Résumé

Résumé en français

Extraits et synthèse du rapport “Navigating a World of Generative AI: Suggestions for Educators” (Cao & Dede, 2023) : quelles stratégies pour permettre aux enseignants de tirer parti de ces technologies en centrant l’apprentissage sur le processus et non uniquement sur le produit final ?

Résumé en anglais

Excerpts and summary of the report “Navigating a World of Generative AI: Suggestions for Educators” (Cao & Dede, 2023): what strategies to enable teachers to take advantage of these technologies by focusing the learning process and not just on the final product?

Résumé en espagnol

Extractos y resumen del informe «Navigating a World of Generative AI: Suggestions for Educators» (Cao & Dede, 2023): ¿qué estrategias para que los profesores puedan aprovechar estas tecnologías centrándose en el proceso de aprendizaje y no sólo en el producto final?

Présentation générale

“Comprendre la nature de l’IA générative est essentiel pour que les éducateurs puissent naviguer dans le paysage évolutif de l’enseignement et de l’apprentissage. Dans un nouveau rapport du Next Level Lab, Lydia Cao et Chris Dede réfléchissent au rôle de l’IA générative dans l’apprentissage et à la manière dont elle nous pousse à reconceptualiser nos visions d’une éducation efficace. Bien que le plagiat et le remplacement des emplois humains suscitent des inquiétudes, Cao et Dede estiment qu’il est plus productif pour les éducateurs de se concentrer sur la démystification de l’IA, de mettre l’accent sur le processus d’apprentissage plutôt que sur le produit final, d’honorer l’autonomie de l’apprenant, d’orchestrer de multiples sources de motivation, de cultiver des compétences que l’IA ne peut pas facilement reproduire et de favoriser l’augmentation de l’intelligence (IA) en établissant des partenariats entre l’homme et l’IA.”

Une éducation fortement axée sur les produits réduit l’apprentissage à une transaction, l’échange d’un produit contre une note, au lieu d’offrir une expérience humaine transformatrice.

Si le système éducatif est principalement basé sur la motivation extrinsèque, le plagiat sera endémique.

Les éducateurs peuvent encourager les apprenants à tirer parti de l’IA générative pour améliorer leur processus d’apprentissage, en mettant l’accent sur la valeur du parcours plutôt que sur le seul produit final.

Remerciements

À Monsieur Jean-Pierre Chevalier, Membre de l’Académie des Technologies, pour le signalement de cette publication.

Points clés à retenir de la publication

[Synthèse produite avec l’assistance de ChatGPT.]

Prompt

Chargé de la recherche appliquée sur le numérique en éducation, je cherche à approfondir mes connaissances sur “IA et éducation”. Pour établir une note de lecture, rédige une synthèse de ce document : contexte de rédaction, auteur(s), objectifs, principaux points à retenir.

Rédaction du prompt et vérification de la production : Elie Allouche.

Synthèse

Contexte de rédaction

Le document est rédigé dans le contexte de la montée en puissance de l’intelligence artificielle générative (IA), telle que ChatGPT. Il s’adresse principalement aux éducateurs qui doivent faire face aux défis et opportunités qu’offre cette technologie dans le domaine de l’éducation. L’objectif est de fournir des pistes concrètes pour intégrer ces outils tout en préservant l’essence même de l’apprentissage humain.

Auteurs

• Lydia Cao : Chercheuse au Next Level Lab, spécialisée dans l’éducation et les sciences cognitives.
• Chris Dede : Professeur à la Harvard Graduate School of Education, spécialisé dans les technologies éducatives et l’innovation.

Objectifs

Les auteurs cherchent à expliquer les limites et les potentiels de l’IA générative dans l’éducation. Le but est de proposer des stratégies pour permettre aux enseignants de tirer parti de ces technologies tout en garantissant que l’apprentissage reste centré sur le processus et non uniquement sur le produit final. Ils mettent en garde contre les risques tels que la tricherie ou la perte de motivation intrinsèque chez les étudiants.

