35 IA générative pour les salles de classe – Partie 2

Quelques idées d’activités ayant recours à l’IA générative

1. Utiliser l’IA générative pour planifier et concevoir les cours et les leçons

Vous avez besoin de nouvelles idées pour repenser certains de vos cours, présenter de nouveaux sujets, des activités à inclure et des rubriques pour évaluer les résultats de ces activités^1,2 ? Vous voulez tenter une nouvelle approche pédagogique, essayer de nouvelles technologies, de nouveaux éléments³ ? Pour cela, les chatbots pourraient vous être d’une grande aide. Qui plus est, vous pouvez demander au logiciel d’écrire une première ébauche de votre plan de cours, de vos objectifs d’apprentissage, des instructions pour vos activités, vos projets, vos expériences scientifiques et les prompts⁴ qui vous serviront à ouvrir la discussion.

Conseil : il peut s’avérer utile de spécifier à l’avance les sujets et les approches abordés, les objectifs des cours ou des leçons, si vous visez un concept ou une procédure et quel type d’enseignement vous souhaitez proposer².

2. Utilisation de l’IA générative dans la préparation de contenus stimulants, multimodaux et inclusifs concernant un sujet donné

Vous pouvez utiliser une application d’IA générative pour :

• Ajouter des contenus liés à des phénomènes locaux, à une langue et à une culture ;
• Intégrer des images et des vidéos explicatives ou intéressantes³ ;
• Créer et intégrer des récits qui viennent renforcer vos contenus écrits ;
• Créer des schémas conceptuels ;
• Mettre en avant, paraphraser et résumer des parties pertinentes d’une leçon et clarifier le vocabulaire⁶ ;
• Rendre les Mathématiques et les Sciences moins abstraites en montrant des simulations et en incluant des exemples provenant d’autres matières. Cela peut également être utilisé dans le cadre d’activités manuelles, où la visualisation permet d’aider les élèves à développer et à explorer des idées⁷ ;
• Fournir des traductions qui aident les apprenants en minorité linguistique².

Conseil : Midjourney et les autres outils de création d’images proposent souvent un forum où les utilisateurs publient leurs travaux, offrent leurs conseils et fournissent des prompts et des astuces relatives à la création des prompts⁷. Ces forums sont très utiles pour les enseignants qui commencent à peine à découvrir cette technologie.

3. Utilisation de l’IA générative pour créer des exemples, des exercices pratiques et des questionnaires

L’IA générative permet de

• générer des tableaux et d’autres formes de données à utiliser dans le cadre d’exemples et d’exercices ;
• créer des exercices pratiques et des solutions, notamment afin de renforcer les compétences de base et les domaines où les connaissances sont moins solides⁸. Ces exercices peuvent servir de référence pour les étudiants qui ont du mal à résoudre les problèmes de leurs devoirs⁹ ;
• générer des explications concernant les solutions. Cela semble plutôt bien fonctionner, notamment en ce qui concerne les explications des codes de programmation⁹ ;
• générer plusieurs solutions pour un même problème de mathématiques ou de programmation. Cela aide non seulement les élèves à apprendre différentes approches et à adopter différents points de vue, mais cela les aide également à analyser des méthodes diverses, en comprenant leurs avantages et leurs inconvénients⁹. Cela peut même s’avérer utile lorsque les solutions fournies sont incorrectes et que cela est clairement indiqué.

Exemple

Source : Examiner l’Enseignement des Sciences avec ChatGPT : une Etude Exploratoire de l’Intelligence Artificielle générative5.

Activité : créer une rubrique destinée à la notation. Outil d’IA générative : ChatGPT.

Prompt utilisé : Créer une rubrique que des étudiants de 7ème année pourront utiliser pour auto-évaluer leur apprentissage des sources d’énergies renouvelables et non renouvelables (suivi d’une demande de formatage : faciliter la copie de la rubrique sous Word sous une forme ordonnée).

Résultat :

Analyse : selon l’auteur, ChatGPT est capable de créer une rubrique en utilisant ses propres critères : compréhension, recherche, réflexion critique et participation.Chaque critère comprenait différents niveaux, mais les indicateurs étaient trop vagues pour chaque critère.

Exemple

Source : Les Robots Arrivent : Explorer les Implications d’OpenAI Codex sur l’Initiation à la Programmation¹⁰.

Activité : Générer plusieurs solutions pour une même demande.

Outil d’IA générative : Codex (Codex peut générer du code dans plusieurs langages de programmation, en répondant à des prompts).

Prompt utilisé : décrire un problème tel qu’il apparait dans diverses sources ainsi que des questions d’examen concernant l’écriture de code, telles qu’elles seraient posées à des étudiants.

Résultat :

Analyse : selon les auteurs, Codex a fourni un ensemble de différents codes en réponse au même prompt, « tout en choisissant, en fin de compte, les méthodes attendues pour chaque réponse ».

