Le feedback joue un rôle crucial dans l’apprentissage, en aidant les individus à comprendre et à améliorer leurs performances. Pourtant, les populations étudiantes mondiales, vastes et diversifiées, signifient souvent que fournir des observations opportunes et personnalisées peut être un défi.
Les avancées récentes en matière d’intelligence artificielle générative offrent une solution à ces défis, mais la plupart des études existantes ciblent principalement les aspects technologiques comme la précision des modèles et passent souvent à côté des aspects socio-émotionnels de l’acceptation de l’IA.
Des chercheurs du Laboratoire d’apprentissage automatique pour l’éducation (ML4ED), qui fait partie de la Faculté informatique et communications (IC) de l’EPFL, ont étudié comment l’identité du fournisseur de feedback affecte la perception des étudiants.
Leur travail est publié en tant que pré-impression.
Dans leur article intitulé « IA ou humain ? Évaluation des perceptions des retours d’information des étudiants dans l’enseignement supérieur », présenté à la Conférence européenne 2024 sur l’apprentissage assisté par la technologieles chercheurs décrivent comment plus de 450 étudiants de l’EPFL issus de divers programmes et niveaux académiques ont évalué le feedback personnalisé dans des contextes éducatifs authentiques avant et après la divulgation du fait qu’il provenait d’un humain ou qu’il était généré par l’IA.
« Nos recherches ont montré qu’avant que les étudiants ne sachent si c’est un humain ou une IA qui leur donne un feedback, ils ne perçoivent pas de différence de qualité ou de convivialité. Après avoir découvert que c’était l’IA qui leur donnait le feedback, ils ont soit abaissé le score de l’IA, soit augmenté celui de l’humain, ce qui indique qu’ils ne font pas confiance à l’IA », explique la professeure Tanja Käser, directrice du laboratoire ML4ED.
Les participants à l’étude ont également été invités à deviner correctement le fournisseur de commentaires. Au total, 274 des 457 participants ont correctement deviné quel commentaire était humain et lequel était généré par l’IA. Les chercheurs ont constaté que ni l’âge ni le sexe n’avaient d’impact significatif sur les réponses correctes, mais que le type de tâche du cours l’avait. Les étudiants ont identifié plus facilement le feedback comme étant généré par l’IA sur des projets impliquant du codage que sur de courtes tâches de preuve logique.
Les chercheurs estiment que l’une des questions clés découlant de l’étude est de savoir comment la perception de la confiance dans l’IA en tant que fournisseur de rétroaction peut affecter la mise en œuvre concrète de la rétroaction de l’IA en classe.
« Cela a des implications importantes pour l’apprentissage. Un bon retour d’information vous dira ce que vous avez bien fait, ce que vous n’avez pas fait et les actions futures que vous pouvez entreprendre. Si vous êtes moins préparé à tenir compte des commentaires que vous recevez parce qu’ils proviennent de l’IA et que vous ne lui faites pas confiance, vous avez moins de chances d’améliorer votre apprentissage à mesure que les salles de classe intègrent davantage ces modèles », a déclaré Tanya Nazaretsky, chercheuse postdoctorale au laboratoire ML4ED et auteure principale de l’étude.
Il apparaît de plus en plus clairement que l’IA peut être très utile dans l’éducation pour soutenir l’apprentissage, et les gens sont prêts à l’accepter. Cependant, des obstacles sont perçus concernant le manque de transparence et de responsabilité, les violations de la vie privée et les sources de données de formation.
« L’une des principales préoccupations était la capacité de l’IA à comprendre le contexte réel de l’apprentissage en dehors de ses limites. De nombreux étudiants ont fait le commentaire suivant : « L’IA ne me connaît pas en tant que personne, elle voit simplement ce qui se trouve dans le système, mais il existe d’autres facteurs qui sont importants pour le processus d’apprentissage et l’IA ne peut pas les voir. » Malgré la volonté d’accepter l’IA, il existe un réel manque de confiance et cela entrave son adoption dans la pratique », a poursuivi Nazaretsky.
Selon Käser, avec le recul, la forte préférence pour le feedback humain par rapport au feedback de l’IA était inattendue, mais elle démontre que beaucoup plus de recherches sont nécessaires sur l’acceptation et l’intégration de l’IA dans les environnements d’apprentissage.
« Partons du principe que l’IA est parfaite ; il nous faut encore montrer comment elle peut être adaptée et intégrée de manière transparente dans les programmes et l’enseignement. L’une des principales conclusions de cette étude est que nous ne devons jamais oublier l’élément humain. »
Plus d’informations :
Tanya Nazaretsky et al, IA ou humain ? Évaluation des perceptions des étudiants en matière de feedback dans l’enseignement supérieur (2024)