Trois méthodes pour renforcer la culture numérique des élèves

Deux ans après le lancement de ChatGPT, l’impact de l’intelligence artificielle générative (GenAI) dans l’enseignement supérieur est indéniable. Cette technologie a révolutionné le paysage éducatif, offrant de nouveaux outils dynamiques pour l’apprentissage et la créativité, tout en mettant en lumière des vulnérabilités critiques au sein de nos systèmes éducatifs. À l’aube de cette nouvelle ère, il est essentiel de se poser la question : sommes-nous réellement prêts à encadrer nos institutions, nos éducateurs et nos étudiants pour qu’ils interagissent avec cette technologie de manière responsable, ou est-ce l’opportunité de repenser comment nous pouvons mieux aligner l’éducation avec le potentiel transformateur de la GenAI ?

Comment l’enseignement supérieur façonne-t-il la culture numérique ?

La GenAI modifie profondément l’accès, le partage et l’évaluation des connaissances, aidant les étudiants à rédiger des essais, générer des idées et simuler des discussions. Cependant, cette facilité d’utilisation peut encourager des raccourcis intellectuels et un engagement superficiel avec le processus d’apprentissage. La question pour l’enseignement supérieur n’est plus de savoir si la GenAI redéfinira l’éducation, mais plutôt comment nous pouvons l’intégrer sans compromettre des valeurs fondamentales telles que la pensée critique, l’intégrité académique et le raisonnement éthique.

Premiers pas vers une meilleure préparation à l’IA

Des efforts préliminaires pour faire face à ces défis sont à souligner. Un MOOC gratuit en 2023 de King’s College London, suivi d’initiatives de développement professionnel de Jisc et de l’Université de Cambridge, a abordé les bases de la culture numérique, y compris les capabilités et limitations de la GenAI, les préoccupations éthiques et son intégration réfléchie dans l’enseignement et l’évaluation. Cependant, bien que ces initiatives constituent un bon début, elles restent largement introductives et n’ont pas encore évolué vers des structures durables qui traitent la complexité entière des défis posés par la GenAI, du moins ceux dont nous avons connaissance actuellement.

Les stratégies pédagogiques souvent recommandées dans les directives institutionnelles – telles que demander aux étudiants de comparer des textes générés par l’IA, d’analyser des brouillons avec des retours de la GenAI ou de réfléchir à leurs processus d’apprentissage – sont précieuses, mais risquent de ne pas favoriser un véritable engagement critique avec la GenAI. Ces tâches mettent souvent l’accent sur des interactions superficielles, comme l’analyse des résultats, sans aborder de manière systématique les complexités éthiques, épistémiques et cognitives introduites par l’IA.

Sans un examen plus approfondi des limites, des biais et des dépendances structurelles de la GenAI, nous risquons de normaliser une vision technocentrique de l’éducation qui privilégie la fonctionnalité au détriment de la pensée critique. Équipons-nous réellement nos étudiants pour qu’ils questionnent le rôle de la GenAI dans la construction des connaissances ou simplement pour qu’ils apprennent à travailler à ses côtés sans esprit critique ? Cette distinction est cruciale pour garantir que la culture numérique évolue vers une véritable criticalité de l’IA.

La GenAI comme perturbateur des normes d’évaluation

L’émergence de la GenAI soulève des questions sur la validité des évaluations traditionnelles. Les essais et les quizz à choix multiples sont particulièrement vulnérables à la manipulation par l’IA, rendant ces évaluations moins fiables en tant que mesures de l’apprentissage des étudiants. En réponse, certaines institutions ont recours à des examens à livres fermés et à d’autres conditions contrôlées pour atténuer l’influence de la GenAI. Ces mesures sont fondamentalement défensives et négligent d’engager avec les opportunités plus larges que la GenAI peut offrir pour repenser l’éducation.

Une approche plus constructive consiste à intégrer directement la GenAI dans le processus d’apprentissage. À King’s, par exemple, les étudiants en marketing sont encouragés à évaluer de manière critique les résultats de ChatGPT tout en concevant des stratégies de marque. Cela développe non seulement leur compétence technique mais aiguisent également leur pensée critique et leur raisonnement éthique. De telles approches répondent aux besoins évolutifs de l’éducation moderne, mettant l’accent sur l’application des connaissances plutôt que sur la simple reproduction.

La cohérence est essentielle

Un défi majeur dans l’intégration de la GenAI réside dans l’incohérence des politiques institutionnelles. Tandis que certaines universités adoptent la GenAI comme un outil pédagogique, d’autres mettent en place des mesures restrictives qui engendrent des incertitudes parmi les étudiants et le personnel. Cela compromet les efforts pour développer des cadres cohérents pour la culture numérique et son utilisation.

