Cinq articles du Journal of Computers in Education

Cet article vous présente cinq articles publiés dans la revue Journal of Computers in Education. Voyons-les ensemble —

Le PDF est accessible via les liens des sources.

01 « L’IA conseille, je décide » : une étude séquentielle mixte explicative sur la littératie en IA, l’anxiété et l’agency chez les enseignants d’EFL dans l’innovation pédagogique guidée par l’IA

Auteurs :

Milad Naderi

Mohammad N. Karimi

Thème de recherche :

L’étude actuelle vise à tester un modèle de médiation séquentielle qui examine les atouts psychologiques et cognitifs des enseignants d’anglais comme langue seconde dans l’époque technologique actuelle. Nous proposons que la culture en intelligence artificielle ne produit pas automatiquement des innovations pédagogiques basées sur l’IA. Au contraire, nous supposons que cette relation est médiée séquentiellement par la réduction de l’anxiété liée à l’IA et par l’amélioration de l’agency des enseignants.

Résumé :

L’IA générative a repositionné les enseignants de langue étrangère (EFL) en passant d’utilisateurs de technologies à architectes d’innovations pédagogiques guidées par l’IA (AITI). Cependant, on sait peu de choses sur les mécanismes psychologiques qui déterminent le succès de cette transition. Cet étude expérimentale mixte séquentielle, basée sur la Théorie de la Autodétermination (SDT) et le Modèle Écologique de l’Agency en enseignant, a examiné si l’anxiété liée à l’IA et l’agency enseignant médient séquentiellement la relation entre la littératie en IA et l’AITI chez les enseignants de langue étrangère. Dans la phase quantitative, 361 enseignants d’anglais comme langue seconde ont répondu à des mesures auto-déclaratives validées, analysées par modélisation d’équations structurelles. Les résultats ont montré que la culture en intelligence artificielle a une influence positive directe et indirecte sur l’aptitude à l’intelligence artificielle, avec l’anxiété liée à l’IA et l’agency des enseignants comme médiateurs significatifs dans ce processus. Dans la phase qualitative suivante, des entretiens semi-structurés avec 21 enseignants, analysés par analyse thématique réflexive, ont confirmé et approfondi ces relations. Les résultats ont révélé que l’anxiété était générée par des comparaisons professionnelles, que l’autorité fonctionnait comme une délimitation délibérée autour de la compétence pédagogique de l’IA, et, plus important encore, que ce processus psychologique se développait principalement en l’absence de politiques ou de soutien institutionnel, laissant les enseignants devoir innover seuls. Les conclusions intégrées suggèrent que cultiver la littératie envers l’IA est nécessaire, mais insuffisant ; l’innovation durable nécessite un soutien institutionnel ainsi que une préparation psychologique individuelle.

Mots-clés :

• Innovation pédagogique guidée par l’IA

• Littératie en IA

• Agence des enseignants

• Anxiété liée à l’IA

• EFL

• Méthodes mixtes

• Méditation séquentielle

Lien :

https://link.springer.com/article/10.1007/s40692-026-00407-z

02 Découverte des profils de disposition au raisonnement critique chez les adolescents par clustering flou : implications développementales pour la littératie vidéo et l’analyse de l’apprentissage

Auteurs :

Francisco Martin-Gomez

Daniela Rotelli

Mars Pérez-Sanagustín

Julien Broisin

Thème de recherche :

Cette étude vise à évaluer l’efficacité d’une plateforme numérique conçue pour favoriser la pensée critique par l’analyse vidéo. L’étude cherche à approfondir la compréhension des processus cognitifs et des facteurs individuels qui influencent la manière dont les étudiants évaluent les vidéos en ligne. Ce travail prolonge les résultats de Hémon et al. (2025), qui ont montré que certaines dispositions, à savoir l’autonomie et les croyances épistémiques, prédisent la capacité des étudiants à distinguer les vidéos en fonction de leur expertise source.

