Relier préparation, cours et suivi par les devoirs numériques

Les tâches intelligentes renforcent l’enseignement et améliorent sa qualité et son efficacité  

Gao Yinli, Jie Wei, Zhao Mengying, Ye Jing  

Établissement secondaire n° 15 de Yinchuan  

Résumé:Cet exemple prend pour modèle le 15e collège de Yinchuan, et explore l’application des devoirs intelligents dans l’amélioration de la qualité et de l’efficacité de l’enseignement. Face aux besoins de la transformation numérique de l’éducation et aux inconvénients des modèles de devoirs traditionnels, cet établissement a introduit un système de devoirs intelligents. Grâce au modèle « double principal et trois cercles », la gestion des devoirs devient intelligente, la préparation avant le cours est plus précise, l’interaction en classe est immédiate, et l’aide après le cours est personnalisée. Le système de devoirs intelligents non seulement améliore l’efficacité de l’enseignement, mais favorise également l’apprentissage personnalisé des élèves, renforce la compétence informationnelle des enseignants, joue un rôle de modèle et d’exemple, offrant ainsi une expérience précieuse pour la transformation numérique de l’éducation.    

Mots-clés:Tâches intelligentes ; amélioration de la qualité et de l’efficacité de l’enseignement    

I. Contexte du cas  

En ce moment, notre pays met tout en œuvre pour promouvoir la transformation numérique de l’éducation. Le « Plan d’action pour l’approfondissement de la réforme des programmes d’enseignement de l’éducation de base » publié par le Ministère de l’Éducation en 2023 précise que l’on doit utiliser les forces numériques pour renforcer l’éducation de base et créer de nouveaux modèles d’enseignement et d’apprentissage, indiquant ainsi une direction claire pour le développement innovant dans le domaine de l’éducation. Cependant, le modèle d’enseignement traditionnel présente de nombreuses limites dans la phase des devoirs, montrant une tendance à « mettre l’accent sur l’enseignement plutôt que sur l’apprentissage, sur la connaissance plutôt que sur les compétences, et sur les résultats plutôt que sur le processus ». Les enseignants se concentrent trop sur la transmission unidirectionnelle des connaissances, négligeant le processus d’apprentissage et la formation des compétences des élèves, ce modèle ne répond pas aux besoins pressants de la nouvelle ère en matière d’éducation personnalisée et de développement de la pensée avancée des élèves. Parallèlement, les écoles rencontrent de nombreuses difficultés dans la mise en œuvre de l’enseignement personnalisé. Les capacités des enseignants en matière d’informatisation varient, la collecte et l’utilisation des données manquent de continuité, et ces problèmes entravent sérieusement la mise en œuvre efficace de l’enseignement personnalisé. Cependant, les données des devoirs sont faciles à obtenir et structurées, ce qui constitue une clé pour promouvoir l’innovation pédagogique. Les devoirs intelligents, en tant que domaine important de la transformation numérique de l’éducation, offrent de nombreux avantages tels que la collecte de données, l’analyse intelligente et les suggestions personnalisées, fournissant un soutien efficace pour résoudre les problèmes des devoirs traditionnels et réaliser un enseignement personnalisé. Dans ce contexte, le 15e collège de Yinchuan a saisi habilement les opportunités de l’époque, a réagi positivement à la stratégie de numérisation de l’éducation, et a considéré l’exploration et l’application des devoirs intelligents comme une mesure importante pour améliorer la qualité de l’enseignement et promouvoir le développement des enseignants et des élèves, entamant officiellement une nouvelle ère d’enseignement renforcé par la technologie.  

II. Stratégies de mise en œuvre de l’appui aux activités d’apprentissage par la sagesse  

Pour promouvoir efficacement les projets d’enseignement intelligent, le 15e collège de Yinchuan a réalisé une conception stratégique et une planification systémique approfondies, afin de garantir une intégration profonde entre technologie et enseignement. Cela a permis de construire progressivement un système d’enseignement soutenu par les tâches intelligentes adapté aux réalités de l’école et capable de se développer durablement.  

