Clôture du premier stage avancé sur l’enseignement collaboratif humain–IA soutenu par l’AIGC

Le premier stage avancé sur l’enseignement collaboratif humain–IA soutenu par l’AIGC s’est tenu les 3 et 4 août 2024. Il était organisé par le Centre national de recherche en ingénierie du cyberapprentissage et des technologies intelligentes de l’Université normale de Beijing, désigné ci-après par le sigle CIT.

Le programme comprenait des projets pratiques de classes simulées innovantes fondées sur la collaboration humain–IA, des applications d’agents à des situations pédagogiques, des expériences avec des plateformes collaboratives et de grands modèles, ainsi que des présentations et échanges sur les usages pédagogiques des grands modèles par des enseignants de terrain. L’équipe d’experts réunissait Zhang Jinbao, professeur associé à la Faculté d’éducation de BNU ; Wang Huanhuan, chercheuse adjointe à BNU ; Zhu Lixin, ingénieur principal au CIT ; Da Ting, responsable du projet d’évaluation des grands modèles du CIT ; et Chen Hongyu, ingénieur à l’Institut d’apprentissage intelligent de BNU. Les assistants étaient Yuan Meng, de l’Université du Wisconsin–Madison, Jiang Li, de l’Université normale de la capitale, et Wang Shuaijie, de l’Université normale de Chine centrale.

Plus de 40 enseignants du primaire et du secondaire venus de différentes régions de Chine, notamment de Beijing, Shanghai et Hong Kong, ont participé à la formation. Ils ont partagé des théories et idées récentes et conçu ensemble des classes innovantes. Le stage leur a également offert un espace de réflexion sur l’évolution des rôles dans la collaboration humain–IA à l’ère de l’AIGC.

Temps forts du stage

Matinée du 3 août

Activités pour faire connaissance

Une activité originale a rapidement rapproché les enseignants. Dès le début, dix équipes de recherche ont été constituées. Chacune a présenté ses membres, choisi un nom et créé une œuvre visuelle représentative. Ces activités de création et de partage ont mis en valeur les idées personnelles et l’esprit de coopération.

L’équipe 1 a choisi « Constance dans la mission » (一以贯之), exprimant son engagement éducatif au croisement de la tradition et de la modernité. L’équipe 2 a réuni les noms de ses quatre membres dans « Jun Xiao Zhen Jing » (君晓甄经), dont la fin évoque en chinois le véritable savoir et le souhait d’apprendre ensemble. L’équipe 3, « La sagesse en action pour l’avenir » (智行未来), a souligné la nécessité de renforcer le discernement éducatif et l’expérience pratique à l’ère de l’IA.

Les membres de l’équipe 4 venaient de différentes régions de Chine. Son nom, « Pionniers de l’IA de Beijing–Shanghai–Guangzhou–Qingdao » (京沪穗青AI先锋队), associait leurs lieux d’origine et symbolisait le rassemblement des forces éducatives du pays. L’équipe 5, « Quatre plus i » (四加i对), souhaitait renforcer l’éducation grâce à une communauté d’apprentissage réunissant humains et IA. L’équipe 6, « Voler ensemble avec nos rêves » (与梦同飞), exprimait l’ambition de dépasser les frontières géographiques et d’associer écoles et entreprises pour améliorer l’efficacité de l’enseignement de demain.

L’équipe 7 a utilisé un outil AIGC en lien avec le thème du stage. En saisissant les informations sur ses membres et le thème dans un grand modèle, elle a obtenu le nom « Splendeur de la créativité intelligente » (智韵风华).

L’équipe 8 a choisi « Les huit immortels traversent la mer » (八仙过海), symbolisant des enseignants de multiples régions qui franchissent montagnes et mers pour contribuer au renouveau éducatif et au développement national.

L’équipe 9 a retenu « Le chemin de l’arc-en-ciel » (彩虹路), image d’une voie de sagesse dépassant les obstacles de l’éducation traditionnelle. L’équipe 10 a associé les provinces et villes de ses membres dans « Montagnes et rivières » (山河队), évoquant aussi la vision poétique de « vastes montagnes et rivières, une galaxie dans le monde humain » (山河远阔，人间星河).

