IA & Pédagogie (FR)

IA & Pédagogie

Guide interactif

Let's go!

Introduction

L'objectif de ce guide interactif est de vous proposer des idées et recommandations pour mieux intégrer les enjeux de l'IA générative à votre réflexion pédagogique. Elle est organisée selon trois grandes thématiques : IA & évaluation, IA & bonnes pratiques, IA comme "teaching assistant". Cliquez sur le bouton ci-dessous pour accéder au menu !

Démarrer

Offre de formation du K-lab

Index

IA & assistance

IA & bonnes pratiques

IA & évaluation

L'objectif de cette section est de vous conseiller des bonnes pratiques à transmettre aux étudiants dans leur usage de l'IA.

L'objectif de cette section est de vous proposer des pistes pour repenser vos stratégies d'évaluation en prenant en compte l'IA.

L'objectif de cette section est de vous montrer comment utiliser l'IA comme un "teaching assistant" au quotidien.

Section 1. IA & évaluation

Dans un premier temps, l'IA générative a été un catalyseur de problématiques déjà existantes, notamment la triche pendant les examens en ligne et le manque d'engagement personnel. Toutefois, l'IA générative apparaît désormais comme une occasion de repenser et d'optimiser les pratiques et les modalités d'enseignement et d'apprentissage, et bien sûr d'évaluation. Nous allons vous présenter dans cette section des pistes pour adapter vos évaluations aux enjeux de l'IA.

Section 1 - Index

IA & évaluation

Quelques précautions à prendre pour les évaluations sommatives obligatoires.

Mettre en place des évaluations formatives/ continues, et intégrer l'IA aux syllabi.

Mettre l'accent sur les compétences, notamment sur les soft-skills.

Info

Info

Info

ESSEC AI Study Group's guidelines

Faire évoluer les évaluations & syllabi

Ces différentes activités recentrent l'attention de l'apprenant sur le contenu et sur le processus d'apprentissage plutôt que sur sa finalité (note) et réduit ainsi significativement les tentatives de plagiat et de génération automatique de réponses. Ensuite, la mise en place d'évaluations continues est également une piste intéressante, avec, par exemple, un système de classe inversée (ressources à travailler en amont à la maison) suivies d'ateliers de réflexion et de pratique en classe, avec un maximum de travaux de groupe encadrés par le professeur. Ce système offre un double avantage : réduire la triche et le recours aux IA tout en maintenant l'attention et la motivation des apprenants. Enfin, il peut être intéressant d'intégrer l’IA aux syllabi en prévoyant des exercices tels que la génération d'un premier jet sur ChatGPT, suivi d'une activité d'auto-évaluation et de commentaire guidé en classe. Pour vous aider, des Learning Journeys prêtes à l'emploi sont téléchargeables sur le site de FeedbackFruits.

Une première piste pour lutter efficacement contre le recours non pertinent aux IA génératives est de repenser sa stratégie d'évaluation. Tout d'abord, plusieurs expériences menées notamment sur les SPOCs ont montré l'efficacité des évaluations formatives : quiz formatif avec feedback détaillé pour chaque réponse juste ou fausse, auto-évaluation, évaluation par les pairs préalable au rendu d'un devoir final.

Mettre l'accent sur les soft-skills

Mettre en place une évaluation par compétences consiste à définir les compétences clés, notamment les soft-skills (communication, collaboration, esprit critique, adaptabilité), et à concevoir des activités qui permettent de les observer en action, comme des projets collaboratifs ou des études de cas, si possible pendant le temps de classe avec un enseignant en position de mentor/coach. En utilisant des grilles d’évaluation avec des critères spécifiques et des niveaux de maîtrise, vous pouvez mesurer la progression de chaque étudiant de façon détaillée. Impliquer les apprenants via auto-évaluation et l'évaluation par les pairs/intra-groupe, avec l'écriture et la prise en compte de feedbacks constructifs encourage également une prise de conscience de leurs forces et axes d’amélioration, ce qui fait également partie des soft-skills à travailler et à valoriser.

Cliquez sur l'image pour l'agrandir !

Des outils déployés à l'ESSEC, comme FeedbackFruits (activités disponibles : évaluation par les pairs, évaluation intra-groupe, et auto-évaluation) ; ansi que des modèles théoriques réécrits à l'ère de l'IA (cf. image supra) peuvent vous aider à créer des activités adaptées.