(1) Idee de conception globale et cadre théorique  

L’école, basée sur le concept fondamental de l’enseignement précis, à savoir « objectifs précis, diagnostic précis et intervention précise », positionne les tâches intelligentes comme un élément clé dans la chaîne de l’enseignement, permettant l’autonomisation des données. Sur cette base, le collège numéro 15 propose de manière innovante le modèle d’enseignement en « deux principaux et trois cercles » (comme illustré à la figure 1). Le « deux principaux » signifie que l’enseignant est le leader et l’élève est au centre, mettant l’accent sur la collaboration et l’interaction entre enseignant et élève ; les « trois cercles » désignent l’organisation organique des trois phases avant, pendant et après la leçon, ainsi que la connexion des données.  

Avant la classe : assigner des tâches d’étude personnalisées via des devoirs intelligents, pour comprendre précisément le niveau des élèves et poser les bases d’une enseignement basé sur l’apprentissage.  

En classe : mettre en œuvre une coopération d’apprentissage hiérarchisée, utiliser le système de devoirs intelligents pour fournir des retours dynamiques en temps réel sur l’état d’apprentissage, combiner enseignement en ligne et en présentiel, et confier davantage l’initiative de la classe aux élèves.  

Après l’école : grâce au système de travail à distance intelligent, des conseils personnalisés et des développements sont offerts, permettant une correction intelligente des travaux et des retours précis.  

Le cœur de ce modèle réside dans l’utilisation des systèmes de travail intelligent pour collecter et analyser les données qui traversent tout le processus d’enseignement, afin de créer un cycle fermé d’enseignement, ce qui permet de rendre les actions d’enseignement plus précises et l’apprentissage des étudiants plus personnalisé.  

(2) Focus pratique : Exploration de l’application approfondie des tâches intelligentes dans toutes les étapes de l’enseignement  

Le 15e collège de Yinchuan intègre profondément le système de devoirs intelligents dans toutes les étapes de l’enseignement. De la gestion des devoirs à l’aide à l’école, pendant et après les cours, ainsi que à la recherche pédagogique et à la gestion de l’enseignement, des changements précis basés sur les données ont été réalisés.  

1. Intelligence de la gestion des tâches : la fondation pour améliorer la qualité et augmenter l’efficacité

Le système de travail intelligent a d’abord apporté des changements révolutionnaires dans la gestion des tâches, libérant les enseignants de tâches administratives encombrantes.  

Premièrement, l’organisation intelligente et les formes innovantes. Les enseignants peuvent utiliser les ressources scolaires intégrées par le système, les exercices de manuel, les questions récentes, etc., pour filtrer et distribuer des exercices différenciés en un clic (comme des exercices de base, des exercices avancés, des exercices approfondis), afin de répondre aux besoins des élèves de différents niveaux. En même temps, des formes innovantes d’exercices sont introduites, telles que des cartes de mots en anglais, des exercices de lecture à haute voix, des essais de rédaction créative, des exercices de projet à réaliser, etc., ce qui enrichit les situations d’exercice et stimule l’intérêt des élèves pour l’apprentissage.  

Deuxièmement, correction efficace et retour immédiat. Les questions objectives sont corrigées automatiquement par l’IA, tandis que les questions subjectives permettent aux enseignants de les corriger en ligne et de conserver les traces. Ou bien, via un appareil de correction intelligent, une collaboration homme-machine est mise en œuvre pour la correction. L’efficacité de la correction est considérablement améliorée, et le temps nécessaire pour corriger les devoirs est réduit de près de 50 %. Les résultats de la correction sont transmis aux élèves en temps réel, ce qui facilite les corrections et les réflexions opportunes.  

