Article d’archives : les activités en ligne ont eu lieu le 19 septembre 2024 et la formation en présentiel le 21 septembre. Cet article conserve sa date de publication initiale sur le site de la Chaire : le 25 septembre 2024. Les fonctions et exemples techniques correspondent à cette période.
Sommaire de l’article
Le 21 septembre 2024, le Centre national de recherche en ingénierie du cyberapprentissage et des technologies intelligentes de l’Université normale de Beijing, désigné ici par CIT, a achevé sa deuxième formation avancée à l’enseignement collaboratif humain–IA avec les contenus générés par l’intelligence artificielle, ou AIGC.
La formation associait théorie et pratique, apprentissage en ligne et en présentiel. Elle comprenait des projets de cours simulés innovants en collaboration humain–IA, des exercices avec des agents en situation d’enseignement, la découverte de plateformes collaboratives et de grands modèles, ainsi que des échanges sur des cas proposés par des enseignants en exercice. L’équipe d’experts réunissait Li Yanyan, professeure à la Faculté d’éducation de l’Université normale de Beijing ; Wang Huanhuan, chercheuse adjointe dans cette université ; 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 l’université. Les assistants pédagogiques comprenaient Yuan Meng, de l’Université du Wisconsin–Madison ; Jiang Li, de l’Université normale de la capitale ; Wang Shuaijie, de l’Université normale de Chine centrale ; et Liu Tiantian, de l’Université normale de Beijing.
Plus de 50 enseignants du primaire, du secondaire et du supérieur et étudiants universitaires ont participé, venant de Beijing, Shanghai, Guangzhou et d’autres régions de Chine. Outre les échanges théoriques et la conception collective de cours innovants, la formation offrait aux enseignants un espace pour explorer l’évolution des rôles dans la collaboration humain–IA à l’ère de l’AIGC.
Temps forts de la formation
19 septembre : activités en ligne
La formation a débuté en ligne le 19 septembre par une introduction à l’enseignement collaboratif humain–IA. Dans ses propos d’ouverture, Da Ting est revenue sur les réalisations de la première édition et a encouragé l’exploration des technologies émergentes.
Lire l’alternative textuelle de l’image
La diapositive Temps forts de la première formation revient sur les 3 et 4 août 2024 : plus de 40 enseignants du primaire et du secondaire y ont participé, venant notamment de Beijing, Shanghai et Hong Kong, Chine.
Elle décrit les échanges avec les experts sur l’évolution des rôles humain–IA à l’ère de l’AIGC et la conception collective de cours innovants et de cas pédagogiques avec agents. Les quatre photos sont légendées conférences d’experts, partage de cas, pratique en équipe et accompagnement expert. Ces dates et chiffres concernent la première formation, et non la deuxième décrite dans l’article.
Conférences d’experts
Da Ting a proposé un aperçu technique des grands modèles et des agents, en présentant leurs concepts, les principaux cadres et les schémas de conception. Elle a ensuite abordé les moyens d’améliorer les performances des modèles de fondation, notamment les démarches de développement de grands modèles spécialisés dans l’éducation.
Lire l’alternative textuelle de l’image
La diapositive est intitulée Démarches de développement de grands modèles spécialisés en éducation. Elle décrit l’utilisation de modèles de fondation pour soutenir les applications éducatives et leur ajustement fin pour des tâches précises. La hiérarchie va de L0, modèles généraux, à L1, modèles sectoriels, puis L2, modèles de scénarios spécialisés.
Le tableau ci-dessous reprend les produits, concepteurs, modèles et usages indiqués dans la diapositive de 2024 ; il ne s’agit pas d’une évaluation ou recommandation actuelle. Un autre schéma relie modèles généraux de fondation, modèles ouverts, modèles de domaine ou d’entreprise et modèles spécialisés, avec les mentions appels d’API, ajustement fin, consignes et sorties.
| Produit | Concepteur | Modèle indiqué dans la diapositive | Usages indiqués dans la diapositive |
|---|---|---|---|
| Khanmigo | Khan Academy | ChatGPT/GPT-4o | Accompagnement dans plusieurs disciplines et enseignement guidé |
| 星火语伴 — compagnon linguistique Spark | iFLYTEK | Grand modèle cognitif Spark | Apprentissage des langues |
| 子曰 — Ziyue | NetEase | Grand modèle développé en interne | Langues et questions de connaissances |
| EduChat | Université normale de Chine de l’Est | Grand modèle développé en interne | Retours sur les rédactions, enseignement guidé, soutien émotionnel et création de questions |
| MathGPT | TAL Education | Grand modèle développé en interne | Apprentissage des mathématiques |
| 精准教学大模型 — grand modèle d’enseignement de précision | China Telecom | Grand modèle développé en interne | Apprentissage en classe, tests de devoirs et évaluation des examens |
Wang Huanhuan a présenté les techniques de formulation de consignes pour l’IA générative et leurs applications pédagogiques. Elle a donné des exemples d’outils d’AIGC adaptés aux enseignants, proposé des stratégies de rédaction des consignes et illustré, par des cas pratiques, leur contribution possible à l’efficacité des tâches.
