ChatGPT : quel en a été l’usage spontané d’étudiants de première année universitaire à son arrivée?
Notice bibliographique
Résumé
L’usage des plateformes d’intelligence artificielle et en particulier ChatGPT-3 interroge le monde universitaire depuis décembre 2022. Certains enseignants prennent peur tandis que d’autres y décèlent de nombreuses opportunités pour eux-mêmes et pour les étudiants. Mais quel est le réel usage des étudiants face à cette IA? Cette recherche s’intéresse à l’usage de ChatGPT-3 par des étudiants de première année de l’Université de Namur (Belgique). L’enquête a été réalisée pendant les mois de février et mars 2023, soit quelques mois après la sortie de ChatGPT-3. Des étudiants de six facultés (informatique, droit, médecine, sciences, sciences économiques, sociales et de gestion ainsi que de philosophie et lettres) ont été sondés afin de mieux connaître leur utilisation de ChatGPT, mais aussi de cerner les cours dans lesquels ils y ont recours. De plus, cette enquête a permis de mettre en lumière les avantages perçus par les étudiants quant à l’usage de ChatGPT-3 et de manière générale quant à l’usage d’intelligences artificielles. Ces données sont interprétées selon le modèle des stratégies d’apprentissage par développé par Boulet et al. (1996). Pour terminer, nous montrerons comment les données recueillies ouvrent de nouvelles pistes de recherche quant à l’esprit critique des étudiants face à ChatGPT.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».