Dans le contexte du renforcement du système éducatif chinois, la mise en œuvre de l’initiative « IA Plus » est devenue une préoccupation majeure des acteurs de l’éducation. L’enseignement supérieur doit transformer en profondeur ses conceptions éducatives, ses voies de développement institutionnel, ses modèles pédagogiques, ses paradigmes d’apprentissage et ses méthodes d’évaluation afin de créer un nouvel écosystème enrichi par l’IA.
À quel stade se situe l’utilisation de l’IA dans l’enseignement supérieur et dans quels domaines va-t-elle s’approfondir ? Quelle valeur apporte-t-elle à la formation des étudiants et à la transformation de l’éducation ? Le professeur Huang Ronghuai, titulaire de la Chaire UNESCO sur l’IA dans l’éducation et directeur de la Base de recherche stratégique sur l’informatisation de l’éducation du ministère de l’Éducation (Beijing), répond à ces questions.
Quelles transformations l’enseignement supérieur connaît-il grâce à l’IA ?
Face à la nouvelle vague de développement de l’IA, l’enseignement supérieur connaît des transformations systémiques de ses environnements d’apprentissage, de ses formes d’enseignement, de ses mécanismes d’évaluation et de ses méthodes de recherche, pour s’adapter activement à l’évolution d’une société intelligente. Elles se manifestent notamment dans les domaines suivants.
Des environnements d’apprentissage intelligents, connectés et intégrés.
L’IA, l’internet des objets et d’autres technologies clés relient les personnes, les machines et les environnements. Des espaces associant perception globale, connexion des univers physiques et virtuels et interaction intelligente constituent une orientation pour la nouvelle génération d’environnements d’apprentissage. Le ministère de l’Éducation explore, par exemple, des centres d’apprentissage du futur expérimentaux : ils valorisent les bibliothèques universitaires, intègrent les ressources des établissements et utilisent l’IA pour fournir des services adaptés aux besoins, efficaces et précis, transformant ainsi les espaces d’apprentissage.
Des formes d’enseignement fondées sur la collaboration humain–IA.
L’enseignement supérieur entre dans un espace de collaborations multiples où enseignants humains et machines intelligentes coexistent et enseignent ensemble. Les atouts des machines peuvent compléter les limites des enseignants, améliorer l’efficacité et la qualité et répondre à des besoins divers. L’entretien évoque les recherches du Massachusetts Institute of Technology sur l’IA pour améliorer les méthodes et l’efficacité pédagogiques, ainsi que l’utilisation de systèmes d’apprentissage personnalisé fondés sur l’IA générative dans des cours d’ingénierie et d’informatique. Ils ajustent les contenus aux résultats et aux styles d’apprentissage des étudiants pour faciliter la compréhension de concepts complexes.
Des mécanismes d’évaluation dynamiques et multidimensionnels.
Les plateformes d’évaluation éducative utilisables dans plusieurs contextes, fondées sur l’IA et les mégadonnées, deviennent un élément important des campus numériques. L’évaluation évolue d’une approche unique centrée sur les notes et les résultats finaux vers une évaluation multidimensionnelle des processus, soutenue par les technologies et les données. L’Université normale de Beijing a ainsi exploré l’évaluation intelligente « IA Plus » de l’enseignement en classe. Son système associe vision par ordinateur, traitement automatique du langage naturel, apprentissage ensembliste et modélisation statistique pour réduire la subjectivité et les délais des méthodes traditionnelles, diminuer fortement les coûts humains et suivre plus précisément les processus pédagogiques.
Des méthodes de recherche interdisciplinaires et innovantes.
Les capacités de l’IA offrent de nouveaux moyens de résoudre les problèmes scientifiques, accroissent l’efficacité de la recherche, favorisent l’innovation de ses paradigmes et transforment ses pratiques dans l’enseignement supérieur.
À quel stade se situe l’utilisation de l’IA et quels approfondissements faut-il privilégier ?
Grâce à sa capacité d’adaptation et à ses solides fondements scientifiques, l’enseignement supérieur est à la veille d’une profonde transformation. Cependant, alors que les technologies permettent l’innovation, le système éducatif reste confronté à plusieurs tensions.
Cinq tensions à prendre en compte
- La dynamique du capital face à la logique propre de l’éducation. Le capital accélère la concentration des ressources et la diffusion de technologies comme l’IA, mais sa recherche de rendements rapides peut dénaturer la mission d’intérêt général de l’éducation et ses objectifs de long terme.
