Améliorer la littératie en IA dans l'enseignement supérieur : Une étude mixte sur les expériences des étudiants avec les outils d'IA

L'intelligence artificielle (IA) est devenue de plus en plus présente dans l'éducation, transformant la manière dont les étudiants apprennent et interagissent avec l'information. Alors que les technologies d'IA comme l'IA générative (GenAI) continuent d'évoluer, il y a un besoin croissant de littératie en IA parmi les étudiants et les éducateurs. Cette étude contribue à la littérature émergente sur la littératie en IA dans l'enseignement supérieur en explorant comment l'exposition des étudiants de deuxième cycle aux mécanismes de révision par IA et aux outils de génération d'images par IA influence leur développement perçu de la littératie en IA. La littératie en IA englobe la capacité à comprendre, évaluer et appliquer de manière critique les technologies d'IA dans divers contextes. Dans l'enseignement supérieur, développer la littératie en IA est crucial pour préparer les étudiants à naviguer dans un monde piloté par l'IA et à utiliser efficacement les outils d'IA dans leur vie académique et professionnelle. Cette recherche examine les perspectives des étudiants sur les moyens efficaces d'améliorer leur littératie en IA grâce à des expériences pratiques avec des outils d'IA dans des cours d'éducation postuniversitaire.

Cette étude a employé une approche de cas mixte convergente, combinant des données d'enquête quantitatives avec des insights qualitatifs provenant des réflexions des étudiants. La recherche a été menée dans trois cours en ligne de 8 semaines au sein du Collège de l'Éducation d'une université du Midwest des États-Unis. Sur 61 étudiants inscrits, 37 ont accepté de participer à l'étude. Les participants étaient principalement des femmes blanches âgées de 25 à 45 ans, poursuivant des diplômes de deuxième cycle en éducation et en sciences humaines. Leur exposition antérieure aux technologies d'IA variait, avec 22 % signalant une grande familiarité et 22 % n'ayant aucune familiarité avec les concepts d'IA. L'étude s'est concentrée sur les expériences des étudiants avec deux applications clés de l'IA : un outil de révision par IA spécialisé pour évaluer des essais complexes et des outils de génération d'images basés sur l'IA pour réfléchir sur les expériences d'apprentissage.

L'étude a utilisé une approche cyber-sociale holistique pour explorer le développement perçu de la littératie en IA des étudiants. Cette approche impliquait : 1. Un outil de révision GenAI d'une plateforme d'apprentissage social, conçu et développé par l'équipe de recherche 2. Des outils de génération d'images GenAI pour les réflexions des étudiants 3. Une exposition critique à des sujets liés à l'IA à travers les ressources et discussions de cours L'outil de révision par IA interagissait avec le GPT d'OpenAI pour fournir des retours automatisés sur les projets des étudiants, complétant les retours des pairs et des instructeurs. L'outil a été amélioré grâce à l'ingénierie des prompts, au réglage de précision, à la transparence, à la modération humaine et à l'intégration des ontologies disciplinaires. Les étudiants ont travaillé sur des projets multimodaux examinant la technologie, la théorie éducative et la pratique tout au long du semestre. Ils ont reçu à la fois des retours d'IA et des retours de pairs à différentes étapes du processus de développement, leur permettant de comparer et de réfléchir sur les deux types de révisions.

La collecte de données a impliqué des enquêtes pré- et post-cours et des réflexions des étudiants sur leurs progrès en littératie en IA. Les enquêtes ont interrogé les participants sur leur familiarité avec les concepts d'IA, leur confiance dans l'utilisation des outils d'IA et leur expérience avec la génération d'images par IA. Les données quantitatives des enquêtes ont été analysées à l'aide de statistiques descriptives et inférentielles, y compris des tests t pour échantillons appariés afin de déterminer les changements significatifs dans la littératie en IA rapportée par les participants. Les données qualitatives provenant des réponses ouvertes des enquêtes et des réflexions des étudiants ont été soumises à une analyse thématique pour identifier des thèmes et expériences communs liés au développement de la littératie en IA.

