6 défis pour l'intégration de l'IA dans l'évaluation des apprentissages

Complément de LeaderTech.

Actuellement, je reçois de nombreuses sollicitations pour des conférences et des formations portant sur l'intelligence artificielle et l'évaluation.

Il y a dix jours, j'aurais dû animer un atelier de deux heures à l'université de Fribourg & HES-SO sur ce même sujet. C’est reporté pour septembre.

Pourquoi l'évaluation à l'ère de l'intelligence artificielle suscite-t-elle tant d'intérêt ?

L'une des raisons pourrait être la peur que l'IA incite à la triche chez les étudiants. Bien que la triche ne soit pas un phénomène nouveau — les services payants d'aide à la rédaction existent depuis longtemps — l'IA permet de simplifier et de réduire le coût de telles pratiques pour ceux qui cherchent à comprendre son fonctionnement et à en tirer parti.

Cependant, ce n'est pas cet aspect de l'évaluation à l'ère de l'IA qui retient mon attention.

L'IA est certes source d'inquiétude, mais elle fascine également par ses vastes possibilités. Ce qui m'intéresse, c'est le potentiel de l'IA à offrir un soutien personnalisé et continu aux étudiants tout au long de leur parcours éducatif.

Dans cette édition de la newsletter :

• Un article écrit par 8 scientifiques exposant 6 défis pour l’utilisation de l’IA dans l’évaluation des apprentissages.

Dans une prochaine édition :

• Je partagerai mes réflexions et mon expérience actuelle dans le développement d'un GPT spécifique aux contenus de notre livre, qui sert de base à un cours que je conçois avec une collègue sur la gestion d'un établissement à l'ère numérique, destiné aux directions d’établissement et aux responsables de projet d’éducation numérique dans des ministères de l’éducation. Ce GPT aura pour but de soutenir à distance les étudiants et de répondre à leurs questions concernant les contenus du cours.

  ---

Temps de lecture: 8 minutes

L’article Assessment in the age of artificial intelligence de Zachari, Khosravi, Chen, Martinez-Maldonado, Lodge, Milligan, Selwyn & Gasevic (2022) nous rappelle que l'évaluation des apprentissages joue un rôle déterminant pour mesurer si les étudiants ont effectivement acquis les connaissances et compétences attendues. Traditionnellement, cette évaluation se fait par des tests standardisés, des dissertations ou des QCM, notamment en enseignement supérieur. Cependant, ces méthodes présentent des limites significatives, notamment en ne fournissant qu'une image instantanée de la performance des étudiants à un moment donné, sans nécessairement refléter leur progression ou leur compréhension profonde des sujets étudiés.

Avec l'intelligence artificielle, nous avons l'opportunité de repenser et d'améliorer ces pratiques d'évaluation. L'IA peut aider à surmonter plusieurs des défis associés aux approches traditionnelles. Par exemple, elle permet de créer des évaluations personnalisées qui tiennent compte des compétences, des antécédents et des besoins d'apprentissage individuels des étudiants. Cela peut conduire (théoriquement) à des évaluations plus équitables et plus représentatives de la diversité des étudiants.

Source: DALL’E & Chris. A modern, tech-driven classroom scene depicting a diverse group of students engaging with advanced technologies.

L'IA ouvre également la porte à des formes d'évaluation continue plutôt que ponctuelle. Des plateformes d'évaluation électronique peuvent suivre les performances des élèves en temps réel, fournissant ainsi des données sur leur comportement d'apprentissage et leur progression. Cette approche permet d'intégrer l'évaluation dans des activités d'apprentissage numériques sans que les étudiants ne se sentent explicitement testés.

Cependant, l'introduction de l'IA dans l'évaluation des apprentissages n'est pas sans défis.

Les 6 défis de l'intégration de l'IA dans l'évaluation des apprentissages : une réflexion critique