Veuillez choisir le dossier dans lequel vous souhaitez ajouter ce contenu :
Colloque
Membre a labase
Lionel Alvarez : Université de Fribourg
En simple, 2 formes d’IA existent : knowledge-based & data-based. La première invite à une compréhension réelle et à une construction de l’algorithme. La seconde, plus obscure dans l’accès au fonctionnement de l’algorithme, sous-tend des compétences statistiques pour comprendre la validité des outputs. Avec le postulat que l’enseignant·e est indispensable dans la situation d’apprentissage, le choix du knowledge-based s’impose. La présente communication sera l’occasion d’expliquer ce choix et comment il est construit dans GamesHub.
Le projet GamesHub est porté par une équipe interdisciplinaire (techno. édu., science informatique, didactique et linguistique). Le but est de créer un système d’apprentissage adaptatif qui exploite les traces d’utilisation et construit un profil de compétences. De ce profil, avec un référentiel de compétences (qui modélise le domaine ciblé et auquel sont reliées les ressources pédagogiques), le système peut envoyer des recommandations à l’enseignant ou gérer l’adaptation du parcours de l’élève. Les défis relèvent donc d’un apprentissage adaptable ou adaptatif, avec des décisions didactiques soutenues par l’IA ou déléguées à l’IA. Il est bien question, ici, de soutien à l’enseignant, soit pour analyser les progrès et les besoins de chaque élève, et penser la personnalisation de ses apprentissages, soit pour prendre en charge une partie des décisions et lui permettre de se focaliser temporairement sur certains élèves.
La chose numérique invite d’ores et déjà à questionner la forme scolaire (Alvarez & Payn, 2021), ne serait-ce qu’en pensant à ses propriétés socio-techniques (Bondolfi, 2016). À cela s’ajoutent les développements rapides de l’intelligence artificielle (IA) pour l’éducation, par l’entremise notamment des EdTech, prometteuses de solutions techniques. Si des projets de R&D existent dans les milieux académiques pour, par exemple, offrir des ressources d’apprentissage s’adaptant aux besoins des élèves (Karoui et al., 2022), il n’en reste pas moins que l’articulation entre la sagesse professionnelle des enseignant·e·s – définie comme le respect de la personne, émergeant de la formation, de l’expérience, des connaissances, des données et de la pensée critique (Schalock & Luckasson, 2014) – et les apports de l’IA comme soutien (ou délégation) à la prise de décisions pédagogiques, n’est encore que trop peu pensée, explorée, documentée et analysée.
L’IA invite aux analytiques de l’apprentissage, c'est-à-dire la mesure, de la collecte, et de l’analyse de données à propos des apprenant·e·s et de leur contexte, à des fins de compréhension et d’optimisation des apprentissages et de l’environnement dans lequel ils ont lieu (Siemens & Long, 2011, traduction libre) ; ce qui promet par exemple la prédiction des échecs, la personnalisation des parcours d’apprentissage ou encore le benchmarking (Khalil et al., 2015). On le voit rapidement, le travail pédagogique intégrant l’IA laisse envisager soit (a) une relégation de l’enseignant·e, par les défenseur·se·s du big data, à un travail de collection de données pour nourrir les IA (Williamson, 2017), soit (b) une redéfinition du profil de compétences des enseignant·e·s pour que l’exploitation construite et critique de l’IA leur soit rendue possible. Il s’agit alors de débattre des recherches à mener pour saisir les chantiers didactiques et informatiques à entreprendre pour penser l’enseignement dans des environnements intégrant l’IA.
Thème du congrès 2023 (90e édition) :
Thème du colloque :
Date :
8 mai 2023
Titre du colloque :
Thème du colloque :
Responsables :