Les résultats de l'étude ont révélé plusieurs insights clés sur le développement perçu de la littératie en IA des étudiants : 1. Familiarité accrue avec les concepts d'IA : Les étudiants ont signalé une augmentation significative de leur compréhension des concepts d'IA et d'apprentissage automatique après le cours (la note moyenne est passée de 2,62 à 3,22 sur une échelle de 5 points). 2. Confiance renforcée dans l'utilisation des outils d'IA : La confiance perçue des participants dans l'utilisation des outils d'IA à des fins éducatives s'est considérablement améliorée (la note moyenne est passée de 2,41 à 3,27). 3. Amélioration des compétences en création de prompts : Les étudiants ont signalé une plus grande compétence dans la rédaction de prompts pour la génération d'images par IA (la note moyenne est passée de 2,16 à 3,35). 4. Reconnaissance de l'utilité de l'IA : Après le cours, 67 % des participants ont trouvé les outils de génération d'images par IA au moins modérément utiles pour leur expérience d'apprentissage. 5. Évaluation critique des retours d'IA : Les étudiants ont développé la capacité d'identifier les avantages et les inconvénients des retours d'IA par rapport aux évaluations humaines, démontrant des compétences de pensée critique améliorées liées aux applications de l'IA.

L'analyse thématique des réflexions des étudiants a révélé plusieurs aspects importants de leurs expériences avec l'IA : 1. Processus d'apprentissage itératif : Les étudiants ont décrit leur interaction avec les outils de génération d'images par IA comme un processus itératif d'essai et d'erreur, menant à une amélioration des compétences en création de prompts. 2. Expression créative : Les participants ont utilisé des images générées par IA pour exprimer métaphoriquement leurs expériences avec les évaluations par pairs et par IA, démontrant des applications créatives des outils d'IA. 3. Perceptions positives de l'IA : Les étudiants ont considéré l'IA comme un outil puissant, intelligent et collaboratif qui améliore la productivité et soutient le développement cognitif. 4. Intérêt accru pour les applications de l'IA : L'exposition aux évaluations par IA a suscité un intérêt accru pour explorer les applications potentielles de l'IA dans des contextes académiques et professionnels futurs. 5. Intégration de l'IA dans les pratiques personnelles : Les étudiants ayant plus d'expérience avec l'outil de révision par IA ont signalé avoir intégré les outils d'IA comme ChatGPT de manière plus extensive dans leurs pratiques pédagogiques et leurs études personnelles.

Les résultats de l'étude ont plusieurs implications pour l'intégration de l'IA dans l'enseignement supérieur : 1. Expérience pratique : Offrir aux étudiants des opportunités d'interagir directement avec des outils d'IA peut considérablement améliorer leur littératie en IA et leur confiance dans l'utilisation de ces technologies. 2. Retours complémentaires : Combiner les évaluations par IA et par pairs peut offrir aux étudiants une compréhension plus complète de leur travail et développer des compétences d'évaluation critique. 3. Applications créatives : Encourager les étudiants à utiliser des outils d'IA pour l'expression créative peut favoriser la pensée innovante et un engagement plus profond avec les technologies d'IA. 4. Stratégies personnalisées : Les éducateurs devraient envisager de développer des stratégies éducatives personnalisées pour maximiser l'adoption des outils d'IA et le développement de la littératie en fonction des besoins variés des étudiants et de leurs niveaux de littératie en IA. 5. Développement continu des compétences : Alors que les technologies d'IA continuent d'évoluer, les institutions d'enseignement supérieur devraient prioriser le développement continu de la littératie en IA pour les étudiants et les éducateurs.

Bien que cette étude fournisse des insights précieux sur le développement de la littératie en IA dans l'enseignement supérieur, elle présente certaines limitations : 1. Données auto-rapportées : L'étude s'est appuyée sur les perceptions auto-rapportées des étudiants concernant leur littératie en IA, qui peuvent ne pas refléter pleinement le développement réel des compétences. 2. Taille d'échantillon limitée : L'étude a impliqué un échantillon relativement petit de 37 participants d'une seule université, limitant la généralisabilité. 3. Contexte éducatif spécifique : La recherche s'est concentrée sur des cours d'éducation de deuxième cycle, et les résultats peuvent ne pas s'appliquer également à d'autres disciplines ou niveaux éducatifs. Les directions de recherche futures pourraient inclure : 1. Évaluation objective : Développer et mettre en œuvre des mesures objectives de la littératie en IA pour compléter les données auto-rapportées. 2. Études longitudinales : Étudier les impacts à long terme de l'intégration de l'IA sur la littératie en IA et la performance académique des étudiants. 3. Recherche interdisciplinaire : Explorer le développement de la littératie en IA à travers diverses disciplines académiques et niveaux éducatifs. 4. Considérations éthiques : Examiner les implications éthiques de l'intégration de l'IA dans l'enseignement supérieur et développer des cadres pour une utilisation responsable de l'IA. 5. Stratégies pédagogiques : Étudier les approches pédagogiques efficaces pour améliorer la littératie en IA à travers des populations étudiantes diverses.