Principaux points à retenir

1. Nature de l’IA générative :
   • L’IA générative, bien que capable de produire du contenu varié (textes, images, sons), ne comprend pas réellement les informations qu’elle génère. Elle se contente de prédire les mots en fonction des données sur lesquelles elle a été entraînée.
   • Cela soulève des problèmes liés à l’exactitude des réponses fournies et à la création de faux résultats ou de citations inventées.
2. Repenser l’évaluation en éducation :
   • Traditionnellement, l’éducation est orientée vers la production de résultats mesurables (rédaction d’essais, réussite aux tests). Or, avec l’IA générative, il devient difficile de savoir si les élèves ont réellement acquis des compétences.
   • Il est suggéré de déplacer l’accent de l’éducation vers un modèle plus centré sur le processus d’apprentissage, où l’élève développe des compétences telles que l’analyse, la synthèse et la communication.
3. Motivation intrinsèque vs. extrinsèque :
   • L’utilisation excessive de l’IA pourrait encourager la tricherie si les apprenants sont uniquement motivés par des résultats extrinsèques (notes, diplômes).
   • Les éducateurs doivent favoriser la motivation intrinsèque, en encourageant les élèves à s’engager dans des activités qui stimulent leur curiosité naturelle.
4. Rôle des enseignants et limites de l’IA :
   • L’IA ne peut pas remplacer les enseignants, car elle ne peut pas transmettre des compétences complexes comme la pensée critique, la créativité ou l’intelligence émotionnelle. Ces compétences nécessitent une compréhension humaine et une interaction sociale.
   • Les enseignants peuvent cependant utiliser l’IA comme un outil complémentaire, en l’intégrant dans des environnements d’apprentissage pour améliorer certaines tâches spécifiques.
5. Recommandations pour les éducateurs :
   • Démystifier l’IA : Enseigner aux élèves comment l’IA fonctionne réellement pour leur permettre de l’utiliser de manière plus éclairée et critique.
   • Se concentrer sur le processus d’apprentissage : Encourager les élèves à documenter leurs réflexions et à prendre du recul sur leur propre apprentissage plutôt que de simplement livrer des produits finis.
   • Honorer l’autonomie des apprenants : Créer des environnements d’apprentissage qui respectent les motivations et les intérêts personnels des élèves.
   • Cultiver des compétences non automatisables : Les enseignants doivent se concentrer sur des compétences que l’IA ne peut pas reproduire, telles que la prise de décision éthique, le jugement ou les relations interpersonnelles.

Conclusion

L’intégration de l’IA générative dans l’éducation ne doit pas se faire au détriment de l’expérience humaine. Les enseignants doivent orienter leur approche vers un partenariat avec l’IA, en utilisant cette technologie pour augmenter les capacités humaines, sans perdre de vue les qualités u

Extraits

[Traduction]

“Notre modèle d’éducation est depuis longtemps axé sur le produit : Pouvez-vous rédiger une dissertation efficace et convaincante ? (…)

Si le but de l’éducation est uniquement de produire ces produits, pourquoi les apprenants ne prendraient-ils pas un raccourci ? (…)

Une éducation fortement axée sur les produits réduit l’apprentissage à une transaction, l’échange d’un produit contre une note, au lieu d’offrir une expérience humaine transformatrice. (…)

Apprendre à écrire ne consiste pas principalement à produire un texte bien structuré, mais à développer la capacité à organiser ses idées, à les relier à celles des autres, à analyser les affirmations, à synthétiser les idées et à répondre à notre besoin fondamental de communiquer avec les autres et d’apprendre d’eux (Chiang, 2023). (…)

Depuis des décennies, les éducateurs et les chercheurs préconisent un apprentissage axé sur les processus plutôt qu’un enseignement fortement axé sur les produits, notamment en s’éloignant des évaluations normalisées centrées sur la mémorisation du contenu et l’exécution de processus formels (National Academies of Sciences, Engineering, and Medicine, 2018). (…)

Nous devons préparer les apprenants à un monde plein d’incertitudes et de défis et les préparer à effectuer le travail complexe de résolution de problèmes, en embrassant un processus désordonné plutôt qu’en devenant bons à suivre des “recettes cognitives”. (…)

L’IA n’a jamais “appris” de la même manière qu’un être humain, de sorte que la réponse qu’elle fournit n’est pas toujours adaptée au contexte du problème auquel l’apprenant est confronté. (…)

Un aspect essentiel du travail d’un enseignant est de modéliser son processus de réflexion avec les élèves, comme un maître le fait pour un apprenti (voir la recherche sur l’apprentissage cognitif (Collins & Kapur, 2014). La recherche a montré que la métacognition, c’est-à-dire la réflexion sur son propre processus de pensée, est l’un des moyens les plus efficaces d’améliorer l’apprentissage (Hattie, 2008). (…)