Troisièmement, il s’agit de la statistique et de l’analyse multidimensionnelles. Le système peut générer en temps réel des rapports de travail multidimensionnels (comme montré à la figure 2), incluant le taux de réalisation des travaux des étudiants, le taux moyen de notes, la distribution des notes, le taux de réussite des questions, la distribution des options, la liste des étudiants qui n’ont pas terminé, etc. Ces données graphiques et visuelles offrent un grand avantage pour que les enseignants puissent comprendre précisément la situation des étudiants.  

2. Préparation avant le cours et maîtrise précise de la situation d’apprentissage : « L’enseignement se base sur l’apprentissage »

L’utilisation des tâches intelligentes dans la phase de préparation avant la classe permet aux enseignants de se détacher de la préparation pédagogique basée sur l’expérience pour passer à une préparation rigoureuse basée sur des données.  

Premièrement, concevoir des exercices de préparation « touchés ». Les enseignants conçoivent un petit nombre d’exercices de préparation clés concernant les nouveaux concepts à apprendre, et les publient via le système d’exercices intelligents. Par exemple, avant le cours « Les conditions de flottaison des objets », les exercices de préparation révèlent que « 52 % des élèves de la classe ont une conception physique erronée : ‘la masse flotte plus que la légèreté’ ».  

Deuxièmement, l’enseignement basé sur les données. Les données relatives aux réponses aux exercices de préparation permettent de refléter clairement les concepts préalables des élèves, leur stock de connaissances et leurs difficultés potentielles. En se basant sur ces données, l’enseignant peut déterminer avec précision le point de départ de l’enseignement, ajuster les objectifs et les stratégies pédagogiques, et optimiser la conception des phases d’enseignement, afin de réaliser véritablement « l’enseignement adapté aux besoins des élèves », rendant ainsi l’enseignement en classe plus ciblé et efficace. Par exemple, en se basant sur les données de préparation concernant « Les conditions de flottaison des objets », l’enseignant peut concevoir des expériences ciblées pour aider les élèves à établir une conception correcte de la flottaison.  

3. Interaction en classe et retour immédiat : les leviers d’un contrôle dynamique

Le système d’exercices intelligent s’étend dans les salles de classe, devenant un outil puissant pour assurer des retours immédiats et des ajustements pédagogiques dynamiques.  

Premièrement, il s’agit de tests en classe et de présentation immédiate des données. En ce qui concerne les objectifs d’apprentissage en classe, l’enseignant peut utiliser le système de devoirs intelligents pour effectuer des tests en temps réel. Après que les étudiants répondent via les appareils terminaux, le système peut compter et afficher instantanément les résultats de l’ensemble de la classe, tels que le taux de réussite, le nombre de personnes choisissant chaque option, etc. (comme montré à la figure 3). Cette méthode surpasse les problèmes liés à la représentativité insuffisante des questions individuelles ou à la tromperie des réponses collectives dans les questions traditionnelles.  

Deuxièmement, ajustements des stratégies d’enseignement basés sur les données. Les enseignants, en se basant sur les données de retour immédiat, peuvent rapidement déterminer le niveau de maîtrise des objectifs d’apprentissage par les étudiants, et ajuster ensuite de manière flexible leurs stratégies d’enseignement : « Les questions vertes ne sont plus abordées, les questions orange sont discutées par les étudiants, et les questions rouges nécessitent un ajustement des méthodes d’enseignement. » Ce retour immédiat améliore l’efficacité d’apprentissage des étudiants de près de 60 %.

4. Aide après cours et soutien à l’apprentissage personnalisé : la voie de l’adaptation selon les besoins de chaque étudiant

Le système d’exercices intelligent brise les îlots de données, en collectant et en connectant les données liées aux exercices, aux activités en classe et aux examens, afin de créer une carte personnalisée de l’état d’apprentissage des élèves, ce qui permet la mise en œuvre de l’accompagnement personnalisé et de l’apprentissage individualisé.

