Il n’est pas surprenant que les enseignants entretiennent une relation difficile avec l’IA générative. Ils craignent l'impact du plagiat, des essais générés automatiquement et des « hallucinations » (où le système prétend avec confiance que quelque chose est vrai plutôt que de simplement dire qu'il ne sait pas mieux) provenant d'outils comme ChatGPT et Bard. Il existe une inquiétude palpable quant au fait que l’IA générative devienne un substitut pour un apprentissage authentique : quelque chose qui aidera une personne à réussir un examen sans avoir besoin d'absorber et d'intérioriser la matière.
S'il ne fait aucun doute que l'IA a été utilisée pour contourner le processus d'apprentissage, ChatGPT a déjà assumé le rôle de tuteur personnel ad hoc pour des millions de personnes, modifiant ainsi les habitudes de consommation d'apprentissage et aller mieux notre rapport à l'éducation. La possibilité de disposer d’un assistant pédagogique alimenté par l’IA, qui guide, encourage et guide les étudiants à travers le matériel dans une relation individuelle, est à portée de main. Et l’évolutivité de l’IA signifie que quelqu'un vous pouvez en bénéficier.
L’IA peut rendre l’apprentissage plus addictif et, pour beaucoup, c’est déjà le cas. Les raisons n’ont pas grand-chose à voir avec les progrès de pointe en matière d’intelligence artificielle et d’informatique, mais plutôt avec les principes fondamentaux qui font qu’un étudiant est engagé, motivé et enthousiaste.
Qu’entend-on par addictif ?
Dire que l’IA rend l’apprentissage addictif fait référence à un sentiment d’enthousiasme, instillant chez l’apprenant un appétit vorace pour l’amélioration personnelle et la croissance. Mais plus important encore, cela continue longtemps après que vous ayez accompli ce qui a commencé votre voyage. Fondamentalement, cela se résume à une motivation soutenue et à long terme. Former des apprenants motivés est un défi auquel la plupart des éducateurs sont confrontés, et une montagne de recherches pédagogiques abordent ce sujet.
L’éducation a toujours été axée sur l’élément humain et il est difficile d’imaginer un monde dans lequel les machines pourraient le remplacer.
Il est difficile d’exagérer l’importance de la motivation. Que vous appreniez à parler une nouvelle langue ou que vous fassiez vos premiers pas vers une carrière dans la programmation, l'apprentissage est intrinsèquement itératif, où l'apprenant développe progressivement sa confiance et sa maîtrise au fil du temps. Zed Shaw, professeur de programmation prolifique une fois décrit ce point comme "escalader une montagne d'ignorance". Les premiers mois, quand ils n'ont pas confiance et ils ne comprennent pas le sujet, ce sont les plus difficiles et c'est très facile d'abandonner. Et c’est pourquoi une force extérieure est nécessaire pour inciter l’élève à avancer. La confiance, la capacité et peut-être même la grandeur sont au coin de la rue.
L'un des exemples de ce point est Judit Polgár, largement considérée comme la plus grande joueuse d'échecs de tous les temps et le plus jeune grand maître d'échecs au monde. Le père de Judit, László, croyait que les génies naissaient, pas naissaient, et qu'ils n'avaient besoin que d'une éducation et d'une formation soutenues dès le plus jeune âge. László, rompant avec les attentes sociales de la Hongrie de l'ère communiste, a choisi d'enseigner à la maison Judit et ses deux sœurs, en se concentrant intensément sur les échecs.
Et ça a marché. Même avant d'être adolescente, Judit était décrite comme un prodige potentiel semblable à Garry Kasparov et Bobby Fischer. À 15 ans, il a battu un record établi auparavant par Fischer et a battu deux ans plus tard Boris Spassky, un autre poids lourd des échecs, dans un match d'exhibition.
Bien que le rôle de la nature et de l'éducation soit vivement débattu, en particulier dans les jeux analytiques comme les échecs, il est clair que l'approche de László a fonctionné. En combinant un entraînement intense avec le facteur de motivation inhérent à un entraînement individualisé, Judit est devenue une force dans le monde des échecs avant d'atteindre l'âge adulte. Ses sœurs, Zsuzsa et Zsófia, sont également devenues de grandes enseignantes.
Dans une entretien d'après-retraite avec Chess.com, Judit attribue le succès de la méthode d'enseignement de son père à la confiance qu'elle lui a inculquée : « Je pense qu'avoir des cours particuliers dans n'importe quel domaine fait que les enfants s'améliorent beaucoup plus rapidement, et de ce fait, ils gagnent beaucoup plus de confiance, ce qui augmente sa vitesse et son appétit s'améliore. Je pense que c'est l'une des choses les plus importantes pour tout enfant, qu'il soit scolarisé ou non. Si vous parvenez à conserver leur curiosité, ils peuvent s’améliorer extrêmement rapidement.