Précautions pour les examens

Si vous souhaitez mettre en place un examen en ligne, vous avez la possibilité d'activer un bloqueur d’écran (Safe Exam Browser) sur Moodle (attention, cette solution demande une prise en main préalable). Si votre examen est open-book, vous pouvez autoriser une feuille de prise de notes (cheat-sheet) par étudiant, ce qui vous permettra d'utiliser Safe Exam Browser tout en garantissant un accès à des ressources support. Il existe également la solution "Offline quiz", qui vous permet de créer des QCM sur Moodle et de les imprimer, puis de lancer une correction automatique après scan des copies. En termes de contenus, il peut être intéressant, si votre matière le permet, de demander aux étudiants de mettre en lien les thématiques sur lesquelles vous souhaitez les évaluer avec une expérience personnelle ou professionnelle vécue ou souhaitée (réflexion sur le passé/projection dans le futur), ce qui permettra aussi de leur faire travailler des soft-skills. Enfin, il est recommandé de solliciter les étudiants sur des sujets récents, qui ne sont pas encore répertoriés dans les logiciels d'IA générative.

Pour les évaluations sommatives obligatoires (tels que les examens mid-term et finaux), il est préférable, lorsque le contexte vous le permet (nombre d'étudiants, de pages) de privilégier l'examen papier, aussi bien pour éviter les cas de triche "classique" que le recours à l'IA. Cela permet également aux apprenants de pratiquer l'écriture manuelle, qui favorise la mémorisation et l'acquisition des connaissances sur le long terme. Dans la mesure du possible, encouragez les examens oraux : participation, présentations, soutenances.

Section 2. IA & bonnes pratiques

L'objectif de cette section est de vous conseiller des bonnes pratiques à transmettre aux étudiants dans leur usage de l'IA générative. Partant du position paper de l'ESSEC, elle vous donne ensuite un cadre général et des consignes spécifiques pour encourager une utilisation pertinente, éthique et maîtrisée des outils. Elle vous propose enfin une méthodologie pour identifier un usage frauduleux de l'IA dans les travaux de vos étudiants.

Section 2 - Index

IA & bonnes pratiques

Détecter un usage frauduleux des IA génératives

Position paper de l'ESSEC

Cadre et consignes à transmettre aux étudiants

Info

Info

Info

"Position paper" de l'ESSEC

• L’IA offre des opportunités d’amélioration pédagogique ;
• L’impact des IA dans les organisations et la société est un sujet de recherche pour l’Essec ;
• L’IA est un levier pour optimiser les processus et l’efficacité opérationnelle ;
• La gestion des risques et la préservation de l’intégrité académique passe par la mise en place d’outils et le partage de bonnes pratiques ;
• L’adoption réussie des IA génératives au sein de l’ESSEC s’appuie sur un dispositif de formation et un accompagnement de toutes les composantes de la communauté (étudiants, participants, enseignants, services administratifs).

• ChatGPT et ses concurrents s’appuient sur un modèle visant à proposer des résultats vraisemblables mais en aucun cas exacts. Ne mettez pas une IA générative dans des situations où l'exactitude est indispensable sauf si vous disposez de l’expertise pour évaluer le résultat proposé
• Opacité concernant la base de connaissance de l’outil (composition du data set) : Quel contenu ? Quelle couverture ?
• Hallucinations / Biais / Copyright : les limites de l’outil. Le modèle probabiliste amène les IA génératives à proposer des résultats qui peuvent reproduire des stéréotypes ou des points de vue “dominants” en s’appuyant de contenu non traçables ou non crédité (risque de plagiat).
• Application dans la recherche d’information: une IA générative n’est pas un moteur de recherche. Un moteur de recherche propose une sélection de ressources pour répondre à une question, les IA génératives proposent du texte basé sur un modèle probabiliste et assertif.

Quel cadre et quelles consignes aux étudiants ? (1/2)

Prérequis pour faire un usage maîtrisé et raisonné des IA génératives

Les IA génératives produisent du contenu (texte, image, vidéo…) basé sur un modèle en grande partie probabiliste et assertif.

Quel cadre et quelles consignes aux étudiants ? (2/2)

Utilisez ces outils pour ce qu'ils sont : exemples de cas d'application

Recherche documentaire : Identifier des mots-clés et des concepts mobilisés pour traiter un sujet Assistance à l’écriture : Reformulation (ponctuelle) pour valoriser une argumentation ou fluidifier la lecture d’un texte. Idéation/brainstorming : Formuler des hypothèses, explorer des idées de recherche ou obtenir des suggestions sur des sujets pour stimuler sa créativité. Résumer un document (article, article académique, étude…) protégé par le copyright via une IA générative est une méconduite académique: le contenu analysé est intégré à la base de connaissance du service sans autorisation préalable.

