Élaboration et validation d’un référentiel éthique de l’intelligence artificielle en Éducation : cas du contexte marocain
Notice bibliographique
Résumé
Cet article présente l’élaboration d’un référentiel éthique destiné à encadrer l’utilisation de l’intelligence artificielle (IA) en éducation, en mettant particulièrement l’accent sur le contexte marocain. La méthodologie adoptée englobe une revue exhaustive de la littérature portant sur l’éthique dans le domaine de l’IA, de l’éducation, ainsi que dans le contexte spécifique du Maroc. Cette littérature a été traitée et analysée au moyen des logiciels NVivo et Tropes. Par la suite, une enquête a été menée auprès d’acteurs clés tels que les enseignants-chercheurs, les ingénieurs en IA et les responsables de l’enseignement supérieur dans l’objectif de la validation du référentiel éthique élaboré. Les résultats de cette enquête ont été analysés à l’aide de l’outil statistique SPSS pour définir des indicateurs éthiques prioritaires. Le référentiel éthique élaboré vise à orienter les praticiens et les décideurs vers des pratiques éducatives éthiques, en tenant compte des spécificités culturelles et sociales du Maroc.
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 | 0,034 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».