Point de vue historique d'un expert, en version abrégée. La Chaire a publié ce texte le 22 septembre 2024. L'accès aux établissements désigne ici l'examen des produits intelligents destinés à un usage scolaire. Les dispositifs d'examen, de contrôle et les normes présentés sont des propositions de l'auteur dans leur contexte de 2024.
Auteur : Huang Ronghuai. Fonctions indiquées dans la légende historique : directeur du Smart Learning Institute de l'Université normale de Beijing et directeur du Centre national de recherche en ingénierie pour le cyberapprentissage et les technologies intelligentes.
Sommaire de l'article
- L'évolution itérative des grands modèles d'IA éveille les systèmes éducatifs à leur transformation systémique
- L'application approfondie des grands modèles d'IA fait émerger de nouvelles formes d'éducation collaborative humain–IA
- Initiatives essentielles pour construire un écosystème d'éducation intelligente avec les grands modèles d'IA
- Sources et lectures complémentaires
Les grands modèles d'IA se caractérisent par leur échelle, leur capacité de généralisation, l'émergence et leur polyvalence. Leurs puissantes capacités de génération multimodale de textes, d'images, d'audio et de vidéo, de dialogue contextuel, de raisonnement logique, de calcul et d'exécution de tâches accélèrent la transformation intelligente des secteurs et ouvrent de nouvelles possibilités d'approfondir la transformation numérique éducative. Comprendre les changements de conceptions et de formes éducatives qu'ils suscitent et les intégrer de manière raisonnable, ordonnée et sûre à l'écosystème éducatif constitue un enjeu essentiel de l'ère intelligente.
L'évolution itérative des grands modèles d'IA éveille les systèmes éducatifs à leur transformation systémique
L'innovation scientifique et technologique mondiale traverse une période d'intensité et d'activité exceptionnelles. Une nouvelle révolution technologique et transformation industrielle redessinent le paysage de l'innovation et restructurent l'économie mondiale. Les technologies de rupture en évolution continue influencent profondément l'avenir des pays et le bien-être des populations.
L'éducation s'adapte activement à la nouvelle vague des grands modèles d'IA. Une tendance claire apparaît : les systèmes éducatifs sont à une étape décisive, passant de l'acceptation passive des changements extérieurs à l'adaptation active et à l'impulsion de transformations internes. Cet éveil signifie qu'ils deviennent des acteurs qui dirigent le changement, tout en répondant aux forces extérieures comme la technologie et le capital. Les autorités éducatives doivent comprendre la logique de transformation sous-jacente, au-delà des applications directes, afin de former des personnes préparées à l'avenir.
Premièrement, l'enseignement supérieur est à l'avant-garde. Ses établissements intègrent rapidement les nouvelles technologies : assistants pédagogiques d'IA et environnements d'apprentissage intelligemment connectés modifient la présentation des contenus et favorisent l'innovation organisationnelle. Ils développent aussi la recherche et l'apprentissage interdisciplinaires, renouvellent les paradigmes scientifiques grâce à l'IA et favorisent l'intégration et l'application innovante des connaissances.
Deuxièmement, la transformation de la formation professionnelle est encore plus urgente. Face à la demande croissante de main-d'œuvre qualifiée, elle constitue un pont essentiel entre formation et emploi. Établissements et administrations augmentent leurs investissements et renforcent les partenariats industriels pour adapter les programmes aux besoins du marché.
Enfin, l'éducation de base progresse régulièrement vers la transformation numérique sous une forte impulsion politique. Les gouvernements de différents niveaux apportent des mesures favorables et des financements : construction et utilisation de plateformes éducatives intelligentes, amélioration de l'enseignement et de la gestion par les mégadonnées et l'IA, et renforcement de la culture numérique des enseignants et des élèves.
L'application approfondie des grands modèles d'IA fait émerger de nouvelles formes d'éducation collaborative humain–IA
Du point de vue de la collaboration humain–IA, les grands modèles offrent des possibilités de transformation systémique des formes éducatives. Leur apport se manifeste particulièrement dans l'enseignement, l'apprentissage et la prise de décision en collaboration entre humains et machines.