4. Améliorer l’accessibilité

Comme dernier exemple, nous vous recommandons vivement de vous intéresser à l’IA générative afin d’améliorer l’accessibilité des étudiants présentant des handicaps physiques ou des difficultés d’apprentissage, notamment des déficiences auditives ou visuelles. Les IA génératives peuvent fournir des sous-titres, des légendes et des descriptions audio2. Selon le Guide pour l’IA générative dans l’éducation et la recherche de l’Unesco, «les modèles d’IA générative peuvent également convertir du texte en fichier audio et des fichiers audio en texte, ce qui permet aux personnes souffrant de troubles de la vue, de l’ouïe ou de la parole d’accéder aux contenus, de poser des questions et de communiquer avec leurs pairs»². Ils peuvent également vous permettre de vérifier que le contenu que vous créez est inclusif et accessible⁴.

Remettre en question les résultats

Si vous choisissez d’utiliser l’IA générative, vous devrez faire attention à ses lacunes et à ses défaillances, en vous préparant à devoir les corriger. Il peut s’agir :

• D’inexactitudes dans les contenus : le modèle de langage n’est pas une banque de connaissance ou un moteur de recherche. Même les modèles les plus récents produisent des « hallucinations » et citent des sources fictives. Des erreurs peuvent se glisser dans les résultats, surtout lorsque vous utilisez des modèles de langage dans le cadre de raisonnements mathématiques et quantitatifs : même lorsqu’il est paramétré spécifiquement pour ces sujets, le modèle peut produire des réponses incorrectes, des erreurs de calcul et halluciner des « vérités mathématiques »¹¹. Même en matière de programmation, ces modèles semblent problématiques car le code généré peut présenter des erreurs de syntaxe et poser des problèmes de sécurité⁹.
• De biais intégrés, entre autres en raison des données sur la base desquelles ces modèles ont été entrainés. Même EdGPT, qui a fait l’objet de corrections afin de répondre à ce problème spécifique, peut présenter des biais².
• D’écarts notables de performance en fonction du prompt utilisé, de l’historique de l’utilisateur et, parfois, sans aucune raison.

Si l’IA générative peut réduire la charge de travail des enseignants et les aider à accomplir certaines tâches, elle s’appuie sur des modèles statistiques construits sur la base d’énormes quantités de données en ligne. Ces données ne peuvent pas remplacer le monde réel, ses situations et ses relations. ChatGPT ne peut pas fournir de contexte ou expliquer ce qui affecte le quotidien d’un étudiant⁴. Il ne peut pas soumettre de nouvelles idées ou des solutions à des défis rencontrés dans le monde réel².

Enfin, ses performances ne peuvent pas égaler les capacités de l’esprit humain, et notamment ce qu’il peut comprendre et faire avec des informations limitées. En ce qui concerne l’IA générative, « son plus grave défaut concerne une des dimensions les plus essentielles de l’intelligence : non seulement dire ce qui définit la situation, ce qui l’a défini par le passé et ce qui la définira à l’avenir (la description et la prédiction) mais également ce qui ne définit pas la situation et ce qui pourrait et ne pourrait pas définir la situation¹². »

¹ Tlili, A., Shehata, B., Adarkwah, M.A. et al, What if the devil is my guardian angel: ChatGPT as a case study of using chatbots in education, Smart Learning Environments, 10, 15 2023.

² Holmes, W., Miao, F., Guidance for generative AI in education and research, Unesco, Paris, 2023.

³ Enkelejda, K., et al, Chatgpt for Good? on Opportunities and Challenges of Large Language Models for Education, EdArXiv, 2023.

⁴ Trust, T., Whalen, J., & Mouza, C., Editorial: ChatGPT: Challenges, opportunities, and implications for teacher education, Contemporary Issues in Technology and Teacher Education, 23(1), 2023.

⁵ Cooper, G., Examining Science Education in ChatGPT: An Exploratory Study of Generative Artificial Intelligence, Journal of Science Education and Technology, 32, 444–452, 2023.

⁶ Kohnke, L., Moorhouse, B. L., & Zou, D., ChatGPT for Language Teaching and Learning, RELC Journal, 54(2), 537-550, 2023.

⁷ Vartiainen, H., Tedre, M., Using artificial intelligence in craft education: crafting with text-to-image generative models, Digital Creativity, 34:1, 1-21, 2023.

⁸ Bhat,S., et al, Towards automated generation and evaluation of questions in educational domains, Proceedings of the 15th International Conference on Educational Data Mining, pages 701- 704, Durham, United Kingdom, 2022.

⁹ Becker, B., et al, Programming Is Hard – Or at Least It Used to Be: Educational Opportunities and Challenges of AI Code Generation, Proceedings of the 54th ACM Technical Symposium on Computer Science Education V. 1 (SIGCSE 2023), Association for Computing Machinery, New York, 500–506, 2023.

¹⁰ Finnie-Ansley, J., Denny, P. et al, The Robots Are Coming: Exploring the Implications of OpenAI Codex on Introductory Programming, Proceedings of the 24th Australasian Computing Education Conference (ACE ’22), Association for Computing Machinery, New York, 2022.

¹¹ Lewkowycz, A., Andreassen, A.,  Dohan, D. et al, Solving Quantitative Reasoning Problems with Language Models, Google Research, 2022.

¹² Chomsky, N., Roberts, I., Watumull, J., Noam Chomsky: The False Promise of ChatGPT, The New York Times, 2023.