Au Royaume-Uni, les principes du Groupe de Russell sur la GenAI posent une base pour promouvoir la culture numérique à travers l’enseignement supérieur britannique. Ces principes soulignent la nécessité pour les universités d’équiper le personnel et les étudiants des compétences nécessaires pour interagir de manière critique avec la GenAI. Toutefois, la mise en œuvre de cette vision nécessite plus que des directives générales. Les universités doivent investir dans des programmes structurés et itératifs qui vont au-delà des niveaux introductifs pour répondre aux défis nuancés de l’intégration de la GenAI, y compris le développement d’approches interdisciplinaires, la gestion des dilemmes éthiques et le soutien aux besoins d’apprentissage variés.

Enseigner des compétences critiques liées à la GenAI

Voici trois stratégies pratiques pour cultiver ces compétences, garantissant que les étudiants développent non seulement une culture numérique mais aussi la capacité d’engagement critique significatif.

1. Simuler des hallucinations et critiquer les résultats. Utilisez des outils comme le Max Hallucinator pour générer des productions IA apparemment autoritaires mais erronées. Par exemple, fournissez aux étudiants une analyse historique fabriquée par l’outil et demandez-leur d’identifier des erreurs telles que des événements fictifs ou des citations mal attribuées. Les étudiants doivent non seulement critiquer les inexactitudes, mais aussi réfléchir sur les risques potentiels de faire confiance à du contenu généré par l’IA dans des contextes professionnels ou académiques.
2. Créer des études de cas éthiques en utilisant des résultats de la GenAI. Développez des études de cas où les étudiants évaluent de manière critique des décisions générées par l’IA ayant des implications éthiques. Par exemple, utilisez un outil de GenAI pour simuler une recommandation d’embauche automatisée qui classe des candidats selon des critères biaisés. Demandez aux étudiants d’identifier et d’expliquer les problèmes éthiques – tels que la perpétuation de biais systémiques – et de proposer des solutions concrètes, comme l’amélioration des données d’entraînement ou la réalisation d’audits de justice. Пропет ci la discussion aux cadres éthiques pertinents.
3. Introduire des exercices d’analyse des angles morts. Fournissez aux étudiants des résultats générés par la GenAI qui manquent de perspectives clés, telles qu’un résumé d’un événement mondial omettant les voix marginalisées ou les préoccupations environnementales. Par exemple, un texte produit par la GenAI sur la crise climatique pourrait exagérer les innovations industrielles tout en négligeant les effets disproportionnés sur les communautés vulnérables. Les étudiants doivent identifier ces omissions, explorer les raisons qui les expliquent (par exemple, des biais dans les données d’entraînement) et réécrire les résultats pour y inclure des perspectives plus complètes. Cet exercice enseigne non seulement la pensée critique mais souligne aussi l’importance de la construction d’une connaissance diversifiée et inclusive.

En intégrant ces approches, les enseignants peuvent passer au-delà d’une simple culture numérique pour favoriser une criticalité plus profonde chez les étudiants. Alors que l’enseignement supérieur continue d’évoluer avec les technologies d’IA, l’intégration de ces pratiques dans l’enseignement aidera à s’assurer que les étudiants sont non seulement des utilisateurs de la GenAI, mais aussi des critiques éclairés et des gestionnaires éthiques de son application.

L’enseignement supérieur se trouve à un carrefour : allons-nous donner à nos étudiants les moyens de réfléchir de manière critique sur le rôle de la GenAI dans la définition de leur avenir ? Notre réponse aujourd’hui déterminera notre préparation – pour eux et pour nous – face aux complexités à venir.

Points à retenir

• La GenAI transforme les méthodes d’apprentissage en facilitant l’accès et la génération de contenus.
• Il est crucial de développer une pensée critique face aux sorties générées par l’IA pour ne pas normaliser des comportements non critiques.
• Les institutions doivent adopter des politiques claires et cohérentes pour guider l’utilisation de la GenAI dans l’enseignement.
• Une intégration réfléchie de la GenAI peut enrichir les approches pédagogiques, à condition de privilégier une réflexion éthique et critique.
• Des exercices pratiques peuvent aider les étudiants à comprendre les potentiels biais et limitations de la GenAI, renforçant ainsi leur capacité à évaluer l’information de manière critique.

Il est essentiel pour les acteurs de l’enseignement supérieur d’encadrer le dialogue autour de ces enjeux afin d’instruire les générations futures sur l’utilisation responsable de la technologie. Quelles autres méthodes pourrions-nous envisager pour assurer une pensée critique face à ces outils innovants ?

Article original rédigé par : Chahna Gonsalves et Sam Illingworth.