Développer un enseignement collaboratif diversifié et transversal.
Les grands modèles accéléreront le passage de la structure traditionnelle enseignant–élève à une structure enseignant–élève–machine. Les relations entre humains et machines dans les situations éducatives deviennent plus complexes, avec coexistence et interactions multidimensionnelles, faisant évoluer l'enseignement vers un coenseignement humain–IA.
Premièrement, les situations d'enseignement s'élargissent. Les grands modèles permettent de mieux exploiter les avantages de l'intelligence des machines dans des contextes précis et de dépasser les obstacles aux applications éducatives. Associer robots humanoïdes et grands modèles produit, par exemple, une intelligence incarnée qui améliore la perception multimodale du monde physique, sa compréhension, l'adaptation, la planification et la décision autonomes, permettant une interaction intelligente avec l'environnement réel. Les plateformes d'apprentissage et systèmes de tutorat pilotés par ces modèles peuvent dépasser les limites de temps, de lieu et d'enseignement pour offrir un soutien efficace, immédiat et adaptatif.
Deuxièmement, la collaboration devient plus avancée. Avec l'élargissement des tâches accessibles à la technologie, l'enseignement entre dans un espace où les intelligences des enseignants et des machines coexistent et partagent la direction et le contrôle des activités. Cela transforme les rôles enseignants, leur autorité à l'égard des connaissances et les pratiques de conception pédagogique.
Développer un apprentissage collaboratif qui renforce mutuellement humains et machines.
Les applications éducatives des grands modèles modifieront progressivement les façons d'apprendre. En complément de leurs propres processus cognitifs, les apprenants mobiliseront l'intelligence des machines par délestage cognitif et l'amélioreront par rétroaction itérative, créant un coapprentissage humain–IA.
Premièrement, l'expérience d'apprentissage s'améliore. Les modèles augmentent l'intelligence de l'interaction humain–machine. Les machines peuvent agir comme tuteurs, compagnons ou assistants, recueillir et analyser naturellement les données multimodales du processus et repérer les évolutions émotionnelles implicites et les états cognitifs. Elles peuvent ainsi proposer un accompagnement émotionnel immédiat, un soutien précis et des parcours personnalisés.
Deuxièmement, les mécanismes d'apprentissage changent. Lorsque les apprenants et les machines réalisent ensemble des activités ou des tâches, les machines partagent un travail cognitif auparavant accompli entièrement par le cerveau humain. Les modèles deviennent une ressource cognitive externe pour comprendre et traiter les contenus en collaboration, renforçant de manière complémentaire les intelligences humaine et artificielle.
Développer une prise de décision collaborative sûre et digne de confiance.
Les avancées successives des grands modèles moderniseront la gouvernance éducative et la porteront vers des niveaux supérieurs de décisions fondées sur les preuves, les données et la collaboration humain–IA. Les processus deviennent plus scientifiques, précis et intelligents, avec les caractéristiques d'une décision collaborative.
Premièrement, les méthodes de gouvernance évoluent. Les modèles peuvent percevoir et extraire d'immenses volumes d'informations éducatives et les traiter entre modalités, pour découvrir des régularités cachées. Cela facilite le suivi, l'évaluation et la rétroaction dynamiques du système et fournit aux décideurs des analyses actualisées, complètes et objectives.
Deuxièmement, la conception de la gouvernance évolue. En exploitant les atouts des modèles, l'entraînement et l'analyse de nombreuses données peuvent permettre de prévoir les éléments et les processus éducatifs et d'orienter la pratique réelle. La gouvernance peut ainsi passer de réponses passives aux événements à leur anticipation active.
Initiatives essentielles pour construire un écosystème d'éducation intelligente avec les grands modèles d'IA
Continuer de renforcer les compétences des enseignants et des apprenants pour l'ère intelligente.
Pour répondre aux effets technologiques sur l'emploi et les perspectives professionnelles, il faut donner la priorité à ces compétences et améliorer la créativité numérique, l'adaptabilité et la capacité à évoluer dans le monde numérique.
