) les invites Zero-Shot et (ii) les invites Few-Shot. Les invites Zero-Shot sont l’alternative la plus intuitive, que nous utilisons probablement tous principalement lorsque nous interagissons avec des modèles comme ChatGPT. C’est lorsqu’une simple invite est fournie sans beaucoup plus de détails, puis qu’une réponse non spécifique est générée, ce qui est utile lorsque l’on traite de problèmes généraux ou de situations où il n’y a pas beaucoup de données. L’invite Few-Shot est une technique dans laquelle une invite est enrichie de plusieurs exemples de la façon dont la tâche doit être accomplie. Ceci est utile dans le cas où l’on traite une requête complexe pour laquelle des idées ou des données concrètes sont déjà disponibles. Comme leur nom l’indique, ces « shots » peuvent être énumérés (d’après Dang et al., 2022 ; Kojima et al., 2022 ; Tam, 2023 ) :

  • Invites Zero-Shot : aucun exemple spécifique n’a été ajouté.
  • Invites One-Shot : un exemple spécifique est ajouté à l’invite.
  • Invites Two-Shot : deux exemples sont ajoutés à l’invite.
  • Invites à trois coups : trois exemples sont ajoutés à l’invite.
  • Peu – Invites de tir : plusieurs exemples sont ajoutés à l’invite (le nombre n’est pas précisé).”

“La collaboration entre les enseignants et les étudiants joue un rôle central dans la réussite de l’intégration de l’ingénierie des instructions dans l’éducation. Les sessions collaboratives à l’échelle de la classe, au cours desquelles les élèves et les enseignants se réunissent pour expérimenter différentes invites, peuvent s’avérer très efficaces. Ces sessions devraient se concentrer sur l’identification des types d’invites qui donnent les meilleurs résultats pour différents objectifs d’apprentissage et applications d’IA. Partager des expériences sur ce qui fonctionne et ce qui ne fonctionne pas peut conduire à une compréhension collective et à un perfectionnement des techniques. De tels exercices collaboratifs favorisent également une communauté d’apprentissage, où les enseignants et les élèves apprennent mutuellement des réussites et des défis de chacun.”

Formation à l’IA

“Une suggestion concrète consiste à proposer des « cours d’initiation à l’IA » dans le but délibéré de développer les compétences associées chez les étudiants. Afin d’avoir une classe complète et holistique, un programme d’alphabétisation en IA doit comprendre plusieurs éléments clés (Kong et al., 2021 ; Laupichler et al., 2022 ; Ng et al., 2023c ) :

  1. Introduction aux concepts de l’IA : définitions de base et compréhension de ce qu’est l’IA, y compris son histoire et son évolution. Cela devrait couvrir différents types d’IA, tels que l’IA étroite, l’IA générale et l’IA superintelligente.
  2. Comprendre l’apprentissage automatique et les fondements techniques : un aperçu de l’apprentissage automatique, qui est un élément essentiel de l’IA. Cela inclut la compréhension de différents types d’apprentissage automatique (apprentissage supervisé, non supervisé, par renforcement) et des algorithmes de base. Cela peut également être enrichi par des fondements plus techniques, comme une introduction à la programmation avec l’IA.
  3. Gestion appropriée des données : discussion sur l’importance des données dans l’IA, sur la manière dont les systèmes d’IA sont formés avec les données et sur la manière de se protéger contre le piratage et les problèmes de confidentialité.
  4. L’IA en pratique : applications concrètes de l’IA dans divers domaines tels que la santé, la finance, les transports et le divertissement. Cela devrait inclure à la fois les avantages et les défis de la mise en œuvre de l’IA.
  5. Interaction homme-IA : Comprendre comment les humains et les systèmes d’IA peuvent travailler ensemble, y compris des sujets tels que les systèmes humains dans la boucle, l’augmentation de l’IA et l’avenir du travail avec l’IA.
  6. IA et créativité : explorer le rôle de l’IA dans les processus créatifs, tels que dans l’art, la musique et l’écriture, et les implications du contenu généré par l’IA.
  7. Pensée critique sur l’IA : Développer des compétences pour évaluer de manière critique les actualités, les recherches et les affirmations sur l’IA. Comprendre comment faire la différence entre le battage médiatique de l’IA et la réalité.
  8. Gouvernance et politique de l’IA : un aperçu du paysage réglementaire et politique entourant l’IA, y compris des discussions sur la sécurité, les normes et les perspectives internationales de l’IA.
  9. Tendances futures et recherche en IA : un regard sur la pointe de la recherche en IA et des prévisions pour le développement futur des technologies d’IA.
  10. Expérience pratique : exercices pratiques, études de cas ou projets permettant aux étudiants d’appliquer les concepts et les outils de l’IA dans des scénarios réels ou simulés.
  11. Conception et développement éthiques de l’IA : principes de conception et de développement de l’IA de manière éthique, responsable et durable. Cela inclut également le risque d’une IA biaisée et son impact sur la société.
  12. Littératie de l’IA pour tous : adapter le contenu pour garantir qu’il soit accessible et compréhensible aux personnes d’horizons divers, et pas seulement à celles ayant une formation technique ou scientifique.
  13. Ingénierie des instructions : comprendre quelles méthodes sont les plus efficaces pour inciter les modèles d’IA à suivre les tâches fournies et à générer des réponses adéquates.

À l’heure actuelle, il existe des projets spécifiques qui tentent de mettre en œuvre la culture de l’IA à l’école (Tseng & Yadav, 2023 ). L’objectif délibéré est d’amener à terme les étudiants vers une utilisation responsable de l’IA, mais pour cela, ils doivent comprendre comment on peut « parler » à une IA pour qu’elle fasse ce qu’elle est censée faire. Cela signifie que les étudiants doivent devenir des ingénieurs des instructions efficaces.”