- L’usage généralisé des technologies face à la souplesse de l’évaluation. Les étudiants doivent adopter les technologies et s’adapter à leur évolution rapide. Leur commodité peut toutefois encourager la dépendance excessive et les usages inappropriés, par exemple pour réaliser des devoirs ou tricher aux examens, mettant les systèmes d’évaluation à l’épreuve.
- L’éducation standardisée face aux besoins de développement des étudiants. Le modèle dominant de formation reste celui de l’éducation standardisée héritée de l’ère industrielle. Les activités pédagogiques se concentrent sur les savoirs et compétences de base, au détriment d’un développement global.
- L’inertie des pratiques face à l’innovation pédagogique. Dans les grands groupes universitaires, de nombreux enseignants peinent à tenir compte des différences individuelles et risquent de conserver des méthodes traditionnelles familières.
- L’offre de formations face aux besoins de la société. Les universités actualisent souvent leurs disciplines et leurs contenus moins vite que l’IA et les besoins sociaux n’évoluent. Il en résulte un décalage entre formation et demande sociale, ainsi que des déséquilibres structurels entre offre et demande.
Pour répondre à ces tensions, l’enseignement supérieur doit approfondir l’usage de l’IA afin d’améliorer l’enseignement et l’évaluation, tout en menant des expérimentations sociales sur l’IA et l’éducation.
Améliorer continuellement les modèles pédagogiques et les méthodes d’évaluation.
L’enseignement hybride, en ligne et en présence, l’apprentissage par projets et d’autres démarches diversifiées peuvent enrichir l’expérience étudiante et améliorer l’efficacité éducative globale.
Dans l’enseignement hybride, l’IA peut aider à explorer et mettre en œuvre des parcours personnalisés et des conceptions de cours mixtes, pour ajuster dynamiquement les contenus et leur difficulté et optimiser l’allocation des ressources.
Dans l’apprentissage par projets, l’IA peut recommander des sujets correspondant aux intérêts et aux capacités des étudiants, coordonner les ressources pertinentes et fournir des retours immédiats grâce à des outils intelligents de gestion de projets, développant ainsi leur capacité d’innovation.
L’évaluation doit diversifier ses méthodes pour comprendre et apprécier précisément la pensée logique, critique et créative. Outre les épreuves traditionnelles, elle peut recourir aux discussions de questions ouvertes, aux soutenances orales et à l’évaluation de l’originalité des projets. Des systèmes intelligents utilisant le traitement automatique du langage naturel et les mégadonnées peuvent analyser les raisonnements et les démarches de résolution de problèmes, afin d’évaluer les capacités dans leurs multiples dimensions.
Approfondir les expérimentations sociales éducatives à l’ère intelligente.
Ces expérimentations peuvent apporter des preuves et un appui méthodologique solides pour étudier les mécanismes et les voies d’intégration de l’IA dans l’enseignement supérieur. En examinant le renouvellement des conceptions éducatives, des modèles pédagogiques et des paradigmes d’apprentissage, elles peuvent révéler les mécanismes de transformation et accélérer l’innovation.
Face à l’évolution rapide de l’IA, les universités chinoises et étrangères doivent renforcer leur coopération et conduire ensemble des expérimentations sociales éducatives. Elles observeront les effets sur les modèles éducatifs, l’efficacité de l’apprentissage, les méthodes pédagogiques, la conception des cours, l’évaluation et l’administration. L’analyse des données expérimentales et pratiques permettra d’étudier l’adaptabilité et l’efficacité de l’IA dans différents environnements éducatifs et culturels, et de fournir des outils et des exemples aux établissements du monde entier.
Quels problèmes peuvent survenir ou appellent une vigilance particulière dans l’usage universitaire de l’IA ?
Les enjeux éthiques de l’innovation technologique continue comprennent généralement trois aspects : l’inégalité des droits d’accès aux services technologiques, les risques technologiques et les menaces résultant de leur utilisation. Ces aspects sont liés plutôt qu’entièrement indépendants et composent ensemble les questions à surveiller pendant le développement et l’application des technologies.
La fracture numérique peut accentuer les inégalités éducatives.