Les enseignants, en se basant sur des cartes, examinent de manière complète l’état de maîtrise des connaissances et les qualités d’apprentissage des étudiants. Ils identifient précisément les points faibles dans l’apprentissage de chaque étudiant. En partant de l’état d’apprentissage des étudiants, les enseignants offrent un soutien différencié, permettant ainsi de corriger les lacunes de manière ciblée.

Premièrement, les enseignants d’école utilisent les classes ciblées comme outil pour mettre en œuvre intensivement l’enseignement personnalisé. Les classes ciblées se divisent principalement en classes ciblées visant à résoudre les problèmes de maîtrise des connaissances, et en classes ciblées permettant d’approfondir l’apprentissage innovant des élèves.

Dans les classes ciblées pour la maîtrise des connaissances, les classes ciblées temporaires sont créées rapidement pour chaque exercice ou question incorrecte dans un examen, afin de proposer des questions similaires aux élèves pour renforcer leurs connaissances et combler rapidement les lacunes. Les classes ciblées par étapes s’adressent aux élèves dont la maîtrise des contenus éducatifs par étapes est faible, en proposant des vidéos pédagogiques, des supports pédagogiques et des exercices ; ces contenus sont supprimés une fois que les élèves les ont maîtrisés, ce qui permet aux élèves de suivre le rythme de l’enseignement. Les classes ciblées à long terme vont au-delà du niveau général des élèves pour les aider à améliorer leurs compétences et à se développer pleinement. Par exemple, si un enseignant constate que les élèves de la classe ne maîtrisent pas bien le concept de « électricité et magnétisme », il peut identifier un élève spécifique, créer une classe ciblée avec une seule touche, et proposer une vidéo d’explication, ce qui permet d’augmenter le taux de réussite de ce concept de 73 % à 81,9 %.

Les classes ciblées d’apprentissage innovant sont créées en fonction des compétences et intérêts des étudiants. Pour les étudiants dotés d’un bon esprit de pensée, des classes ciblées d’innovation sont créées afin de développer leur sens de l’innovation et leur capacité à résoudre des problèmes ; pour les étudiants doués pour l’expérimentation, des classes ciblées d’exploration expérimentale sont créées pour améliorer leurs compétences en pratique et en recherche scientifique.  

Deuxièmement, la révision et la consolidation des erreurs d’examen sous la direction de l’enseignant. Le système d’examen intelligent enregistre automatiquement toutes les erreurs d’examen des élèves (comme illustré à la figure 6). L’enseignant peut, en se basant sur le principe de la courbe d’oubli de Ebbinghaus, pousser les élèves à réviser leurs erreurs à plusieurs moments différents. Par exemple, lors de l’assignation d’un exercice, l’interrupteur de révision des erreurs est activé, et le système envoie automatiquement les erreurs personnalisées de l’exercice précédent. L’enseignant peut également filtrer les erreurs fréquentes communes à l’ensemble de la classe pour les envoyer. Les élèves peuvent également télécharger eux-mêmes un carnet personnalisé des erreurs. La couverture de la révision des erreurs atteint 76,7 %, et le taux de réussite après révision est de 80,4 %.  

5. Enseignement et recherche poussés par les données : le moteur du développement professionnel

Les données générées par les travaux intelligents ne servent pas uniquement l’enseignement quotidien, mais apportent également une nouvelle vitalité aux activités de recherche pédagogique.  

Premièrement, la préparation collective basée sur des données probantes. Le groupe de préparation utilise les données des tâches intelligentes pour analyser précisément les besoins des élèves et discuter ensemble des problèmes typiques et des solutions. Par exemple, lors de la révision en mathématiques pour les élèves de troisième année, certaines classes ont des difficultés à maîtriser la méthode des images. Grâce à des séances de recherche pédagogique collective, après l’utilisation de nouvelles approches d’explication, le taux de réussite des élèves dans les points de connaissances a nettement augmenté. L’école a normalisé le processus de préparation collective pendant la phase de révision (comme montré à la figure 7), en insistant sur « la préparation des besoins des élèves », c’est-à-dire que le groupe de préparation analyse les besoins des élèves à partir de données analytiques, discute des problèmes typiques et des solutions, afin de trouver de nouvelles stratégies d’enseignement.  