IA et pensée critique

“La pensée critique, dans le contexte de l’enseignement de l’IA, implique la capacité d’analyser des informations, d’évaluer différentes perspectives et de créer des arguments raisonnés, le tout dans le cadre d’environnements pilotés par l’IA. Cette compétence est de plus en plus importante à mesure que l’IA devient plus répandue dans divers aspects de la vie et du travail. Dans les contextes éducatifs, l’IA peut être utilisée comme un outil non seulement pour diffuser du contenu, mais aussi pour encourager les élèves à remettre en question, analyser et réfléchir profondément aux informations qui leur sont présentées (van den Berg & du Plessis, 2023 ). L’utilisation de l’IA dans l’éducation offre des opportunités uniques de cultiver la pensée critique. Les systèmes d’IA, avec leurs vastes bases de données et leurs capacités analytiques, peuvent présenter aux étudiants des problèmes et des scénarios complexes qui nécessitent plus qu’une simple mémorisation par cœur ou une compréhension de base. Ces systèmes peuvent inciter les élèves à utiliser des compétences de réflexion de niveau supérieur, telles que l’analyse, la synthèse et l’évaluation, pour résoudre ces problèmes. De plus, l’IA peut offrir des expériences d’apprentissage personnalisées qui s’adaptent aux styles d’apprentissage et aux capacités individuels des étudiants. Cette personnalisation garantit que les étudiants sont non seulement engagés dans le matériel à un niveau qui leur convient, mais qu’ils sont également mis au défi de repousser leurs limites cognitives. En présentant aux étudiants des tâches qui relèvent de leur zone de développement proximal, l’IA peut efficacement échafauder des expériences d’apprentissage pour améliorer la pensée critique (Muthmainnah et al., 2022 ).

À ce titre, l’intégration de la pensée critique dans les cours d’initiation à l’IA est une considération importante. À mesure que les étudiants découvrent l’IA, ses capacités et ses limites, ils sont encouragés à réfléchir de manière critique à la technologie elle-même. Cela implique de comprendre les implications éthiques de l’IA, les préjugés qui peuvent exister dans les systèmes d’IA et l’impact de l’IA sur la société. En intégrant ces discussions dans les cours d’initiation à l’IA, les éducateurs peuvent garantir que les étudiants sont non seulement compétents sur le plan technique, mais également conscients du point de vue éthique et critique (Ng et al., 2021 ). Les étudiants sont confrontés à un certain nombre de défis dans un monde en évolution rapide sous l’influence de l’intelligence artificielle et les compétences de pensée critique semblent être le moyen le plus efficace de les équiper face aux problèmes rencontrés.”

Conclusion

“En regardant vers l’avenir, plusieurs pistes de recherche et développement se présentent comme essentielles pour faire progresser l’intégration de l’IA dans l’éducation :

  1. Intégration des programmes scolaires : les recherches futures devraient explorer des méthodes efficaces pour intégrer la culture de l’IA à différents niveaux et disciplines éducatifs.
  2. Développement éthique de l’IA : étudier la manière de développer et de mettre en œuvre des outils d’IA transparents, impartiaux et respectueux de la vie privée des étudiants est essentiel pour l’intégration éthique de l’IA dans l’éducation.
  3. L’IA dans l’élaboration des politiques : Comprendre comment l’IA peut aider à l’élaboration des politiques et à l’administration éducatives pourrait rationaliser les processus éducatifs et offrir des informations précieuses.
  4. Changements culturels dans l’éducation : La recherche sur la manière dont les établissements d’enseignement peuvent favoriser une culture d’utilisation critique et éthique de l’IA, favorisant l’apprentissage et l’adaptation continus, est cruciale.
  5. Études longitudinales : des études longitudinales sont nécessaires pour évaluer l’impact à long terme de l’intégration de l’IA sur les résultats d’apprentissage, l’efficacité des enseignants et le bien-être des élèves. Jusqu’à présent, cela n’a pas été possible en raison de la nouveauté de la technologie.”

Référence

Walter, Y. (2024). Embracing the future of Artificial Intelligence in the classroom : The relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education, 21(1), 15. https://doi.org/10.1186/s41239-024-00448-3

A consulter aussi

Allouche, E. (2022, février 2). Un point sur la pensée informatique (2022) : Enjeux de recherche et d’éducation, définitions et repères [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/3980

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

Blanquer, L. (2024, mars 12). Podcast épisode 3 : Intelligence artificielle, esprit critique et éthique. Région académique Bourgogne-Franche-Comté – DRNE – Délégation Régionale du Numérique pour l’Éducation. https://drne.region-academique-bourgogne-franche-comte.fr/podcast-episode-3-lintelligence-artificielle-esprit-critique-et-ethique/

Cooper, G. (2023). Examining Science Education in ChatGPT : An Exploratory Study of Generative Artificial Intelligence. Journal of Science Education and Technology, 32(3), 444‑452. https://doi.org/10.1007/s10956-023-10039-y

DNE-TN2. (2023, 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. (2024, janvier 31). Intelligence artificielle et éducation : Apports de la recherche et enjeux pour les politiques publiques : édition trilingue 2024 [Billet]. Éducation, numérique et recherche. https://edunumrech.hypotheses.org/10764

DNE-TN3. (2024). Les systèmes d’IA générative dans les enseignements. éduscol – Lettre ÉduNum Thématique n°21. https://eduscol.education.fr/document/56106/download



Citer ce billet
DNE-TN2 (2024, 28 février). IA et pensée critique en éducation : traduction et extraits de (Walter, 2024). Éducation, numérique et recherche. Consulté le 24 mai 2024, à l’adresse https://doi.org/10.58079/vx5s

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