fil-educavox-color1

L’objectif du GTnum “ Scolia : Renouvellement des pratiques numériques et usages créatifs du numérique et IA ” est d’avancer la réflexion et les propositions en lien au renouvellement des pratiques numériques en intégrant les apports potentiels des usages créatifs du numérique et de  l’IA. Voici une étude de cas publié sur le site https://scoliablog.wordpress.com : les représentations et les perceptions des élèves de deux lycées de 1ère spécialité sciences de l’ingénieur (SI).

Informations générales

 

En l’an 2000 : Cette série imagine à la fin du XIXe siècle les progrès techniques et sociaux. Ici, une représentation de « L’école du futur », vers 1899, par l’illustrateur Jean-Marc Côté.

À la fin du XIX° siècle, Jean-Marc Côté et d’autres artistes français essayaient d’imaginer comment serait la vie en France et dans le monde en l’an 2000. Ainsi, ils créèrent des images futuristes représentant la société de manière générale. Une de ces images était centrée sur l’école montrant comment, en l’an 2000, nous pourrions envoyer de l’information directement aux cerveaux des apprenants, déshumanisant en quelque sorte, l’expérience d’enseignement-apprentissage. Plus de 100 ans plus tard, et avec le développement rapide du domaine de l’intelligence artificielle, nous commençons à nous poser de nouveau les mêmes questions.

Dans le cadre du Laboratoire des Usages de la R&D de Réseau Canopé et du premier groupe de travail du GTNum-9 de la DNE portant sur l’enseignement de l’IA, nous proposons des ateliers avec des élèves (CE2-CM2 et lycéens), des étudiants (futurs ingénieurs pédagogiques), des enseignants (premier et second degré) ainsi que des cadres et des formateurs de l’éducation nationale (dans le cadre du Plan National de Formation 2020-2021) divisés en deux temps de réflexion et de co-conception ascendante :

De la salle de classe à l’Intelligence Artificielle : cet atelier a comme objectif d’enseigner et de comprendre l’IA. Comment penser l’IA à partir de la salle de classe ?

De l’Intelligence Artificielle à la salle de classe : cet atelier porte sur les interactions homme-machine et les aspects éthiques. Quels impacts de l’IA et des Learning Analytics sur la salle de classe ?

Notre premier objectif est de créer un espace interactif d’intelligence collective autour du thème de l’Intelligence Artificielle – ce qu’elle est, où elle va et surtout où nous voulons qu’elle aille.

Notre deuxième objectif est de comprendre les représentations et les perceptions que les différents publics (élèves, étudiants, enseignants, cadres et formateurs de l’éducation nationale) se font de l’intelligence artificielle. En ce qui concerne cette expérience, les perceptions sont personnelles et les représentations sont collectives, puisqu’elles sont installées dans les croyances, les conditions historiques, sociologiques ou les idéologies.

Ainsi, l’objectif final est de mieux comprendre les représentations (sur l’IA) des participants avant l’intervention et la perception (sur l’IA) des participants après l’intervention. Pour cela, avant et après chaque intervention, chaque participant devra choisir et prioriser cinq mots pour décrire l’intelligence artificielle. Comme les représentations sont ancrées dans le temps, nous allons utiliser le premier questionnaire (avant l’intervention) pour identifier les représentations et le deuxième questionnaire (après l’intervention) pour identifier l’évolution des perceptions.

Il convient de noter que pour réaliser ce travail, nous avons été inspirés par la théorie du noyau central d’Abric (2003) qui vise à identifier un système central (directement lié et déterminé par les conditions historiques, sociologiques, et idéologiques) et un système périphérique (plus sensible et déterminé par les caractéristiques du contexte immédiat). Ainsi, le noyau central est partagé collectivement, alors que les expériences individuelles vont plutôt être situées dans les éléments périphériques de la représentation.

Contexte et méthode

 

Images de sciences, sciences de l’image (Décembre 2020)

Dans cette étude de cas, nous avons travaillé avec deux lycées de l’Académie de Poitiers (Le lycée polyvalent Nelson Mandela et le lycée polyvalent Marcel Dessault) dans le cadre de l’événement « Images de Sciences Sciences de l’image » organisé par l’Espace Mendès France. Nous avons organisé une présentation/démonstration de deux heures pour aborder les deux temps décrits ci-dessus (de la salle de classe à l’IA et de l’AI à la salle de classe) et une dernière partie qui abordait la relation entre les humains et les machines.

