Évaluer le travail des étudiants avec l'IA? Une étude scientifique et une revue de la littérature.
Complément de LeaderTech
Il semble très probable que les étudiants se tournent vers l'intelligence artificielle (IA) pour rédiger leurs travaux. Mais quid des enseignants ? Recourent-ils aussi à l'IA pour évaluer ces mêmes devoirs ? Cette situation me rappelle un adage de ma langue natale: “Fare e disfare è tutto un lavorare”, que l'on pourrait traduire par “Faire et défaire, c'est tout un travail.” Cela suggère qu'en définitive, un travail a été accompli, et c'est cela l'essentiel. Cependant, dans le contexte éducatif, est-ce réellement une approche sage ? Après tout, l'IA se retrouverait à juger ce qu'elle a elle-même généré.
L'IA a le potentiel de révolutionner l'évaluation dans l'enseignement avec des applications dans les expériences d'apprentissage personnalisées, les tests adaptatifs et l'analyse prédictive. Cependant, il existe des défis et des limites importants, notamment la nécessité de former les enseignants et de poursuivre les recherches pour comprendre les possibilités de l'IA dans l'évaluation, comme indiqué par González-Calatayud et al. (2021) dans l’article Artificial Intelligence for Student Assessment: A Systematic Review.
L'utilisation de l'IA générative dans l'évaluation peut fournir un soutien personnalisé, mais elle doit être intégrée à des considérations éthiques et se concentrer sur les perspectives pédagogiques (Zawacki-Richter 2019).
L’étude de Zawacki-Richter et al. (2019) montre que selon divers rapports internationaux, l'intelligence artificielle dans l'éducation (AIEd) est l'un des domaines émergents de la technologie éducative. Bien qu'elle existe depuis une trentaine d'années, les éducateurs ne savent toujours pas comment en tirer un avantage pédagogique à plus grande échelle, ni comment elle peut réellement avoir un impact significatif sur l'enseignement et l'apprentissage dans l'enseignement supérieur.
Il convient cependant de souligner qu'au moment de cette étude, en 2019, l'intelligence artificielle générative n'était pas aussi accessible, répandue, et populaire qu'elle l'est actuellement.
Leur étude vise à fournir une vue d'ensemble de la recherche sur les applications de l'IA dans l'enseignement supérieur par le biais d'une analyse systématique. Sur les 2656 publications initialement identifiées pour la période allant de 2007 à 2018, 146 articles ont été retenus pour la synthèse finale. Les résultats descriptifs montrent que la plupart des disciplines impliquées dans les articles sur l'AI en éducation relèvent de l'informatique et des STEM. La synthèse des résultats présente quatre domaines d'application de l'IA dans les services de soutien universitaire et les services institutionnels et administratifs :
1. le profilage et la prédiction. Par exemple: la détection précoce du décrochage.
L'IA peut surveiller les signaux d'alerte précoces, tels que la baisse de la participation aux cours, les changements dans les performances académiques, et les interactions avec les systèmes d'apprentissage en ligne. Cela permet d'identifier les étudiants à risque de décrochage et de proposer des interventions opportunes.
2. l'évaluation,
3. les systèmes adaptatifs et la personnalisation, et
4. les systèmes de tutorat intelligents.
Les conclusions portent sur l'absence quasi-totale de réflexion critique sur les défis et les risques de l'IA, le faible lien avec les perspectives pédagogiques théoriques et la nécessité d'explorer davantage les approches éthiques et éducatives dans l'application de l'IA à l'enseignement supérieur.
Quels sont les résultats d’une revue de la littérature systématique sur l’utilisation de l’IA pour évaluer les travaux des étudiants ?
Continuez votre lecture avec un essai gratuit de 7 jours
Abonnez-vous à LeaderTech pour continuer à lire ce post et obtenir 7 jours d'accès gratuit aux archives complètes des posts.