![in ipad on top of books placed on a classroom desk](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2F032ad2d1-46db-40a5-b41a-878f4dc1b421_pexels-pixabay-289737.jpg%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C3065%2C2045%26w%3D3065%26h%3D2045&w=3840&q=75)
L'intelligence artificielle à l'école : Comment utiliser l'IA pour améliorer l'apprentissage en classe
L'intelligence artificielle est partout
À l'université Georgia Tech, le professeur Ashok Goel a engagé une assistante pédagogique nommée Jill Watson pour gérer le grand nombre de messages sur les forums1 dans le cadre de son cours d'informatique. Les étudiants l'ont tellement appréciée qu'ils l'ont recommandée pour un prix d'enseignement.2 Mais Jill n'était pas vraiment un être humain : elle avait été entièrement fabriquée par l'intelligence artificielle (IA) - les étudiants n'en avaient aucune idée jusqu'à ce que le Dr Goel le leur révèle à la fin du semestre.
Pourquoi l'IA est-elle utilisée dans l'éducation ?
L'IA éducative se manifeste actuellement sous la forme de chatbots humanoïdes en ligne, qui travaillent soit de manière indépendante, soit en collaboration avec des instructeurs. Ces chatbots, comme Jill Watson, deviendront de plus en plus populaires au fil du temps.3
Aux États-Unis comme à l'étranger, les enseignants sont souvent sous-payés et surchargés de travail, et leur capacité de productivité est entravée par leur lourde charge de responsabilités.2 Mais l'IA peut aider : dans une étude, les chercheurs ont constaté qu'avec l'IA, les instructeurs étaient en mesure d'effectuer des fonctions administratives de manière plus précise et plus efficace - et que cela améliorait la qualité de l'apprentissage des élèves.3
Les systèmes algorithmiques se développent dans l'éducation grâce à l'utilisation de sites de microblogging, de plateformes de médias sociaux académiques et d'applications mobiles. Les enseignants, de la maternelle au lycée, utilisent de plus en plus les sites de médias sociaux académiques4, ce qui confère des responsabilités d'enseignement aux systèmes algorithmiques intelligents5.
Les avantages de l'IA en classe
L'utilisation de l'IA dans le domaine de l'éducation présente trois avantages majeurs pour les enseignants et les élèves. L'IA peut :
- Soutenir une classe mixte6,7
- Réduire la pression exercée sur les enseignants et leur donner plus de temps pour aider les élèves6,7
- Créer une expérience d'apprentissage plus personnalisée pour les élèves8
Des opportunités tangibles pour le développement de l'IA
Même si l'IA éducative aide déjà les enseignants et les élèves, elle n'est pas encore totalement fiable pour répondre aux besoins des enseignants, au désir de personnalisation des élèves ou à l'aide apportée à une classe mixte. Il existe un manque criant de recherches qui intègrent à la fois la théorie de l'éducation et la technologie de l'IA9 ; il existe donc un potentiel d'innovation important dans la sphère de l'IA éducative.
Les développeurs d'IA doivent reconnaître que l'enseignement n'a jamais été un domaine centré sur la technologie.10 Aujourd'hui encore, un nombre stupéfiant d'étudiants abandonnent les cours ouverts massifs en ligne (ou MOOC) : le taux d'abandon a atteint 97 % dans une classe de Duke et 90 % dans une classe de Stanford.11
Pour que l'IA soit efficace dans le domaine de l'éducation, les développeurs doivent mettre l'accent à la fois sur la théorie de l'éducation et sur la science du comportement.
![The number of MOOCs available to learners has grown significantly in the last 10 years](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2F227ff8e6-6c09-426b-b1ee-dc7c0cf6a379_Lindsey_AI_E-Learning.png%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C960%2C540%26w%3D960%26h%3D540&w=1920&q=75)
Le nombre de MOOC proposés aux apprenants a considérablement augmenté au cours des dix dernières années, passant de presque zéro en 2012 à environ 16 000 en 2021.
Comment l'IA engagée et personnalisée peut-elle aider les élèves ?
Théorie de l'autodétermination (SDT)
La théorie de l'autodétermination affirme que nous avons besoin de trois besoins psychologiques fondamentaux pour notre bien-être et notre croissance :
- Un sentiment de contrôle
- Le sentiment de compétence
- Sentiment d'inclusion ou d'affiliation avec les autres12
L'absence de ces caractéristiques peut contribuer à un faible niveau d'engagement et à des taux d'abandon élevés dans l'enseignement en ligne. De manière alarmante, une étude a montré que si le soutien offert aux étudiants dans les cours en ligne n'est pas axé sur la satisfaction de leurs besoins, il contribuera plutôt à des résultats négatifs, tels que
- Moins d'heures par semaine consacrées à l'étude
- Moins de temps pour accéder au portail d'apprentissage
- Diminution de la note attendue et de la note finale
- Moins d'apprentissage perçu
- Poorer course satisfaction12
Cependant, l'IA peut créer des assistants pédagogiques communicatifs et personnalisés pour répondre à chacune des trois composantes de la théorie de l'autodétermination.
