L’intelligence artificielle (IA) est de plus en plus intégrée à l’apprentissage numérique. Certains se méfient de ce mariage, entre autres, par crainte de voir les enseignants dépossédés de leur mission. Pourtant, l’IA peut au contraire permettre aux enseignants de se concentrer sur les aspects les plus complexes et enrichissants de leur travail tout en améliorant l’efficacité des apprentissages. C’est que l’IA permet d’intégrer les principes nécessaires à un apprentissage optimal qui ont été confirmés ces dernières années par les neurosciences. Voici quatre atouts de l’IA pour lesquels les apprenants comme les enseignants sortent gagnants!

L’intelligence artificielle peut…

Accorder un gain de temps aux enseignants. L’IA peut délester les enseignants de certaines tâches répétitives, moins complexes et moins enrichissantes que d’autres, mais qui doivent néanmoins être accomplies. C’est le cas par exemple de la correction de réponses objectives dans les épreuves ou encore de la création de tests et jeux-questionnaires formatifs. Les enseignants ont alors plus de temps et d’énergie à consacrer aux aspects plus complexes et fondamentalement humains de leur rôle auprès de leurs étudiants.

Offrir de la rétroaction immédiate. L’IA permet d’offrir de la rétroaction immédiate et détaillée, ce qui est indispensable à un apprentissage efficace, tel que confirmé par les neurosciences. Cette fonctionnalité permet aussi à l’enseignant d’obtenir un rapport sur les performances de ses étudiants et d’ajuster son enseignement. Recevoir de la rétroaction, positive comme négative, active le système de récompense et déclenche une libération de dopamine dans le cerveau (Wilkinson et al., 2014). Si les rétroactions dites « négatives » — celles qui visent à corriger — sont essentielles, les rétroactions positives — qui consistent à souligner les réussites — ne doivent absolument pas être négligées. On a en effet découvert que ce sont ces dernières qui entraînent la plus grande activation du striatum, cette petite structure nerveuse située sous le cortex qui fait partie intégrante du système de récompense dans le cerveau et qui libère notamment de la dopamine (DePasque et Tricomi, 2014). Plus un apprenant réussit, plus son système de récompense s’active et libère de la dopamine, et le sentiment de plaisir et de satisfaction qui en découle renforce le comportement en question.

La rétroaction a donc non seulement un rôle informatif, mais également motivationnel. Cette même étude a aussi observé que le système de récompense s’active encore davantage lorsque le défi relevé est perçu comme étant plus difficile (sans être trop ardu) plutôt que trop facile. Le lien entre une meilleure performance et une tâche plus challengeante — restant dans les limites de compétences de l’individu qui l’accomplit — a été démontré par de très nombreuses études empiriques (Locke et Latham, 2002; Latham, 2007; Latham et Locke, 2007). L’IA peut évaluer le niveau de chaque apprenant et augmenter graduellement la difficulté des défis proposés afin que chacun puisse rester le plus motivé possible, et donc engagé, tout au long de son parcours d’apprentissage.

Optimiser la consolidation mémorielle. L’IA est capable d’identifier les erreurs récurrentes chez les apprenants et de leur proposer des exercices ciblés personnalisés pour y remédier. De plus, elle peut organiser la répétition de ces exercices à une fréquence optimale pour que l’information s’ancre dans le cerveau — tel que démontré par les neurosciences —, soit de façon distribuée, en fractionnant les séances d’apprentissage, plutôt que de façon massée sur une trop longue période. Plus important que le temps consacré à l’étude, c’est le fait d’être testé plusieurs fois, en alternance avec des séances d’étude, qui optimise la mémorisation, et de respecter le besoin de repos de nos fonctions cognitives (Karpicke et Roediger, 2008). Comme l’ont constaté les chercheurs, quatre séances d’étude alternées avec quatre courts tests sont plus profitables avant un examen que six séances d’étude seulement.

Stimuler la récupération en mémoire. Encore une fois dans l’optique d’intégrer les principes confirmés par les neurosciences qui sont essentiels à un apprentissage réussi, l’IA peut être utilisée pour exercer chez l’apprenant la récupération en mémoire. Ce terme désigne le fait de chercher dans sa tête une information apprise qui n’est toutefois pas encore consolidée, à la faire passer de la mémoire à long terme à la mémoire de travail. Ainsi, au lieu de répéter à l’apprenant les notions étudiées, l’IA peut concevoir des tests dont les questions, le rythme de déroulement et les options d’utilisation (un bouton de mise en attente, par exemple) sont faits pour stimuler la récupération en mémoire. Dans le cerveau, tout apprentissage résulte de l’activation répétée des neurones en lien avec l’apprentissage visé. Et L’un des moyens les plus efficaces pour stimuler l’activation neuronale est de s’entraîner à la récupération en mémoire, plutôt qu’à la simple répétition des leçons, qui risque à la longue de diminuer l’activation des neurones.

En complément :

Catherine Meilleur

Auteure:
Catherine Meilleur

Stratège en communication et Rédactrice en chef @KnowledgeOne. Poseuse de questions. Entêtée hyperflexible. Yogi contemplative

Catherine Meilleur possède plus de 15 ans d’expérience en recherche et en rédaction. Ayant travaillé comme journaliste, vulgarisatrice scientifique et conceptrice pédagogique, elle s’intéresse à tout ce qui touche l’apprentissage : de la psychopédagogie aux neurosciences, en passant par les dernières innovations qui peuvent servir les apprenants, telles que la réalité virtuelle et augmentée. Elle se passionne aussi pour les questions liées à l’avenir de l’éducation à l’heure où se pointe une véritable révolution, propulsée par le numérique et l’intelligence artificielle.