Dans une nouvelle étude, des chercheurs de la North Carolina State University ont demandé à 28 lycéens de créer leurs propres modèles d’intelligence artificielle (IA) d’apprentissage automatique pour analyser les données. Les objectifs du projet étaient d’aider les étudiants à explorer les défis, les limites et les promesses de l’IA, et de s’assurer que la future main-d’œuvre est prête à utiliser les outils de l’IA.
Le travail est publié dans la revue Apprentissage, médias et technologie.
L’étude a été menée en collaboration avec une classe de journalisme d’une école secondaire du Nord-Est. Depuis lors, les chercheurs ont étendu le programme aux salles de classe du secondaire dans plusieurs États, dont la Caroline du Nord. Les chercheurs de NC State cherchent à s’associer à d’autres écoles pour collaborer à l’introduction du programme dans les salles de classe.
« Nous voulons que les étudiants, dès leur plus jeune âge, ouvrent cette boîte noire afin qu’ils n’aient pas peur de l’IA », a déclaré l’auteur principal de l’étude, Shiyan Jiang, professeur adjoint de conception et de technologie d’apprentissage à NC State. « Nous voulons que les étudiants connaissent le potentiel et les défis de l’IA, et qu’ils réfléchissent à la manière dont eux, la prochaine génération, peuvent répondre au rôle évolutif de l’IA et de la société. Nous voulons préparer les étudiants à la future main-d’œuvre. »
Pour l’étude, les chercheurs ont développé un programme informatique appelé StoryQ qui permet aux étudiants de créer leurs propres modèles d’apprentissage automatique. Ensuite, les chercheurs ont organisé un atelier pour enseignants sur le programme et la technologie d’apprentissage automatique en sessions d’une heure et demie chaque semaine pendant un mois. Pour les enseignants qui se sont inscrits pour participer davantage, les chercheurs ont fait un autre récapitulatif du programme pour les enseignants participants et ont élaboré la logistique.
« Nous avons créé la technologie StoryQ pour permettre aux élèves du secondaire ou des classes de premier cycle de construire ce que nous appelons des modèles de » classification de texte « », a déclaré Jiang. « Nous voulions réduire les barrières afin que les étudiants puissent vraiment savoir ce qui se passe dans l’apprentissage automatique, au lieu de se débattre avec le codage. Nous avons donc créé StoryQ, un outil qui permet aux étudiants de comprendre les nuances dans la construction de modèles d’apprentissage automatique et de classification de texte. »
Un enseignant qui a décidé de participer a dirigé un cours de journalisme à travers une leçon de 15 jours où ils ont utilisé StoryQ pour évaluer une série de critiques Yelp sur les magasins de crème glacée. Les étudiants ont développé des modèles pour prédire si les avis étaient « positifs » ou « négatifs » en fonction de la langue.
« Le professeur a vu la pertinence du programme pour le journalisme », a déclaré Jiang. « C’était une classe très diversifiée avec de nombreux étudiants sous-représentés en STEM et en informatique. Dans l’ensemble, nous avons constaté que les étudiants ont beaucoup apprécié les cours et ont eu d’excellentes discussions sur l’utilisation et le mécanisme de l’apprentissage automatique. »
Les chercheurs ont vu que les étudiants faisaient des hypothèses sur des mots spécifiques dans les critiques de Yelp, qui, selon eux, prédiraient si une critique serait positive ou négative. Par exemple, ils s’attendaient à ce que les avis contenant le mot « j’aime » soient positifs. Ensuite, l’enseignant a guidé les élèves pour analyser si leurs modèles classaient correctement les avis. Par exemple, un étudiant qui a utilisé le mot « j’aime » pour prédire les avis a constaté que plus de la moitié des avis contenant le mot étaient en fait négatifs. Ensuite, les chercheurs ont déclaré que les étudiants avaient utilisé des essais et des erreurs pour essayer d’améliorer la précision de leurs modèles.
« Les étudiants ont appris comment ces modèles prennent des décisions, et le rôle que les humains peuvent jouer dans la création de ces technologies, et le type de perspectives qui peuvent être apportées lorsqu’ils créent la technologie de l’IA », a déclaré Jiang.
D’après leurs discussions, les chercheurs ont constaté que les étudiants avaient des réactions mitigées face aux technologies de l’IA. Les étudiants étaient profondément préoccupés, par exemple, par la possibilité d’utiliser l’IA pour automatiser les processus de sélection des étudiants ou des candidats à des opportunités telles que des bourses ou des programmes.
Pour les classes futures, les chercheurs ont créé un programme plus court de cinq heures. Ils ont lancé le programme dans deux lycées de Caroline du Nord, ainsi que dans des écoles de Géorgie, du Maryland et du Massachusetts. Dans la prochaine phase de leurs recherches, ils cherchent à étudier comment les enseignants de toutes les disciplines collaborent pour lancer un programme axé sur l’IA et créer une communauté d’apprentissage de l’IA.
« Nous voulons étendre la mise en œuvre en Caroline du Nord », a déclaré Jiang. « S’il y a des écoles intéressées, nous sommes toujours prêts à apporter ce programme dans une école. Comme nous savons que les enseignants sont très occupés, nous proposons un cours de développement professionnel plus court et nous offrons également une allocation aux enseignants. Nous irons dans la salle de classe pour enseigner si nécessaire, ou montrer comment nous enseignerions le programme afin que les enseignants puissent le reproduire, l’adapter et le réviser. Nous soutiendrons les enseignants de toutes les manières possibles.
Les co-auteurs de l’étude comprenaient Hengtao Tang, Cansu Tatar, Carolyn P. Rosé et Jie Chao.
Plus d’information:
Shiyan Jiang et al, Pratiques et processus de modélisation des données des élèves du secondaire : de la modélisation des données non structurées à l’évaluation des décisions automatisées, Apprentissage, médias et technologie (2023). DOI : 10.1080/17439884.2023.2189735