La fracture numérique constitue une forme d’exclusion sociale. L’IA peut l’approfondir et créer de nouvelles inégalités. Les universités disposent d’infrastructures numériques de niveaux différents ; les enseignants et les étudiants de divers milieux ne bénéficient pas non plus des mêmes droits technologiques ni des mêmes capacités d’adaptation.
Des risques technologiques imprévisibles persistent.
La complexité croissante des systèmes numériques peut créer une rupture entre les méthodes techniques et leurs finalités, faisant apparaître des risques difficiles à anticiper.
- Fuites de données et vie privée. Les systèmes intelligents détiennent de nombreuses informations sur les comportements individuels, ce qui peut exposer des données personnelles, des secrets commerciaux et même des informations relevant de la sécurité nationale.
- Opacité des algorithmes et des structures internes. Les algorithmes très complexes présentent des incertitudes dans leur application et peuvent comporter des biais et des discriminations. L’IA peut produire des résultats privilégiant les valeurs de certains groupes.
- Informations erronées de l’IA générative, notamment ChatGPT. Malgré de bons résultats dans de nombreux examens commerciaux, juridiques et universitaires, les agents conversationnels peuvent se tromper ou inventer des réponses lorsqu’une question est formulée légèrement différemment.
Plusieurs menaces potentielles coexistent.
L’usage inapproprié, excessif ou l’évitement de l’IA peuvent menacer les enseignants et les étudiants, leurs relations mutuelles et les relations entre étudiants, suscitant des controverses éthiques et des difficultés réglementaires.
- Usage inapproprié. Les activités utilisant des technologies intelligentes peuvent s’écarter des principes éthiques et des exigences éducatives, détournant leurs fonctions. Certains étudiants font par exemple rédiger leurs travaux par ChatGPT ou trichent aux examens à l’aide de technologies, provoquant des crises d’intégrité académique.
- Usage excessif. L’intelligence et la commodité des contenus et services technologiques peuvent facilement encourager la surutilisation. Le désordre de l’information massive, les contenus de divertissement stimulants et l’externalisation de la mémoire et des décisions affectent le développement des étudiants. L’entretien original mentionne des dommages cumulatifs à la santé physique et mentale, un affaiblissement de la réflexion, l’addiction numérique, la baisse de mémoire et les difficultés sociales. Sans réponse prudente, les capacités physiques, cognitives et sociales pourraient subir une dégradation systémique.
- Évitement. Certains enseignants et étudiants craignent, évitent ou refusent les technologies. L’absence d’applications éducatives de l’IA peut notamment affaiblir la capacité d’action et la valeur du rôle des enseignants, accroître les pressions professionnelles et le risque de chômage, et faire perdre des occasions d’intégration systémique entre technologies et éducation.
Comment évaluer la valeur de l’IA pour la formation universitaire et la transformation éducative ?
La valeur de l’IA est multidimensionnelle : apprentissage personnalisé, évolution des méthodes pédagogiques, amélioration des environnements intelligents et innovation scientifique. Sa valeur centrale réside dans la formation des nouveaux citoyens de l’ère intelligente, avec les compétences suivantes.
- Apprentissage autonome tout au long de la vie. Il deviendra une compétence fondamentale. Les étudiants doivent conserver leur sentiment d’efficacité personnelle et leur capacité d’action, renouvelant leurs connaissances par la planification, la décision, le suivi, la gestion et l’évaluation autonomes afin de répondre aux besoins futurs du travail et de la vie.
- Innovation grâce à l’IA. Un usage créatif dépasse la maîtrise technique de base : il associe IA et expérience acquise pour résoudre les problèmes complexes du quotidien et combine différentes perspectives afin de concevoir des solutions innovantes.
- Adaptation aux transitions successives de l’emploi flexible. Les étudiants ont besoin de compétences professionnelles solides et d’une culture interdisciplinaire pour répondre aux changements des milieux de travail, passer d’un rôle et d’une responsabilité à l’autre, satisfaire différentes exigences professionnelles et s’adapter à l’évolution des secteurs.
- Gestion de l’incertitude. La pensée critique et l’évaluation des risques permettent des jugements et décisions agiles et adaptatifs face à des situations complexes, changeantes et inconnues. Il faut aussi une conscience et un discernement éthiques pour utiliser les ressources technologiques raisonnablement et protéger la vie privée et la sécurité de l’information.
- Vivre dans des environnements riches en IA. Lorsque la collaboration humain–IA devient plus étroite et complexe, la capacité d’action individuelle doit rester prioritaire, tout en combinant créativité humaine et aptitude des machines au traitement de tâches multiples pour obtenir les meilleurs résultats.