Ces noms et slogans inventifs reflétaient la créativité et l’esprit d’équipe des enseignants, ainsi que leur espoir et leur confiance dans une éducation renforcée par la collaboration humain–IA.

Conférences d’experts et présentation de cas

Après cette première prise de contact, le programme s’est poursuivi par les présentations.

Zhang Jinbao a présenté les fondements des grands modèles et leur potentiel éducatif. Il a examiné leurs applications possibles en proposant deux approches : intégrer la technologie au programme pour renforcer les compétences des enseignants, ou partir des objectifs éducatifs pour développer leur discernement. Enfin, en s’appuyant sur ce que le compte rendu original appelle la taxonomie des objectifs éducatifs de Bruner, il a comparé les compétences proprement humaines et les capacités de l’IA, montrant diverses possibilités d’atteindre ensemble les objectifs éducatifs.

Wang Huanhuan a présenté les techniques de formulation des instructions destinées à l’IA générative et leurs applications pédagogiques. Elle a donné des exemples d’outils AIGC adaptés aux enseignants, proposé des stratégies pour rédiger des instructions efficaces et montré, à partir de cas pratiques, leur contribution à l’efficacité des tâches.

Kang Xiaofeng, enseignant de géographie au lycée dans la division internationale de l’établissement secondaire rattaché à l’Université Tsinghua, a expliqué comment certains outils d’IA peuvent améliorer les interactions en classe, soutenir la différenciation pédagogique et fournir une rétroaction intelligente. Il a présenté curi.live, classcompanion.com et diffit.me. Selon le compte rendu, ces outils permettent respectivement les interactions en temps réel avec les élèves, la gestion des comportements d’apprentissage en ligne et la personnalisation pédagogique, ainsi que la génération de ressources de difficultés variées selon les besoins des enseignants. Il a guidé les participants sur place et le public de la diffusion en ligne dans une démonstration des trois outils.

Li Shuyu, enseignante distinguée de mathématiques à Beijing Middle School, a exploré les activités de modélisation dans l’apprentissage des fonctions quadratiques sous un angle interdisciplinaire. Elle a décrit comment guider les élèves dans la modélisation à l’aide de grands modèles de langage, étudier leurs compétences mathématiques fondamentales avec des algorithmes d’IA et leur recommander des parcours personnalisés à partir des analyses des modèles.

Après-midi du 3 août

L’après-midi était consacré aux applications pratiques des agents en pédagogie. Après une introduction au concept d’agent, aux principaux cadres et aux modèles de conception, les assistants ont accompagné les enseignants dans la conception et la réalisation d’un agent d’aide à l’apprentissage de la langue chinoise. Les enseignants ont appris à utiliser les composants de la plateforme. Pendant la pratique libre, les équipes ont discuté, transféré leurs acquis à d’autres situations et mis en œuvre de nouvelles idées.

Matinée du 4 août

Conférences d’experts et présentation de cas

La deuxième matinée proposait deux conférences d’experts et deux exemples de bonnes pratiques. Zhu Lixin a présenté les outils pédagogiques d’IA permettant d’améliorer l’efficacité des enseignants. Il a exposé des cas d’aide à l’enseignement et à l’apprentissage personnalisé, expliqué les techniques et précautions d’usage de ces technologies et outils, et formulé des propositions pour le développement professionnel des enseignants soutenu par l’IA.

Da Ting a traité de l’évaluation des capacités et des limites des grands modèles pour l’enseignement collaboratif humain–IA. Elle a rappelé que leurs applications éducatives étaient encore émergentes mais suscitaient déjà beaucoup d’intérêt, notamment pour les nouvelles réflexions sur les pratiques collaboratives. Elle a exploré l’état de la recherche sur leur évaluation en éducation ; la définition des dimensions de compétence ; leurs capacités éducatives réelles ; les différences avec les enseignants humains ; la répartition des tâches selon les points forts respectifs des personnes et des machines ; et leurs limites dans différentes disciplines.