Promouvoir l'intégrité et la transparence

• Il est fortement conseillé pour tout enseignant de préciser dans ses guidelines les conditions et les modalités d’utilisation des IA génératives.

• Tout étudiant ou participant qui a recours à une IA dans le cadre de ses travaux (mémoires, exposés…) se doit de le mentionner de manière explicite afin de garantir la transparence et l’intégrité académique. Cette consigne s’applique à tous les cas de figures, que l’outil ait été utilisé comme source (mention en référence bibliographique et/ou dans le corps du texte) ou comme support (aide à la rédaction, brainstorming…).

Info sur Magister +

Détecter un usage frauduleux des IA : l'importance des faisceaux d'indices

Les outils de détection IA comme Magister + de Compilatio ne peuvent être les seules solutions à prendre en compte. Elles remontent des éventuelles suspicions de fraude, une probabilité, et en aucun cas une preuve objective. C'est la méthode des faisceaux d'indices qui prévaut, car il n'existe pas de solution technique parfaite. Le retour du lecteur/correcteur est le premier signal à prendre en considération. Un circuit à privilégier :

• Soupçon du lecteur/correcteur ;
• Vérification sur Magister + (Compilatio) du rapport problématique ;
• Échange avec l'étudiant.

Des points de vigilance pour l’enseignant (grille d’analyse)

La forme : le "style" et la structure

Le fond

La qualité de la bibliographie

Section 3. IA & assistance

L'objectif de cette section est de vous montrer plusieurs utilisations de l'IA générative comme alliée de vos pratiques enseignantes, de la conception du syllabus à la correction des travaux des étudiants, en passant par la création d'activités pédagogiques, de grilles d'évaluation ou de cas fil rouge. Utilisée de manière appropriée, l'IA peut vous faire gagner un temps considérable, comme le ferait un teaching assistant.

Section 3 - Index

IA & assistance

Aide à la correction automatique et obtention de rapports

Aide à la création de ressources et d'activités pédagogiques

Activer les options d'assistance IA sur nos différents outils

Info

Info

Info

Vous pouvez par exemple fournir à l'outil IA choisi un premier jet de votre syllabus et lui demande de réécrire les objectifs pédagogiques en les organisant, par exemple, en trois objectifs progressifs basés sur la taxonomie de Bloom. Vous pouvez également fournir une idée générale du programme prévu à chaque séance et lui demander de proposer une activité d'évaluation adaptée aux objectifs préalablement définis, et/ou encore de vous proposer des idées de cas fil rouge. Vous pouvez enfin utiliser l'IA générative pour concevoir des quiz formatifs, avec un feedback détaillé pour chaque réponse, et un feedback général pour chaque question et l'ensemble du quiz. Vous repassez ensuite sur ce premier jet pour corriger et ajuster les propositions de l'outil. L'IA générative est aussi efficace pour produire et améliorer des grilles d'évaluation, en générant selon vos instructions des rubriques détaillées avec plusieurs niveaux de maîtrise et une description précise des attendus de niveau. N'hésitez pas à contacter les ingénieurs pédagogiques du K-lab si vous souhaitez être accompagné sur ce sujet !

Aide à la création de ressources et d'activités pédagogiques

L'IA générative peut être envisagée comme un véritable teaching assistant, qui vous accompagne dans la conception et l'amélioration de vos cours, du syllabus à l'évaluation finale, en passant par les activités intermédiaires. Utilisée de manière appropriée, elle peut vous faire gagner un temps considérable !

Les retours du "AI Feedback coach" s'affichent à côté du champ de commentaire lorsque les apprenants rédigent leurs évaluations, et proposent des suggestions en temps réel pour améliorer les contenus rédigés en fonction des critères d'évaluation, du langage utilisé et de la nature de l'évaluation, aussi bien sur la forme (langage utilisé, longeur, etc.) que sur le fond (commentaires constructifs). Cette option vous permet d'encourager une première auto-correction des apprenants avant de passer vous même à la revue des travaux, ce qui représente une occasion pour eux d'améliorer leurs compétences rédactionnelles et de développer certaines soft-skills importantes : adopter une attitude réflexive sur ses productions et sur sa manière de travailler seul ou en groupe (selon le type d'exercice proposé) ; et s'engager dans une démarche empathique et bienveillante envers soi-même et/ou envers les autres.

