Conférenciers invités

Conférence plénière 1: L’intelligence artificielle (IA) au service de la formation des enseignants via la mise au point d’assistants virtuels pour favoriser, chez les enseignants débutants et confirmés, la cohérence pédagogique et l’usage de situations d’apprentissage diversifiées et contextualisées 

 Conférence plénière 2: Inégalités d’usage du numérique et de l’intelligence artificielle à l’université pour les étudiants de première génération

 Sylviane BACHY (Maitre de conférence)

https://www.ulb.be/fr/sylviane-bachy-1

Résumé: À l’ère de l’intelligence artificielle (IA), nous constatons régulièrement que les étudiants en situation d’apprentissage favorable sont capables d’utiliser l’IA pour améliorer leur rapport au savoir.  Á l’inverse, les étudiants plus fragiles présentent des comportements peu ou pas adaptés. Ils ont notamment du mal à formuler des requêtes efficaces, ils stagnent dans les applications possibles (usage occasionnel et limité), ils ne maitrisent pas les balises pour citer correctement les productions au risque de faire du plagiat, ils remettent peu en question les résultats, ils utilisent l’IA dans le jeu et non dans l’apprentissage ou encore, ils ne l’utilisent tout simplement pas par simple méconnaissance.

 Notre objet d’étude consiste à mesurer les inégalités d’usage du numérique chez les étudiants de première année dans notre université en Belgique francophone. En utilisant un test diagnostique déclaratif basé sur un indice de risque (contexte d’apprentissage) et un double indice de fragilité numérique (questionnaire constitué d’éléments du DigComp Citizen et d’éléments spécifiques à la création de contenu), nous d’identifions un public en situation de vulnérabilité numérique et donc à risque. Nous définissons le concept de vulnérabilité numérique d’usage dans le contexte de l’enseignement comme la combinaison de faiblesses (fragilités) des utilisateurs à mobiliser des compétences numériques (instrumentales, structurelles et stratégiques) avec des facteurs socio-éco-psycho-culturels défavorables en situation d’apprentissage ou d’enseignement. Si l’effet direct des compétences numériques transversales n’est actuellement pas démontré dans la littérature, les études sont nombreuses à démontrer qu’une fragilité numérique renforce les inégalités de départ. Nous avons formulé et validé l’hypothèse que les étudiants les plus vulnérables sur le plan numérique auraient besoin d’activités spécifiques d’aide à la réussite pour développer leurs compétences numériques dans le contexte de l’enseignement.

 Les résultats du questionnaire compilés depuis 2022 portent sur environ 11000 apprenants.

Quatre grands résultats ont été compilés via des analyses statistiques descriptives, de distribution et de corrélation. D’une part, plus d’un tiers de la population entrante à l’université n’atteint pas les seuils fixés, démontrant des inégalités dans l’usage du numérique. Deuxièmement, nous avons observé que les étudiants cumulant des facteurs de risque tels que le redoublement antérieur, une formation technique antérieure, être boursier etc. était corrélé positivement et de manière significative avec les compétences numériques. Ceci a constitué notre indice de vulnérabilité numérique. Plus un étudiant se trouve sans un contexte favorable aux apprentissages, meilleures sont ses compétences numériques citoyennes ou de création de contenu. Il a un indice de vulnérabilité numérique faible. À l’inverse, un étudiant qui combine un contexte défavorable (indice de risque élevé) avec des fragilités numériques, présente un indice de vulnérabilité numérique élevé. Troisièmement, nous avons comparé les étudiants redoubleurs (en échec) avec les étudiants de première génération en fonction de l’indice de vulnérabilité numérique. Les étudiants vulnérables numériquement ne développeraient pas leurs compétences numériques pendant leur première année d’étude par rapport aux étudiants qui recommencent également leur année mais qui ne sont pas vulnérables numériquement. Enfin, l’usage de l’IA se calque sur les mêmes constatations. Un étudiant en situation de vulnérabilité numérique est en difficulté d’usage de l’IA.

Cette dernière observation ouvre une série d’hypothèses quant à la nécessité d’identifier très vite les étudiants vulnérables, d’accompagner dès le départ les étudiants vulnérables numériques, d’augmenter nos offres de formation par et avec le numérique pour les étudiants en échec qui ne sont pas dans un contexte favorable à la réussite et enfin de considérer que les compétences numériques auraient aussi un rôle à jouer dans la réussite académique.

 Références bibliographiques

Bachy, S. (2024). Vulnérabilité numérique : un enjeu pour l’aide à la réussite. Revue internationale des technologies en pédagogie universitaire, 21(1), 1-24. https://doi.org/10.18162/ritpu-2024-v21n1-01

Bachy, S. (2021). Portrait des compétences numériques d’étudiants belges et pistes d’accompagnement. Revue internationale des technologies en pédagogie universitaire, 18(3), 17-38. https://doi.org/10.18162/ritpu-2021-v18n3-02.

Faure, L., Brotcorne, P., Vendramin, P. et Mariën, I. (2022). Inclusion numérique : Baromètre de l’inclusion numérique. Edition de la Fondation Roi Baudouin [en ligne]

Heiser, L. et Romero, M. (2023). Education à l’intelligence artificielle : Quelles compétences acquérir par les élèves ?. Université Côte d'Azur. 2023, pp.13. ⟨hal-04114236⟩

Lemieux, M.-M. (2021). Inégalités, compétences et conditions numériques. Revue internationale des technologies en pédagogie universitaire, 18(1), 157-169. https://doi.org/10.18162/ritpu-2021-v18n1-14.

Romero, M. et Heiser, L. (2023). Enseigner et apprendre à l'ère de l'intelligence artificielle. Canopé, Livre blanc.

Conférence plénière 3: Innovations Technologiques pour l'Education et la Formation basées sur l’Intelligence Artificielle 

Khalifa MANSOURI (Professeur de l'Enseignement Supérieur)