Résumé :

Cet article étudie comment des configurations intégrées de dispositions en pensée critique, combinant l’efficacité personnelle, les croyances épistémiques et le style de raisonnement, influencent l’évaluation des vidéos éducatives et les décisions d’utilisation liées à l’école chez 1 079 élèves du secondaire. Le clustering par Fuzzy C-Means a identifié trois profils distincts de dispositions à chaque niveau d’éducation. Au lycée, deux sous-types de haute disposition ont émergé : un profil intuitif (haute efficacité personnelle, faible raisonnement analytique) et un profil analytique (efficacité personnelle modérée, haut raisonnement analytique). Seul le profil analytique lié à une performance critique supérieure et à la résistance au biais de confirmation est pertinent. Le profil intuitif, malgré une grande confiance, correspondait à des étudiants de faible disposition. Au collège, les performances s’accroissaient avec l’intensité de la disposition générale, sans modération du style de raisonnement. Les résultats indiquent que la pensée critique efficace au lycée nécessite une motivation combinée avec le raisonnement analytique, suggérant un seuil atteint vers l’adolescence tardive. L’étude propose une pédagogie différenciée et des systèmes de soutien à la décision basés sur l’informatique (par exemple, les plateformes d’analyse de l’apprentissage) dans l’éducation numérique.

Mots-clés :

• Dispositions de pensée critique

• Littératie vidéo

• Autonomie personnelle

• Croyances épistémiques

• Réflexion cognitive

• Raisonnement analytique

• Clustering Fuzzy C-Means

• Approche centrée sur la personne

• Analyse des apprentissages

• Développement de l’adolescence

• Compétences numériques

• Prise de décision éducative

Lien :

https://link.springer.com/article/10.1007/s40692-026-00404-2

03 Impact de la programmation par binôme intégrant les caractéristiques multidimensionnelles des étudiants sur la pensée computationnelle des élèves de lycée

Auteurs :

Qiang Jiang, Lin Zhang

Weiyan Xiong, Qi Li

Pan Liu, Wei Zhao

Thème de recherche :

Compte tenu du fait que les activités de programmation futures impliqueront de plus en plus des interactions entre humains et systèmes d’IA, comprendre comment optimiser la collaboration entre humains permet de poser une base importante pour développer les capacités des étudiants à participer efficacement dans des environnements de programmation médiatisés par l’IA. Sur cette base, cette étude explore plus en détail l’intégration de ces trois caractéristiques dans la conception d’un méthode de parallélisation afin d’évaluer si cette intégration produit un effet additionnel sur l’efficacité de l’enseignement de la programmation. 

Résumé :

Bien que des recherches importantes aient été menées sur le programmation par binômes, l’approche optimale pour les étudiants reste insuffisamment explorée. La plupart des études sur la programmation dans le cadre de l’éducation primaire et secondaire se sont concentrées sur les formats de binômes, mais n’ont accordé que peu ou aucune attention aux caractéristiques des étudiants. Cette étude comble cette lacune en déterminant l’efficacité d’une méthode de binôme basée sur la fusion de caractéristiques multidimensionnelles dans l’amélioration de la pensée computationnelle des étudiants. La méthode proposée intègre des algorithmes de binôme orientés règles et orientés données, en intégrant trois caractéristiques clés : la personnalité, les compétences d’apprentissage et les attitudes collaboratives. Un modèle de régression de forêt aléatoire a été utilisé pour déterminer l’impact de chaque caractéristique dans la prédiction et l’ajustement dynamique des poids de les associations. Par la suite, un design quasi-experimental a été adopté pour assigner 104 étudiants du lycée à un groupe de pairing aléatoire ou à un groupe de pairing intégrant plusieurs caractéristiques des étudiants. Ensuite, les performances des étudiants dans les dimensions essentielles de la pensée computationnelle ont été évaluées. Les résultats indiquent que les compétences d’apprentissage occupent la première place en termes d’importance, suivies par l’attitude collaborative et la personnalité. De plus, le groupe de combinaison recommandé par les caractéristiques a obtenu des scores significativement plus élevés que le groupe de combinaison aléatoire dans tous les domaines de la pensée computationnelle ciblée, à l’exception de la pensée critique. Les résultats de l’entretien ont également confirmé l’efficacité de la méthode proposée. Cette étude montre que les caractéristiques des étudiants influencent positivement les résultats de la programmation en binôme, et fournit une validation empirique ainsi que des conseils pratiques pour affiner les stratégies de combinaison dans la programmation au niveau K-12.