75 élèves des deux lycées de 1ère spécialité sciences de l’ingénieur (SI) ont participé à cette séance. Nous pouvons donc supposer que la plupart des élèves étaient intéressés par le sujet.

Comme nous l’avons expliqué ci-dessus, avant la séance, nous avons remis aux élèves un questionnaire anonyme et court leur demandant de nous donner les 5 premiers mots pour décrire l’intelligence artificielle. Nous leur avons également demandé de classer les mots par ordre de priorité (où le mot [1.] décrit le mieux l’Intelligence Artificielle). Une fois la séance de deux heures terminée, nous leur avons remis un deuxième questionnaire leur demandant de faire la même chose.

Nous nous sommes intéressés à trois éléments : 1) le rang (ou la priorité) des mots, que nous avons calculée en multipliant les mots par la priorité (de 1 à 5) que les élèves ont donnée aux mots (si par exemple, le mot Robot apparaissait X fois comme premier mot et Y fois comme deuxième mot, nous avons multiplié X par 5 et Y par 4 et ainsi de suite jusqu’à 1), 2) la fréquence des mots, que nous avons calculée en additionnant les mêmes mots, et enfin, 3) la visualisation de la relation entre le rang et la fréquence des mots.

Il convient de noter qu’avant d’analyser et de visualiser les 3 éléments ci-dessus, nous avons utilisé plusieurs librairies du langage Python pour nettoyer et uniformiser (par exemple intelligent et intelligence ont été rassemblés) les données afin d’éviter les fautes et autres erreurs.

Résultats

Le rang

Le rang — Pré-questionnaire

Cette image illustre les résultats concernant le rang du pré-questionnaire (avant la séance). Nous pouvons remarquer que le « noyau central » (Abric, 2003) des représentations des élèves est constitué par 4 mots assez dominés par les notions autour des robots :

1. Robot, 2. Futur, 3. Algorithme, et 4. Autonomie. La première périphérie du « noyau central » est constituée de 3 mots qui commencent à s’éloigner et qui continuent à être connectés au « noyau central » : 1. Programme, 2. Intelligent et 3. Innovation. Dans la deuxième et troisième périphérie, nous pouvons observer les mots technologie, informatique, ordinateur, Deep Learning, machine ou Google qui renforcement l’aspect technique de la première périphérie. Nous observons également des mots comme danger et données. Enfin, dans la dernière périphérie, nous pouvons identifier des mots qui vont un peu plus loin que les aspects techniques et qui concernent plus la société comme stratégique, utilité, résolution de problèmes ou renouvellement.

Le rang — Post-questionnaire

La première chose que nous pouvons noter dans le post-questionnaire est l’introduction du mot collaboration dans le « noyau central » des perceptions des élèves (rappelons que les perceptions sont personnelles et les représentations sont collectives, puisqu’elles sont installées dans les croyances, les conditions historiques, sociologiques ou les idéologies).

La deuxième chose que nous pouvons noter est le rapprochement de la troisième (dans le pré-questionnaire) à la première (dans le post-questionnaire) périphérie du mot données. Enfin, remarquer que nous voyons apparaitre deux nouveaux mots dans les deux dernières périphéries : remplacement et limité.

Lors des discussions que nous avons eu avec les élèves, beaucoup de questions ont été posées sur les emplois que nous allons automatiser. La plupart d’entre eux ont également fait remarquer que ces systèmes sont très limités, qu’ils peuvent nous remplacer dans une tâche spécifique, mais qu’ils ne seront capables de faire que cette tâche.

La fréquence

On peut remarquer que la fréquence des mots est liée au rang. La fréquence du pré-questionnaire est largement dominée par le mot robot, suivi de futur et programme. Nous retrouvons ensuite les mots autonomie, algorithme et intelligent. Tous ces mots appartiennent au « noyau central » et à la première périphérie du « noyau central » du pré-questionnaire. Le seul mot qui n’est pas présent dans la fréquence est qui est présent dans la première périphérie du « noyau central » est le mot innovation.