L’IA générative peut gérer l’aspect motivationnel de l’apprentissage (stimulus, pertinence et spécificité) tout en évitant les erreurs inévitables qui découlent d’un système éducatif uniforme et unique. Mais comment?
La recherche de la pertinence
La recherche universitaire sur l’impact de l’IA générative en tant qu’outil d’apprentissage est toujours en cours. Une grande partie de la littérature universitaire existante est intrinsèquement spéculatif ou anecdotique et examine ce qui pourrait arriver plutôt que ce qu'ils ont observé. C’est une conséquence inévitable de la nouveauté de l’IA générative. ChatGPT est très nouveau et la recherche prend du temps. À mesure que de plus en plus de chercheurs étudient des outils comme ChatGPT, il sera intéressant de voir comment leurs résultats seront obtenus.
Comme mentionné, la motivation est essentielle à la réussite des élèves et la pertinence joue un rôle très important pour y parvenir. C'est l'un des facteurs fondamentaux de Modèle de motivation ARCS (Attention, pertinence, confiance et satisfaction) de John Keller, un concept établi dans la théorie pédagogique.
Dans le modèle ARCS, Keller a identifié plusieurs éléments essentiels de pertinence, dont deux semblent particulièrement pertinents au sujet de l'IA générative : l'adéquation aux besoins, où l'enseignant adapte le contenu aux besoins de l'élève, et la modélisation, qui montre aux élèves comment appliquer l'apprentissage dans un sens pratique.
L'IA générative est bien placée pour réaliser ces composants. Comme peut en témoigner toute personne ayant utilisé un produit basé sur GPT-4, vous pouvez créer une leçon hyper-personnalisée et très spécifique sur presque tous les sujets. En quelques secondes, ChatGPT peut vous expliquer comment la trigonométrie peut être utilisée dans le monde réel ou comment une partie spécifique d'un cours d'informatique se rapporte à un contexte plus large, même si cela peut sembler abstrait et déroutant. Ces exemples peuvent être créés spontanément, souvent en raison des exigences et des demandes uniques de l'étudiant. Ce processus fonctionne également pour les éducateurs.
L’éducation a toujours été axée sur le contact humain et il est difficile d’imaginer un monde dans lequel les machines pourraient le remplacer. Les humains possèdent une intelligence émotionnelle ineffable qui ne peut être articulée uniquement dans un code. L’IA générative étend les capacités d’enseignants souvent débordés. Un exemple de la manière dont cela pourrait fonctionner consiste à modifier, améliorer et adapter le matériel d’apprentissage.
En règle générale, un enseignant aurait besoin de plus de temps ou d’énergie pour créer des feuilles de travail personnalisées en fonction des capacités, des intérêts ou du style d’apprentissage de chaque élève. Ils sont surchargés de travail et le matériel pédagogique est coûteux, souvent payé par l'enseignant lui-même. Mais ils peuvent désormais générer du matériel d’apprentissage personnalisé, à grande échelle et à la demande, pour un coût négligeable pour l’école ou l’enseignant. À l'aide d'un outil tel que ChatGPT, un enseignant peut coller un plan de cours et, avec des instructions écrites simples, modifier considérablement le format ou la présentation pour un élève individuel tout en préservant le matériel de base.
Ce processus prend quelques secondes, ce qui en fait une option pratique même pour les enseignants les plus occupés. C'est un cas d'utilisation que j'imagine que de nombreux enseignants adopteront avec d'autres capacités d'IA générative pour imaginer, corriger et suggérer.
Il est facile de voir comment le potentiel de l'IA générative pour l'adaptation du contenu pourrait être combiné avec d'autres méthodes d'apprentissage éprouvées, telles que la gamification.
Les jeux vidéo maintiennent l'intérêt des gens en créant boucles de dopamine. Ces boucles ne fonctionnent que s’il y a un semblant de progrès. Pour que l’expérience de jeu en vaille la peine, le personnage du jeu doit continuer à évoluer et à s’améliorer. À chaque défi, le personnage acquiert de nouvelles compétences et équipements qui l'aideront à faire face à des défis futurs plus exigeants. Cette mécanique est répétitive en soi, donc la « boucle » se déplace avec le joueur, l'emmenant vers de nouveaux lieux et intrigues pour conserver un élément de nouveauté.