Deuxièmement, optimiser les activités de formation au sein de l’école. Les écoles utilisent les données des travaux à domicile pour organiser des activités de recherche et de développement pédagogique thématiques, comme le « Forum sur la connaissance », afin d’analyser les points forts et les problèmes de l’enseignement, et aider les enseignants à réfléchir et améliorer leur enseignement sous l’appui des données, ce qui renforce leurs compétences professionnelles.  

6. Gestion pédagogique détaillée : fondement de la prise de décision scientifique

Les données du système de travail intelligent offrent également un soutien efficace à la gestion pédagogique des écoles. Les écoles mettent en œuvre une gestion pédagogique détaillée basée sur des données, à travers 32 indicateurs répartis en 6 grandes catégories. La direction peut consulter clairement les rapports de données selon les dimensions disciplinaires, les comportements des enseignants (comme le nombre de tâches de travail, les données de correction des questions subjectives, les données de création de ressources, les données relatives aux classes ciblées) et les comportements des élèves (comme les données de visionnage des vidéos de microcours, le taux de réussite des devoirs, le taux de répétition des erreurs et le taux de score). Cela rend le processus d’enseignement visuel, daté et transparent, offrant une base scientifique pour les décisions pédagogiques et l’allocation des ressources.  

III. Résultats des phases  

Depuis l’utilisation officielle du système de travail intelligent à partir du semestre d’automne 2023, le 15e collège de Yinchuan a obtenu des résultats encourageants à plusieurs niveaux de l’enseignement et de l’éducation. Les changements pédagogiques basés sur les données ont non seulement amélioré les performances académiques des élèves, mais ont également favorisé le développement professionnel des enseignants et l’amélioration globale de la qualité de fonctionnement de l’école.  

Premièrement, l’application de fréquences élevées devient régulière. Depuis l’introduction du système de travail intelligent, les réponses des enseignants et des élèves de notre école sont bonnes. Par exemple, pour la classe de neuvième année, au cours de l’année scolaire 2024, 54 enseignants ont utilisé le système, 1032 élèves l’ont utilisé, 21612 tâches ont été assignées, avec plus de 170 000 questions. Le taux de soumission des devoirs par les élèves est de 73,27 %, et plus de 5000 tâches ciblées ont été effectuées. La correction et la statistique des devoirs économisent environ 50 % de temps par rapport aux méthodes traditionnelles. Les élèves ont étudié plus de 29 490 exercices autonomes grâce au système de travail intelligent, et le taux de répétition des erreurs est de 73,46 %. De plus, de nombreuses ressources en cours numériques ont été accumulées, dont les cours scolaires couvrent l’apprentissage synchronisé de toutes les disciplines et le révision complète de la neuvième année, avec plus de 1100 vidéos. L’utilisation du système de travail intelligent a permis une application quotidienne, régulière et à grande échelle.  

