Recommandations fondées sur la recherche pour des actions plus adaptées en Writing Center : perceptions des enseignants et des étudiants sur l’usage de l’IA pour l’écriture académique
Notice bibliographique
Résumé
Un nombre croissant d’études suggère que l’intelligence artificielle générative (IAGén) peut constituer un atout pour l’apprentissage de l’écriture universitaire, et son potentiel pour soutenir le travail des tuteurs en écriture dans les Writing Centers suscite un intérêt grandissant. Il a notamment été observé que l’IAGén peut rapidement évaluer la structure des textes et produire des retours en fonction des critères intégrés dans les prompts. Cependant, malgré ce potentiel prometteur, une forte réticence à l’égard de l’IAGén persiste dans l’enseignement supérieur, souvent liée à des inquiétudes quant à son impact sur les apprentissages et sur le développement de l’esprit critique. Ces perceptions négatives peuvent à leur tour influencer la réceptivité des étudiants à apprendre à utiliser l’IAGén de manière efficace pour accompagner leurs tâches d’écriture. La présente étude examine le rôle que les Writing Centers pourraient jouer dans l’atténuation de ces perceptions. Elle s’appuie sur un contexte universitaire français, au sein d’un Writing Center d’université de taille moyenne. Deux enquêtes ont été menées : l’une auprès de dix enseignants-chercheurs issus des domaines des sciences, de la santé et des sciences humaines, et l’autre auprès de 32 étudiants relevant des mêmes disciplines. L’objectif était d’explorer leurs perceptions des avantages et des limites de l’IAGén pour l’écriture universitaire, ainsi que son utilité potentielle dans les séances de tutorat. Cette recherche s’inscrit dans une enquête plus large portant sur les perceptions de l’IAGén dans l’enseignement supérieur en France et au Québec. Les résultats révèlent un ensemble de croyances et de représentations qui orientent nos recommandations à destination des Writing Centers : formation des tuteurs à l’usage de l’IAGén en séance, sensibilisation des étudiants aux bonnes pratiques, et initiatives visant à impliquer les enseignants dans leur diffusion. Cette étude, en complément d’autres travaux émergents, ouvre la voie à de futures explorations sur la manière dont l’IAGén peut être exploitée dans les Writing Centers afin de soutenir le développement des compétences essentielles à la maîtrise de l’écriture universitaire.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 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 | 0,000 |
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 tête enseignante, 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 ».