Pour les apprenants :
Premièrement, améliorer les mécanismes de développement de la culture et des compétences numériques. Mettre en œuvre efficacement les cours de technologies de l'information et créer des systèmes d'évaluation et de suivi permettant de suivre les progrès et d'en décrire précisément la trajectoire.
Deuxièmement, renforcer l'apprentissage autonome. Encourager les enseignants à intégrer des approches actives en classe et développer les habitudes de planification, de suivi et d'évaluation de son propre apprentissage.
Troisièmement, améliorer l'apprentissage grâce aux technologies intelligentes. Les modèles peuvent faciliter l'acquisition des connaissances, l'autonomie et l'accompagnement, aider à réviser et à apprendre les cours, offrir une expérience positive et soutenir la gestion du temps, des tâches et des processus.
Pour les enseignants :
Premièrement, encourager l'exploration et l'usage actifs des technologies intelligentes. Cet engagement peut passer par quatre étapes : prise de conscience, expérience, pratique et diffusion. Les enseignants doivent être encouragés à étudier les principes de l'IA, à l'utiliser pour leur propre apprentissage et l'amélioration pédagogique, et à partager leurs expériences.
Deuxièmement, prendre conscience des changements de rôles. Les établissements doivent proposer des formations numériques adaptées aux besoins individuels, renforcer la capacité à enseigner avec l'IA et guider les enseignants vers leurs responsabilités d'accompagnement émotionnel et de formation du caractère des élèves.
Troisièmement, soutenir le développement professionnel par une recherche pédagogique ciblée. Les technologies peuvent recueillir et analyser des données de types, sources et dimensions variés pour repérer les besoins en pédagogie, connaissances disciplinaires et usages techniques. Synthèses et rapports sur les processus aident les enseignants à mener des recherches ciblées avec l'IA, à comprendre la classe, à réfléchir à la conception et à la pratique et à améliorer leurs compétences.
Améliorer les mécanismes d'autorisation des produits intelligents pour un usage scolaire.
Premièrement, instaurer des examens complets et différenciés des produits éducatifs d'IA. Cela comprend leur classification, la gradation des risques, l'identification détaillée des produits et disciplines, et l'analyse en chaîne des moments, lieux, personnes, ressources, fonctions et matières liés à leur usage. Un examen et une adaptation rigoureux doivent faciliter leur intégration dans des situations variées et répondre précisément aux besoins individuels à chaque étape.
Deuxièmement, explorer un contrôle dynamique, complet et continu. Évaluer la sécurité et l'adéquation pédagogique, mener des contrôles ponctuels et réguliers, gérer de manière évolutive des listes noires, grises et blanches, et explorer des alertes et réponses d'urgence adaptées aux situations. Ces dispositifs permettent d'évaluer sécurité et efficacité.
Troisièmement, explorer des modèles spécialisés en éducation, plus exacts, logiquement cohérents et pédagogiquement adaptés. Renforcer les tests éthiques pour réduire erreurs, biais et contenus inappropriés et construire des environnements numériques sûrs, conformes aux exigences applicables et aux principes éthiques.
Quatrièmement, améliorer les guides pratiques d'utilisation des produits sur les campus. Autorités éducatives, praticiens et chercheurs devraient élaborer ensemble des orientations pour la progression des apprenants, le développement enseignant et la transformation scolaire. L'enseignement différencié, enrichi et collaboratif peut servir de point de départ pour guider un usage raisonnable et conforme aux exigences applicables.
Développer de manière ordonnée les pratiques éducatives de collaboration humain–IA.
Premièrement, adopter la pédagogie numérique comme fondement théorique. Ancrer les pratiques dans un enseignement efficace et un apprentissage profond, sur la base d'environnements améliorés et au moyen de ressources numériques et de technologies nouvelles. Le but est une pratique effective de l'apprentissage et de l'enseignement, centrée sur l'apprenant et soutenue par la technologie dans un environnement fiable.