L'IA peut renforcer l'efficacité personnelle
Les cours en ligne dispensés par un instructeur non impliqué peuvent nuire à l'efficacité personnelle des étudiants, c'est-à-dire à leur conviction qu'ils réussiront dans leurs efforts.13 L'absence de scénarios éducatifs traditionnels en classe peut donner aux étudiants l'impression qu'ils ne sont pas à la hauteur. Pour remédier à cette situation, les formateurs doivent déployer de l'énergie pour soutenir la relation entre leur présence et les efforts d'auto-efficacité.14
Les formateurs, en particulier ceux qui enseignent en ligne, sont souvent surchargés de travail ou soumis à une trop forte pression pour répondre aux besoins de chaque étudiant. Un enseignant basé sur l'IA pourrait reconnaître les besoins d'apprentissage de chaque élève et lui fournir l'attention personnalisée nécessaire pour qu'il prenne confiance et comprenne la matière.
L'IA peut améliorer la communication
Un autre facteur expliquant le faible taux de rétention des MOOC est que les étudiants trouvent qu'il est difficile de communiquer avec leurs instructeurs. En fait, 68 % des étudiants préfèrent l'enseignement en classe pour des raisons de facilité de communication.15
Les assistants techniques basés sur l'IA ont la capacité d'apprendre nos modes de communication et de répondre de manière conversationnelle.16 Même si la communication ne passe pas le test de Turing, elle peut garantir que les étudiants obtiennent des réponses rapides à des questions simples ou qu'ils sont rapidement dirigés vers le professeur si l'assistant technique n'est pas en mesure de répondre à la question.
L'intelligence artificielle basée sur le comportement permet d'améliorer la réussite des étudiants
Les développeurs d'IA ont la possibilité d'améliorer la vie des éducateurs et de leurs étudiants. En capitalisant sur les besoins des étudiants en matière d'efficacité personnelle, les établissements d'enseignement peuvent observer des taux d'achèvement plus élevés et une plus grande satisfaction parmi les étudiants.
Les entreprises du secteur de l'éducation peuvent utiliser l'IA sous la forme de chatbots : ils peuvent répondre aux questions des étudiants et devenir plus intelligents lorsqu'ils sont utilisés dans un domaine spécifique. Elles peuvent également utiliser l'IA pour créer des leçons personnalisées créées pour les apprenants, ce qui contribuera à augmenter les taux d'engagement et d'achèvement17.
Un plan de cours personnalisé pourrait consister à faire passer aux étudiants des tests de contrôle pendant toute la durée du cours. Ceux qui obtiennent de bons résultats aux tests peuvent être invités à suivre des cours plus difficiles, tandis que ceux qui n'obtiennent pas de bons résultats peuvent recevoir des leçons supplémentaires pour améliorer ce qu'ils n'ont pas réussi.
L'utilisation d'outils de personnalisation qui tiennent compte de la sensibilité culturelle, de la région ou d'autres facteurs de différenciation signifie que les étudiants tireront davantage profit du cours.
Les assistants techniques d'IA : un modèle économique intelligent
À la lumière de la pandémie et de l'apprentissage à distance, le potentiel de l'IA dans le domaine de l'éducation est presque illimité. Afin d'aider au mieux les étudiants et les enseignants, nous devons garder à l'esprit les sciences du comportement et les théories éducatives en utilisant l'IA comme un outil permettant de créer des liens et de communiquer.
L'IA peut constamment apprendre et s'améliorer : il est logique d'investir du temps et de l'argent afin de créer de meilleures opportunités pour les apprenants. Si un plus grand nombre d'étudiants terminent leurs cours et se déclarent satisfaits de leur expérience, un établissement d'enseignement peut s'affirmer comme une exception plutôt que comme la norme.
Le Decision Lab est un cabinet de recherche qui utilise les sciences du comportement pour faire avancer le bien social. Nous travaillons avec certaines des plus grandes organisations éducatives du monde pour lever les obstacles à l'apprentissage et démocratiser l'accès à l'éducation. Nous sommes conseillés par certains des esprits les plus novateurs en matière d'éducation et de développement. Si vous souhaitez vous attaquer à ce problème ensemble, contactez-nous.