Le pouvoir transformateur de l’enseignement implicite est évident lorsque nous interrogeons les gens sur l’enseignement qui transforme leur vie – les gens parlent rarement d’un contenu particulier enseigné par un professeur, mais décrivent plutôt des gains implicites provenant d’interactions et de connexions psychosociales humaines que l’IA ne peut pas fournir. (…)

Malgré ces limites, l’IA présente certains avantages pour des types d’enseignement spécialisés. Par exemple, les LLM ont une ” patience infinie “, sont accessibles 24 heures sur 24, 7 jours sur 7, et peuvent être mis à l’échelle pour atteindre beaucoup plus d’apprenants qu’un seul enseignant ne peut le faire (…). L’avenir de l’enseignement passera par un partenariat entre l’enseignant humain et l’IA. (…)

Le rôle des éducateurs n’est pas de canaliser les voix des apprenants vers une solution prédéterminée, mais de créer des conditions favorables à l’interaction collective et de façonner l’espace dialogique au fur et à mesure de la discussion pour aider les étudiants à améliorer leurs idées ensemble (Cao, 2022). (…)

Les éducateurs peuvent mettre l’accent sur le processus d’apprentissage en encourageant les élèves à ralentir, à procéder à un traitement actif et à s’intéresser à la complexité et aux relations qui sont souvent négligées (Tishman, 2017). (…)

Les éducateurs peuvent également encourager les apprenants à tirer parti de l’IA générative pour améliorer leur processus d’apprentissage, en mettant l’accent sur la valeur du parcours plutôt que sur le seul produit final. Au lieu de percevoir l’IA générative comme celle qui “connaît la réponse”, il est plus productif de la considérer comme un “partenaire de dialogue”. La théorie dialogique de Wegerif (2010) postule que la créativité naît dans l'”espace dialogique”, l’espace infini de potentialité qui émerge de l’interanimation de différentes voix. (…)

Lors de l’intégration de l’IA dans le processus d’apprentissage, nous souhaitons mettre en évidence la tension entre “faire face à la toile blanche” et “construire à partir d’idées générées par l’IA”. Parfois, il est important de s’asseoir devant une toile vide, de faire face à l’inconnu et de s’inspirer d’expériences personnelles. À d’autres moments, l’IA peut contribuer à stimuler la pensée créative. Il est essentiel de développer des compétences métacognitives pour savoir quand, où et comment utiliser l’IA. C’est pourquoi nous pensons qu’il est important d’offrir aux apprenants l’espace nécessaire pour expérimenter l’IA plutôt que de l’interdire. Grâce à l’expérimentation, à la discussion ouverte et à l’apprentissage du fonctionnement de l’IA, les apprenants peuvent devenir des utilisateurs et des créateurs attentifs de l’IA. (…)

Les éducateurs devraient aider les apprenants à devenir des ingénieurs de leur écosystème de motivation – en les encourageant à être métacognitifs sur leur propre motivation, à documenter et à réfléchir sur leur processus d’apprentissage, à surveiller leur propre état émotionnel et à rechercher, créer ou modifier de manière proactive les conditions qui les soutiennent le mieux.”

niques que seuls les humains peuvent transmettre dans un contexte éducatif.

Référence

Cao, L., & Dede, C. (2023). Navigating A World of Generative AI : Suggestions for Educators. Harvard Graduate School of Education. https://nextlevellab.gse.harvard.edu/2023/07/28/navigating-a-world-of-generative-ai-suggestions-for-educators/

@NextLevelHGSE

A consulter aussi

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

CSEN. (2024). GT 5—Métacognition et confiance en soi. Conseil scientifique de l’éducation nationale. https://www.reseau-canope.fr/conseil-scientifique-de-leducation-nationale-site-officiel/groupes-de-travail/gt-5-metacognition-et-confiance-en-soi.html

Naughton, J. (2024, août 24). AI cheating is overwhelming the education system – but teachers shouldn’t despair. The Guardian. https://www.theguardian.com/commentisfree/article/2024/aug/24/ai-cheating-chat-gpt-openai-writing-essays-school-university

---

---