Intelligence artificielle et formation universitaire : analyse bibliométrique des tendances et perspectives de recherche
Notice bibliographique
Résumé
Cette étude examine les tendances et les développements des publications ainsi que la dynamique de collaboration scientifique entre auteurs, pays, organismes et sources récentes liés à l’utilisation de l’intelligence artificielle (IA) dans la formation et l’apprentissage universitaires. Une analyse bibliométrique de 285 articles publiés depuis 2014 jusqu’au 26 mars 2024, issus de la base de données Web of Science a révélé une forte association entre l’IA et des thèmes tels que l’éducation, la motivation des étudiants, le « feedback » et l’autocontrôle. La Chine et les États-Unis sont les pays les plus influents dans ce domaine de recherche, avec une collaboration croissante d’autres pays, comme le Afrique du Sud, Brésil, Canada, Israël, Pologne, Singapour, Vietnam depuis 2023. Les premières publications remontent à 2022 dans des revues spécialisées comme International Journal of Educational Technology in Higher Education et Educational Technology & Society. Bien que l’analyse présente certaines limites, telles qu’une compréhension réduite des tendances, une couverture partielle des publications et une faible représentativité des données, elle offre des insights précieux pour de futurs projets de collaboration interdisciplinaires et de recherches qualitatives visant à mieux comprendre la dynamique de l’intégration de l’IA dans l’enseignement supérieur.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | Bibliométrie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
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 | 0,018 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,049 | 0,091 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,019 | 0,011 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,004 |
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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».