Lire l’alternative textuelle de l’image
La diapositive Cadre de formulation des consignes énumère cinq composantes : tâche, contexte, rôle, format et ton.
Le premier exemple attribue un rôle d’ami, fournit des événements de la vie comme contexte et demande des conseils utiles et encourageants sans longue explication. Le second définit un assistant d’amélioration de l’écriture chinoise : orthographe, grammaire, clarté, concision et lisibilité, phrases raccourcies, répétitions réduites et texte corrigé dans un format donné. Ce sont des exemples du support pédagogique.
Explorer les agents dans les situations d’enseignement
Da Ting a partagé les travaux récents de son équipe sur les applications multi-agents en éducation. La séance a présenté les concepts essentiels et les méthodes d’application, tout en proposant des pistes pour l’exploration pratique ultérieure.
Lire l’alternative textuelle de l’image
La diapositive s’intitule Assistant pédagogique CIT : explication guidée d’exercices. Elle concerne un cours de chinois au second cycle du secondaire sur Le Chant de la joueuse de pipa et les sentiments de deux personnes partageant l’infortune malgré une première rencontre.
L’assistant demande une première interprétation, interroge les expériences de Bai Juyi et de la joueuse de pipa, puis oriente l’analyse vers la rétrogradation et la déception. Lorsque l’élève exprime son incertitude, il poursuit par des questions. Le téléphone présente trois services : questions de connaissances, enseignement guidé et explication d’exercices. La zone étiquetée vidéo est seulement une capture fixe de la diapositive d’origine ; aucune vidéo correspondante n’est lisible sur cette page.
Accompagnés par les assistants pédagogiques, les participants ont expérimenté la conception et le développement d’un assistant pour l’enseignement de la langue chinoise. Les exercices guidés et la pratique leur ont permis d’apprendre les fonctions de la plateforme et de créer des agents adaptés à leurs disciplines, reliant théorie et application.
Lire l’alternative textuelle de l’image
L’image présente la configuration d’un agent et son aperçu ou débogage. À gauche figurent variables, bases de données, mémoire à long terme, conteneur de fichiers, message initial, questions suggérées, raccourcis et image de fond.
L’exemple demande quelles œuvres composent la Trilogie de l’amour de Ba Jin. L’interface montre l’utilisation d’une base de connaissances et d’un outil de recherche, puis répond Brouillard, Pluie et Éclair. Il s’agit d’une démonstration de formation de 2024, et non d’une évaluation des fonctions ou performances actuelles de la plateforme.
21 septembre : apprentissage en présentiel
Par une matinée d’automne dégagée, un samedi, les enseignants se sont retrouvés pour la formation en présentiel.
Activités pour faire connaissance
Une activité brise-glace a facilité les présentations et préparé les participants à la suite. Dix équipes de travail ont été constituées ; après s’être présentés, leurs membres ont choisi ensemble des noms et créé des dessins représentatifs de leur groupe.
Chaque équipe a adopté un nom et un slogan. L’équipe 7, composée de participants des écoles et des universités, s’est appelée Tout convient, avec le slogan Action sans limites. L’équipe 9, dont les membres venaient de Beijing et de Shanghai, a choisi Équipe Beijing–Shanghai. L’équipe 10 a retenu Zhihe Qiuhui, qui évoque la sagesse, l’harmonie et l’éclat de l’automne, avec le souhait d’explorer de nouvelles voies éducatives.
Dans les activités de création et de présentation, les participants ont associé idées personnelles et esprit de collaboration.
Les noms et slogans traduisaient la créativité des enseignants, leur esprit d’équipe et leur intérêt pour l’éducation collaborative humain–IA. Ils ont exprimé leur volonté de poursuivre ensemble cette exploration.
Conférences et cas pédagogiques
Après les premiers échanges, les participants ont poursuivi avec les conférences d’experts et le partage de cas.
Li Yanyan a présenté des applications innovantes de l’IA dans l’éducation et l’enseignement, guidées par les scénarios d’usage. Elle a examiné différents contextes d’application dans le cadre des politiques existantes et la manière dont les grands modèles pouvaient soutenir l’enseignement et l’apprentissage. Ses exemples allaient de nouvelles formes d’apprentissage collaboratif humain–IA à la recherche pédagogique collaborative éclairée par les données probantes, pour une éducation intelligente centrée sur l’apprenant.