Mots-clés :

• Programmation par paires

• Caractéristiques des étudiants

• Pensée computationnelle

• Élèves du lycée

• Forêt aléatoire

Lien :

https://link.springer.com/article/10.1007/s40692-026-00408-y

04 Les conceptions des étudiants ruraux concernant l’apprentissage soutenu par la GenAI : le rôle du capital numérique

Auteurs :

Shuo Guo, Ming Liu

Yun-Fang Tu, Errun Liu

Wei Zhang, Yiling Ren

Chongrong Xu, Min Yang

Thème de recherche :

Cette étude vise à explorer les conceptions des étudiants ruraux à différents niveaux de capital numérique, en utilisant l’analyse des dessins et l’ENA. Les résultats devraient offrir des perspectives novatrices pour les chercheurs et les enseignants, afin de mettre en place des activités d’apprentissage adaptées aux conceptions des étudiants concernant l’apprentissage soutenu par la GenAI. Les questions de recherche sont listées ci-après :

(1) Quelles sont les structures générales des conceptions expérimentées et idéales des étudiants ruraux concernant l’apprentissage soutenu par GenAI ?

(2) En quoi les étudiants ruraux ayant différents niveaux de capital numérique diffèrent-ils dans leurs conceptions expérientes et idéales de l’apprentissage soutenu par la GenAI ?

Résumé :

L’intelligence artificielle générative (GenAI) est de plus en plus intégrée dans l’éducation K-12. Cependant, on sait peu comment les élèves du primaire en zones rurales perçoivent l’apprentissage soutenu par GenAI. Le capital numérique est une ressource socioculturelle essentielle qui influence la manière dont les élèves construisent et différencient leurs concepts. Par conséquent, cette étude a examiné les conceptions de 112 élèves des zones rurales concernant l’apprentissage soutenu par GenAI à l’aide de l’analyse des dessins et de l’analyse des réseaux épistémiques (ENA), et a également étudié comment le capital numérique a influencé ces conceptions. Chaque étudiant a réalisé des dessins en paires représentant à la fois des contextes réels et idéaux, qui ont été codés en 32 éléments dans six catégories. Les résultats ont révélé que :

(1) Les conceptions expérimentées des étudiants insistaient sur la collaboration avec GenAI pour apprendre les mathématiques à domicile. Cependant, leurs conceptions idéales imaginaient GenAI comme un compagnon incarné pour l’apprentissage dialogique dans des environnements naturels. 

(2) Les étudiants ayant un capital numérique élevé (HDC) imaginaient des applications interdisciplinaires plus riches, tandis que ceux ayant un capital numérique faible (LDC) continuaient à considérer l’IA générative comme un outil fonctionnel pour la recherche d’informations liées aux mathématiques. Dans l’ensemble, cette étude montre comment les étudiants ruraux conceptualisent l’apprentissage soutenu par l’IA générative, soulignant le rôle clé du capital numérique dans la formation de ces conceptions. Les résultats apportent des perspectives novatrices pour concevoir des stratégies centrées sur les étudiants et orientées vers l’équité, qui utilisent l’IA générative pour améliorer l’éducation dans les zones rurales.