Deuxièmement, approfondir les mécanismes de l'enseignement collaboratif. Mobiliser des démarches multidisciplinaires et interdisciplinaires pour étudier les comportements et les interactions complexes enseignant–machine–élève et enrichir la théorie. En évaluer systématiquement les effets combinés à partir de preuves et améliorer de manière itérative ses structures et ses procédures.
Troisièmement, publier des guides pratiques et des normes d'enseignement collaboratif. Favoriser l'IA générative dans l'analyse des besoins, la recherche de ressources, la production de questions, la conception pédagogique, l'évaluation et les retours, tout en guidant les apprenants vers des usages raisonnables.
Quatrièmement, diffuser l'expérience du coenseignement. Repérer des cas améliorant la qualité et s'appuyer sur l'exemple des meilleurs enseignants. Organiser les formations selon les besoins réels et diffuser des pratiques avancées, transférables et de qualité.
Élaborer des normes pour les applications éducatives de l'IA générative.
Pour éviter les risques imprévus et protéger les apprenants dont le discernement est encore en développement, les usages éducatifs doivent accorder de l'importance aux principes éthiques, aux exigences de service et aux normes pertinentes.
Premièrement, les normes techniques. Elles sont fondamentales, transversales et orientent le développement. Elles devraient notamment traiter de la stabilité et de l'évolutivité de l'architecture, de la facilité et de la sécurité de l'accès et de la clarté des droits de propriété et des autorisations d'utilisation des contenus.
Deuxièmement, les normes de qualité. Le cadre devrait mesurer la valeur, l'efficience et les bénéfices des plateformes. Il peut prévoir des tests réguliers d'exactitude et de stabilité, des sources fiables et variées, le suivi de l'exactitude, de la pertinence et de l'adéquation des contenus générés, ainsi que l'évaluation du soutien réel aux objectifs pédagogiques.
Troisièmement, les normes de service. Elles devraient couvrir les services techniques, la détermination des droits sur les contenus, les orientations et les retours d'expérience. Elles doivent définir le champ des applications éducatives, leurs utilisateurs et situations, et fournir aux enseignants et apprenants des instructions détaillées et de bonnes pratiques.
Construire un cadre de sécurité et d'éthique des grands modèles.
Premièrement, renforcer la réglementation et le contrôle extérieur. Élaborer et appliquer des politiques guidant efficacement la conception, le développement et l'usage des modèles. Protéger les données et la vie privée contre les fuites, accès non autorisés et autres atteintes. Mettre en œuvre une gouvernance des données et une informatique de confiance, des normes de chiffrement strictes, des audits réguliers et des évaluations des risques.
Deuxièmement, renforcer la responsabilité des développeurs et de leurs institutions. Sur le plan technique, améliorer la traçabilité et l'explicabilité des décisions, concevoir des cadres algorithmiques transparents, consigner les processus et fournir une documentation détaillée. Dans les usages sociaux, renforcer l'autorégulation, intégrer des principes de confiance, prévenir, surveiller et éliminer discriminations et biais, établir des normes et engagements professionnels et publier régulièrement des rapports de transparence.
Troisièmement, renforcer la conduite responsable et les règles d'usage. Les utilisateurs doivent respecter les lois et règles relatives aux données et à la cybersécurité, employer les technologies raisonnablement, éviter les actes illégaux ou contraires à l'éthique, respecter la vie privée et prévenir les abus de données. Formations et communications internes peuvent développer la conscience juridique et la responsabilité éthique, avec des mécanismes de contrôle et de réclamation.
Sources et lectures complémentaires
Source attribuée dans la copie historique : compte WeChat du Centre d'innovation pour l'éducation par Internet de Zhongguancun.
La copie historique de la Chaire attribue le texte au compte WeChat du Centre d'innovation pour l'éducation par Internet de Zhongguancun. Cette édition conserve le périmètre de cet extrait. L'article intégral correspondant, du même auteur, est paru dans Academic Frontiers, numéro 14 de 2024 ; l'éditeur l'a mis en ligne le 5 août 2024 à 15 h 38. L'extrait et l'article intégral ont des périmètres et des dates distincts.
Lien original: https://aiedchair.bnu.edu.cn/news-7989-fr/