References
- Voici Jill Watson : La première assistante pédagogique en IA de Georgia Tech. (2016, 10 novembre). Georgia Tech Professional Education. https://pe.gatech.edu/blog/meet-jill-watson-georgia-techs-first-ai-teaching-assistant
- Chace, C. (2020, 29 octobre). L'impact de l'intelligence artificielle sur l'éducation. Forbes. https://www.forbes.com/sites/calumchace/2020/10/29/the-impact-of-artificial-intelligence-on-education/
- Chen, L., Chen, P. et Lin, Z. (2020). L'intelligence artificielle dans l'éducation : A Review. IEEE Access, 8, 75264-75278. https://doi.org/10.1109/ACCESS.2020.2988510
- Greenhow, C., Galvin, S. M., Brandon, D. L. et Askari, E. (2020). Une décennie de recherche sur l'enseignement et l'apprentissage des enseignants de la maternelle à la 12e année avec les médias sociaux : Insights on the State of the Field. Teachers College Record, 122(6), 1-72. https://doi.org/10.1177/016146812012200602
- Cheney-Lippold, J. (2017). Nous sommes des données : Algorithms and the Making of Our Digital Selves. Dans We Are Data. New York University Press. https://doi.org/10.18574/nyu/9781479888702.001.0001
- Hrastinski, S., Olofsson, A. D., Arkenback, C., Ekström, S., Ericsson, E., Fransson, G., Jaldemark, J., Ryberg, T., Öberg, L.-M., Fuentes, A., Gustafsson, U., Humble, N., Mozelius, P., Sundgren, M., & Utterberg, M. (2019). Imaginaires critiques et réflexions sur l'intelligence artificielle et les robots dans l'éducation postdigitale K-12. Postdigital Science and Education, 1(2), 427-445. https://doi.org/10.1007/s42438-019-00046-x
- Roll, I. et Wylie, R. (2016). Evolution et révolution de l'intelligence artificielle dans l'éducation. International Journal of Artificial Intelligence in Education, 26(2), 582-599. https://doi.org/10.1007/s40593-016-0110-3
- Hubert, K. (2021, 30 mars). Les avantages de l'IA dans l'éducation. Capacité. https://capacity.com/the-benefits-of-ai-in-education/
- Chen, X., Xie, H., Zou, D. et Hwang, G.-J. (2020). Application and theory gaps during the rise of Artificial Intelligence in Education (Application et lacunes théoriques au cours de l'essor de l'intelligence artificielle dans l'éducation). Computers and Education : Artificial Intelligence, 1, 100002. https://doi.org/10.1016/j.caeai.2020.100002
- Fahimirad, M., & Shakib Kotamjani, S. (2018). Une revue sur l'application de l'intelligence artificielle dans l'enseignement et l'apprentissage dans les contextes éducatifs. International Journal of Learning and Development, 8. https://doi.org/10.5296/ijld.v8i4.14057
- Peterson, R. (2013, 12 novembre). Pourquoi les étudiants abandonnent-ils les MOOC ? Par Rachelle Peterson | NAS. https://www.nas.org/blogs/article/why_do_students_drop_out_of_moocs
- Chen, K.-C. et Jang, S.-J. (2010). Motivation in online learning : Testing a model of self-determination theory. Computers in Human Behavior, 26(4), 741-752. https://doi.org/10.1016/j.chb.2010.01.011
- Qu'est-ce que l'auto-efficacité ? (2022, 28 avril). WebMD. https://www.webmd.com/balance/what-is-self-efficacy
- Garrison, D. R., Anderson, T. et Archer, W. (1999). Critical Inquiry in a Text-Based Environment : Computer Conferencing in Higher Education. The Internet and Higher Education, 2(2), 87-105. https://doi.org/10.1016/S1096-7516(00)00016-6
- Jensen, S. A. (2011). In-Class Versus Online Video Lectures : Similar Learning Outcomes, but a Preference for In-Class. Teaching of Psychology, 38(4), 298-302. https://doi.org/10.1177/0098628311421336
- Ivanov, B. (2020, 30 novembre). Le rôle de l'intelligence artificielle dans l'apprentissage en ligne. Média. https://becominghuman.ai/the-role-of-artificial-intelligence-in-e-learning-41ac88ee3e8d
- Comment l'IA sera-t-elle utilisée dans l'apprentissage en ligne en 2020 ? (2020, 24 juillet). LearnDash.https://www.learndash.com/how-is-ai-being-used-in-e-learning-in-2020/
About the Authors
Lindsey Turk
Lindsey Turk est Summer Content Associate au Decision Lab. Elle est titulaire d'un master d'études professionnelles en économie et gestion appliquées de l'université de Cornell et d'une licence en psychologie de l'université de Boston. Au cours des dernières années, elle a acquis de l'expérience dans les domaines du service à la clientèle, du conseil, de la recherche et de la communication dans divers secteurs. Avant de travailler au Decision Lab, Lindsey a été consultante auprès du Département d'État américain, dans le cadre de son initiative internationale de lutte contre le VIH, le PEPFAR. À Cornell, elle a également travaillé avec une entreprise de produits diététiques au Kenya afin d'améliorer l'accès à des aliments sains et cite cette opportunité comme étant ce qui a cimenté son intérêt pour l'utilisation des sciences comportementales à des fins utiles.
Dan Pilat
Dan est cofondateur et directeur général du Decision Lab. Il est l'auteur du best-seller Intention - un livre qu'il a écrit avec Wiley sur l'application consciente de la science comportementale dans les organisations. Dan a une expérience de la prise de décision organisationnelle, avec une licence en systèmes de décision et d'information de l'Université McGill. Il a travaillé sur l'architecture comportementale au niveau de l'entreprise chez TD Securities et BMO Capital Markets, où il a conseillé la direction sur la mise en œuvre de systèmes traitant des milliards de dollars par semaine. Poussé par un appétit pour les dernières technologies, Dan a créé un cours sur l'intelligence économique et a donné des conférences à l'Université McGill. Il a également appliqué la science du comportement à des sujets tels que la réalité augmentée et virtuelle.