Former à l'éthique de l'IA en enseignement supérieur: référentiel de compétence
Notice bibliographique
Résumé
Puisque toute formation à l’éthique de l’IA est d’abord redevable d’une conception de la formation à l’éthique en général, nous examinerons comment une interprétation de la compétence éthique inspirée de l’approche philosophique du pragmatisme américain, plus spécialement chez John Dewey, permet de penser les exigences spécifiques liées aux dimensions éthiques de cette innovation technologique de pointe. Plus précisément, en mettant l’accent sur certaines caractéristiques centrales d’une telle approche pragmatiste, notamment l’anti-fondationnalisme, l’anti-dualisme et l’anti-scepticisme, caractéristiques partagées par les philosophies des grands représentants du mouvement pragmatiste, nous verrons comment les différentes composantes de la compétence éthique – à savoir la sensibilité éthique, les capacités réflexives et les capacités dialogiques – peuvent être conçues de manière dynamique et interdépendantes. Nous pourrons dès lors examiner les champs spécifiques de la formation à l’éthique de l’IA, en insistant sur la nécessaire complémentarité entre les dilemmes moraux spécifiques associés à cette technologie et les aspects techniques, sociaux et normatifs (notamment législatifs) permettant de saisir convenablement les enjeux éthiques liés à la conception, au développement et au déploiement des systèmes d’IA. Ce faisant, nous pourrons déterminer les exigences qui devraient guider la mise en place d’une formation adéquate en éthique de l’IA, et ce en fournissant des repères en vue de l’enseignement de ces questions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,034 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».