Le développement de l’IA fait de la collaboration entre enseignants et machines un objet de recherche éducative. L’article iSTAR, publié dans Journal of Applied Learning and Teaching en 2023, propose un cadre adapté aux capacités technologiques de l’époque pour comprendre leur travail commun et concevoir des possibilités d’apprentissage sûres, responsables et éthiques.
iSTAR : un écosystème de synergie humain–machine
iSTAR signifie “Intelligent human-machine Synergy in collaborative teaching: utilizing the digital Twins, Avatars/Agents and Robots” : synergie intelligente humain–machine dans l’enseignement collaboratif avec jumeaux numériques, avatars ou agents et robots. La collaboration est envisagée comme un écosystème dépassant le travail d’un enseignant avec une seule machine. Le schéma place les enseignants au sein des relations de coopération entre ces technologies.
Les cinq dimensions DELTA
DELTA identifie cinq dimensions à considérer pour concevoir des possibilités d’apprentissage :
- Conception (Design)
- Éthique (Ethics)
- Apprentissage (Learning)
- Enseignement (Teaching)
- Évaluation (Assessment)
Considérations de conception
La figure originale distingue quatre considérations de conception :
- Source, type et structure des données.
- Technique, modèle et algorithme d’IA.
- Forme et apparence des machines robotiques.
- Intelligence collaborative dans l’éducation.
Considérations éthiques
Les quatre considérations éthiques soulignent responsabilité et inclusion :
- Collaboration humain–machine responsable.
- Diversité, inclusion et équité.
- Relations de confiance entre l’IA et les humains.
- Éducation appropriée à la culture de l’IA.
Apprentissage, enseignement et évaluation
La figure relie apprentissage, enseignement et évaluation par deux considérations :
- Rôle des enseignants et situations d’apprentissage.
- Évaluation de l’apprentissage et de la synergie humain–machine.
Éducation spécialisée et conception inclusive
Dans la discussion éthique, les auteurs estiment que les technologies d’assistance doivent améliorer la qualité de vie des apprenants handicapés et que diversité, inclusion et équité doivent guider le développement et l’usage de l’IA. Ils examinent aussi données représentatives, biais et relations de confiance, offrant une perspective scientifique pour l’éducation spécialisée et inclusive.
Dates de publication
La page de l’éditeur indique le 17 octobre 2023, tandis que la première page du PDF mentionne une mise en ligne le 18. L’archive originale du site reste datée du 19. Ces informations sont distinguées ici. Cette page présente le résumé et les cadres ; l’article intégral est disponible auprès de la revue.
Référence et licence
Référence : Ronghuai Huang; Ahmed Tlili; Lin Xu; Ying Chen; Lanqin Zheng; Ahmed Hosny Saleh Metwally; Ting Da; TingWen Chang; Huanhuan Wang; Jon Mason; Christian M. Stracke; Demetrios Sampson; Curtis J. Bonk. Educational futures of intelligent synergies between humans, digital twins, avatars, and robots – the iSTAR framework. Journal of Applied Learning & Teaching, 6(2), 28–43 (2023). DOI: 10.37074/jalt.2023.6.2.33. L’article déclare une licence Creative Commons Attribution (CC BY).
Lectures complémentaires
Recherche associée : applicabilité éducative de l’IA générative ; contexte : guide de l’UNESCO sur l’IA générative ; autres ressources : ressources d’éducation spécialisée et inclusive.
Lien original: https://aiedchair.bnu.edu.cn/news-5365-fr/