Activer l’option « AI generated feedback coach » sur les travaux en ligne

L'outil FeedbackFruits, intégré à Moodle au travers de trois activités (évaluation par les pairs, évaluation intra-groupes et auto-évaluation), propose dans ses paramétrages une option AI generated Feedback Coach, qui accompagne les étudiants dans la réalisation de leurs évaluations et leur permet de s'améliorer.

Plus d'infos ici : https://feedbackfruits.com/automated-feedback

L'IA générative peut également vous aider à synthétiser et/ou analyser des productions, avec des requêtes telles que : "Identifie les arguments principaux dans ce devoir et évalue leur pertinence [notamment selon tel et tel critère]" Enfin, l'IA peut générer des documents complets que vous pouvez télécharger, tels que des rapports, à partir de données que vous lui fournissez (par exemple, une extraction des rapports d'activité sur Moodle) et des prompts précis tel que : "Rédige un rapport [de tel format, de tant de pages] sur les performances de la classe ce semestre [en les organisant en tel nombre de catégories thématiques, etc.]." Attention, l'IA générative a des limites : elle peut manquer de nuance, et ses suggestions doivent être relues pour garantir leur exactitude et leur pertinence pédagogique. D'un point de vue éthique, il faut aussi prendre en compte la possible circulation des données soumises à l'analyse. Il représente donc un premier jet ou complément utile, mais ne remplace pas l’expertise humaine du professeur.

Aide à la correction automatique des travaux et obtention de rapports

Véritable allié ou teaching assistant virtuel, l'IA générative peut vous aider à fournir un premier jet de retours structurés pour vos étudiants, par exemple au moyen d'un prompt comme "Propose une rétroaction constructive pour cet essai : [PJ], mettant en valeur les points forts et les axes d'amélioration [etc.]".

Offre de formation du K-lab

Faites de ChatGPT votre allié

Générer ses premiers visuels à l'aide de l'IA

IA générative en pratique - Premiers pas

Public : étudiants/staff

Public : étudiants/staff

Public : professeurs

Objectifs/contenu

• Fondamentaux des principales IA génératives accessibles gratuitement
• Bonnes pratiques pour un usage maîtrisé et safe
• Bases du prompting

Objectifs/contenu

• Fondamentaux des principales ressources gratuites
• Bonnes pratiques pour un usage maîtrisé et safe
• Bases d’un prompt réussi
• Problématiques liées au droit d'auteur

Objectifs/contenu Coming soon

Inscription

Coming soon

Inscription

Le recours possible à un outil : Magister + le K-lab a souscrit à l’option “Détection IA” de Compilatio (solution anti-plagiat déployée à l’ESSEC), passant ainsi du logiciel Magister (détection de similitudes) au logiciel Magister+ (détection de similitudes et de contenus générés par IA). Présentation du service Pour chaque analyse, Magister + propose un pourcentage global de textes suspects dont un score de similitudes (plagiat), un score de langues non reconnues ET un score de contenus potentiellement générés par l’IA. Ce score intitulé “textes potentiellement générés par IA” fait état d’une “suspicion”, d’une probabilité d’usage, mais ne constitue pas une preuve objective. Modalité d’utilisation Le logiciel alerte de zones de textes suspectes mais n’apporte pas de preuves visuelles c'est au correcteur de confirmer ou non la suspicion. La confrontation avec l’étudiant est nécessaire.

Pour toute question sur l’utilisation de l’outil, contactez-nous : compilatio@essec.edu

Tutoriel :

Points de vigilance

Fond

• Manque de profondeur et de réflexion critique : le traitement du sujet est superficiel et générique ;
• Sensation de remplissage et de bavardage : beaucoup d’éléments descriptifs et peu d’analyse ;
• Inadéquation entre le contenu et le public cible.

Points de vigilance

Forme, style, structure

• Neutralité excessive du texte ;
• Des ruptures de style abruptes ;
• Des répétitions ou des incohérences dans l’emploi de certains termes ;
• Utilisation excessive et formelle des phrases de transitions ;
• Absence de fautes d’orthographe.

Points de vigilance

Qualité de la bibliographie

• Des références bibliographiques erronées (inventions, imprécisions) ;
• Des références bibliographiques à la qualité excessive / en inadéquation avec la culture académique de l’étudiant ;
• Des références bibliographiques inacessibles via l’offre documentaire à disposition.