L’IA générative permet de mettre en œuvre ces mécaniques dans un environnement pédagogique. Avec des variations infinies de contenu adaptés à la situation et aux capacités de l'élève, les étudiants peuvent bénéficier de la répétition et du renforcement nécessaires à une réussite à long terme, sans que le contenu ne soit fatiguant ou ennuyeux. Ce cycle peut se poursuivre à mesure que l'étudiant progresse dans le sujet, en abordant des sujets plus complexes et plus avancés au fur et à mesure.
Apprentissage centré sur la personne
L'alignement du contenu est essentiel au succès à long terme. Cela inclut à la fois le programme, qui doit être adapté aux intérêts des étudiants, et les gens eux-mêmes. Les gens ont des incitations et des capacités initiales différentes qui doivent être prises en compte dès le début.
Un article, publié dans le magazine IEEE Signal Processing, donne un aperçu de l’impact potentiel de l’IA sur l’apprentissage centré sur l’humain et l’engagement des étudiants. Comme l’ont observé d’autres chercheurs en pédagogie, les étudiants, et les gens en général, réagissent à différentes incitations au cours de l’apprentissage.
L’auteur écrit : « Certains étudiants affichent des préférences hyperboliques, surévaluant tellement le présent que les récompenses futures sont largement ignorées. Certains étudiants manifestent de vives réactions, même face à des récompenses non monétaires. Certains élèves démontrent des préférences dépendant de la référence, ce qui implique que l’utilité est largement déterminée par leur distance par rapport à un point de référence, par exemple un objectif prédéfini ou une performance moyenne.
En bref, certaines personnes veulent un sentiment d'immédiateté, d'autres veulent une sorte de récompense non tangible (une note, un certificat ou une autre forme de reconnaissance), et d'autres encore se concentrent davantage sur la façon dont le contenu les mènera vers une destination prédéterminée. Ce sont des facteurs qui doivent être pris en compte lors de l’élaboration du matériel d’apprentissage.
Parallèlement, il est essentiel de reconnaître que les capacités varient. Le contenu doit être articulé de différentes manières pour être efficace. Alors que certains peuvent être à l’aise avec une explication dense et académique d’un sujet avec un jargon spécifique au domaine incompréhensible pour les étrangers, d’autres peuvent préférer quelque chose de plus accessible. C’est pourquoi une approche universelle réussit pour certains mais échoue pour beaucoup d’autres.
Et il y a la relation entre l’enseignant et l’élève, qui joue également un rôle crucial dans la motivation des élèves. Robert Gower et Jon Saphier, deux écrivains pédagogiques respectés, mettent en avant trois messages clés d'encouragement qui fonctionnent : "C'est important", "Vous pouvez le faire" et "Je ne vous abandonnerai pas". Reste à savoir si ces sentiments conserveront leur impact lorsqu’ils seront véhiculés par un chatbot IA. Mais c’est quelque chose pour lequel, avec un effort trivial, un système pourrait être programmé.
Si bon nombre des éléments mentionnés ne figurent pas encore dans un outil d’IA générative grand public (en particulier l’incitation), d’autres sont tout à fait à portée de main. ChatGPT, par exemple, peut fournir des explications de sujets de haut et de bas niveaux. Vous pouvez répondre aux invites pour simplifier ou fournir plus de détails ou de complexité. Une grande partie des fonctionnalités requises existent déjà, quoique sur une base ponctuelle, et il est temps que l’IA générative joue un rôle plus important, non seulement en classe, mais aussi dans la manière plus large dont les individus participent à l’éducation.
Former des apprenants constants
L’IA, et en particulier les grands modèles linguistiques, a le potentiel de révolutionner la façon dont les étudiants apprennent. Ce changement sera fondamentalement bénéfique, notamment en ce qui concerne la manière dont les individus perçoivent l’apprentissage et la manière dont cela modifie leurs modes de consommation.
L'accent a été mis en grande partie sur la capacité de l'IA à faire évoluer l'éducation personnalisée ou à démocratiser l'éducation au-delà des couloirs des campus universitaires coûteux. Même si je ne suis pas en désaccord avec ces évaluations, il est essentiel de reconnaître les impacts psychologiques et sociologiques de ces changements. L’idée selon laquelle l’IA pourrait rendre l’apprentissage non seulement « amusant », mais aussi profondément convaincant semble réaliste et imminente. Cela créera une nouvelle génération de personnes hyper compétentes et hyper passionnées qui seront capables de s’adapter facilement au changement et de constamment mettre à jour et perfectionner leurs compétences.
Cela bénéficiera aux individus, à l’économie et, en fin de compte, à la société.