Comment les enseignants et les étudiants doivent-ils répondre aux possibilités et aux défis de l’IA ?
Tous doivent s’adapter à l’évolution des conceptions éducatives, notamment aux changements fondamentaux dans leur compréhension du savoir, de l’apprentissage, des programmes et de l’enseignement.
- Un savoir créé et partagé collectivement. Chaque individu produit et transmet des connaissances.
- Un apprentissage construit par des connexions intelligentes. Les environnements intelligents connectés et intégrés exigent une participation plus active des apprenants à l’apprentissage en profondeur.
- Des programmes intégrés et ouverts. Les cours doivent passer d’une offre isolée, uniforme et entièrement prédéfinie pour des groupes à une offre intégrée, diversifiée et adaptée aux personnes.
- Un enseignement fondé sur la collaboration humain–IA. Les enseignants doivent coexister, enseigner et apprendre avec l’IA en préservant la valeur de leur capacité d’action humaine et professionnelle.
Enseignants : évolution des rôles et apprentissage réciproque
Acteurs fondamentaux d’une éducation de qualité, les enseignants doivent prendre conscience de l’évolution de leur rôle et explorer activement les bénéfices éducatifs des technologies intelligentes.
- Comprendre l’évolution des rôles. Avec l’appui des machines intelligentes, les enseignants de demain inspireront et guideront les étudiants. Ils doivent conserver leur capacité d’action et la valeur de leur rôle, offrir un soutien émotionnel et rester souples selon les acquis, les intérêts et la personnalité des étudiants. L’enseignement doit encourager l’expression d’idées personnelles et développer les capacités pratiques et créatives par les projets et le travail en équipe.
- Favoriser l’apprentissage réciproque. Premièrement, observer et écouter pour comprendre les besoins réels des étudiants. Deuxièmement, découvrir et apprendre continuellement les nouvelles technologies, dépasser les postures d’autorité et apprendre des étudiants à utiliser des outils comme ChatGPT pour gagner en efficacité. Troisièmement, développer la capacité à formuler des questions, explorer ensemble des questions ouvertes, interroger les cadres de savoir établis et guider l’apprentissage en profondeur avec l’IA. Une collaboration durable et efficace entre enseignant, étudiant et IA peut renforcer réciproquement l’enseignement et l’apprentissage.
Étudiants : autonomie, problèmes réels et responsabilité sociale
Les étudiants doivent renforcer leur apprentissage autonome et leur aptitude à résoudre des problèmes complexes pour maintenir leurs compétences à l’ère intelligente.
- Se motiver et renforcer sa capacité d’apprendre. L’apparition permanente de technologies et de théories fait de l’apprentissage autonome un moteur central du développement personnel. Il faut conserver efficacité personnelle et capacité d’action, se motiver, rechercher des ressources, fixer des objectifs et ajuster ses stratégies avec souplesse aux besoins futurs du travail et de la vie.
- Résoudre des problèmes par la pratique en situation réelle. Les étudiants doivent examiner les problèmes selon des perspectives multiples et interculturelles, en développant pensée systémique, innovante et critique grâce à des démarches immersives, participatives et pratiques. Ils doivent aussi formuler des jugements et décisions agiles et adaptatifs dans des environnements changeants, incertains, ambigus et complexes, en utilisant efficacement l’IA pour résoudre des problèmes réels avec créativité.
- Assumer une responsabilité sociale. Outre leur conscience de l’éthique de l’IA et des pratiques conformes aux règles, les étudiants doivent s’intéresser aux problèmes sociaux, reconnaître leurs responsabilités, réfléchir à la contribution possible de l’IA et participer activement à une société intelligente juste, harmonieuse et durable.
Source et crédits
Source originale mentionnée dans les archives : compte Education New Observer (教育新观察) sur Xuexi Qiangguo.
Auteur : Huang Ronghuai.
Journaliste d’Education New Observer sur Xuexi Qiangguo : Gu Wenting.
Édition et traduction des archives du site de la Chaire datées du 9 juillet 2024. Les questions et réponses, les exemples et les opinions de l’auteur sont conservés ; les fonctions et les usages technologiques sont présentés dans leur contexte historique d’origine. Archives originales en chinois
Lien original: https://aiedchair.bnu.edu.cn/news-9189-fr/