Deuxièmement, l’amélioration de la compétence informationnelle des enseignants. Les enseignants de notre établissement utilisent divers outils technologiques pédagogiques, intégrant habilement les ressources traditionnelles et numériques, approfondissant la réforme de la recherche pédagogique dans les activités scolaires, développant des questions de test originales, enrichissant les formes d’activités scolaires, telles que les activités flexibles, les activités par niveaux, les activités interdisciplinaires, les activités basées sur des projets, etc., et établissant des bibliothèques de ressources de haute qualité par discipline, par unité et par heure de cours. En même temps, les enseignants utilisent l’informatique pour collecter et analyser les données d’apprentissage des élèves, évaluer avec précision l’efficacité de l’enseignement, et passer de l’apprentissage basé sur l’expérience à l’enseignement guidé par des données éprouvées. En 2024, le cas « L’éducation intelligente renforce l’enseignement et l’apprentissage, améliore la qualité et l’efficacité, soutenant les politiques “Double Diminution” » a reçu le premier prix dans toute la région. Un projet numérique a été mis en place dans la région autonome, quatre projets dans la ville de Yinchuan, et deux projets dans le district de Xingqing. Le professeur Shi Haibo en mathématiques a présenté une présentation sur la conception d’activités intelligentes par unité de mathématiques dans toute la ville. L’amélioration globale de la compétence informationnelle des enseignants ne stimule pas seulement l’innovation pédagogique, mais augmente également considérablement l’efficacité de la gestion scolaire, correspondant aux tendances de développement de l’éducation numérique.  

Troisièmement, l’effet de modèle est mis en œuvre. Le 15 mai 2025, l’enseignante Gao Yinli de notre établissement a participé à la conférence parallèle de la Conférence mondiale sur l’éducation numérique intitulée « Changement de rôle et amélioration des compétences des enseignants à l’ère de l’intelligence ». Elle a présenté un exemple de enseignement précis doté de technologies numériques : « De l’intuition expérimentale à la boussole éducative – une deuxième croissance professionnelle pour les enseignants ». Le 12 juin 2024, elle a participé à la réunion de promotion des technologies numériques dans l’éducation de la région, montrant les projets de travaux intelligents de l’école, et a été rapportée et promue par le journal Ningxia Daily. En septembre 2024, elle a partagé son expérience dans les activités de communication professionnelle sur l’amélioration de la qualité de l’éducation grâce aux technologies numériques dans toute la région. En juillet et novembre 2024, elle a assuré les tâches de formation aux travaux intelligents dans le district de Xingqing et des activités d’observation à l’école. Elle a organisé plusieurs activités de communication et de présentation entre la région et les établissements, créant une plateforme de communication professionnelle, présentant divers exemples de cours, expériences et pratiques, et jouant un rôle de modèle pour guider et influencer les autres écoles.  

4. Problèmes et perspectives  

En regardant vers l’avenir, le 15e collège de la ville de Yinchuan continuera à approfondir l’utilisation des tâches intelligentes et à optimiser les aspects insuffisants identifiés dans la pratique, s’efforçant de franchir une nouvelle étape dans l’éducation intelligente de plus haut niveau :

Premièrement, il s’agit d’améliorer les modèles de analyse de données et de la construction de profils des enseignants. Il est possible d’explorer plus en profondeur la relation entre les données des devoirs des étudiants et les données sur les comportements d’enseignement des enseignants, ainsi que les données de recherche pédagogique, afin de créer une carte de développement des compétences professionnelles des enseignants, et fournir un soutien plus précis pour le développement professionnel personnalisé des enseignants.

Deuxièmement, approfondir la recommandation de parcours d’apprentissage personnalisés. Sur la base des classes ciblées existantes, en utilisant l’intelligence artificielle et les technologies d’analyse d’apprentissage, on offrira aux étudiants des parcours d’apprentissage personnalisés et des recommandations de ressources plus intelligentes et plus dynamiques, permettant ainsi un apprentissage adaptatif « chacun avec son propre visage ».

Troisièmement, promouvoir la fusion de données multiples et l’évaluation globale. Explorer activement la fusion des données liées aux tâches intelligentes, de l’évaluation de la qualité globale des élèves et des données de surveillance de la santé physique, afin de créer un système d’évaluation plus complet du développement des élèves, servant les objectifs éducatifs de « cinq éducations en même temps », et s’efforcer de construire un cycle de pratique fondé sur la preuve intégrant « la conception, la mise en œuvre et l’évaluation », avec une « validation mutuelle des trois cercles ».