La fréquence — Pré-questionnaire

La principale différence que nous pouvons observer est liée aux deux mots que nous avons identifiés dans la partie « rang » du post-questionnaire : collaboration et données. Il convient de noter que la fréquence n’est plus largement dominée par le mot robot, à ce mot s’ajoute le mot collaboration. Un dernier mot que nous voyons apparaitre dans le post-questionnaire est futur, qui apparait à la place d’intelligent.

La fréquence — Post-questionnaire

Rang et fréquence

Relation le rang et la fréquence — Pré-questionnaire

L’image illustre bien ce que nous avons observé concernant le pré-questionnaire dans les deux éléments ci-dessus : la dominance en rang et en fréquence du mot robot, complété par les mots futur, algorithme, autonomie et programme. Ces mots nous renvoient à une représentation général autour d’une machine et de façon plus spécifique autour des robots, en remarquant que ces robots autonomes et intelligents représentent le futur.

Relation le rang et la fréquence — Post-questionnaire

Dans le post-questionnaire, en général, on peut observer l’importance que commence à avoir le mot collaboration (entre humains et machines) dans la perception des élèves. Ce mot est intégré dans la représentation générale autour de la machine. Autre mot qui vient renforcer cette nouvelle perception est données. Enfin, nous pouvons remarquer les questions des élèves autour du remplacement des humains par des machines dans certains domaines de l’économie, et des questions en lien avec les limitations des systèmes d’intelligence artificielle. Enfin, nous pouvons observer une diminution dans la fréquence et dans le rang des mots dans le post-questionnaire par rapport au pré-questionnaire.

Conclusion

Comme nous l’avons dit précédemment, nous pouvons observer une présence plus importante de la machine dans le pré-questionnaire. Un élément intéressant à noter est que dans le post-questionnaire, les élèves commencent à introduire les mots collaboration et données, et en conséquence, ils commencent à s’intéresser aux complexités et aux défis liés aux interactions entre les machines et les humains lorsque nous concevons des systèmes d’intelligence artificielle.

0 29112400daddf74b8580cf364751595dC’est ce que Douglas Engelbart, fondateur du domaine de l’interaction homme-machine, a imaginé pour l’ordinateur dans les années 60. Pour Engelbart, un outil ne facilitait pas simplement quelque chose, il permettait d’obtenir de nouvelles façons de penser et de vivre, qui auparavant n’étaient pas possibles.

Il envisageait que l’ordinateur soit un outil qui pourrait amplifier la créativité humaine, mais aujourd’hui, les appareils numériques que nous utilisons tous les jours sont conçus moins autour de la création, mais davantage autour de la consommation. C’est dans ce contexte de consommation que l’histoire de la relation entre les humains et les systèmes d’IA sera non pas une collaboration, mais une confrontation.

Même si le mot robot reste dominant dans la représentation que les élèves se font de l’IA, ils commencent à comprendre que dans une interaction entre les humains et les machines, la partie la plus importante ce n’est pas le système d’IA, ce n’est pas non plus l’humain, mais leur collaboration.

Il faut prendre en considération que nous avons travaillé avec un public très spécifique : des élèves de deux lycées de 1ère spécialité sciences de l’ingénieur (SI). Notre objectif est de répliquer cette étude de cas avec un public similaire, mais moins intéressé par la thématique, ainsi que d’autres publics comme des élèves de CE1-CM2, des enseignants, des étudiants, des cadres et des formateurs de l’Éducation Nationale, c’est en croisant ces données que nous allons obtenir des pistes intéressantes.

Partager :

https://scoliablog.wordpress.com/2020/12/07/representations-et-perceptions-de-lintelligence-artificielle-ia-dans-le-milieu-educatif-lycee/

Dernière modification le jeudi, 10 décembre 2020
An@é

L’association, fondée en 1996, à l’initiative de la création d’Educavox en 2010, en assure de manière bénévole la veille et la ligne éditoriale, publie articles et reportages, crée des événements, valorise les innovations, alimente des débats avec les différents acteurs de l’éducation sur l’évolution des pratiques éducatives, sociales et culturelles à l’ère du numérique.

Nous utilisons des cookies pour vous garantir la meilleure expérience sur notre site. Si vous continuez à utiliser ce dernier, nous considérerons que vous acceptez l'utilisation des cookies.