Zhu Lixin a présenté des outils pédagogiques d’IA destinés à améliorer l’efficacité des enseignants. Après une démonstration d’un personnage numérique, il a exploré des usages concrets dans différents contextes, notamment le soutien à l’enseignement et à l’apprentissage personnalisé. Il a également partagé des conseils techniques et des points de vigilance pour la pratique professionnelle.
Da Ting a traité de la pratique et de l’exploration de l’enseignement collaboratif humain–IA. À partir d’un cadre théorique et du bilan de trois initiatives de recrutement de participants, elle a illustré la diversité des contextes éducatifs et l’emploi de grands modèles dans la conception des cours. Elle a aussi présenté une évaluation de leurs capacités d’enseignement heuristique selon plusieurs dimensions. Des cas d’enseignants en exercice, dont la pédagogie différenciée et l’accompagnement après les cours, ont conclu son intervention.
Yang Xue, de Beijing Academy, a présenté un apprentissage thématique interdisciplinaire soutenu par l’IA à travers le cas Explorer les secrets de l’épluchage de l’ananas. Elle a expliqué comment l’IA pouvait aider les élèves à modéliser, développer de nouvelles façons de penser et proposer des solutions innovantes. Elle a également abordé la résolution de problèmes, la créativité et la collaboration, en insistant sur le rôle des enseignants pour accompagner un usage critique de l’IA.
Développement pratique d’agents pour l’enseignement
L’activité suivante proposait un travail plus avancé sur les agents en situation d’enseignement. Pendant la pratique libre, les équipes ont discuté de nouvelles idées, prolongé leurs acquis et réalisé leurs projets, passant de l’utilisation d’outils à leur conception.
Concevoir un enseignement collaboratif humain–IA innovant
Chaque équipe a participé à une activité pratique de conception. Des enseignants de disciplines et de parcours variés ont choisi un thème par remue-méninges, exploré les innovations possibles dans leur démarche pédagogique et développé les principes de la collaboration soutenue par l’AIGC. Ils ont conçu des cours simulés et prévu les interactions entre enseignants, apprenants et IA à chaque étape.
En plus des contenus et de la progression des cours, les équipes ont intégré des outils d’AIGC, dont de grands modèles de langage et des agents conçus pour leurs projets. Les experts ont travaillé avec chaque groupe pour améliorer les dimensions techniques et pédagogiques. L’équipe Coze de ByteDance a fourni une assistance technique pour réaliser les agents.
Présentations et démonstrations
Toutes les équipes ont achevé une proposition de projet et présenté leur conception. Un tirage au sort organisait les présentations et les commentaires : Da Ting a désigné la première équipe, qui a ensuite tiré une autre équipe chargée de commenter son travail, et ainsi de suite. Cette évaluation entre pairs a aidé les enseignants à comprendre les travaux des autres et à reconnaître les points forts et les améliorations possibles.
Outre l’évaluation entre pairs, la formation a présenté un grand modèle de langage comme évaluateur invité. Un assistant d’évaluation appliquait des critères et dimensions définis pour produire des retours en temps réel sur les travaux des équipes. L’activité a permis de comparer les caractéristiques de l’expression et de l’évaluation humaines avec celles générées par un modèle.
Réflexions et échanges
Vers la fin, Li Shuyu, de Beijing Academy, Hu Shujun, de l’Institut d’éducation de Beijing, et Wang Huanhuan, de l’Université normale de Beijing, ont échangé avec les participants. Ils ont partagé leurs expériences et discuté de l’avenir de l’enseignement collaboratif humain–IA.
La rencontre s’est achevée avec le lancement d’une communauté de pratique pour l’enseignement collaboratif humain–IA avec l’AIGC et la remise de certificats aux enseignants, en reconnaissance de leur travail et de leurs contributions.
Après la formation, les enseignants ont continué à échanger sur leurs acquis et formulé des suggestions constructives pour de futures activités et de nouvelles explorations éducatives.
Sources et informations sur les images
L’article original intégral de la Chaire a été vérifié à partir du reportage officiel de l’Institut d’apprentissage intelligent, répertorié au 29 septembre 2024. Les photographies, diapositives et montages proviennent de ce reportage. Leur cadrage complet est conservé, avec optimisation locale et traduction des légendes et alternatives textuelles. La diapositive rétrospective sur la première formation concerne les 3 et 4 août 2024 et se distingue de cette deuxième édition. Les comparaisons de produits et exemples d’interfaces sont des supports historiques de formation, et non des évaluations actuelles de produits. La diapositive intitulée démonstration vidéo est une image fixe ; aucune vidéo correspondante n’est intégrée ici.
Lien original: https://aiedchair.bnu.edu.cn/news-8252-fr/