Mots-clés :

• Intelligence artificielle générative

• Éducation rurale

• Les conceptions des étudiants concernant l’apprentissage

• Capitale numérique

• Analyse de réseau épistémique (ENA)

Lien :

https://link.springer.com/article/10.1007/s40692-026-00405-1

05 Le rôle de l’IA pour l’apprentissage auto-régulé : une revue systématique de la littérature

Auteurs :

Vaishali Shrikant Jadhav

Sindhu Singh

Thème de recherche :

Cette étude mène une revue systématique de recherches expérimentales et quasi-experimentales axées sur les SRL soutenues par l’IA, afin de produire une synthèse rigoureuse des données empiriques permettant de clarifier l’apport ou l’entrave de l’IA aux différents processus de SRL. Par conséquent, cette étude est guidée par les questions de recherche suivantes :

(1) Quelle est la base théorique utilisée pour mettre en œuvre des outils d’IA pour les SRL ?

(2) Quel est le contexte d’apprentissage et le profil des apprenants qui ont utilisé des outils d’IA pour le soutien à la gestion de la petite entreprise ?

(3) Quelles sont les domaines de l’apprentissage auto-régulé que les outils d’IA ont aidé à structurer ?

(4) Quelles technologies de l’IA ont été utilisées pour le scaffolding SRL ?

Résumé :

L’apprentissage auto-régulé (SRL) est connu pour avoir un impact positif sur la motivation, les performances et les résultats d’apprentissage chez les apprenants. Les progrès récents dans les technologies de l’IA ont entraîné le développement de technologies d’apprentissage intégrant l’IA afin de soutenir le SRL. La complexité des outils de l’IA peut provoquer une surcharge cognitive, et l’utilisation omniprésente de l’IA dans l’apprentissage peut affecter les capacités de raisonnement critique. L’implémentation d’outils de l’IA en utilisant les concepts et cadres du SRL peut atténuer ces problèmes. Le rythme de l’innovation en IA et le grand nombre de dimensions et de constructions liées aux SRL exigent une étude des relations de cause à effet entre les processus SRL et l’implémentation et l’utilisation des outils IA dans des scénarios réels, par l’utilisation de recherches expérimentales. Les études de revue antérieures se sont principalement concentrées sur les cadres conceptuels et les applications technologiques spécifiques, avec une attention limitée aux recherches expérimentales qui peuvent valider l’efficacité pratique de ces outils IA pour soutenir les SRL dans diverses situations d’apprentissage, y compris les contextes d’apprentissage informel et collaboratif. La plupart des études de revue se sont concentrées sur une technologie d’IA spécifique et une dimension SRL restreinte. En s’appuyant sur ces lacunes identifiées, cette étude SLR a examiné 41 études expérimentales afin de comprendre les fondements théoriques, les contextes d’apprentissage, les types de technologies d’IA utilisées et les processus SRL soutenus par diverses technologies d’IA, afin d’évaluer l’utilité des outils d’IA pour le soutien au SRL et de examiner la relation cause à effet empiriquement prouvée entre diverses constructions SRL et AI. L’étude a montré que les études expérimentales ont limité l’application des théories de SRL dans les SRL soutenues par l’IA, avec peu de attention portée aux environnements d’apprentissage informel et des outils d’IA limités pour permettre les phases de préparation et de mise en œuvre des SRL. L’étude propose un concept de personnages IA afin de comprendre comment les apprenants interagissent avec les systèmes IA, ainsi que des recommandations pour les chercheurs expérimentaux futurs afin de relever les défis liés à une intégration théorique limitée, aux contextes d’apprentissage et aux processus de SRL. Pour améliorer les taux de réussite et réduire les taux de abandon dans les plateformes d’apprentissage en ligne, il est nécessaire, dans les recherches expérimentales futures, de se concentrer sur la mise en œuvre de l’IA pour les SRL dans les contextes d’apprentissage non formel.

Mots-clés :

• Apprentissage auto-régulé

• Intelligence artificielle (IA)

• Apprentissage professionnel

• Apprentissage en ligne

• AI dans l’éducation (AIEd)

Lien :

https://link.springer.com/article/10.1007/s40692-026-00406-0

Source : Journal JCE, volume 13, numéro 3

Le PDF est accessible via les liens des sources.

Sources et téléchargements