Dans les universités du monde entier, une révolution tranquille est en cours. Des outils génératifs de l'intelligence artificielle (IA) tels que Chatgpt, Copilot, Deepseek et Gemini sont utilisés pour produire des essais, résumer des lectures et même effectuer des affectations complexes.
L'intelligence artificielle générative est une sorte d'IA qui peut gérer une variété de tâches créatives dans divers domaines, tels que les arts, la musique et l'éducation.
Pour de nombreux enseignants d'université, cela augmente les alarmes sur le plagiat et l'intégrité. Alors que certaines institutions se sont précipitées pour restreindre ou soutenir l'utilisation de l'IA, d'autres ne savent toujours pas comment réagir.
Mais se concentrer uniquement sur la police manque un problème plus important: si les élèves apprennent vraiment. En tant que chercheur en éducation, je suis intéressé par le sujet de la façon dont les élèves apprennent. Mes collègues et moi avons récemment exploré le rôle que l'IA pourrait jouer dans l'apprentissage - si les universités essayaient une nouvelle façon d'évaluer les étudiants.
Nous avons constaté que de nombreuses formes d'évaluation traditionnelles dans les universités restent axées sur la mémorisation et l'apprentissage par cœur. Ce sont exactement les tâches qui fonctionnent le mieux.
Nous soutenons qu'il est temps de reconsidérer ce que les élèves devraient apprendre. Cela devrait inclure la capacité d'évaluer et d'analyser le texte créé par l'IA. C’est une compétence qui est essentielle pour la pensée critique.
Si cette capacité est ce que les universités enseignent et recherchent chez un étudiant, l'IA sera une opportunité et non une menace.
Nous avons suggéré des façons dont les universités peuvent utiliser l'IA pour enseigner et évaluer ce que les élèves ont vraiment besoin de savoir.
Les universités sont sous pression pour préparer les diplômés qui sont plus que bien informés. Ils doivent être des apprenants autonomes et permanents qui sont des penseurs indépendants et critiques et peuvent résoudre des problèmes complexes. Les employeurs et les sociétés exigent des diplômés qui peuvent évaluer les informations et porter des jugements solides dans un monde en évolution rapide.
Pourtant, l'évaluation (tester ce que les élèves savent et peuvent faire) tend à se concentrer sur des compétences de réflexion plus fondamentales.
Nos recherches ont pris la forme d'une revue de la littérature conceptuelle, analysant les études évaluées par des pairs publiées depuis la publication de l'outil d'IA Chatgpt fin 2022. Nous avons examiné comment l'IA génératrice est déjà utilisée dans l'enseignement supérieur, son impact sur l'évaluation et comment ces pratiques s'alignent (ou échouent à s'aligner) sur la taxonomie de Bloom.
La taxonomie de Bloom est un cadre largement utilisé dans l'éducation. Il organise les compétences cognitives (pensées) en niveaux, de la base (se souvenir et la compréhension), à avancé (création et évaluation).
Plusieurs modèles clés ont émergé de notre analyse:
Premièrement, l'IA excelle aux tâches de niveau inférieur. Des études montrent que l'IA est forte dans la mémorisation et la compréhension. Il peut générer des questions à choix multiples, des définitions ou des explications de surface rapidement et souvent avec une grande précision.
Deuxièmement, l'IA se débat avec la réflexion d'ordre supérieur. Aux niveaux d'évaluation et de création, son efficacité baisse. Par exemple, bien que l'IA puisse rédiger un plan d'affaires ou un plan de politique de santé, il manque souvent de nuances contextuelles, de jugement critique et d'originalité.
Troisièmement, le rôle des enseignants universitaires change. Au lieu de passer des heures à concevoir et à classer les évaluations de niveau inférieur, ils peuvent désormais se concentrer sur les tâches d'échafaudage que l'IA ne peut pas maîtriser seuls, favorisant ainsi l'analyse, la créativité et les compétences d'apprentissage autonome. L'apprentissage autonome est défini comme «un processus où les individus prennent l'initiative de diagnostiquer leurs besoins d'apprentissage, de fixer des objectifs d'apprentissage, de trouver des ressources, de choisir et de mettre en œuvre des stratégies et d'évaluer leurs résultats, avec ou sans l'aide des autres.»
Enfin, les opportunités qui présentent les opportunités semblent l'emporter sur les menaces. Bien que les préoccupations concernant la tricherie restent réelles, de nombreuses études mettent en évidence le potentiel de l'IA à devenir un partenaire d'apprentissage. Bien utilisé, il peut aider à générer des questions de pratique, à fournir des commentaires et à stimuler le dialogue (si les élèves sont guidés pour s'engager de manière critique avec ses résultats).
Tous ces défis invitent les universités à aller au-delà des «contrôles de connaissances» et à investir dans des évaluations qui non seulement mesurent l'apprentissage plus approfondi, mais la favorisent également.
Alors, comment les universités peuvent-elles aller de l'avant? Notre étude indique plusieurs actions claires:
Évaluations de refonte des compétences de réflexion d'ordre supérieur: Au lieu de compter sur les tâches que l'IA peut accomplir, les enseignants de l'université devraient concevoir des évaluations authentiques et riches en contexte. Par exemple, l'utilisation d'études de cas, de portefeuilles, de débats et de projets fondés sur des réalités locales.
Utilisez l'IA en tant que partenaire, pas comme menace: les étudiants peuvent être invités à critiquer les réponses générées par l'AI, d'identifier les lacunes ou à les adapter pour une utilisation réelle. Cela transforme l'IA en un outil pour pratiquer la capacité d'analyser et d'évaluer.
Construire la maîtrise de l'évaluation parmi les enseignants de l'université: les enseignants de l'université ont besoin de soutien et de formation pour créer des évaluations intégrées à l'IA.
Promouvoir la maîtrise de l'IA et l'utilisation éthique: les étudiants doivent apprendre non seulement comment utiliser l'IA, mais comment le remettre en question. Ils doivent comprendre ses limites, ses préjugés et ses pièges potentiels. Les étudiants doivent être informés que la transparence dans la divulgation de l'utilisation de l'IA peut soutenir l'intégrité académique.
Encouragez le développement de compétences d'apprentissage autodirigées: l'IA ne doit pas remplacer les efforts de l'élève, mais plutôt soutenir leur parcours d'apprentissage. Par conséquent, la conception de tâches d'évaluation qui favorisent l'établissement d'objectifs, la réflexion et le dialogue des pairs sont cruciaux pour développer des habitudes d'apprentissage tout au long de la vie.
En favorisant la pensée critique et en adoptant l'IA comme un outil, les universités peuvent transformer la perturbation en opportunité. L'objectif n'est pas de produire des diplômés qui rivalisent avec les machines, mais de cultiver des penseurs indépendants qui peuvent faire ce que les machines ne peuvent pas: refléter, juger et créer un sens. L'évaluation à l'ère de l'IA pourrait devenir une force puissante pour cultiver le type de diplômés dont notre monde a besoin.