Zhu Jie, de la Première école primaire expérimentale de Beijing, a présenté une pratique interdisciplinaire associant langue chinoise et informatique au primaire. À partir d’une leçon sur les animaux préhistoriques disparus du premier volume du manuel de sciences de cinquième année, la présentation a expliqué des applications concrètes de la collaboration humain–IA en classe, décrit un cas d’écriture de contes par les élèves grâce à cette collaboration, puis présenté un système d’évaluation de l’apprentissage fondé sur des profils numériques.

Wang Yifan et Song Anyu, étudiants en master à BNU, ont abordé l’enseignement et la recherche soutenus par l’AIGC. Wang Yifan a présenté des méthodes de génération d’histoires illustrées avec l’IA et exploré l’usage de la création d’images par IA pour développer la pensée informatique des élèves du primaire et du secondaire. Song Anyu a discuté l’analyse du contenu et le codage des comportements dans les vidéos de classe afin d’étudier les pratiques enseignantes. Il a relevé plusieurs améliorations nécessaires au codage par agents et proposé des perspectives d’évolution.

Après-midi du 4 août

Toutes les équipes ont participé à la conception pratique de modèles innovants d’enseignement collaboratif humain–IA. Des enseignants de disciplines et de parcours différents ont travaillé ensemble, choisissant d’abord un thème par remue-méninges, puis explorant les innovations possibles dans les modèles éducatifs. Pour concrétiser les principes de collaboration avec les grands modèles de langage, ils ont conçu des classes simulées innovantes et planifié précisément les interactions humain–IA à chaque étape pédagogique.

Outre la conception attentive du déroulement et du contenu des cours, ils ont intégré des outils AIGC aux classes simulées, notamment des grands modèles de langage et des agents d’IA spécifiques. Les experts ont échangé en profondeur avec chaque équipe et l’ont aidée à améliorer ses solutions techniques et sa conception.

Toutes les équipes ont achevé leur dossier de conception et présenté une démonstration. Les présentations suivaient un tirage au sort original : Wang Huanhuan a d’abord tiré le nom de l’équipe chargée de présenter, puis celle-ci a désigné par tirage l’équipe suivante pour formuler des commentaires, et ainsi de suite. Cette évaluation entre pairs a renforcé la connaissance mutuelle et permis de mieux identifier les points forts et les axes d’amélioration de chacun.

En plus de l’évaluation entre enseignants, le stage a invité un grand modèle de langage à jouer le rôle de jury mystère. Un assistant d’évaluation a apprécié chaque équipe en temps réel selon des dimensions et critères prédéfinis. Cette expérience a fait apparaître les différences propres aux personnes et aux machines dans l’expression et l’évaluation.

L’événement s’est conclu par le lancement d’une communauté de pratique pour l’enseignement collaboratif humain–IA soutenu par l’AIGC et par la remise des certificats.

Après l’événement, certains enseignants sont restés spontanément pour échanger sur leurs expériences et leurs acquis, et ont formulé des suggestions pour les prochaines activités.

Sources historiques et note éditoriale

Cet article relate les activités des 3 et 4 août 2024. Les fonctions et descriptions des outils reprennent le compte rendu historique. La référence originale à « Bruner » est conservée ; le cadre de classification utilisé dans la conférence n’a pas été réidentifié de manière indépendante. Les outils cités ne constituent pas une affirmation concernant leurs fonctions, tarifs ou disponibilité actuels.

Les fichiers correspondant aux 40 références d’images des archives de la Chaire sont manquants. Les 26 illustrations proposées ici, dont les montages photographiques officiels non modifiés, proviennent du compte rendu du SLI sur le même événement. Certaines illustrations originales n’ont pas encore été retrouvées. Le texte intégral suit les archives de la Chaire, y compris le dernier paragraphe sur les échanges après l’événement, absent de la version du SLI.

Sources et documents historiques associés： Compte rendu officiel du SLI · 9 août 2024 · Archives historiques de la Chaire · 7 août 2024 · Page du cours Yuanzhuo avec les informations historiques sur les rediffusions

Explorer les ressources d’apprentissage de l’IA dans le Centre de ressources